本章概述了人工智能在科学研究中的各种用途，并强调了这些用途与教育研究的相关程度。具体来说，它研究了生成式人工智能在促进与语言相关的任务、编程和数据、复杂现象建模、管理知识（在搜索引擎、文献综述、研究报告和摘要中）和假设生成方面的使用，以及人工智能研究助理和机器人的使用。本章研究了人工智能对研究创造力和科学可靠性的可能影响——这两个问题在科学界备受争议——与教育有直接联系。最后探讨了使用生成式人工智能进行教育研究的一些潜在后果。
本章是 Alina von Davier（美国 Duolingo 和 Edastratech）与 OECD 秘书处的访谈。对话的主题是生成式人工智能 (GenAI) 为开发和实施标准化和高风险评估提供的新可能性。在展示了 GenAI 如何提高项目开发的生产力之后，我们以外语评估为例，重点讨论了如何通过 GenAI 实现一些创新。这些过程必须由人类严格控制，并且通常涉及不同类型的人工智能
本章概述了如何在机构层面利用人工智能来支持高等教育的核心学术流程，包括课程衔接、学分转移、学术咨询、招生和课程基础设施。它探讨了人工智能的潜力，从嵌入和分类器到预测和生成模型，以增强决策、简化复杂的工作流程并提供加强机构实践的新机会。本章强调了人工智能系统的宏观层面的可供性，特别是那些为行政用途而设计的系统，并强调了研究和运营单位之间迭代协作开发对于成功实施的重要性。最后，它为寻求负责任地将人工智能融入高等教育机构以及终身学习和学校系统（这些技术也适用）的政策制定者和系统领导者提供了考虑。
本章是对美国斯坦福大学教育数据科学助理教授 Dorottya (Dora) Demszky 和 OECD 秘书处的采访。对话讨论了关于生成式人工智能工具在支持某些教师任务方面的潜力的新证据的研究：课程规划、基于实际教学的专业发展、实时辅导支持以及向学生和学生提供反馈。最后反思了这些工具在全球教学行业中的可用性。
本章探讨了由生成式人工智能驱动的人工智能助教如何扩展和支持高等教育中人类助教 (TA) 和教师所扮演的传统角色。 AI 助教旨在自动化日常管理任务，提供实时学生支持，并以补充和扩展人类能力的方式提供及时的形成性反馈。我们主张建立一种增强型人工智能助教模型，而不是替代人类助教，从而提供仅靠人类教练和助教无法实现的支持和反馈：即时、个性化、详细且全天候可用的支持和反馈。 JeepyTA（一种生成式人工智能系统）的演示和讨论有助于奠定这些想法。我们还讨论了关键的设计和实现注意事项。
本章提出了一种以教师为中心的方法，用于从通用生成人工智能（GenAI）过渡到以教育为导向的人工智能，强调情境相关性、教学基础和专业自主权。本章借鉴以人为本的设计原则和 Molenaar 的人机人工智能自动化模型，概念化了教师自主权的两个层面。然后，它提出了构思和共同创建支持教学设计和实施的 GenAI 原型的生命周期的见解，说明了教师的参与如何支持服务于教学目标和实际课堂需求的 AI 工具的开发。
随着生成人工智能（GenAI）技术迅速渗透到教育领域，本章对人工智能如何重塑教师能动性进行了概念分析，并认为在人工智能驱动的时代，加强这一能动性至关重要，以确保教育实践保持以人为本、以道德为基础，并有利于教师能力的持续发展。它引入了一个框架，该框架区分：（i）替代，（ii）互补性，以及（iii）教师能力的增强。在后两者的基础上，本章提出了一个五级教师人工智能团队框架，包括事务、情境、操作、实践和协同交互模式。它强调了 GenAI 的独特功能，可帮助我们实现更实用和更具协同性的教师与 AI 交互，以及 GenAI 在各种任务中增强事务、情境和操作团队合作的潜力。本章的结论是，虽然替代范式确实可以提高生产率，但这些好处可能会带来成本，必须承认和讨论这些成本，以支持明智的决策。
本章是圣保罗大学（巴西）计算机科学和学习技术教授 Seiji Isotani 与 OECD 秘书处之间的对话。它专注于弥补数字鸿沟，并重点研究人工智能在教育中的不插电，即为数字基础设施、连接和技能有限的地方设计人工智能工具和人工智能干预措施。本章首先介绍 AI Unplugged 的想法和应用，然后重点介绍生成式 AI 系统在这种情况下的当前和有前景的用途，特别是小型语言模型。 Isotani 现在是宾夕法尼亚大学（美国）学习分析和人工智能项目的教务主任。
本章是对美国亚利桑那州立大学教授 Ronald Beghetto 和 OECD 秘书处的采访。在定义了创造力之后，Beghetto 介绍了他构建 AI 工具来体验创造力的方法以及他开发的工具。他主张缓慢使用生成式人工智能，让教师、学生（以及更广泛的人类）继续掌控自己的想法，并使用生成式人工智能来实现个人目标。
本章阐述了生成式人工智能（GenAI）支持协作学习的潜力，并回顾了新兴研究。在介绍技术如何支持协作学习之后，我们说明了 GenAI 在协作过程中可以发挥的作用（例如充当信息存储库或作为教师/导师）、它可以支持协作的哪些方面（例如提供知识或促进社交互动），以及这种支持是否会影响特定领域知识和有效协作技能方面的学习。最后，我们讨论了将 GenAI 与既定类型的团体支持相结合的潜在方法