执行摘要
生成式人工智能（GenAI）正在迅速进入全球教育系统，提高了人们对更加个性化的学习、增强的教学实践和更高效的系统管理的期望。经合组织《2026 年数字教育展望》借鉴了现有的最佳实证研究、设计实验和专家见解，探索 GenAI 的前景，以及教育利益相关者如何引导其有效和负责任的采用。
证据表明，GenAI 可以扩大个性化学习支持，提高反馈质量，并使部分评估自动化。但这种便利是有代价的。当学生过于依赖 GenAI 时，元认知参与度（将答案转化为理解的心理过程和努力）就会下降。这导致任务绩效和真正的学习之间的不一致（第 1 章和第 2 章）。
虽然一些研究表明学生的产出和学习都得到了改善，但其他研究却没有，特别是当工具提供直接解决方案而不是支持真正的学习过程时。将 GenAI 有效融入教学可能需要教师鼓励学生能动性并强调过程，例如学生如何思考和学习，而不是学生的产出。将 GenAI 与明确的教学模型（例如结构化辅导策略或以证据为中心的评估设计）相结合的混合系统比通用聊天机器人显示出更多前景（第 2 章）。
通过生成式人工智能增强学生的学习
GenAI 最引人注目的用途之一是辅导。与传统人工智能导师僵化的对话树不同，GenAI 可以进行灵活、个性化的对话，根据个别学习者的需求调整解释和语言。一些人工智能导师使用苏格拉底式提问等方法来培养学科知识、批判性思维和反思。证据仍在不断涌现，但原型显示出了希望（第 3 章）。
除了一对一辅导之外，GenAI 还支持协作学习。研究确定了四个主要角色：充当信息中心、生成个性化材料以支持小组工作、向教师提供反馈以及在小组任务中充当同伴贡献者。虽然迄今为止的证据有限，但一些研究发现学科学习有小到中度的改善，批判性思维和团队合作有很大的改善（第 4 章）。
GenAI 也可能支持创造力。有证据表明，缓慢使用时最有益，支持迭代探索和反思，而不是大量生产即时内容（第 5 章）。从这个意义上说，它也会通过减少原创思想来破坏创造力。
重要的是，GenAI 有潜力为数字基础设施有限的地方的学生提供支持。在巴西农村进行的一项大规模实验表明，即使连接间歇性和设备最少，人工智能也可以提供反馈和指导。尽管存在技术限制，但在移动设备上离线运行的小语言模型为 GenAI 弥合数字鸿沟提供了一条有希望的途径（第 6 章）。
利用生成式人工智能提高教师的绩效
GenAI 承诺还会在其他方面彻底改变教师的工作方式，包括提高生产力和教学质量。它已经可以快速编写摘要、设计练习，甚至提供实时辅导支持。但过度依赖 GenAI 可能会导致技能和教学专业知识的流失。关于人类和人工智能如何协同工作的概念框架提供了三种路径：替代、互补和增强。应仔细评估某些任务的替代，以避免师生互动的损失。互补性更好，将人类判断与机器效率结合起来。但最有效的方法是通过协作参与来增强。在这个模型中，教师和人工智能协同工作，批评和完善彼此的输出。这个迭代过程为提高教学质量提供了最大的潜力，同时保留了专业判断（第 7 章）。
目前的关键问题之一是大多数工具都是为通用而设计的。现成的聊天机器人很少与课程保持一致。这就是为什么有些人主张专门构建教育 GenAI 系统。这些工具可以与教师和学生共同创建，使教育工作者能够控制机器的行为方式以及学生与机器的交互方式（第 8 章）。例如，这可以让教师设置工具的 “幻觉” 级别，并对学生的 GenAI 交互提供反馈。
一些 GenAI 工具已经被用来支持教师，特别是在高等教育背景下。例如，一些人工智能助教可以帮助教师、助教和学生完成广泛的教学任务，同时允许人工监督。学生们认为这样的工具在清晰度、准确性和专业性方面可与人类助教相媲美，但在动机和发展指导方面较弱（第 9 章）。
其他早期证据表明，教育 GenAI 工具可以提高在线辅导质量，特别是对于经验不足的教师而言。研究还强调了人工智能生成的教材和分析对于有效课堂对话的好处。然而，动机、关系和社会情感学习仍然是人类固有的责任（第 10 章）。
完善制度和机构管理
GenAI 还正在简化系统和机构管理，实现新形式的分类和建议。在机构层面，GenAI 已经在重塑管理任务。基于嵌入的模型可以映射课程和项目之间的等效关系，从而使招生、职业指导和课程分析等任务更快、更准确。尽管人类人工智能协作仍然是必须的（第 11 章），大规模试点展示了较高的预测准确性和效率增益。
除了反馈之外，高风险的标准化评估是 GenAI 承诺改变的另一个领域。它可以大规模生成考试项目并设计更真实的任务，例如模仿现实生活中交流的交互式写作和口语任务。通过与人工智能合作，教师可以显着提高生产力（第 12 章）。
GenAI 对研究的影响也很显着。在自然科学中，它加速了从假设生成到实验设计的一切。该技术已经改变了教育研究的进行方式，并将有可能改善教育系统的成果（第 13 章）。例如，人工智能生成的模拟真实教育数据集的综合数据集可以扩大研究的可能性以及对政策和实践的反馈。
政策启示
最终，当采用强大的教学法和以人为本的方法进行设计时，GenAI 可以做的远不止帮助学生完成任务。它具有深化学生学习、改进教学实践并简化机构管理和研究的潜力。但这些好处也伴随着风险。过度依赖可能会将学生变成被动消费者，将教师变成监督者。为了释放 GenAI 的全部潜力，教育必须超越通用聊天机器人，转向专门构建的教育工具。通用 GenAI 工具的深思熟虑的集成对于实现 GenAI 的全面学习优势并培养学生未来职业生涯的 GenAI 素养至关重要。政策制定者面临的挑战是确保 GenAI 成为学习伙伴而不是学习捷径。