• AI教育白皮书：选型与试点的顺序

  学校选 AI 工具常从一场演示开始，问题却往往出现在第三周。本文给出定问题、看证据、小范围、留退出四步顺序，附一张五项试点卡，并说明演示为什么不能当证据、退出条款该在什么时候谈。

  2026-10-25 研究院研究组 23258

• AI教育白皮书：校内的分层

  分层本身不是问题，按什么分才是问题。本文把分层拆成按卡点、按权限、按时间三条互不替代的线，给出一张四个必答问题的审查表，并说明为什么分层不等于分流、为什么停留期必须写成一个具体数字。

  2026-10-24 研究院研究组 36087

• AI教育白皮书：工具的退场设计

  工具用得越顺，越难撤下来。本文给出三档授权线与一张四节点的退场表，说明哪几类任务该禁用工具、为什么必须先自己写再对照，以及退场设计为什么不能用来判断学生是否依赖工具，并给出三条边界。

  2026-10-23 研究院研究组 31458

• AI教育白皮书：对话记录里能看出什么

  学生用 AI 学习，过程常常只留在对话记录里。本文说明记录里真正值得看的三处——第一句怎么定义问题、追问问了什么、收尾有没有核对，给出一份四栏自查表，并写明三条不宜越过的边界。

  2026-10-22 研究院研究组 37810

• AI教育白皮书：越用越顺手的代价

  学生用 AI 越来越顺手，被省下来的那份脑力去了哪里？本文按本院白皮书框架，把「交出去」分成计算、检索、判断三类，说明三类回收成本的差别，给出按能力而非按时间划分的分级授权线，并写明三条使用边界。

  2026-10-22 研究院研究组 34979

• AI教育白皮书：教师这一侧的准备

  工具买回来只是开始，教师这一侧的准备才是瓶颈。本文按本院白皮书框架，说明第一序与第二序障碍的区别、TPACK 三层交叉的含义，给出教师准备度三档模型与「改一节课」的推进方式，并写明三条边界。

  2026-10-20 研究院研究组 39252

• AI教育白皮书：评价环节怎么改

  AI 进入课程，第一道阻力往往在评价而不是技术。本文用观察、模型与假设三层，说明自动评分能处理与不能处理的范围，介绍本院过程、成品、自评三栏框架，并写明为什么终评必须由教师签字，不能整体外包给模型。

  2026-10-19 研究院研究组 32854

• AI 教育白皮书框架：从问题到证据

  AI 教育白皮书处于框架起草阶段，本篇公开其论证路线图：从真实问题清单出发，逐层标注证据状态，只把有外部研究或可核数据支撑的判断写成结论。成稿前持续征集同行意见。

  2026-09-27 教育研究部 21205