作者：Laurence Holt

翻译：Linda

 

前言

在AIGC与教育的结合上，Laurence Holt 和 Jacob Klein 展望了未来教育的两条可能路径。第一种是新技术只是重新布置了课堂工具，个性化教学并未带来真正的变革。第二种是大规模应用AI辅助教学，解决传统教育中的低效和乏味问题。

他们详细探讨了几种AI工具在教育中的应用场景，包括课程生成、教学指导、课堂管理模拟器、基于能力的教学等。这些工具不仅能够自动生成教学内容、评估学生表现，还能提供个性化的学习体验和即时反馈，提高学生参与度和学习效果。例如，AI工具可以生成定制的课程计划，实时分析课堂表现，甚至扮演虚拟学生角色，帮助教师模拟和练习课堂管理技能。

此外，AI工具还能在学生项目工作中提供支持，追踪进度，提供个性化的反馈和指导，帮助教师识别学生的优势和需要改进的领域。这些应用展示了AI在提高教学效率、优化教学方法、增强学生学习体验方面的巨大潜力。

 

正文

早在2023年，笔者曾猜想AIGC+教育的变革最终会是什么样子：

很难预测，但似乎有两条可能的路径。第一条是新技术在课堂上几乎总是发生的情况：它只是重新安排了家具。笔记本电脑变成了昂贵的幻灯片放映机。个性化教学最终意味着添加了花哨仪表盘的工作表。据最近估计，普通教师经常使用42种教育科技工具。

第二条路径是工业化教育方式的低效和乏味开始消失。学习科学已证明最有效和最能吸引学生的许多教学实践——如主动学习和频繁反馈、角色扮演和项目工作——都需要大量时间，而大多数教师根本没有。如果每位教师都有一个助手，一种协助他们带领一群学生（具有不同背景、参与程度和学习准备）的副驾驶，情况会不会有所改变，让他们从起点变成高技能、有能力、充满动力的年轻人呢？

我们拭目以待。

如果这张地图有任何参考价值的话，就像一部伟大的罗伯特·奥特曼电影，故事开始解决之前会有更多的角色出现。

由劳伦斯·霍尔特和雅各布·克莱因编写。劳伦斯在过去的二十年中领导了营利性和非营利性K-12组织的创新团队。雅各布目前是TeachFX的产品负责人。

（点击看大图）

教师实践支持

注意：正在出现一类“全能”工具，结合了以下列出的几种用例——例如，MagicSchool.ai和Eduaide.ai——或者允许你自己构建——如Playlab.ai。

课程生成

一位想在六年级科学课程中加入更多写作内容的教师使用AI工具，根据现有的OpenSciEd计划生成一节课，并嵌入写作活动。

研究表明，令人惊讶的一部分教师没有核心课程计划，而是使用自己的课程或从TeachersPayTeachers或Pinterest上搜索，结果质量参差不齐。对他们来说，AI可能代表了一种增强版的TeachersPayTeachers。Nolej、DiffIt、MyLessonPal、Copilot、teachology.ai等工具可以按需生成任何主题的课程。有些还会提供测验、学习指南或精心排版的幻灯片和讲义等附加内容。其他工具，如Curipod，则让你以互动演示的方式讲授课程。

一个可能的增长领域是生成现有课程的改编版，而不是全新的材料：“我必须遵循Illustrative Math的范围和顺序，但我们能不能把这个活动改成角色扮演？”Atypical是一个允许现有内容发布者做同样事情的平台。

工具需要在以下方面得到改进：（1）由教师指导——例如，x分钟的分组工作，y分钟的课堂讨论等，（2）形成学习体验的连贯部分，例如，了解之前发生了什么和接下来会发生什么，（3）按照Rosenshine或等效标准衡量，生产高质量课程。一个能够在这些维度上评估生成课程的AI工具有很大机会。

教学指导

一位教师录制了一节课的音频，并使用工具获取关于等待时间和处理特定学生误解等技能的反馈。

工具允许教师录制课程，并获得自动分析和反馈。目前的工具如TeachFX或Edthena在课后提供分析。未来的工具可能允许屏幕或耳塞上的实时指导。工具可以帮助教师在基于证据的框架（如Marzano或Danielson）上进行指导，支持全校实施。其他行业（例如，客户服务）中的证据表明，通过AI指导可以显著提高绩效。

音频质量仍然是一个未解决的问题：教师可能只能部分时间听得见，学生几乎从未听见。更好的音频设备可能会显得过于打扰。一些教师担心谁将有权访问录音和文字记录。这项技术目前更适合全班教学法，而有效的实践可能更侧重于小组教学。

一些研究人员正在进行更复杂的分析和反馈，包括斯坦福大学的Dora Demszky以及科罗拉多大学博尔德分校的Abhijit Suresh（专注于数学）。

教学顾问

一位小学教师发现他的班级中有一部分学生没有理解负数，他怀疑是课程中的程序性方法导致的问题。他使用AI评估当前的课程计划和学生对课堂理解检查的回应。AI顾问将他与志同道合的教师联系起来，推荐文章和研究论文，并促成包括AI学科专家在内的讨论。他找到了一个更具概念基础的新方法来教授负数。

像EduGPT这样的工具开始在不同学科和主题上扮演教学顾问或多个顾问的角色。如果对教学法进行微调，AI工具可以扮演教师的教练和顾问角色。例如，它可以提供教授概念的具体方法建议，提出替代方案，并诊断学生的优势和误解。

其他工具包括TeachingLab.ai和Coteach.ai可以吸收现有课程，并建议教师对其进行改进，例如改变节奏，嵌入理解检查，设置确保基础技能到位的脚手架，并与学生已经学习的概念建立联系。AI驱动的协作工具可以为在线专业学习社区（PLC）注入新的活力，否则这些社区通常难以吸引足够多的教育者。AI可以理解每位教师的关注点和挑战，将他们与类似的教育者匹配，并将相关的研究和博客文章注入对话中。

课堂管理模拟器（新）

一位中学一年级的新教师意识到他需要提高课堂管理技能。他在晚上花时间通过一系列模拟课堂场景进行练习，AI在其中扮演学生角色。AI可以重现他白天面对的情况和学生个性。他可以尝试不同的方法，并获得可以尝试的专家建议，所有这些都在低风险的环境中进行。

模拟器在培训飞行员、外科医生甚至CEO时越来越广泛使用，为什么不可以用来培训教师呢？英国教师发展信托基金会的David Weston正致力于此。未来的版本可以使用AI代理实时扮演特定的学生个性，与（人类）教师互动。他们还将结合各种方法的专家建议，包括具体的行为管理、辅导和激励技巧。

基于能力的教学

在一节高中英语课上，学生们与难民进行视频通话，以便写他们的故事。这些对话是学生练习包括同理心和倾听在内的能力的机会。学生们获得了一份能力的评分标准和熟练程度的示例。AI工具将相关片段发送给教师，以便后续进行基于能力的反馈。

教师们不熟悉在课程中创建让学生在情境中学习可转移能力的机会——例如，在一节关于难民的英语课上培养同理心，或在一节数学课上改进小组工作。AI工具可以对一节课程或单元大纲进行分析，建议其可以练习哪些能力。然后它可以帮助教师在课程中嵌入特定能力的活动，并创建评分标准和示例学生作品作为指南。

跟踪学生项目工作（PBL）

学生们在一个创建新商业的财务模型项目上工作。AI工具跟踪学生上传到LMS的资产。AI直接支持一些学生，并每天向教师提供报告，说明谁在取得进展，每个学生的模型中包含了哪些数学，以及谁需要教师的支持。

在基于项目学习（PBL）的课堂中，跟踪学生多样化的工作对于单个教师来说可能是一项挑战。PBL教师也对哪些标准由哪些学生何时覆盖感到焦虑。部分原因导致PBL仍然是一种罕见的实践。AI支持（如Project Leo）可以帮助其变得更为普遍。如果学生在项目期间保持日记，并/或将资产上传到像LMS这样的存储库，AI工具可以分析他们的工作，并（a）支持学生的方向，（b）为教师提供综合报告，(c)当个别学生需要支持时提醒教师。

另一个PBL的教学模式是来自中国大陆的TsingtaoAI，他们开发了一个基于LLM大模型代码能力构建的AIGC应用实训平台，通过实训平台让更多专业同学可以迅速构建AIGC应用。该平台通过最新的AIGC技术，构建一个低代码实训平台，为高校学生提供实战性的AI应用开发环境。TsingtaoAI的实训平台利用LLM大模型，支持零代码和低代码的应用构建，降低编程门槛，适用于CS及非CS专业学生。

平台提供丰富的学习资源、组件库和案例库，学生可以通过项目实践，掌握AI原生应用开发的基本原理和方法，提高实际操作能力和创新能力。平台包含云端部署、数据管理、安全保障等功能，确保训练数据的隐私性和安全性。通过参与企业级AIGC项目实训，学生不仅能学到技术知识，还能培养项目管理和团队合作能力，为未来就业打下坚实基础。

学生数据分析

一位小学教师使用阅读记录数据分析接受干预的学生的成长：他们的成长是否加速了？谁对干预有反应，谁没有？他们作为一个群体最常错过哪些字母组合？他们不再需要练习哪些技能？她在年级组会议上使用这些数据优化教学，并重新分配学生到更适合他们的干预组。

学校收集了大量数据，但只使用了其中的一小部分。AI可以摄取学生数据（例如，以CSV格式或通过API从SMS、LMS或专有应用程序中）并进行分析，建议最佳的学生分组、重点领域，并生成其他见解。能够执行分析——包括工具本身建议的复杂统计方法——并生成数据可视化的工具包括OpenAI的高级数据分析和Fluent。特定理解教育数据的工具，如Doowii和Strived.io，正在出现。

工具允许多级分析，例如：你可以上传来自多个班级的NWEA MAP数据，并要求工具识别增长最强和最弱的领域；提出更高层次的问题，例如夏季学习损失分析或辅导计划是否产生了影响；或结合多个来源的数据，以建立一个班级的详细跨学科图片。

背景知识刷新

一位中年级科学教师希望预测学生在讨论人体循环系统时可能会提出的挑战性问题。

教育者在进行开放讨论之前，可能希望刷新或加深他们对某个主题的了解，特别是如果他们没有主修该主题。人们可能更愿意向AI而不是同行或上级寻求帮助。紧密跟随课程的教师可能对刷新知识的价值较小，但会错过追求学生主导的探究所带来的参与度。

行政支持以节省教师时间

一位小学教师过去每周末花一个小时为面向家长的应用编写学生下周要学习内容的总结，现在依赖于AI。她将阅读、数学和其他课程的链接和摘录粘贴到一个聊天窗口，并请求生成一份适合家长的总结。她审核结果，添加一段轶事，并在五分钟内发布。

教师实施新方法和更好实践的主要障碍是时间不足。教师可能没有能力提供个性化的反馈和支持，或为新的教学方法做计划，即使他们愿意。像人类助手一样，AI工具可以执行一些教师任务，例如起草邮件和进度报告给同事和家长，回应家长查询，输入成绩到SIS，创建成绩单，并跟踪家庭作业完成情况和补充数字工具的使用。

AI可以为常见任务提供自然语言接口——例如，“提醒班级他们的原型周五到期”，生成一个LMS帖子。

结合基于研究的实践

一位阅读教练找到了一篇关于教授词汇方法的期刊文章。她使用Elicit获取该文章的摘要，并询问实施细节。然后她生成了一个定制的协议，以用于下一节课将要教授的词汇。

教育者像医生一样，被期望阅读最新的基于证据的实践研究并将其纳入教学。很少有人有时间或技能在没有帮助的情况下做到这一点。AI工具如Elicit、Humata、Scite、Consensus和Genei可以找到相关论文，总结它们，并像论文作者一样回答问题。他们可能很快会生成包含该实践并为教师将要教授的主题定制的样本课程片段。这有可能帮助弥合K-12教育中长期存在的研究与实践之间的差距。

家庭联系（新）

一位家长担心孩子在疫情期间的学习损失，试图理解学校的报告数据。他们点击报告旁边的聊天机器人图标，开始了一次深入的对话，深入了解最近的阅读评估数据，理解孩子的结果，并获取家庭活动的建议。聊天机器人甚至告诉他们符合条件的课后项目以及如何报名。整个对话都是用西班牙语进行的。

家庭很难充分利用学校生态系统：数据、可用资源、选项、如何为孩子争取权益等。现有帮助学校与家庭沟通的平台，如AllHere，以及创业公司如Paloma，正在提供具有学校区知识库和精选资源（通常是存在但未充分利用的资源）访问权限的AI聊天机器人。

与AI的团队教学（新）

在一节高中生物课上，三位教育者——史密斯先生、约翰逊女士和一个高级AI模型——合作讲授了关于人体心脏结构和功能的课程。史密斯先生专注于解剖学，使用3D模型开始教学。约翰逊女士，专门研究生理学，带学生分组通过模拟血液循环的动手活动，用彩色水和模型心脏进行。AI模型的角色是形成性评估，检查理解并对学生的自我解释提供反馈。它实时建议其他教师进行调整。

根据Digital Promise的Jean-Claude Brizard的说法，课堂内AI的一个思路是“团队教学，AI作为团队成员之一。”AI工具可以扮演多个角色之一：进行首次教学，检查理解，处理误解，搭建脚手架并在练习期间支持学生等。要成为团队的有效成员，并使实施的课程连贯，AI工具必须获得足够的背景信息：课程目的、课程计划，可能还有学生背景知识、前置技能或兴趣的数据。

助理教职人员（新）

一位小学助教，支持教师早期阅读，经过训练使用专门设计的AI工具承担更多责任。她解释早期阅读数据，决定哪些学生应该接受额外支持，帮助计划课程，并每天早晨与课堂教师一起共同教学ELA模块。

现在已经有大量文献记录了AI工具对程序员、客户服务、管理者写作，甚至管理咨询等领域工作人员绩效的影响。一个一致的发现是低技能工人提高最多，在某些情况下达到专家水平。教育领域能否也发生同样的情况？AI能力的使用是否可以让助理教职人员承担部分全职教师的责任？在医疗保健领域有先例，护士可以成为护士执业者，在医生的监督下，能够解释测试结果、诊断和开药。

课堂材料

活动特定内容

一位教授美国历史的十年级老师想找到一种更有吸引力的方式来教授冷战。他使用一个AI工具创建了一个角色扮演模拟，学生在模拟中扮演美国和苏联领导人，重现古巴导弹危机。在模拟开始之前，学生们分组进行研究，并为参与者撰写简报。

许多基于证据且高度吸引人的教学方法需要教师在准备上投入大量额外精力。AI工具可以大大减少这种努力，让更多的教师能够使用这些方法。

像Teaching Tools这样的应用程序可以针对一个主题或资源设计拼图练习，提供研究和讨论提示。

AI可以生成角色扮演材料——例如，你是1920年代的推销员（所以你必须能够解释什么是吸尘器）。AI工具还可以扮演其中一个角色。例如，Mizou和非常受欢迎的character.ai可以让你与爱因斯坦一起进行任务或采访拿破仑。

AI可以设置一个辩论题目并帮助学生准备。

AI可以支持教师根据基于研究的策略创建活动，例如对比案例（如斯坦福大学的丹·施瓦茨所提到的），比如对比只在使用+/-运算符上不同的方程图。

翻转课堂，即学生独立学习原本由教师讲授的内容，然后在课堂上进行应用和解决问题，这种方法可能有效但很费力。像Mindjoy这样的工具——它可以让你创建基于STEM的AI导师——可以生成支持翻转课堂的材料，并在教师巡回时与学生一起工作。

解释

一个高中生物课包括几名阅读理解能力低于年级水平的学生。老师决定用简洁易懂的文本来补充课堂解释——即在学生的水平上。她利用AI重写现有内容，并用AI生成的问题来获取学生对解释的理解反馈。

教学的基本要素是解释——一个概念，一个大想法，一个过程，一个事件等。有证据表明，根据个人学习者定制的解释更为有效。

例如，像DiffIt这样的AI工具可以帮助教师将现有解释重写为任何阅读水平。如果AI拥有学生的知识水平数据（例如先前的评估数据或学生作业），它可以考虑这些数据。当然，依赖于学生没有的先前知识的解释并不太有帮助。

该工具还可以创建结合特定学生兴趣的解释，例如用Minecraft来解释面积和体积。

像Revyze和PeerTeach这样的工具允许学生为彼此创建解释，并可以利用AI确保内容的准确性，然后再共享。学生可能会觉得由同龄人创建的解释更容易理解。

为了增加趣味性，AI可以生成非传统格式的解释，例如解释DNA-RNA-蛋白质的民谣、嘻哈歌曲或故事。

随着AI视频生成的现实化，2024年一个重要的增长领域将是从解释文本创建动画、YouTube式视频（如Prof Jim）或增强现实模拟（如Ludenso）。

学生问题生成

一个六年级学生正在练习单位比率问题，她请求AI基于皮克斯电影生成一些问题。AI说，为了完成她的作业，她可以选择回答六个中等难度的问题，四个有挑战性的问题，或者两个极具难度的问题。她深吸一口气，投入其中。

美国课堂每天使用数百万个问题和提示进行练习和形成性评估。在这两种情况下，多样性都是好的。但生成完美的问题集需要耗费大量时间。像PrepAI、to teach_、Conker、Formative、QuestionWell、Mindgrasp、Quiz Makito、WorksheetsAI等AI工具可以针对某个内容领域生成问题以及评分标准和模型答案。

流行的课堂响应工具如Kahoot和Quizizz已经增加了AI生成问题的功能，尽管它们仍处于需要在使用前检查问题准确性的阶段。

这些工具可以生成多种问题：多项选择题、简答题、作文提示、退出票等。

EdPuzzle可以为视频生成问题。学生在观看视频时遇到这些问题。

有些工具能够生成定制化的学生兴趣问题，并且很快会推出不同难度级别、不同布卢姆分类法级别、开放式费米问题和迷你项目等问题。

（重要的是，这些工具还可以自动评分这些类型的问题并给学生详细反馈。参见下文中的学生作业反馈。）

ESL学生内容

一位小学老师每天使用一个AI工具来创建内容，专门用来补充她班上ESL学生的现有课程。这个工具了解每个学生的母语和传统，因此它可以吸收任何课程并构建支持材料，例如句子框架、词汇翻译、背景知识解释等。

一些核心课程包括特定的支持ESL学生的内容，但它们通常缺乏吸引力或完全缺失。像Twee或Speakable这样的AI工具可以填补这一空白。

AI语言模型可以“说”几十种语言，但与现有的翻译工具不同，它们可以结合所教课程的上下文，或许还可以根据不同级别的ESL学生提供最佳支持的知识。

提供支持不同学生群体的工具——这在州框架中经常被规定为要求，但在课堂上难以实施——是一个可能增长的用例。

嵌入式主动学习

一位中学科学教师使用AI在现有的板块构造课程上生成了几个挑战性的问题。教师选择了一个关于板块构造影响的问题。学生们转身讨论，然后记录他们的答案并接受AI反馈。老师可以评估哪些学生已经理解了课程。

主动学习是一种比传统课堂教学更有效的方法，但培训教师将他们的课程转换为主动学习课程是困难的。AI工具可以提供帮助，将现有课程转换为主动学习建议。

例如，一个AI工具可以获取传统课程的文本，并建议嵌入主动学习的方法，如让学生分组研究某个主题或解决问题。学生可以实时收到反馈，AI可以提醒教师需要进一步挑战或支持的学生小组。

另外，AI工具可以将现有课程转换为引人入胜的媒体，如包含嵌入式问题的视频，或与科学或历史人物的学生采访。

关注大想法

一位小学老师担心她当前关于分数的单元过于注重算法和操作，而忽略了大想法，于是她使用AI生成了一个替代的课程序列。AI推荐了一个来自研究文献的数轴游戏，旨在强调分数是一个数。

现成的课程材料有时试图涵盖太多内容，以至于大想法被忽略。例如，常见的是整个分数单元却没有强调分数是一个数这一点。

AI可以识别现有内容、标准或主题中的大想法，并生成课程材料，如视频、动画或在不同背景下的理解检查，以确保学生在继续应用之前对这个概念有牢固的理解。

关注迁移

一位小学老师注意到他的学生擅长解决分数问题，但不擅长在现实世界中使用这些问题。他使用AI生成了四年级水平的分数问题，涵盖广泛的背景，并让学生小组选择三个不同的背景来解决。

迁移是学习的最终目标——使学习者能够在新情境中应用技能。研究表明，通过在不同背景中练习技能可以增强迁移，例如在抽象、文字问题和真实世界情境中解决方程。

AI工具可以生成跨不同背景的示例——包括带和不带解决方案的问题。

工具可以识别与其他学科中相似概念的联系，帮助迁移。

工具还可以交替展示两到三种不同技能的示例，让学生不总是知道应该期望哪种技能。

示例练习

一位五年级数学老师希望为她的三个学生提供额外支持。她使用AI生成了间隔有练习题的示例，并将它们编入一个小册子，供学生带回家练习。

示例练习——专家如何解决问题的逐步演示——提高了学生解决类似问题的能力。没有示例，学生有时会强化错误的策略。

像Sizzle这样的AI工具可以基于你拍摄的照片生成示例（包括正确和错误的——学生需要识别错误步骤）。示例可以与练习题交错出现，类似于专业程序如Algebra By Example中包含的内容。

抽认卡生成

一位全球历史老师观看了一段关于工业革命的视频，并使用AI根据视频转录生成抽认卡。她将抽认卡包含在一个发布到她课堂的数字学习指南中。

AI可以从文本或视频转录内容生成抽认卡。对于某些类型的材料——例如词汇——抽认卡可以帮助学生学习。许多抽认卡应用程序提供基于间隔重复的练习，这有助于记忆。例如，Podsie将这种方法应用于课堂内容，这些内容通常快速学会又忘记。Kinnu则将其应用于策划的话题。

像Quizlet和Anki这样的抽认卡应用程序，新的AI优先的抽认卡应用程序如Gizmo和Wisdolia，以及课堂参与应用程序如Kahoot正在结合AI生成抽认卡和其他格式，如测验和游戏。

学生可以突出显示任何术语，从任何课堂中，他们不确定的术语，以添加到他们的个人间隔重复抽认卡库中。

文化响应内容（新）

在一节高中数学课上，学生们使用AI调整的课程，通过分析反映种族偏见的实际数据集，包括他们自己的社区数据集，探讨统计数据，揭示公正与不公的问题。例如，学生们分析交通拦截数据，比较不同种族和性别的拦截频率及其结果。

有证据表明，调整课程以包含文化响应内容——既是窗口又是镜子——通过以学生的习俗、经验和观点为中心，可以提高参与度和学习效果。

Reconstruction Onyx和Planning Period的新兴工具利用AI帮助教师根据教师或学生（或AI从学生作业中获取的学生兴趣）建议的框架来修改课程和活动。这些工具还可以建议以文化响应的方式处理统计或遗传学等主题。

词汇/词汇表

一位小学老师开始了一个关于天气的单元，并使用AI创建了一个包含定义、示例和词源的词汇表，适用于四年级阅读水平，并翻译成西班牙语。她要求AI为每个示例创建粘土动画图像，并将其包含在词汇表中。

AI可以从文本或视频转录内容生成词汇表或词汇表，包括定义、使用示例和词源。

词汇表可以包括特定阅读水平的定义和/或翻译成学生的母语。

测验问题

一位小学老师想检查学生是否阅读并理解了他们的家庭作业：一本关于保罗·里维尔骑行的短书。老师使用AI为每章生成四个问题，每个问题对应不同的知识深度（DOK）等级1到4。他将这些测验问题包含在一个带回家的作业包中。

AI可以根据文本或视频转录内容生成测验问题。问题可以是多项选择题、简答题等，指定知识深度水平或布卢姆分类法级别。它们可以包括教师的模型答案。

图表组织器

一位中学科学教师正在教授一个关于生态系统的单元。她使用AI生成了一个从生产者到分解者的食物网图表组织器。她在讲义中包括了多个空白版本的图表，并附上了一个由AI完成的池塘生态系统的食物链模型。

借助像Show Me的LLM插件和Algor和Heuristica这样的应用程序，AI工具已经能够渲染图表，如概念图或图表组织器。它们还可以创建部分完成的图表，供学生填写。

即时技能培养

一个正在进行建造和调谐风乐器项目的学生意识到，通过反复试验进行调音无法成功。在老师的提示下，她收集了不同长度的管子产生的频率数据。但她在如何在电子表格中绘制数据和拟合曲线上遇到了困难。她转向一个AI工具，该工具引导她完成这个过程，并解释了背后的数学原理，使她能够快速回到项目中。

高度吸引人的学习体验——项目、角色扮演、模拟等——往往将学生带到一个他们有动力升级技能的时刻。理想情况下，老师就在身边，但这很难协调，尤其是在整个课堂中。

AI工具可以提供即时的技能特定指导。这可以是课程的一部分，由教师提供，由AI生成，或者由AI从高质量的开放内容中策划。

即时内容如果能引用学生所在的具体情境，可能会更有效。例如，如果学生想将曲线拟合到空气污染数据，AI可以将该情境纳入指导中。

延伸学习

一个中学生似乎已经很好地掌握了自然选择的概念，老师给她提供了一些延伸问题进行研究。她关心环境，因此选择找到并报告一个人类活动通过自然选择影响物种的例子。她制作了一个视频，描述了昆虫中的农药抗性。AI要求她提供更多关于长期后果和缓解策略的细节，学生在后续视频中热情地提供了这些信息。

AI工具可以为准备进一步学习的学生提供延伸学习、补充和新挑战。AI可以提供一套方向让学生追求，增强参与度。延伸学习可以更深入当前主题，而不仅仅是预习下一个单元。

延伸学习可以培养自主性，例如通过生成一个大问题让学生研究。学生可以向AI展示他们的想法，AI也会报告进度给他们的老师。

将新内容连接到旧内容

一位高中历史老师想要将美国建国文献中的思想与启蒙运动的前驱进行强有力的联系。一个AI工具建议学生阅读约翰·洛克的摘录，这些摘录突出相关思想，并创建一个图形表示显示这些连接。AI确定了摘录，生成了评分标准，为老师提供了模型答案，并给学生的回答提供了反馈。

在历史等学科中，快速通过内容会让学生感觉各个内容之间是分离的。为了解决这个问题，教师可以故意在材料之间建立联系。

AI可以基于完整的课程大纲帮助识别联系。它还可以生成内容和活动以加深这些联系，例如绘制推动美国革命和建国文献的思想到启蒙运动前驱的图形组织器。

这种方法也可以用于“螺旋式教学”——即重新审视之前的材料，但增加丰富度和复杂性。

更难作弊的问题

一位高中英语老师担心学生可能使用聊天机器人来写作文，于是使用AI单独采访学生关于他们的作文：他们做了哪些研究，如何决定文章结构，省略了哪些内容等。

学生已经在使用ChatGPT写作文和回答作业问题。GPTZero等提供了AI检测工具。

但是，AI工具可以用来使作弊变得困难。例如，一个AI工具可以就学生的作文提问，了解他们进行了哪些研究、做出了哪些决策、他们的写作过程等。

教师也可以给出替代格式的问题：而不是让学生总结一篇文章——这是AI容易做到的——让他们录制一个包含音频或视频的演示，用AI自动生成转录并作为结果的评估者。

如果教学写作的目的在很大程度上是为了教授分析性思维，可能还有其他方法可以达到同样的目的。例如，一些教师接受AI作为作文作者，并要求学生分析、核实和改进生成的作文。

评估与反馈

全面评估（基于学生工作纵向数据）

一个州政府机构建议将数小时的正式评估时间释放用于教学。科学教师们聚在一起开发了一系列真实的表现任务，如设计、建造和发射火箭。学生们使用AI整理任务的作品集，包括博客文章、视频转录和电子表格。AI为每个学生生成的数据不仅反映了传统评估数据，还超越了它。两年后，该州取消了正式评估要求。

教育工作者的梦想是将评估作为一个独立的、侵入性的时刻消失，而是完全嵌入到教学中。（当然，嵌入到教学中的形成性评估是学习的重要组成部分，不应消失。）AI工具可能会使这一梦想更接近现实。

AI工具可以访问学生多年来发展的完整作品集。该工具可以跟踪学生在州标准（以及其他基于能力的维度，如创造力）方面的成长，为学生及其教师提供更丰富的知识和技能视图。

最初，正式评估将继续存在，以提供“基准”来校准AI。随着时间的推移，AI的洞察力将变得比单个两小时快照更有价值，后者往往不能准确反映学生的实际能力。

这种“全面”方法还允许进行更真实的评估——例如，表现任务和现实世界的项目，而不是选择题和作文。

需要注意的是，这种方法只有在学生被分配了年级水平的严格工作进行评估时才有效。

学生作品反馈

一个正在学习内战爆发前期的小学生班级写了两页总结他们对事件和原因的理解。他们从一个AI工具中获得反馈，该工具帮助他们在多个维度上改进他们的作文：他们的论点（例如，他们是否引用了证据），推理的清晰度，对具体事件的理解，以及作品的完整性。老师将反馈调整到他自己的风格，例如说“提供证据”而不是“引用”。

学生通过（a）即时或接近即时的反馈和（b）包括再次尝试的机会来进步。由于这需要教师大量的精力，学生通常不会得到最佳数量的反馈。即使他们得到了反馈，他们也可能只查看分数而忽略反馈。这导致了大量低严格性的练习，这些练习可以自动评分。

AI工具可以立即且反复生成反馈，包括对高严格性提示（如提出有说服力的论点和解决多部分问题）的反馈。

AI在语言方面特别擅长，因此写作反馈（如Grammarly、Ethiqly、Pressto、Writable、Class Companion、Vexis、CoGrader）已经很强大。

一些工具（如Brisk）可以跨学科评分，直接将反馈放入Google文档作文中。其他工具（如AutoMark）允许你上传特定的评分标准供AI使用。还有一些工具（如EnlightenAI）会学习模仿教师的反馈风格。这些工具在学生看到反馈之前是否必须先由教师审核反馈各有不同。

自动化反馈允许学生进行迭代：不仅是回答并找出他们是否正确，而是修订和扩展（如Quill）直到他们有一个高质量的回应。

跨学科的简答题反馈也已经非常好（如sAInaptic），尽管有时会出现幻觉。最近的研究表明，AI在评分学生阅读理解问题的简答题方面和人类一样好。

高严格性、开放式数学问题的反馈较不先进（如Mathnet），因为学生作品通常采用草图和手写计算的形式。

工具还可以评估学生的自我解释（如Snorkl），这是一种基于研究的强大学习技巧。例如，在一个细胞内产生蛋白质的模拟中工作后，学生可以大声说出他们刚才做了什么，获得Whisper自动转录和包括转录与翻译等术语的AI即时反馈，以及一个记忆术（“c”在“l”之前）。

更频繁的反馈可以让教师将其与评分分开。这可能是有益的，因为（a）学生往往专注于分数而忽略反馈，（b）教师可能更多地提供反馈作为分数的辩护，而不是作为改进的工具。

反馈工具的未来目标是进一步改变学生（和教师）的思维方式：从需要改进什么到学生将反馈作为习惯并利用反馈的过程中，这包括同伴反馈（给予和接收）和自我反思（例如，参见Floop）。

学生思维的识别

一个中学班级在学习单位比率时在纸上回答了一个退出票，绘制图表、表格、数轴，解决长除法问题，涂抹箭头连接部分，划掉并重新开始。他们拍下他们的作品，AI工具几秒钟内识别他们的思维，不管他们采用什么解决路径，并在给教师的即时报告中区分概念理解和计算错误。

过去20年中机器评分评估的普及可能带来的一个意外后果是学生很少遇到更深层次的开放式问题，特别是在STEM学科中。这反过来又将重点放回到程序性思维上，通常只是学生记住的技巧（如翻转和乘法），而远离概念理解。

Mathnet等倡议正在开发AI工具，以做到教师可以做到的事情：查看学生对开放式问题的书面方法并识别（a）概念理解的证据，（b）理解的缺陷，（c）计算错误。在这种分析中，判断解决方案的正确性或要求学生使用单一的“官方”解决路径并不如揭示学生的数学思维那么重要。

我们还没有看到评估学生思维的工具，例如让他们绘制一个动物细胞。学习中绘画的好处是显而易见的。

Sorcerer是一个正在测试中的工具，它让学生在一个主题上进行对话，并逐步推动他们更深层次的概念理解。它或类似的工具可以揭示更深入的学生思维，为后续课程和同一课程的后续教学提供信息。

基于能力的反馈（如合作、批判性思维）

一个中学教师想要提高学生的批判性思维。他使用一个AI工具识别出即将上课的一个视频游戏与攻击性之间联系的片段是一个好的目标。他让学生在AI工具的帮助下分析支持和反对这一命题的陈述，AI工具将他们的因果解释重新框架为问题——例如，“如果一个人玩了电子游戏并表现出攻击性，是否意味着所有玩暴力电子游戏的人都会攻击性？”学生们表示，AI指南改善了他们的推理。

像NXTLVL这样的工具可以帮助学生建立可转移的能力，如批判性思维、解决问题、生成创造性解决方案、理解其他观点等。典型的学校学习经验侧重于学术标准，可能没有提供学生练习和获得这些能力反馈的机会。

例如，让AI工具将因果解释反馈重新框架为问题，已被证明有助于提高批判性思维。

AI工具可以分析学生的书面作业或演示文稿，以生成关于特定能力的反馈。

跟踪学生进度

一个六年级数学教师根据小学的纵向数据获得了一份新班级的详细报告。报告识别了关键的前置工作，利用了第六年级课程中以前第六年级学生群体的数据。它考虑了基于先前数据的暑期学习损失预测。

对于任何给定的学习体验，有些学生掌握了它，而其他人则需要更多时间。教师有时会有红黄绿的仪表板，反映出班级每天的碎片化情况。但很少有教师有时间仔细研究仪表板，更少有时间解决其中捕捉到的复杂问题。

像一个专家助理一样，AI可以综合各种工具和评估中的数据，提供最关键的、具体的建议。它可以考虑哪些差距必须在继续之前解决，哪些可以安全地等待到以后，当课程螺旋回归时，或者如果由于时间不足而不得不做出选择，则可以放手。

有了学生的纵向数据，AI可以检测到在单一评估中看不见的模式，例如一个概念理解被持续的计算错误掩盖的学生。

AI可以用学生自己或家长可以理解和采取行动的术语解释需要针对性练习的领域，扩大课堂之外的学习时间。

评分标准生成和模型答案

一位高中历史老师设计了一个表现任务，让学生为大萧条策划一个博物馆展览。在以前的年份，一些学生没有理解他们被要求制作什么，尽管老师认为他们有能力做到。今年，老师使用AI来吸收任务描述和以前的学生作品，并为展览的连贯性和它如何反映大萧条单元的关键思想建议评分标准。

对于不适合正确/错误判断的复杂、多方面的技能，学生可能仅仅因为不清楚预期表现而挣扎。提供评分标准和不同表现水平的模型答案对教师来说是费时的，但对AI工具来说很容易。

这对于基于能力的技能，如创造性思维、批判性思维和沟通尤其有用。

社会工具

小组教学

一位小学老师注意到，一些学生在作业本上的问题上没有取得多大进展。他使用AI工具对这些学生进行小组教学，比较分数（他今天介绍的一个主题），发现他们在讨论问题时比在书本上工作更有参与感。

小组教学在早期阅读中非常广泛使用，在数学中则较少见。一个常见的问题是只有一个小组可以同时与老师合作，其他小组可能没有学术上的参与。

像Oko这样的AI工具可以通过监控视频和识别语音来管理一个学生小组，以便学生参与教师选择的任务——例如，练习全班课程中介绍的技能。

在不久的将来，这些工具将能够直接与学生进行对话，例如指导一个主题讨论，同时确保每个人都参与其中。

学生小组的对话支持工具

一组学生正在模拟物理世界中一起解决一个难题。一个AI工具跟随他们的对话。当一个学生向它请求帮助时，它不是提供物理支持，而是建议如何改进他们的对话和合作。它注意到他们有一个习惯，即追求小组成员的非生产性建议。它建议在他们下次这样做时提醒他们。他们更加专注地回到任务中。

一个AI工具可以跟随学生小组的对话，并在需求时提供关于小组合作的建议。例如，它可以指出哪些小组成员的想法没有被利用，或者强调小组没有执行他们识别出的指示，或者看起来不清楚他们正在解决的问题。

科罗拉多大学博尔德分校的Sidney D’Mello领导的团队正在研究这一用例。

同样的方法还可以为小组提供特定领域的支持，例如澄清术语或提供一个起点或替代观点。

学生讨论板的辅助工具

在一个牛顿定律单元中，学生们阅读了一篇论文，并将他们的问题和困惑发布到一个AI主持的讨论板上。AI促使讨论中出现新的理解。

一个由AI辅助的讨论板，如StudyHall，可以帮助学生讨论问题、思考点、困惑点、挑战性问题、项目想法、与其他主题的联系等。

那些在课堂上不总是发言的学生可能在讨论板上非常活跃，异步模式可以鼓励更深思熟虑的回答。

全班讨论的辅助工具

一位中学数学老师正在使用Illustrative Math。学生们首先处理一个经常会暴露出误解的难题。一个AI工具监控学生在该问题上的工作，并自动创建一个包含学生示例的幻灯片，并指出老师在全班讨论中应该强调的关键点。

一种有效的教学策略——被称为富有成效的挣扎——是让学生单独或小组处理一个问题，然后在全班讨论他们的发现，引导他们走向一个准确和正式化的（或可能不止一个）解决方案。许多教师发现实时组织这样的讨论具有挑战性，因此可能无法充分利用这种教学法的价值。

一个可以访问每个学生工作的AI工具可以快速识别常见的误解、优势和计算错误，并生成一个逐步讨论指南，老师可以立即遵循。该指南类似于一个能够同时关注每个学生思维的熟练教学助理。

该指南可以建议叫哪位学生，在什么顺序，以及可以从老师的笔记本电脑上投影学生的解决方案。

基于兴趣的网络（新）

一位高中生已经开始为她的视频频道建立了一个关于前哥伦布文化的粉丝群。但她意识到她需要学习许多不同的主题，如视频编辑、版权管理、写有力的标题和社交媒体。她的学校没有提供这些课程，但她加入了一个在线社区，旨在帮助她建立志同道合的企业家和专家网络。

越来越多的年轻人对学习产生了热情，但对传统的学校课程不感兴趣。他们希望在网上建立粉丝群（或许还能从中赚到钱），制作一个视频游戏，录制一张音乐专辑，发明一种新的学习语言的方法，创作互动故事，或者建立一个动物庇护所。

像buildspace这样的社区正在开发AI工具来支持这些学习者，例如将他们与志同道合的网络成员匹配，并聚集对外部专家的需求。

学生支持

24/7导师

一位数学知识落后的中学ELL学生被分配了一个AI导师Adam，他会说他的母语西班牙语。学生每周三次与导师见面，每次45分钟。导师可以访问主班级课程并定制主题以支持年级水平的工作。AI导师还可以在学生的手机上24/7提供帮助，以帮助独立完成课堂或家庭作业。

一对一的人类辅导可能是我们最有效的教育方法。但它很昂贵。AI有望成为你的口袋导师，不只是另一个练习和练习应用程序。它感觉像与真实的人类导师互动。

目前，AI工具在语言方面最强大。写作辅导（如Quill、StoryBird.ai、Caktus、StorySeed）已经存在。外语导师今天也已存在（如Duolingo、LangoTalk、Iago、Supernova）。

AI模型在编码方面也很强大。支持学生学习编码的工具（如CodeSignal Learn、Replit）更像是一个副驾驶而不是导师。

数学较难。奇怪的是，AI在概念数学方面比在程序方面更好，而概念理解对学习更为重要，但工具还没有利用这一点。聊天机器人科学导师尚未出现。

还有很多问题需要解决：像Khanmigo这样的工具成本很高，尽管肯定会下降——类似但免费的CK-12的Flexi也是如此。而所谓的导师的用户体验往往更像是一个跑步机，而不是与人类导师建立的信任关系。例如，它们使用文本聊天界面，部分原因是文本到语音的速度仍然太慢，无法自然地感受。

现有的“作业帮助”类别工具——如Brainly、CourseHero、Project Chiron、Studdy、CheggMate、Symbolab等等——练习应用程序如edia和考试准备如r.test和Archer，提供逐步解决方案（有时可以访问真人），但尚未接近真实的辅导体验，因为它们否定了学习者找到自己路径的机会。

没有工具设计用于每周三次定期会话的高强度，这在人类辅导中最有效。随着时间的推移，这一问题将得到解决，AI导师可能会走得更远：提供沉浸式世界（如通过VR）和基于叙述的学习场景（如EngageAI Institute），这些场景非常吸引人，更能反映真实世界。

基于头像的工具开始出现，例如Kyron，可以让教师从自己的视频中创建一个导师，这样你的学生就不必没有你的声音了。

聊天机器人不能绘画或看见，所以它们无法回应学生的草图，这使得许多话题具有挑战性。这可能会在2024年发生变化，因为多模式是AI模型创新的核心焦点。

早期阅读教练（新）

一位小学教师通过给学生提供一个工具来创建他们自己的符合单元主题的书籍来改变每日阅读时间，这些书籍与他们正在学习的希腊神话单元相一致。AI工具根据每个学生最喜欢的神话角色生成一个迷你书，并创建匹配的插图。这些书籍在文本中嵌入了理解检查。老师可以打印这些书籍，也可以让孩子们大声朗读，并从工具中获得即时反馈。

早期读者需要大量的阅读材料进行练习。但策划一个既符合学生阅读水平又符合他们兴趣的叙述和非虚构文本集合具有挑战性。

AI工具如LitLab、Project Read和Storywizard.ai可以识别课堂图书馆中合适的文本或生成新的合适文本。它们可以针对拼音技能并嵌入理解检查。它们可以确保词汇在不同文本中得到强化，而不是只出现一次，这使学习更加困难。

随着语音转文本能力的显著提高，一大批工具如Microsoft Reading Coach、Ello、Edsoma和Amira已经具备了听学生读书、提供实时反馈并基于阅读科学构建学习路径的能力。

孩子们可以自定义角色，将自己置于故事中（如NeonWild），选择情节的展开方式（学习故事结构），甚至改变插图风格。

好奇心教练（新）

一位学生刚刚完成了一堂关于无线电传输的课堂课程。她好奇为什么天线会广播信号而直流电路中的导线不会。她启动她的知识探索应用程序并提出问题。这导致了关于频率的问题：无线电频率波长距离很远，而其他波长则不能。为什么？当她继续探索时，应用程序创建了一个她去过的地方的插图概念图，并添加了其他方向的建议。她最终通过伽马射线来到了黑洞，这与两周前在同一地点结束的探索有关。她将需要更多地了解黑洞。

在K-12学生的生活中几乎没有时间去好奇，去自主探索。知识的世界已经为你精心策划。偶尔，一个冒险的老师会注意到一个兴趣并建议一个资源；这是州标准中没有涵盖的东西。AI工具在这方面将表现出色：它们已经拥有超过任何人类的记忆。

HelloWonder旨在激发小孩子的好奇心，尽管其当前形式是一个带有聊天机器人的安全浏览器。Curio和Moxie类似，但以语音启用的机器人形式出现。Portola，也针对小孩子，更侧重于创造力。

一些早期的真正好奇心教练尝试，如SocratiQ，一种Miro + Wikipedia的组合，显示出希望。它们感觉就像在一个大型图书馆的走廊里徘徊，或者像斯蒂芬森的《钻石时代》中的Young Lady’s Illustrated Primer。

它们还可以成为社交工具——将你与对同一话题感兴趣的同龄人联系起来（参见上面的基于兴趣的网络）——激发对深入研究或新项目的动机，这可能成为终生的激情，向父母、教师和专家提供摘要，以便他们可以扩展你的好奇心，并将你与认证和经验联系起来，构建一个职业或引导你进入“X的世界”，无论你的X是什么。

可教学的代理

一个高中生被分配了一个物理课程的可教学代理Martha。Martha问了很多问题，特别是关于日常事物的问题，如物体在水中弯曲（她的兴趣与物理课程大纲协调一致）。学生的任务是教Martha并解决她的误解。当Martha发现不一致时会感到困惑，但随着她理解的加深，她会进化和成长。

一个AI工具可以扮演一个学习者的角色，学生必须教给它一个特定的主题。教某人是学习的最有效方法之一。（参见“可教学代理”，斯坦福大学的丹·施瓦茨。）

这种方法的变体是让AI工具扮演一个苏格拉底式的质问者，以加深学生的理解。

进一步的变体是教非玩家角色（NPC）在教育游戏中完成相关任务，充当可教学代理。

特殊需求学生支持

一个被诊断患有多动症的高中生发现很难保持组织性和专注于任务。现在他使用一个可以登录并理解学校LMS的AI助手。它帮助他将任务分解为可管理的任务，计划截止日期并提供提醒。该工具跟踪他的行为，提供最佳工作时间的建议，并协调教师提供额外支持的时间。它还结合游戏化功能，奖励专注和任务完成。

AI工具可能特别有效地为有特殊需求的学生在整个教育过程中提供额外支持。

工具可以提供辅助写作支持，如起始提示、替代输入方法，如语音识别、执行功能支持，如计划工具、视觉支持和实时课堂支持，如文本转语音和语音转文本。

当然，这也是个性化学习工具，调整教学速度，提供替代解释，并为特定技能提供脚手架。Goblin.tools例如，使用AI帮助神经多样性人群完成任务，如写书报告，它可以将其分解为一系列更简单的步骤。

心理健康支持

一个感到社会和学术压力的青少年学生使用她的学校提供的AI工具来应对焦虑和压力问题。该工具是一个AI聊天机器人顾问，24/7随时准备倾听，并编程了认知行为疗法技术，提供即时应对策略和放松练习。与AI聊天使她能够开放她的感受，这是承认和解决她的挣扎的一个重要第一步。它监测表明压力加剧的模式，并提供早期干预，个性化资源，包括视频，以及与当地心理健康专业人员的联系。

像Woebot Health和Koko这样的AI工具可以为不愿意向人类顾问寻求帮助的学生提供随时可用的匿名心理健康支持。

像Edsights和Mainstay这样的AI聊天机器人工具可以提供建议和支持技巧。它们可以为学生提供一个不带评判性的空间来讨论他们的感受和情绪，练习社交技能，并获得鼓励和动力。它们可以促进经历类似情况的学生之间的联系。

这些工具可以监控可能表明心理健康下降的模式，并建议专业帮助或提醒指定的支持人员。

大学/职业顾问

一位高中毕业生梦想成为一名纹身艺术家，她一直认为这是艺术。但有一天她遇到了一个AI工具，帮助她了解需要哪些具体证书，包括例如对感染的理解。她突然对生物学产生了兴趣，这令她的老师惊讶和高兴。该工具能够推荐课外活动，并建议当地的实习，以帮助增强她的证书并引导她与志同道合的人见面。

在许多学校，学生只有不频繁地接触到顾问。AI在某些情况下可以提供替代方案。

AI工具可以为学生提供量身定制的大学和职业建议，帮助识别学术路径，评估职业选择（如CareerDekho、Unschooler、Coach），提供就业市场见解和未来技能需求，可能是地理特定的，并推荐网络活动和实习。

这些工具还可以帮助确保学生在希望的大学或职业路径上，正在选修必要的课程以取得成功。

工具还可以支持学生在大学申请过程中，帮助写作申请文书（如ESAI），识别奖学金和财政援助机会，并提供申请文书指导。

智能学生作品集（新）

一位高中生安装了一个新应用程序，该应用程序允许她将每门课程的作品发送到她控制的数字作品集中。在关于自然灾害的地球科学课程中，她还可以捕捉笔记、添加亮点，并构建自己的灾害集合，作为研究灾害预测技术项目的起点。该应用程序使用AI帮助她跟踪大学申请的进度，识别差距并帮助她填补，庆祝她的进步，并根据她的选择整理她最好的作品。

越来越多的学生作品，特别是在中学和高中，是数字化的。但它通常存储在孤立的系统中并很快被遗忘。一个AI工具可以捕捉这一切，并开始构建一个作品集，不仅展示最好的作品，还记录学生通过知识结构的旅程。

学生可以更连贯地看到他们的旅程和成长。该工具可以帮助他们发现重复模式和轨迹，从而进行构建。

学生可以添加自己的笔记和资源——如谷歌的NotebookLM正开始做的——提问，发现相关的想法和资源，并连接不同领域的想法以加深理解。

虽然高中录制讲座不常见，但在大学中越来越常见，特别是因为手机越来越不受欢迎，像Jamworks这样的工具可能会开始帮助学生标记、学习和内化每一课。

该作品集还可以成为全面形成性评估的来源（参见上文全面评估），生成对其工作的评估，而不需要一个特定的测试。

元认知支持（新）

一位高中生意识到，为了达到他设定的目标，他需要提高自我管理能力。缺乏一个可以指导他的人，他转向一个AI工具，帮助他评估当前情况，决定什么是重要的，并学习制定计划和监控进展的技能。该工具评估他的学习习惯，例如，设定易于实现的每周目标，以建立他的信心。他学习如何管理作业负荷以及更好地复习和保留新知识。

有一组元认知技能对学术成功至关重要，但在学校很少直接涉及。它们包括自我意识、成长心态、寻求和吸收反馈、确定目标并制定计划实现它们、监控朝向它们的表现、坚持追求它们等等。（例如，参见XQ Institute的能力框架。）

AI工具正在出现，以理解学生的具体背景并提出逐步的、可操作的建议，如同一个富有同情心的导师。一个早期的例子是SchoolAI的“Explore Spaces”，其中包含学习计划和考试策略。更多这样的支持将从待办事项管理器和学习工具中发展出来。

保持清醒

在探索AI在K-12中的许多积极可能性时，我们应该意识到对学生和教育工作者的风险：

零假设。 大多数有前途的教育技术干预措施无法扩展。在过去的一年里，生成AI的加速几乎看起来像是魔法，但电视、计算机、互联网和移动设备也是如此——这些以前的基础技术成为K-12教育的一部分，但并没有必然改善教育。

幻觉。 防止AI编造事实和来源可能证明是困难的。教师现在指派学生批判性地调查AI输出，但有些学生可能缺乏媒体技能或背景知识来成功完成这一任务。

批判性思维能力的退化。 即使AI资源变得极其准确，盲目使用它们将绕过富有成效的挣扎，否定写作作为深度思考和自我表达工具的潜力。计算器使学生避免计算；AI是否会对思维做同样的事情？科幻作家Ted Chiang写到AI更普遍的问题时说：“不劳而获的欲望才是真正的问题。”

信息洪流。 随着创建内容和数字工具的成本接近零，网络上已经充斥着各种质量的书籍、教案、抽认卡、学习指南和视频，这使得教育工作者选择和对齐研究支持的教学法更加耗时。最终，可信的策展、集成框架和统一课程的汇总可能会带来质量和一致性，但在此之前，学生和教师可能会因为在资源和工具之间的选择而遭受更多的认知负担。

分心。 “你缺少的只是注意力。”过去几年中，AI已经悄悄进入了大多数K-12课堂，推动着上瘾的、令人分心的TikTok和YouTube订阅。随着娱乐参与算法的改进，注意力争夺将变得更加困难和重要。

偏见。 批判性思维技能的丧失的结果。学生可能更容易受到当前AI模型偏见输出的影响。

信息泡沫。 超个性化可能导致学生从一组狭窄的来源学习，从而永远不会被迫面对不同的价值观和经验。

去人性化。 （参见Mitch Resnick和Jennifer Carolan的警告。）使用AI导师的学校可能会忽视教师关心学生、激励学生并为学生树立健康成人榜样的方式。理想情况下，AI将腾出更多教育工作者的时间用于人际联系；为了增强学校社区的核心，我们需要一个学习的北极星，不仅仅是技能和信息传递。

——

披露：Laurence是Brisk、ChalkTalk、DiffIt、Gizmo、Oko和Sizzle的投资者。Jacob目前在TeachFX工作。