社论
经合组织数字教育展望是经合组织的旗舰出版物，介绍了我们对教育领域新兴数字技术的最新分析。2026 年版综合了证据和专家见解，展示了生成式人工智能如何有潜力改变学习的质量和有效性，以及教育系统的生产力，前提是其相关风险得到仔细管理。其应用包括提高学生的学习，支持教师的表现，同时保持专业自主权，加强教育系统，以及机构和研究能力。
对于学生来说，生成式人工智能可以通过智能辅导系统扩展个性化学习，包括在低基础设施环境中。生成式人工智能还可以通过实现协作学习和增强创造力来支持知识获取。然而，有证据表明，过度依赖提供直接答案的生成式人工智能工具会降低学生的积极参与度，在没有相应学习收益的情况下提高任务绩效。当被用作捷径而不是学习工具时，例如，在土耳其进行的一项实地实验发现，虽然使用 GPT-4 可以提高短期表现 – 使用标准界面时提高了 48%，而 127% 的辅导版本旨在支持学习 – 一旦访问被删除，学生的表现会下降 17%，这表明生成式 AI 可能会破坏学习，除非明确设计用于支持技能获取。
生成式人工智能可以提高生产力和教学质量。报告中引用的证据显示，英国中学科学教师在课程和资源规划上花费的时间减少，当经验不足的导师使用人工智能支持时，学生通过率增加了 9 个百分点，而经验丰富的导师的收益较小。根据经合组织 2024 年的教学和学习国际调查，37% 的教师已经将生成式人工智能用于与工作相关的任务，例如学习或总结主题以及支持课程计划，但各国之间存在很大差异。与此同时，人们仍然担心过度依赖人工智能可能会破坏教师的自主性和专业性，增加道德风险，并且当广泛用于标记，反馈或课程计划等任务时，侵蚀教师的专业技能。该报告呼吁转向与教师一起设计的教育生成 AI 系统，使他们能够监控学生与生成 AI 的互动，并积极塑造其在学习中的使用。
在系统层面，生成式人工智能可以通过自动化和支持行政和分析流程来提高教育系统和学校管理的效率。它可以帮助开发标准化评估项目，通过分析实际与预期的学生工作量来审查课程调整，加强学习和职业指导，并支持教育资源的分类，仅举几例。生成式人工智能还可能对教育研究产生潜在的变革性影响，就像在其他领域一样。为了实现这一潜力，政策制定者将需要减轻和管理相关风险 – 例如与访问，数据隐私，道德和偏见 – 通过健全的政策框架和有效的治理。
经合组织支持政策制定者在教育中有效和负责任地使用生成性人工智能，包括推广将人类判断、反馈和监督置于人工智能使用中心的方法;加强教师自信和有效地参与人工智能的能力;并提供清晰，关于在教育中适当使用生成人工智能的实用指导。经合组织还可以促进国际合作和良好实践的交流，使跨司法管辖区的同行学习成为可能，以便生成式人工智能充分发挥其潜力，促进更好的学习和更有效的教育系统
致谢
略
目录
编者语…………………………………………………………………………………3
致谢……………………………………………………………………………………5
执行摘要………………………………………………………………………………11
第 1 章 探索生成式人工智能在教育中的有效应用：概述…………………13
生成式人工智能的总体应用情况………………………………………………14
生成式人工智能何时能改善学习成果？………………………………………20
教育领域的生成式人工智能工具是什么样的？………………………………26
生成式人工智能如何提升教育系统与机构的效能？………………………28
结语………………………………………………………………………………30
附录 1.A 各国教育领域生成式人工智能战略与框架示例…………………37
第 2 章 生成式人工智能与人类技能培养及评估：
对现有实践的启示与新的展望…………………………………………………39
引言………………………………………………………………………………39
现有实践……………………………………………………………………………41
挑战固有假设，展望未来新方向………………………………………………50
结论………………………………………………………………………………55
第一部分 利用生成式人工智能增强学生学习…………………………………65
第 3 章 基于对话式人工智能导师的学习：用生成式人工智能实施苏格拉底式教学法…………………………………………………………………66
引言………………………………………………………………………………66
生成式人工智能与传统的人工智能教学代理…………………………………67
增强型教学代理的角色与能力…………………………………………………68
教学设计与交互框架……………………………………………………………70
实践应用：SPL 示范系统…………………………………………………………73
效能研究框架……………………………………………………………………77
挑战、伦理问题与实践启示……………………………………………………78
未来方向与研究路线图…………………………………………………………80
结论………………………………………………………………………………83
附录 3.A 教育类生成式人工智能代理的技术细节……………………………87
第 4 章 促进协作学习与协作技能发展：生成式人工智能的潜在贡献…………………………………………………………………………………91
引言………………………………………………………………………………91
协作学习：在协作中学习，在学习中协作……………………………………92
利用生成式人工智能支持协作学习……………………………………………96
展望：生成式人工智能在计算机支持的协作学习（CSCL）领域的未来启示……………………………………………………………………………104
致谢………………………………………………………………………………108
第 5 章 用生成式人工智能培养创造力：与罗纳德・贝盖托的对话………117
创造力的内涵…………………………………………………………………117
“快 AI” 与 “慢 AI” 的不同用法………………………………………………118
利用生成式人工智能培养创造力的原则与工具……………………………119
超越文本生成：多模态与通用人工智能视角下的创造力…………………121
第 6 章 “非数字化” 人工智能教育：与矶谷诚司的对话………………122
“非数字化” 人工智能…………………………………………………………122
“非数字化” 人工智能的实践应用……………………………………………123
“非数字化” 生成式人工智能…………………………………………………125
第二部分 利用生成式人工智能赋能教师工作………………………………129
第 7 章 教育领域教师与人工智能协作的概念框架：利用生成式人工智能增强教师能动性…………………………………………………………130
引言………………………………………………………………………………130
教师如何在教育中使用生成式人工智能：早期收益与隐忧………………131
教师能动性的可操作性定义…………………………………………………132
教育中人工智能的三种概念化及其对教师能动性的影响…………………133
生成式人工智能与 “教师 – 人工智能协作” 模式……………………………142
致谢………………………………………………………………………………144
第 8 章 从通用型生成式人工智能向教育专用型生成式人工智能过渡：维护教师自主性…………………………………………………………………147
引言………………………………………………………………………………147
相关研究…………………………………………………………………………149
自主性与人工智能教育工具中的自动化………………………………………150
基于设计研究与参与式方法的生成式人工智能原型开发…………………152
讨论………………………………………………………………………………160
结论………………………………………………………………………………162
致谢………………………………………………………………………………162
附录 8.A 研究参与者人口统计学特征说明……………………………………166
第 9 章 作为教学助手的生成式人工智能……………………………………167
引言………………………………………………………………………………167
教学助手…………………………………………………………………………168
案例分析：高校 JeepyTA 平台…………………………………………………171
其他人工智能增强型教学助手案例研究………………………………………183
对生成式人工智能作为教学助手的反思：启示与政策建议………………184
结论………………………………………………………………………………187
第 10 章 支持教师工作的生成式人工智能工具：与多萝提亚・德姆斯基的对话……………………………………………………………………………192
教学设计与课程材料开发……………………………………………………192
课堂分析…………………………………………………………………………194
实时支持…………………………………………………………………………194
学生作业反馈……………………………………………………………………197
现实应用…………………………………………………………………………197
第三部分 改善系统与机构管理………………………………………………199
第 11 章 人工智能赋能的机构工作流程：借鉴高等教育经验，释放教育系统与机构的新潜能………………………………………………………200
引言………………………………………………………………………………200
新兴机遇…………………………………………………………………………201
采纳的理由与未来方向…………………………………………………………211
第 12 章 标准化评估中的生成式人工智能：与阿丽娜・冯・达维尔的对话……………………………………………………………………………215
提升试题设计效率……………………………………………………………215
改进写作与口语技能评估………………………………………………………216
高风险评估与未来展望…………………………………………………………218
第 13 章 生成式人工智能与科学研究的转型…………………………………220
引言………………………………………………………………………………220
生成式人工智能在科学研究中的应用………………………………………221
生成式人工智能在科学研究中的影响与挑战…………………………………234
结论………………………………………………………………………………239
图目录（FIGURES）
图 1.1 ChatGPT 用户占互联网用户的比例增长情况（2024-2025）………………………………………15
图 1.2 欧洲学生如何使用人工智能进行学习？（2024）…………………………………………………17
图 1.3 德国：高等教育学生使用人工智能学习的目的与频率（2025）…………………………………18
图 1.4 教师在教学中对人工智能的使用情况与看法（2024）……………………………………………19
图 1.5 借助生成式人工智能完成任务并不等同于自动实现学习………………………………………21
图 1.6 教育类生成式人工智能辅导的效果可超越课堂学习……………………………………………22
图 1.7 使用生成式人工智能能够提升人类创造力与写作质量…………………………………………24
图 2.1 VizChat—— 一款基于大语言模型的聊天机器人，旨在提升教育管理者与教师解读、理解可视化学习分析数据的能力………………………………………………………………………47
图 2.2 数据漫画 —— 利用大语言模型基于多模态学习过程数据生成可视化反馈…………………47
图 2.3 FLoRA 平台中针对自主学习的形成性过程评估反馈……………………………………………49
图 2.4 在使用生成式人工智能时平衡学习收益与表现…………………………………………………51
图 2.5 用于医学教育病史采集技能形成性过程评估的 FLoRA 平台用户界面………………………53
图 3.1 SPL 系统功能概述…………………………………………………………………………………74
图 3.2 SPL 中苏格拉底式辅导会话示例…………………………………………………………………75
图 3.3 一段对话片段，展示 SPL 在简单提问之外的适应性……………………………………………76
图 3.4 SPL 系统架构概述…………………………………………………………………………………87
图 4.1 CSCL（计算机支持的协作学习）设计维度………………………………………………………94
图 4.2 生成式人工智能支持协作学习的角色……………………………………………………………97
图 4.3 生成式人工智能支持的目标与示例……………………………………………………………99
图 6.1 支持作文批改的人工智能解决方案……………………………………………………………124
图 7.1 教师能动性与自动化坐标中的 “替代范式”…………………………………………………134
图 7.2 教师能动性与自动化坐标中的 “互补范式”…………………………………………………135
图 7.3 事务型教师 – 人工智能协作模式…………………………………………………………………136
图 7.4 情境型教师 – 人工智能协作模式…………………………………………………………………137
图 7.5 操作型教师 – 人工智能协作模式…………………………………………………………………137
图 7.6 实践型教师 – 人工智能协作模式…………………………………………………………………138
图 7.7 协同型教师 – 人工智能协作模式…………………………………………………………………139
图 7.8 教师能动性与自动化坐标中的 “增强范式”…………………………………………………139
图 8.1 人机自动化模型…………………………………………………………………………………151
图 8.2 基于设计的研究流程……………………………………………………………………………152
图 8.3 预期教育类生成式人工智能系统概述…………………………………………………………156
图 8.4 场景 1 的低保真原型截图………………………………………………………………………158
图 8.5 场景 2 的低保真原型截图………………………………………………………………………158
图 8.6 场景 3 的低保真原型截图………………………………………………………………………158
图 8.7 工具设计与课程实施过程中，教师作为共同参与者的自主性水平矩阵…………………161
图 8.8 研究第一阶段与第二阶段收集的教师性别、教龄与课程专业背景信息…………………166
图 9.1 JeepyTA 引导学生补全作业内容………………………………………………………………173
图 9.2 JeepyTA 为学生论文作业的第一步提供反馈 —— 论文大纲…………………………………174
图 9.3 JeepyTA 解释算法的关键细节…………………………………………………………………175
图 9.4 JeepyTA 解释学生在解决编程问题时遇到的错误，并提供诊断建议…………………177
图 9.5 JeepyTA 总结论坛内的每周讨论………………………………………………………………178
图 9.6 JeepyTA 在 “游戏与学习” 课程中支持头脑风暴与创意生成………………………………179
图 9.7 JeepyTA 扮演墨西哥裔美国人角色 “Felipe”，提供角色化推荐……………………………181
图 9.8 JeepyTA 在 “定量民族志与认知网络分析” 课程中提出讨论问题，以启动每周的编码定性数据讨论……………………………………………………………………………………………182
图 10.1 Tutor Copilot：一种有效动员资质不足辅导教师的方法，2024…………………………195
图 11.1 某大型公立大学的课程数量预测……………………………………………………………202
图 11.2 基于嵌入的模型，用于映射问题、技能与课程……………………………………………204
图 11.3 美国某大型公立大学 STEM 与非 STEM 专业的平均学期学分（左）与预测学期工作量（右）…………………………………………………………………………………………………209
图 12.1 由人工评审生成式人工智能生成的评估试题的流程………………………………………216
图 13.1 所有科学领域的人工智能参与度变化………………………………………………………221
图 13.2 各学科中 “经大语言模型修改的论文” 占比………………………………………………222
图 13.3 研究人员对人工智能的使用情况，2025……………………………………………………223
图 13.4 一种跨学科的人机协作教育研究模型………………………………………………………229
图 13.5 年度科学出版物数量…………………………………………………………………………237
表目录（TABLES）
表 1.1 不同人工智能类别的示例………………………………………………………………………14
表 8.1 基于生成式人工智能的解决方案设计中应用以人为本设计原则的研究特征……………150
表 8.2 与参与者使用生成式人工智能相关的证据节选……………………………………………154
表 8.3 与参与者对生成式人工智能潜在问题看法相关的证据节选………………………………155
表 8.4 三种使用场景下的原型描述…………………………………………………………………157
表 8.5 与参与者对生成式人工智能潜在问题看法相关的证据节选………………………………159
表 13.1 研究过程的阶段与可用人工智能工具的能力……………………………………………233
表 13.2 生成式人工智能对科学的影响：综合表……………………………………………………240