川海智库

报告概述

本报告是OECD旗舰出版物，聚焦生成式AI（GenAI）在教育中的应用。报告基于实证研究和专家见解，分析了GenAI如何改变学习质量、教学效率及教育系统生产力。研究对象涵盖学生、教师和教育系统三个层面，覆盖个性化学习、协作学习、创造力培养、教师辅助、教育管理和研究等主题。报告采用证据中心方法，结合随机对照试验、案例研究和访谈，为教育政策制定者和实践者提供实用指导。读者可通过本报告了解GenAI的潜力与风险，以及如何负责任地采用。

报告的核心结论

GenAI提升任务表现但不保证学习

研究表明，使用通用GenAI工具可显著提高学生即时任务表现，但一旦移除工具，学习收益消失甚至倒退。土耳其高中数学实验显示，使用标准GPT-4的学生在闭卷考试中比未使用者差17%，而经过教育配置的版本则能减轻这种损害，强调工具设计的关键性。

教师与AI的增强协作优于替代模式

报告提出三种教师-AI协作模式：替代、互补和增强。增强模式最有效，教师和AI相互批判、迭代改进，可提升教学质量并保持专业自主。例如，Tutor CoPilot系统使低经验教师的学生通过率提高9个百分点，证明了AI作为实时专家指导的价值。

GenAI可提升教育系统效率但需防范风险

GenAI能自动化课程衔接、评估生成、研究辅助等流程，提高生产率。例如，嵌入模型可快速映射课程等价性，减少人工审核时间。但同时也带来数据隐私、算法偏见、过度依赖等风险，需要健全的政策框架和人类监督。

教育专用GenAI工具比通用工具更有效

通用聊天机器人常导致认知卸责，而专为教育设计的GenAI系统结合教学法原则，能更好地促进学习。例如，哈佛大学物理课程的GenAI辅导工具比传统课堂学习更有效（效应量0.73-1.3），且学生参与度更高。设计时应以教育学为核心，让教师参与工具设计。

报告回答的关键问题

生成式AI对学习有何影响？

影响取决于使用方式。通用GenAI工具（如ChatGPT）可直接提供答案，短期提升任务表现，但可能削弱深度学习，导致“假掌握”现象。例如，土耳其实验显示学生使用GPT-4时表现提高48%，但闭卷考试时下降17%。相反，教育配置的GenAI工具，如采用苏格拉底式提问的辅导系统，可促进知识内化和批判性思维。报告强调，教师应引导学生在明确教学策略下使用GenAI。

教师如何有效利用GenAI？

教师可通过三种模式利用GenAI：替代（自动化任务）、互补（AI辅助决策）和增强（人机协同迭代）。报告建议优先采用增强模式，例如Tutor CoPilot为辅导教师提供实时指导，使学生通过率提高4-9个百分点。此外，GenAI可减少备课时间31%（英国实验），但需注意避免过度依赖导致技能萎缩。教师应成为AI行为的设定者和最终负责人。

GenAI在标准化评估中有何应用？

GenAI可自动生成考试题目并评估回答。例如，Duolingo英语测试使用GenAI创建互动写作和口语任务，提供实时反馈。研究表明，ChatGPT生成的代数题目与教材题目具有相当的测量学特性。但生成内容仍需人类审核，确保准确性和公平性。报告指出，GenAI可提高评估开发效率，但在高风险场景中需与人类评分结合。

如何避免学生过度依赖GenAI？

避免过度依赖的关键在于教学设计：将GenAI用作学习伙伴而非答案提供者。报告建议教师采用“慢AI”方法，强调过程而非结果，例如让学生先自主思考再使用AI。荷兰实验显示，学生使用AI辅助时易出现“元认知懒惰”，减少自我监控。教师应设置使用规则，鼓励批判性评估AI输出，并设计无法直接通过AI完成的作业。

报告中的代表性数据

2024至2025年，独立用户增长42%，每次访问次数增长50%，平均会话时长翻倍

ChatGPT用户增长

2024-2025，基于全球网站流量数据，显示GenAI工具使用在扩展和加深。

36%的初中教师报告使用AI进行工作相关任务

教师使用AI的比例（TALIS 2024）

2024，OECD TALIS 2024调查，涵盖所有AI类型，但多数任务涉及GenAI。各国差异大（新加坡75%，法国<20%）。

备课时间平均减少31%

GenAI对备课效率的影响（英国RCT）

2024，随机对照试验中，259名教师使用GenAI后，每周备课时间从81.5分钟降至56.2分钟，且教案质量未受影响。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整市场数据与趋势图表：包括各国ChatGPT用户渗透率对比、学生和教师使用GenAI的频率与目的等可视化数据，帮助理解全球GenAI在教育中的采纳情况。
  • 研究模型与评价维度：提出教师-AI团队协作框架（替代、互补、增强），以及人机自动化模型，为设计和评估教育AI工具提供理论依据。
  • 服务商分层或厂商分析：案例研究涵盖多种教育GenAI工具，如Khanmigo、Tutor CoPilot、JeepyTA、SPL等，分析其功能、效果和适用场景。
  • 案例、方法、预测和选型框架：包含不同国家（土耳其、美国、英国、尼日利亚等）的随机对照试验、准实验和质性研究，以及未来研究方向。
  • 政策建议与实践指南：各章节总结关键启示，如如何设计教育专用GenAI、如何维护教师自主权、如何评估学生AI素养等，为教育者和管理者提供行动参考。
  • 访谈与专家观点：包含与Ronald Beghetto（创造力）、Seiji Isotani（AI Unplugged）、Dorottya Demszky（教师支持）和Alina von Davier（评估）的深度对话，提供实践洞察。
  • 技术附录与系统架构：如Socratic Playground系统的技术架构说明，包括LLM集成、记忆模块、工具调用等，为开发者提供技术细节。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告