听众朋友们好，今天带来一则关于人工智能如何促进教育变革的最新观点分享。来自中国教育技术协会的消息，北京时间2026年1月15日，该协会发布了安徽师范大学吴文涛教授在“数字教育大讲堂第20期”活动中的报告内容整理。吴教授报告的主题是“人工智能促进教育范式变革需要怎样的观念力量？” 这份报告的核心议题是，要真正利用人工智能推动教育变革，关键在于建立一种能指导具体行动的观念体系，而不仅仅是关注技术本身。报告提出并详细阐述了一个名为“机教·师育”的实践观，旨在为一线教育工作提供清晰、可落地的行动框架。 其中尤其引人注意的是，报告基于对“教”与“育”在字源、内涵和实践层面的区分，以及对当前教育问题的诊断，提出了这一观念。具体来看，报告将教育实践分为四种类型，并指出“机教·师育”观念的主要现实靶向是矫正当下普遍存在的“有教无育”现象，即教师过于专注于知识传授和应试训练，而育人工作被严重挤压和边缘化。 报告提炼了几个关键要点。第一是明确分工：提出应让人工智能（经过教育化改造的智能产品）承担其擅长的“教”，如知识呈现和个性化训练；而让教师专注于不可替代的“育”，如价值引领和人格培养。第二是有序协同：强调在实践进路中，首先要明确分工的意识与能力，然后遵循教育之序进行协同，这包括确保教师和学生的主体性、合理安排“师育”与“机教”的时间顺序，以及根据不同学段学生自律和学习能力的特点，动态调整“机教”与“师育”的比重。 报告最后总结认为，这一观念可以用一句话通俗概括：把教书“让”给机器，把育人“还”给教师。面向未来，我们需要的是在清晰分工与协同中，实现技术与教师各自优势的充分发挥，共同推动教育价值升华的“与AI共舞”的教育。 声明：本音频由ima生成。

大家好，欢迎收听本期节目。今天我们将为大家介绍一份关于全球高等教育发展的重要研究报告。这份报告题为《高等教育数字化转型的异同》，由大学联合会全球论坛发布，发布时间是2025年12月。 这份报告是由中国高等教育学会和欧洲大学协会牵头，联合了美国、印度、东盟、阿拉伯地区、非洲以及拉丁美洲等多个地区的高等教育组织共同完成的。它的核心目的是比较全球不同地区——从欧美到亚非拉——在推动高等教育数字化转型过程中的实践、路径和面临的挑战，看看大家有哪些共同点，又有哪些独特的做法。 研究通过综述和分析各地区的大量案例发现，有几个趋势是全球公认的。首先，混合式学习，也就是线上线下相结合的教学模式，已经成为全球高等教育的“新常态”，不再是疫情时期的临时措施，而是正在变成一种制度化的安排。其次，数字技术正在推动“终身学习”和“微证书”快速发展，不少地区都在想办法让这些短期、灵活的培训成果得到正式体系的认可。 但报告也揭示了一些非常有趣的差异。例如，在对待人工智能的态度上，各地区路径很不一样：中国和美国在积极推动“AI+教育”的探索；而欧洲则在严格的数据和伦理框架下，保持着更为审慎的推进节奏。另一个关键的差异体现在“公平”问题上。报告指出，数字化能否真正促进教育公平，关键看投入。像非洲、拉丁美洲和印度等地区，仍面临基础设施和数字贫困的巨大挑战；相比之下，报告提到中国通过建设国家级平台和资源共享机制，在平衡区域发展方面取得了显著进展。因此，弥合这种“数字鸿沟”，成了全球共同的优先任务。 此外，报告还发现，随着数字化教学成为常态，全球质量保障的重点正在从“要不要用数字化”转向“如何实现高质量的数字化”。同时，大家也越来越意识到，转型成功的关键不是单纯买设备，而是加强师生的数字能力建设。 最后，报告总结道，全球高等教育界对数字化转型的大方向已经形成广泛共识，但具体怎么走，各地区根据自身情况，呈现出了各具特色的模式。面向未来，如何更安全、更公平、更高质量地运用人工智能等技术，并完善相关的治理规则，将是各地区共同关注的焦点。 这份报告为我们理解全球高等教育在数字时代的变革图景，提供了一个非常全面和比较的视角。好了，以上就是对这份《高等教育数字化转型的异同》研究报告的概要介绍。 声明：本音频由ima生成。

大家好，今天我们来介绍一项关于生成式人工智能与高等教育政策的新研究。这项研究题为《What is the problem with generative artificial intelligence in higher education? – a critical analysis of educator responsibility in the Swedish policy landscape》（高等教育中生成式人工智能的问题是什么？——对瑞典政策背景下教师责任的批判性分析），由Elin Sporrong、Cormac McGrath、Olga Viberg和Teresa Cerratto Pargman四位学者共同进行，并于2025年发表在《Learning, Media and Technology》期刊上。 研究主要探讨了在生成式人工智能（GenAI）迅速融入高等教育的大背景下，大学出台的相关政策是如何界定和构建教师的责任的。研究团队通过批判性话语分析的视角，特别采用了Carol Bacchi的“What's-the-problem-represented-to-be?”（WPR）方法，对瑞典18所大学中14所发布的、共计37份面向教师的生成式人工智能政策文件进行了深入分析。 研究发现，这些政策文件主要将问题归结为三大主题。第一，生成式人工智能对教育实践构成威胁。政策认为，GenAI可能挑战考试的公平性与法律确定性，加剧学生间的不平等，并可能限制学生的深度学习能力，例如导致对写作能力的忽视。第二，高等教育正在落后于社会。政策指出，当前教师的评估策略可能不够稳健，其技能知识也可能过时，同时，教师可能忽视了GenAI带来的教学机遇，未能充分为学生融入未来的AI社会做好准备。第三，生成式人工智能在高等教育中的角色是模糊不清的。政策强调，AI的输出可能存在缺陷、偏见或不准确，数据共享存在安全风险，其开发过程也可能存在伦理问题。同时，在学术诚信的界定和GenAI的法律地位方面，都存在模糊地带。 特别值得注意的是，研究揭示了这些政策背后所隐含的三个关键假设，这些假设深刻塑造了教师的责任框架。首先，政策假设教师是应对GenAI挑战的主要责任人，需要负责设定使用边界、指导学生并重新设计评估方式。其次，政策假设GenAI的普及是不可避免的，因此高等教育必须适应并整合这项技术。最后，政策带有一种“技术解决主义”的倾向，假设GenAI本身能够解决教育中的一些问题，比如实现个性化学习。 研究者最后得出结论，瑞典的生成式人工智能政策通过将一系列复杂挑战（如法律模糊性、伦理风险、技能差距）的责任“下放”给教师个体，实际上是在进行一种“责任个体化”的建构。这可能导致教师的负担加重，同时却将更宏观的社会、环境责任以及技术本身的结构性问题边缘化了。这项研究为我们理解在技术快速变革时代，教育政策如何塑造和分配专业责任提供了重要的批判性视角。 声明：本音频由ima生成。

大家好，今天我们来介绍一项关于人工智能时代教育变革的新研究。这项研究题为《生成式人工智能时代的“课程”概念重建》，由高盼望和路书红两位学者进行，并于2025年发表在《华东师范大学学报（教育科学版）》上。 研究主要探讨了以ChatGPT为代表的生成式人工智能（GAI）如何从根本上改变我们对“课程”这一核心教育概念的理解。它通过理论分析和逻辑推演的方法，对GAI引发的知识生产逻辑重构、课程认识立场转变以及课程构成要素的变化进行了深入剖析。 研究发现，GAI不仅终结了知识的“稀缺性”，还使知识生产主体从人类扩展到人机协同，甚至对“人”作为唯一课程主体的传统认知构成了挑战。这促使课程的本质从过去注重知识和能力本身，转向更加重视师生与人工智能之间的主体交互性。特别值得注意的是，研究提出了一个颇具启发性的观点：GAI时代的课程，其目标应从追求标准化和确定性，转向更具开放性和灵动性，以帮助学生勇敢应对未来的不确定性。同时，课程的组织方式也将从传统的直线式、单维度，演变为螺旋式和在物理、社会及虚拟赛博空间交织的多维时空。 研究者最后得出结论，生成式人工智能时代的“课程”可以被重新定义为：一个帮助师生融合AI生成内容与传统课程体系，提供虚实结合的经验，搭建系统学习支架，并通过智能导学促进大规模因材施教，最终服务于学生全面发展和社会新质生产力人才培养的体系。这项研究为我们理解智能技术如何重塑教育的底层逻辑和未来形态提供了重要的理论视角。 声明：本音频由ima生成。

大家好，今天我们来介绍一项关于英国媒体素养政策与供给的新研究。这项研究题为《Media literacy provision from the perspective of policymakers and civil society organisations in five areas of the UK: a case study approach》（《从政策制定者和民间社会组织视角看英国五个地区的媒体素养供给：案例研究方法》），由Gianfranco Polizzi、Jeanette D'Arcy、Rebecca Harris、Simeon Yates和Frances Yeoman共同进行，并于2025年发表在《Learning, Media and Technology》期刊上。 研究主要探讨了在英国不同地区，政策制定者和民间社会组织是如何看待和提供媒体素养支持的。它通过案例研究的方法，对英国五个地区——伯明翰和西米德兰兹、大曼彻斯特、利物浦城市地区、苏格兰和威尔士——进行了深入调查，并对18位相关人士进行了半结构化访谈。 研究发现，尽管这五个地区在政策发展和活动水平上存在差异，但它们都有一个共同点：都建立了数字包容网络，而媒体素养的供给正是“搭便车”式地依托于这些网络。也就是说，媒体素养项目往往被整合在更广泛的、旨在解决数字接入和基本技能问题的项目中。研究还发现，最佳实践往往依赖于各种形式的合作，比如为了接触到目标人群而进行合作，或者共同设计和共同实施项目。然而，研究也揭示了一些显著的障碍，其中最主要的挑战包括资金短缺，以及缺乏一个能在全英国范围内协调媒体素养供给的总体框架。 特别值得注意的是，研究揭示了一个看似矛盾的现象：尽管媒体素养对于数字时代的公民参与至关重要，但它在政策实践中常常被简化为“数字技能”或“网络安全”的一部分，其更广泛的、关于批判性思考和公民赋权的内涵反而被边缘化了。此外，研究指出，虽然像苏格兰和威尔士这样的地区已将媒体素养正式纳入国家课程，但由于资源有限和教师培训不足，其实际实施效果仍然参差不齐；而在英格兰，媒体素养教育在学校课程中的地位则更加模糊，主要依赖于学校的自主决定。 研究者最后得出结论，英国当前的媒体素养供给体系是碎片化的、缺乏支持且评估不足的。他们呼吁需要一个更具整体性的愿景和跨部门的协作框架，来更有效地协调和提升全国的媒体素养供给水平。这项研究为我们理解在地方层面推动媒体素养教育所面临的机遇与结构性挑战，提供了重要的视角。 声明：本音频由ima生成。

大家好，今天我们来介绍一项关于生成式人工智能在高等教育中应用的新研究。这项研究题为《Relational dynamics at the intersection of technology and higher education: perspectives on GenAI use among humanities master's students》（技术与高等教育交汇处的关系动态：人文学科硕士生对生成式人工智能使用的看法），由Ani Encheva、Karin van Es和Dennis Nguyen三位研究者进行，并于2025年发表在《Learning, Media and Technology》期刊上。 这项研究主要探讨了人文学科硕士生如何在学术环境中使用生成式人工智能工具，特别是他们如何理解和划定其使用的伦理边界。研究团队认为，虽然关于生成式人工智能的讨论很多，但学生的声音常常被忽视，或者被简化为关于学术诚信的调查数据。为了深入了解生成式人工智能在学生学术生活中的复杂角色，他们采用了深度访谈的方法。 研究团队对荷兰一所主要大学的14名人文学科硕士生进行了半结构化访谈。他们发现，学生们并没有被动地接受生成式人工智能在教育中的角色，而是积极地、有反思地、并且根据具体情境来划定使用边界和制定合法化策略。 特别值得注意的是，学生们普遍将ChatGPT等工具视为“工具”或“助手”，而非“合著者”，并强调自己最终的责任和掌控权。他们划定的最清晰的红线是“直接复制粘贴”，但对于除此之外的许多使用场景，边界则非常模糊，充满了不确定性。学生们会根据自己的学习目标、作业的重要性以及个人价值观来做判断。例如，他们可能为了完成一个占比很小的作业而使用AI，但绝不会用它来撰写毕业论文。研究还揭示了一个关键矛盾：学生们一方面感受到使用AI的“羞耻感”和“卧室氛围”（即偷偷使用），另一方面又因为大学政策模糊、教师反应不一而感到困惑和负担，不得不依靠个人判断来导航这个新领域。 研究者最后得出结论，学生们是在一种“制度惰性”和“恐惧文化”的背景下，进行着高度情境化、反思性和关系性的决策。他们呼吁，大学的政策制定不应仅仅聚焦于防止作弊，而应认识到这是一个需要集体审视和重新想象的关键时刻。政策需要建立在学生真实的经验和实践之上，并关注生成式人工智能如何重塑学习、写作和知识生产的意义本身。这项研究为我们理解学生如何在与新技术的互动中主动构建自己的学术身份和伦理框架，提供了重要的视角。 声明：本音频由ima生成。

大家好，今天我们来介绍一项关于未来教育与技术想象的新研究。这项研究题为《来自终身学习未来的故事：虚构、技术与思辨教育学》（Stories from the future of lifelong learning: fiction, technology and speculative pedagogies），由珍·罗斯（Jen Ross）进行，并于2025年发表在《学习、媒体与技术》（Learning, Media and Technology）期刊上。 研究主要探讨了如何通过一种叫做“思辨小说”的写作练习，来激发学生跳出常规，想象教育技术的多种未来可能。研究者担心，当前关于教育未来的讨论，尤其是技术如何改变学习，常常陷入一种思维定式，好像未来只有少数几种由大公司主导的、确定不变的样子。 为了打破这种思维封闭，研究者在一门关于终身学习未来的研究生课程中，设计了一项特别的作业。她让学生们创作一篇来自未来的短篇故事，但有一个关键要求：故事中必须包含一个与“遗产”相关的物品或元素，比如一件传家宝、一座历史建筑或一项传统技艺。 研究分析了19篇这样的学生作品。她发现，学生们在故事中想象的技术未来非常多样，涵盖了监控、连接、教学甚至“反教学”等多种功能。特别值得注意的是，当学生们被要求将“遗产思考”融入未来想象时，他们创造出的技术场景往往更复杂、更“接地气”。技术不再是孤立、冰冷的工具，而是与具体的社会关系、文化意义和情感深度交织在一起。例如，有故事描绘了原住民群体如何利用沉浸式技术有选择地、主权式地传承自己的文化仪式；还有故事探讨了在高度依赖人工智能记忆和技能的世界里，未经技术改造的人类技艺与智慧的价值。 研究者最后得出结论，这种将“遗产思考”与“思辨小说写作”结合的教学方法，能够有效地帮助人们构想出更丰富、更开放、更少被商业和技术决定论所束缚的教育技术未来。它让未来不再是“空白的”和任人填写的，而是“有生命的”、扎根于历史和文化的。这项研究为我们理解如何通过教学创新来培养更具批判性和创造性的未来想象力，提供了重要的视角。 声明：本音频由ima生成。

大家好，今天我们来介绍一项关于数字素养与视觉文化的新研究。这项研究题为《“视觉白噪音”？英语教育中的图库摄影素养》（英文标题为“Visual White noise'? Stock photo literacies in English education”），由Lucinda McKnight、Cara Shipp、Leon Furze和Chris Zomer四位作者合作完成，于2025年在线发表在《学习、媒体与技术》（Learning, Media and Technology）期刊上。 这项研究主要探讨了在当今数字写作中无处不在、却又常被忽视的“图库摄影”现象，并提出了“图库摄影素养”这一概念。研究源于一个为期三年的澳大利亚研究项目，该项目旨在调查中学英语课堂中数字写作的教学情况。研究团队在为一个数字写作实验室网站挑选图片时，经历了一次关键性的反思：他们选择了一张描绘一位年轻原住民男性的图库照片，这引发了团队内部关于图像所有权、文化尊重和数字伦理的深刻对话。 研究通过合作设计教学材料和民族志式的反思方法，揭示了图库摄影作为一种“隐形素养”的复杂性。研究发现，尽管图库照片看似普通、日常，甚至被称为“视觉白噪音”，但它们实际上承载着意识形态力量，并能以大规模传播的方式造成潜在伤害。特别值得注意的是，研究通过一个具体案例指出，随意使用代表原住民的图库图像，可能在不经意间延续殖民主义的视觉掠夺逻辑，这与原住民文化中重视“连接”和“归属”的价值观相悖。研究还讨论了生成式人工智能的兴起如何可能加剧这种匿名化和去语境化的趋势。 研究者最后得出结论，教育领域，尤其是英语学科，长期以来对包括图库摄影在内的数字视觉媒体研究存在抵触，过于依赖传统的印刷文本素养。他们呼吁教育应拥抱一种更具响应性和协作性的素养教育方法，让学生和教师共同在真实使用中，批判性地探究像图库摄影这样的日常数字文本实践。这项研究为我们理解如何在数字时代进行负责任、有文化敏感性的沟通和教学，提供了非常重要的视角。 声明：本音频由ima生成。

大家好，今天我们来介绍一项关于青春期前女孩如何应对网络争议行为的新研究。这项研究题为《“有人拿走了我所有的皇冠”：青春期前女孩对有争议的在线行为的情感参与》（英文标题为：'Someone has taken all my tiaras': pre-teen girls' emotional engagements with controversial online behaviors），由安-卡丽塔·埃瓦尔松和海伦·梅兰德·鲍登进行，并于2025年发表在《学习、媒体与技术》期刊上。 研究主要探讨了在社交媒体的日常同伴互动中，一群8-9岁的女孩如何共同处理一个棘手的在线事件——游戏角色和虚拟物品被盗。研究者通过为期五个月的视频民族志观察，细致记录了女孩们在课后托管中心使用一个名为Momio的儿童社交网络时的互动过程。 研究发现，当一位名叫阿莉娅的女孩发现自己的虚拟角色和物品被盗时，她通过强烈的情感表达，如愤怒、惊讶和戏剧化的肢体语言，成功地将一个个人问题转变为了整个同伴群体共同关注的公共事件。特别值得注意的是，女孩们并非独自面对风险，而是通过集体的、协作的“情感工作”来共同解读和应对。她们运用自己的社交媒体知识，将盗窃行为转化为一个可举报的“使用不当语言”事件，并在这个过程中，新手向经验丰富的同伴学习网络规则和应对策略。研究还揭示了一个反常识的发现：对这些女孩而言，最大的风险并非来自网络陌生人，而是来自她们熟识的、甚至可能是同班同学的同伴。这要求她们在建立友谊和保持警惕之间找到平衡。 研究者最后得出结论，女孩们的同伴文化在应对在线风险中扮演着关键角色。她们通过这种充满情感的合作，不仅解决了具体问题，更在过程中滋养了彼此间的信任，并共同构建了识别、解释和预防在线风险的能力。这项研究为我们理解儿童如何在同伴互动中自主发展数字素养和社交能力提供了重要的视角。 声明：本音频由ima生成。

大家好，今天我们来介绍一项关于非洲高等教育中隐私与学习分析的新研究。这项研究题为《隐私的维度及其对学习分析的影响：来自/为了非洲高等教育的初步见解》（Dimensions of privacy and its implications for learning analytics. Preliminary insights from/for African higher education），由保罗·普林斯卢和罗杰斯·卡利萨进行，并于2025年发表在《学习、媒体与技术》（Learning, Media and Technology）期刊上。 研究主要探讨了在非洲背景下，人们如何理解“隐私”这个概念，以及这种理解对高等教育中收集和使用学生数据（即学习分析）意味着什么。它通过一种现象学解释的研究方法，对13位来自不同非洲国家的高等教育专家进行了深度访谈。 研究发现，非洲对隐私的理解非常复杂，并非单一的“集体主义”可以概括。它深深植根于殖民历史、文化、宗教、教育水平、地理位置（城乡差异）以及性别等多种因素的交叉影响之中。特别值得注意的是，研究揭示了一些反常识的洞察：首先，尽管受到全球北方（如欧盟）隐私观念和法律的影响，但非洲的隐私观并非其简单复制，而是存在独特的、情境化的理解。其次，隐私在非洲并非不存在或不重要，但其表现形式可能不同，例如可能与“尊严”、“秘密”或特定空间（而非纯粹的个人信息控制）的联系更紧密。再者，在数字环境和学习分析中，学生常常处于权力不对称的地位，他们可能因为害怕挂科或得罪校方而无法真正拒绝数据收集，这使得“知情同意”在实践中面临挑战。 研究者最后得出结论，在非洲推进学习分析时，必须采取文化敏感和情境化的方法。他们呼吁开发更具包容性的隐私标准，设计应考虑文化多样性的系统，并通过提高数据素养和建立透明、信任的机制，来负责任地使用学生数据。这项研究为我们理解全球南方，特别是非洲语境下的数据伦理和教育技术应用，提供了至关重要的视角。 声明：本音频由ima生成。

大家好，今天我们来介绍一项关于人工智能与教育未来的批判性研究。这项研究题为《“救命！？我的学生创造了一个邪恶的AI”：论思辨方法与设计虚构的讽刺性》（“Help!? My students created an evil AI': on the irony of speculative methods and design fiction”），由瑞典皇家理工学院的莉娜·拉姆（Lina Rahm）进行，并于2025年发表在《学习、媒体与技术》（Learning, Media and Technology）期刊上。 研究主要探讨了，当教师学生们被要求用设计虚构的方法来构想一个能解决教育难题的AI方案时，他们会创造出什么，以及这个过程如何揭示了我们对技术和教育的深层假设。研究者通过举办三场设计虚构工作坊，让36名师范生分组进行，任务是针对一个他们自己认定的、紧迫的教育问题，设计一个AI技术支持的技术解决方案。 研究发现，学生们构想出的“解决方案”往往带有讽刺甚至“邪恶”的色彩，暴露了技术解决方案主义背后可能隐藏的权力与控制问题。例如，有的小组设计了名为“PURR”的机器猫，它通过扫描学生并注射“专利溶液”（可能含有兴奋剂）来“激励”他们上学，甚至能用爪子“催促”学生；还有小组设计了“器官化枪”，能将全班学生“重组”成一个身体器官共同体，让每个人的“不参与”直接导致集体“功能失调”，以此强制全员参与。这些看似荒诞的设计，恰恰将个性化学习、学生参与度等“高尚”教育目标背后可能蕴含的监控、规训和强制性逻辑，以一种夸张的方式呈现了出来。 特别值得注意的是，研究指出，这些虚构设计并非凭空想象，而是对当前教育技术发展逻辑的一种“讽刺性模仿”。它们反映了当教育问题（如学生缺勤、缺乏动力）被简单地归结为需要更多数据、更精准的监控和更高效的“修复”时，技术方案可能走向的反乌托邦方向。研究认为，这种思辨设计的方法，其价值不在于产出可用的产品，而在于通过这种“严肃的愚蠢”过程，让参与者（未来的教师们）能跳出常规思维，对技术、权力和教育目的之间的关系进行批判性反思。 研究者最后得出结论，思辨方法和设计虚构可以成为一种强大的批判工具。它通过将主流的教育技术话语（如个性化、数据驱动）推向极端，使其内在的矛盾和潜在的压迫性变得清晰可见。这种方法帮助我们认识到，许多被视为理所当然的“教育问题”和“技术解决方案”，本身是特定价值观和权力结构的产物。因此，在面对AI融入教育的浪潮时，保持这种批判性的审视能力至关重要。这项研究为我们理解技术如何塑造教育未来，以及我们应如何主动地、批判性地参与这一塑造过程，提供了非常独特和重要的视角。 声明：本音频由ima生成。

大家好，今天我们来介绍一篇关于教育技术批判研究未来方向的学术评论。这篇评论题为《Future challenges for critical research on educational technologies》（教育技术批判研究的未来挑战），由四位学者Felicitas Macgilchrist、Luci Pangrazio、John Potter和Ben Williamson共同撰写，于2025年发表在《Learning, Media and Technology》期刊上。 这篇文章并非一项传统意义上的实证研究，而是一篇基于2025年两次重要学术会议（CSET和ECCES）讨论的社论性评论。它的目的是梳理和展望教育技术批判研究领域在未来几年需要应对的核心挑战。 作者们通过总结会议中的讨论和结合当前社会技术背景，提出了四个关键挑战。第一，是严肃对待政治经济学。研究指出，不能仅仅用“监控资本主义”等概念来理解教育技术，而需要分析更复杂的权力结合。例如，在美国和英国，人工智能进入学校的过程，正受到政治权力、金融资本和科技公司利益直接交织的影响，这正在重塑教育的本质和目的。第二，是推进理论与概念的发展。作者呼吁这个已有20年历史的领域，不能只是“套用”现有理论，更需要通过批判性对话，创造出属于自己的新概念和新理论。第三，是从否定性批判走向肯定性批判。这意味着研究不能只停留在指出问题，更需要与社区、活动家合作，探索和实践可替代的、注重数字主权与公共利益的“后平台”教育技术方案，尽管这面临着科技巨头“灵活适应”监管等现实阻力。第四，是关注数字未来与全球不平等。研究强调，批判性研究必须将人工智能的教育应用与其全球供应链、资源掠夺（如对水、钴等资源的开采）以及新殖民主义实践联系起来，关注其隐藏的环境与社会成本。 特别值得注意的是，作者们基于这些讨论，修订了期刊的宗旨与范围。他们特别强调，鉴于期刊本身致力于批判性地讨论人工智能对教育的影响，因此要求投稿作者在考虑使用生成式AI辅助写作时，必须首先对其在学术实践中的广泛影响进行批判性反思。 这项评论为我们理解教育技术批判研究如何在一个技术、政治和经济深度纠缠的时代保持其相关性与批判力，提供了非常重要的路线图式的视角。 声明：本音频由ima生成。

大家好，今天我们来介绍一篇关于优化算法的最新综述研究。这项研究题为《Advances in Mountain Gazelle Optimizer: A Comprehensive Study on its Classification and Applications》（《山瞪羚优化器的进展：其分类与应用的全面研究》），由 Ferzat Anka、Farhad Soleimanian Gharehchopogh、Ghanshyam G. Tejani 和 Seyed Jalaleddin Mousavirad 四位研究者共同完成，于2025年发表在《International Journal of Computational Intelligence Systems》期刊上。 这项研究对一种名为“山瞪羚优化器”（MGO）的新型元启发式算法进行了全面的回顾和分析。MGO是一种受山瞪羚社会行为和领地行为启发而设计的算法，旨在解决复杂的优化问题。这篇综述的目的是系统地梳理和分析自MGO在2022年10月提出以来，学术界围绕它所做的各种研究，看看它被用在了哪些地方，以及效果如何。 研究者们从谷歌学术、Web of Science和Scopus等数据库中，筛选出了271篇在2022年10月至2025年3月期间引用MGO的文献，并对其中的89篇进行了深入分析。他们将这些研究分成了四大类：“直接应用类”（Adapted，占37%）、“混合类”（Hybrid，占33%）、“改进类”（Improved，占27%）和**“变体类”**（Variants，占3%）。这个分类本身就很有意思，它清晰地展示了MGO算法是如何被学界接纳和发展的——大部分研究是直接用它来解决实际问题，同时也有相当一部分研究致力于将它与其他技术结合或对它本身进行改进。 研究发现，MGO算法在计算机科学和工程领域应用最广，合计占了超过一半的研究。它在很多具体问题上都展现出了不错的性能，比如优化太阳能电池板的参数、调整电网的频率控制器、预测风力发电、甚至在医疗图像中识别肿瘤等。特别值得注意的是，研究指出MGO有一个独特的优势：它基本上是一个“免参数”算法，这意味着使用者不需要花费大量精力去调整复杂的参数，这让它在实际应用中更简单、更实用。 然而，研究也客观地指出了MGO目前面临的一些挑战。例如，在处理非常高维度的问题时，它的计算效率可能会下降；另外，虽然它不容易陷入局部最优解，但在某些情况下，它的全局搜索能力还有提升空间。因此，许多研究者正在尝试通过引入混沌映射、对立学习等策略来改进它，或者把它与深度学习模型等其他技术结合起来，以形成更强大的混合方法。 研究者们最后得出结论，MGO是一个有前景且灵活的优化工具，已经在多个领域证明了其价值。未来的研究可以更多地关注如何提升它在处理大规模问题时的效率，以及如何更好地将它应用于人工智能和实时系统等前沿领域。这项综述为我们理解这个新兴优化算法的发展脉络、应用潜力和未来方向提供了一个非常清晰的路线图。 声明：本音频由ima生成。

大家好，今天我们来介绍一篇关于如何用数字痕迹测量自主学习的重要综述。这项研究题为《基于追踪的自我调节学习测量中情境化与泛化的平衡：理论基础研究的系统综述》，英文是《Balancing Contextualization and Generalization in Trace-based Measurement of Self-Regulated Learning: A Systematic Review of Theoretically Grounded Studies》。研究由Debarshi Nath、Yizhou Fan、Dragan Gašević和Ramkumar Rajendran共同完成，于2025年发表。 这项研究主要想解决一个核心难题：在数字学习环境中，我们如何利用学生留下的“数字痕迹”——比如点击、浏览、打字这些行为数据——来客观地测量他们复杂的自主学习过程。研究者们指出，过去的研究要么太依赖学生自己的主观报告，要么收集到的行为数据太局限于某个具体的学习软件或课程，很难推广到其他情境。所以，他们系统性地回顾了58篇有扎实理论基础的文献，目的就是要找到一种方法，既能深入理解特定学习情境下的自主学习，又能提炼出可以跨情境、跨理论模型通用的测量原则。 他们是怎么做的呢？研究团队首先界定了影响测量结果的三个关键情境因素：学习环境（比如是在慕课平台、学习管理系统还是智能辅导系统里）、任务类型和任务时长。然后，他们从这些文献中提炼出四类有助于测量和支持自主学习的“痕迹数据”：与核心学习内容的互动、与辅助工具的互动、与“关于内容的内容”（比如课程大纲、评分标准）的互动，以及寻求外部支持（如使用论坛）的互动。 研究有一个非常有趣的发现，是关于理论模型的“跨界”映射。他们尝试将不同研究中提到的具体行为“痕迹”，同时对应到两个主流的自主学习理论模型——齐默尔曼的循环模型和温尼与哈德温的COPES模型——的构念中去。结果表明，尽管这两个模型的理论基础不同，但许多从行为数据中识别出的学习过程，比如“任务分析”、“计划”、“监控”和“反思”，确实可以在两个模型中找到对应的理论位置。这为在不同理论框架下比较和整合研究发现提供了可能。 但研究也揭示了一个关键的挑战，那就是有效性验证。许多研究仅仅依靠专家的假设来解读行为数据，认为“点击课程大纲”就等同于“计划”。然而，当研究者们将这些基于痕迹的推断与其他测量方法（比如让学生边学边说出想法，或者定时自我报告）进行对比时，发现两者之间存在相当大的不匹配。这提醒我们，不能想当然地认为一个数字动作只对应一种心理过程。一个点击行为，可能同时关联着计划、监控等多种自我调节状态。 基于这些发现，研究者们提出了几个重要建议。首先，在设计学习系统时，就应该有意识地**“分块”呈现内容**，并集成多种工具，这样学生的自我调节行为才能更清晰地在数据中显现出来。其次，在研究方法上，最好能将理论驱动（先假设哪些行为代表什么过程）和数据驱动（从数据中挖掘行为模式）的方法结合起来，以建立更全面的行为编码库。最后，在验证测量效果时，像“出声思维法”这种能连续捕捉学习过程的方法，比只在学习前后填写的整体性问卷，更能有效地检验行为数据的解读是否准确。 总而言之，这项综述为我们清晰地勾勒出了一幅路线图。它告诉我们，要利用数字痕迹有效研究自主学习，必须从研究设计之初就同时考虑情境的深度和理论的广度。一方面，我们要深入理解具体学习环境的特点；另一方面，也要努力提炼出能跨越不同情境和理论模型的通用测量见解。只有这样，基于痕迹的自主学习测量才能既扎实可靠，又具有广泛的借鉴意义。 声明：本音频由ima生成。

大家好，今天我们来介绍一篇关于科学教师教学知识的最新研究综述。这项研究题为《Unpacking PCK Relationships and Development in Science Teachers: A Systematic Synthesis of Empirical Research》（《解构科学教师PCK的关系与发展：一项实证研究的系统综述》），由Soonhye Park和Kennedy Kam Ho Chan两位学者共同完成，于2025年发表在《Review of Educational Research》期刊上。 这项研究旨在对过去近四十年的实证文献进行一次全面梳理，以回答几个核心问题：科学教师的学科教学知识（PCK）与他们的能力、教学实践以及学生学习成果之间到底存在怎样的关系？哪些因素会影响PCK的变化？PCK发展的内在机制是什么？以及，相关的研究方法有哪些趋势和挑战？为此，研究者们系统性地回顾了从1986年到2023年间发表的217项实证研究。 他们发现，PCK与教师的学科知识（CK）和教学实践之间存在很强的关联。例如，扎实的学科知识是PCK形成的重要基础。然而，研究结果也显示出一些复杂甚至矛盾的地方。比如，PCK与教师的情感动机变量（如教学信念、自我效能感）或学生学习成果之间的关系并不明确，有些研究发现了积极联系，有些则没有，甚至还有研究发现了负相关。一个特别值得注意的发现是，教师的教学经验年限与PCK水平之间的关系并不稳定，但教授特定学科或主题的经验，比笼统的“教龄”更能促进PCK的发展。这意味着，一个教了十年物理的老师和教了十年生物的老师，他们的PCK发展轨迹和深度可能完全不同。 研究还指出，有效的教师教育课程和在职专业发展项目能够显著促进PCK的发展，尤其是那些包含深化内容知识、在真实课堂中应用所学并进行反思、分析教学视频以及与同行协作学习等环节的项目。不过，关于导师指导对PCK发展的影响，目前的研究证据还比较有限且结论不一。 在研究方法上，这篇综述也指出了当前研究领域的一些问题。比如，许多大规模量化研究过于依赖单一的、脱离情境的PCK测试问卷，这可能会忽略PCK在真实教学情境中的复杂性和动态性。此外，不同研究对PCK的定义、测量方式也各不相同，这给跨研究的比较和结论的整合带来了困难。 研究者们最后总结道，尽管PCK对于有效教学至关重要，但它的发展是一个受多种因素影响的复杂过程。未来的研究需要更深入地探索PCK与其他变量之间的作用机制，并努力在研究方法上达成更多共识，以推动该领域知识的积累。这项系统综述为我们理解科学教师专业成长的核心——学科教学知识——提供了非常全面和深刻的视角。 声明：本音频由ima生成。