教育技术与在线学习

教育技术与在线学习的思想转向，核心不是把技术清单拉长，而是把对象边界、证据方向、失败条件与现实部署写进同一套可复算账本。 本页逐条写清提出、争议、最新证据、量纲、反号失效、自曝与未入账对象。

甲、无显著差异传统与媒介之争的遗产The No Significant Difference Tradition

教育技术研究最稳定的一类结果，是把新媒介与传统教学作比较时得到的零效应。这条传统可上溯到关于「媒介是否影响学习」的著名争论——一方主张媒介只是运送教学的卡车，另一方主张不同媒介提供不同的可供性。一三二号教育甲无显著差异传统与媒介之争的遗产复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

这十年这场争论被实证收口：新技术带来的效应量在控制教学方法之后普遍缩小到接近于零；而那些报告大效应的研究，实验组通常同时改变了教学设计、增加了练习量或提高了反馈频率。技术与教学法在多数研究里是捆绑变化的，因而无法分离归因。一三二号教育甲无显著差异传统与媒介之争的遗产复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

一三二号教育甲无显著差异传统与媒介之争的遗产首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育甲无显著差异传统与媒介之争的遗产只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。

对一三二号教育甲无显著差异传统与媒介之争的遗产只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育甲无显著差异传统与媒介之争的遗产资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。

一三二号教育甲无显著差异传统与媒介之争的遗产的证据核验回到 Dunlosky et al., Improving students’ learning with effective learning techniques, Psychological Science in the Public Interest 14 (2013): 4–58, doi:10.1177/1529100612453266。一三二号教育甲无显著差异传统与媒介之争的遗产本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育甲无显著差异传统与媒介之争的遗产复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育甲无显著差异传统与媒介之争的遗产的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育甲无显著差异传统与媒介之争的遗产阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。

乙、大规模在线课程的兴起与退潮MOOCs: Rise and Retreat

这十年中期，大规模开放在线课程被广泛描述为高等教育的颠覆者：顶尖大学的课程免费向全球开放，注册人数以百万计。数年之内，完成率极低、注册者以已有学位的成年人为主这两项事实使叙事迅速转向。一三二号教育乙大规模在线课程的兴起与退潮复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

它推翻的是「获取即学习」的假设——把优质讲授内容的边际成本降到零，并不自动产生学习。缺的是结构、同伴、责任与反馈，而这些恰恰是最难规模化的部分。一三二号教育乙大规模在线课程的兴起与退潮复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。一三二号教育乙大规模在线课程的兴起与退潮复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

对一三二号教育乙大规模在线课程的兴起与退潮只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育乙大规模在线课程的兴起与退潮资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。

一三二号教育乙大规模在线课程的兴起与退潮的证据核验回到 Roediger & Karpicke, Test-enhanced learning, Psychological Science 17 (2006): 249–255, doi:10.1111/j.1467-9280.2006.01693.x。一三二号教育乙大规模在线课程的兴起与退潮本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育乙大规模在线课程的兴起与退潮复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育乙大规模在线课程的兴起与退潮的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育乙大规模在线课程的兴起与退潮阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育乙大规模在线课程的兴起与退潮复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

要让一三二号教育乙大规模在线课程的兴起与退潮离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育乙大规模在线课程的兴起与退潮评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。

丙、智能辅导系统的效应量收敛Intelligent Tutoring Systems

经过几十年发展，智能辅导系统在这十年积累了足够多的对照研究，效应量收敛到一个稳定区间：显著优于纯讲授与传统作业，与小组辅导相当，而低于一对一人类辅导。一三二号教育丙智能辅导系统的效应量收敛复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

这一结果既推翻了乐观预期，也推翻了悲观预期。它否定了「计算机辅导可以达到人类一对一水平」的早期承诺，也否定了「技术无用」的笼统判断。有效的成分被逐条识别出来：步骤级反馈、按掌握程度推进、以及在错误发生时立即介入。一三二号教育丙智能辅导系统的效应量收敛复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

一三二号教育丙智能辅导系统的效应量收敛的证据核验回到 Freeman et al., Active learning increases student performance in STEM, PNAS 111 (2014): 8410–8415, doi:10.1073/pnas.1319030111。一三二号教育丙智能辅导系统的效应量收敛本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育丙智能辅导系统的效应量收敛复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育丙智能辅导系统的效应量收敛的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育丙智能辅导系统的效应量收敛阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育丙智能辅导系统的效应量收敛复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

要让一三二号教育丙智能辅导系统的效应量收敛离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育丙智能辅导系统的效应量收敛评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。一三二号教育丙智能辅导系统的效应量收敛复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

面向 2026 年，一三二号教育丙智能辅导系统的效应量收敛最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育丙智能辅导系统的效应量收敛若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。

丁、知识组件与知识—学习—教学框架Knowledge Components and the KLI Framework

这十年提出的知识—学习—教学框架把三者显式对应起来：先把学科内容分解为知识组件，再指明每类组件适用的学习过程，最后推出相应的教学事件。它给「什么教法配什么内容」提供了一套可操作的分类。一三二号教育丁知识组件与知识复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

它推翻的是把教学原则当作通则的做法。同一条原则——比如间隔或自我解释——对不同类型的知识组件效果不同：事实类、程序类、原理类各自适用不同的学习过程，笼统地推荐某一教学法必然在部分内容上失效。一三二号教育丁知识组件与知识复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育丁知识组件与知识的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育丁知识组件与知识阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育丁知识组件与知识复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

要让一三二号教育丁知识组件与知识离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育丁知识组件与知识评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。一三二号教育丁知识组件与知识复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

面向 2026 年，一三二号教育丁知识组件与知识最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育丁知识组件与知识若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。一三二号教育丁知识组件与知识复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

一三二号教育丁知识组件与知识首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育丁知识组件与知识只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。

戊、学习分析的诞生The Birth of Learning Analytics

学习分析在这十年成为独立领域，其定义是对学习者及其情境数据的测量、收集、分析与报告，目的是理解并优化学习。它与教育数据挖掘的分工大致是：后者更关注方法与自动发现，前者更关注教学决策与人的介入。一三二号教育戊学习分析的诞生复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

它推翻的是教育数据只能来自考试这一限制。课程平台记录的每一次点击、提交、观看与讨论，都成为可分析的学习痕迹；对学习的观测第一次从离散的测量点变成连续的过程。一三二号教育戊学习分析的诞生复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

要让一三二号教育戊学习分析的诞生离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育戊学习分析的诞生评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。一三二号教育戊学习分析的诞生复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

面向 2026 年，一三二号教育戊学习分析的诞生最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育戊学习分析的诞生若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。一三二号教育戊学习分析的诞生复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

一三二号教育戊学习分析的诞生首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育戊学习分析的诞生只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。一三二号教育戊学习分析的诞生复核六：最小复算材料必须公开；引用增长只测传播，不测正确性。

对一三二号教育戊学习分析的诞生只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育戊学习分析的诞生资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。一三二号教育戊学习分析的诞生复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

己、教育数据挖掘与游戏系统行为Educational Data Mining and Gaming the System

当学习被平台连续记录，一类此前不可见的行为浮现出来：学生并不总是在学习，而是在利用系统的规则获取答案——快速试错、滥用提示、系统性地把求助当作跳过。这类行为被命名为「游戏系统」，并被证明与学习结果显著负相关。一三二号教育己教育数据挖掘与游戏系统行为复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

它推翻的是把使用量当作投入指标的做法。同样的高活跃度可能来自认真练习，也可能来自快速刷题；不区分二者的仪表盘会把最需要帮助的学生显示为表现良好。一三二号教育己教育数据挖掘与游戏系统行为复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。一三二号教育己教育数据挖掘与游戏系统行为复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

面向 2026 年，一三二号教育己教育数据挖掘与游戏系统行为最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育己教育数据挖掘与游戏系统行为若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。

一三二号教育己教育数据挖掘与游戏系统行为首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育己教育数据挖掘与游戏系统行为只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。

对一三二号教育己教育数据挖掘与游戏系统行为只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育己教育数据挖掘与游戏系统行为资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。

一三二号教育己教育数据挖掘与游戏系统行为的证据核验回到 Kirschner, Sweller & Clark, Why minimal guidance during instruction does not work, Educational Psychologist 41 (2006): 75–86, doi:10.1207/s15326985ep4102_1。一三二号教育己教育数据挖掘与游戏系统行为本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育己教育数据挖掘与游戏系统行为复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

庚、翻转课堂The Flipped Classroom

翻转课堂把讲授搬到课前视频，把课堂时间用于练习与讨论。这十年它迅速普及，并积累了大量比较研究，元分析给出小到中等的正效应。一三二号教育庚翻转课堂复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。一三二号教育庚翻转课堂复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

它推翻的不是讲授，而是讲授所占用的课堂时间——最稀缺的资源是有教师在场时学生的思考，用它来听单向讲解是浪费。这条论证不依赖任何技术特性，视频只是把讲授外移的最廉价手段。一三二号教育庚翻转课堂复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。一三二号教育庚翻转课堂复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

一三二号教育庚翻转课堂首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育庚翻转课堂只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。一三二号教育庚翻转课堂复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

对一三二号教育庚翻转课堂只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育庚翻转课堂资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。一三二号教育庚翻转课堂复核六：最小复算材料必须公开；引用增长只测传播，不测正确性。

一三二号教育庚翻转课堂的证据核验回到 Black & Wiliam, Developing the theory of formative assessment, Educational Assessment Evaluation and Accountability 21 (2009): 5–31, doi:10.1007/s11092-008-9068-5。一三二号教育庚翻转课堂本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育庚翻转课堂复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育庚翻转课堂的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育庚翻转课堂阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育庚翻转课堂复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

辛、整合模型的流行与批评TPACK, SAMR and Their Critics

这十年两个框架被广泛用于教师技术培训：一个把教师所需知识分为技术、教学法与学科内容的交叉；另一个把技术使用分为替代、增强、修改、重定义四级，并暗示越高越好。一三二号教育辛整合模型的流行与批评复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。一三二号教育辛整合模型的流行与批评复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

它们推翻的是把技术培训等同于软件操作培训。这一贡献是真实的：技术使用的质量取决于它与学科内容和教学法的配合，而不是操作熟练度。一三二号教育辛整合模型的流行与批评复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。一三二号教育辛整合模型的流行与批评复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

对一三二号教育辛整合模型的流行与批评只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育辛整合模型的流行与批评资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。

一三二号教育辛整合模型的流行与批评的证据核验回到 Hattie & Timperley, The power of feedback, Review of Educational Research 77 (2007): 81–112, doi:10.3102/003465430298487。一三二号教育辛整合模型的流行与批评本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育辛整合模型的流行与批评复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育辛整合模型的流行与批评的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育辛整合模型的流行与批评阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育辛整合模型的流行与批评复核六：最小复算材料必须公开；引用增长只测传播，不测正确性。

要让一三二号教育辛整合模型的流行与批评离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育辛整合模型的流行与批评评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。

一、从接入鸿沟到使用鸿沟From Access Gap to Usage Gap

这十年一对一设备与校园网络在多国普及，接入差距显著缩小。随之而来的发现是：差距并未消失，而是转移到使用方式上——同样拥有设备，不同背景的学生用它做的事情差别很大。一三二号教育壬从接入鸿沟到使用鸿沟复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

它推翻的是把数字鸿沟当作硬件问题的看法。第二道鸿沟是技能与用途，第三道是从使用中获得实际收益的能力；后两者与家庭文化资本的关系比与设备拥有率的关系更紧密。一三二号教育壬从接入鸿沟到使用鸿沟复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。一三二号教育壬从接入鸿沟到使用鸿沟复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

一三二号教育壬从接入鸿沟到使用鸿沟的证据核验回到 Kraft, Blazar & Hogan, The effect of teacher coaching, Review of Educational Research 88 (2018): 547–588, doi:10.3102/0034654318759268。一三二号教育壬从接入鸿沟到使用鸿沟本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育壬从接入鸿沟到使用鸿沟复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育壬从接入鸿沟到使用鸿沟的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育壬从接入鸿沟到使用鸿沟阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育壬从接入鸿沟到使用鸿沟复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

要让一三二号教育壬从接入鸿沟到使用鸿沟离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育壬从接入鸿沟到使用鸿沟评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。

面向 2026 年，一三二号教育壬从接入鸿沟到使用鸿沟最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育壬从接入鸿沟到使用鸿沟若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。

二、学习工程与实验平台化Learning Engineering and Platform Experimentation

这十年出现了一个明确的取向：把课程平台当作可以持续做对照实验的基础设施，用小规模随机试验不断改进具体教学元素——提示的措辞、练习的顺序、反馈的时机。这一取向被称为学习工程。一三二号教育癸学习工程与实验平台化复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。一三二号教育癸学习工程与实验平台化复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

它推翻的是教育改进只能靠大型研究项目的模式。平台实验的单次效应通常很小，但成本极低、可以持续累积，且直接作用于真实使用中的产品——这与工业界的做法同构。一三二号教育癸学习工程与实验平台化复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育癸学习工程与实验平台化的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育癸学习工程与实验平台化阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育癸学习工程与实验平台化复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

要让一三二号教育癸学习工程与实验平台化离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育癸学习工程与实验平台化评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。一三二号教育癸学习工程与实验平台化复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

面向 2026 年，一三二号教育癸学习工程与实验平台化最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育癸学习工程与实验平台化若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。

一三二号教育癸学习工程与实验平台化首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育癸学习工程与实验平台化只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。

三、多模态学习分析Multimodal Learning Analytics

这十年学习分析把数据源从点击日志扩展到视频、音频、眼动、姿态、生理信号，试图捕捉那些在屏幕之外发生的学习——协作时的注意分配、动手操作的熟练度、小组中的参与结构。一三二号教育子多模态学习分析复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

它推翻的是把学习等同于屏幕行为的限制。对实验、临床技能、设计与协作这类学习，最重要的证据本来就不在日志里；多模态分析第一次让这些场景可以被系统记录与比较。一三二号教育子多模态学习分析复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。一三二号教育子多模态学习分析复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

要让一三二号教育子多模态学习分析离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育子多模态学习分析评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。一三二号教育子多模态学习分析复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

面向 2026 年，一三二号教育子多模态学习分析最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育子多模态学习分析若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。一三二号教育子多模态学习分析复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

一三二号教育子多模态学习分析首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育子多模态学习分析只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。

对一三二号教育子多模态学习分析只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育子多模态学习分析资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。一三二号教育子多模态学习分析复核六：最小复算材料必须公开；引用增长只测传播，不测正确性。

四、个性化学习的证据落差The Personalisation Evidence Gap

「个性化学习」在这十年成为最常见的产品承诺：系统按每个学生的水平与节奏推送内容。大规模评估的结果却相当保守——多数自适应产品的效应量小，且高度依赖实施质量与教师配合。一三二号教育丑个性化学习的证据落差复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

它推翻的是把个性化当作单一处方的做法。有效的个性化版本相当窄：按掌握程度控制推进节奏、按错误类型选择练习；而按所谓学习风格、兴趣或偏好推送内容的版本，没有证据支持。这与差异化教学得到的结论完全一致。一三二号教育丑个性化学习的证据落差复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

面向 2026 年，一三二号教育丑个性化学习的证据落差最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育丑个性化学习的证据落差若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。一三二号教育丑个性化学习的证据落差复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

一三二号教育丑个性化学习的证据落差首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育丑个性化学习的证据落差只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。

对一三二号教育丑个性化学习的证据落差只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育丑个性化学习的证据落差资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。一三二号教育丑个性化学习的证据落差复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

一三二号教育丑个性化学习的证据落差的证据核验回到 Banerjee et al., From proof of concept to scalable policies, Journal of Economic Perspectives 31 (2017): 73–102, doi:10.1257/jep.31.4.73。一三二号教育丑个性化学习的证据落差本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育丑个性化学习的证据落差复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

五、屏幕阅读的劣势Screen Inferiority in Reading

这十年多项元分析给出一个稳定结果：在理解说明性文本时，纸质阅读优于屏幕阅读，且这一差距在过去二十年里没有随着数字原住民一代成长而缩小，某些分析中反而扩大。一三二号教育寅屏幕阅读的劣势复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

它推翻的是「习惯问题、会随代际消失」的乐观预期。较可靠的机制解释有两条：屏幕情境激发更浅的加工模式与更快的浏览节奏；以及屏幕上的时间压力与元认知校准偏差——读者在屏幕上更容易高估自己的理解程度。一三二号教育寅屏幕阅读的劣势复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

一三二号教育寅屏幕阅读的劣势首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育寅屏幕阅读的劣势只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。一三二号教育寅屏幕阅读的劣势复核六：最小复算材料必须公开；引用增长只测传播，不测正确性。

对一三二号教育寅屏幕阅读的劣势只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育寅屏幕阅读的劣势资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。一三二号教育寅屏幕阅读的劣势复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

一三二号教育寅屏幕阅读的劣势的证据核验回到 Koedinger, Corbett & Perfetti, The Knowledge-Learning-Instruction framework, Cognitive Science 36 (2012): 757–798, doi:10.1111/j.1551-6709.2012.01245.x。一三二号教育寅屏幕阅读的劣势本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育寅屏幕阅读的劣势复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育寅屏幕阅读的劣势的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育寅屏幕阅读的劣势阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育寅屏幕阅读的劣势复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

六、平台化与教育科技的批判转向Platformisation and the Critical Turn

这十年教育技术研究出现明确的批判转向：不再只问工具是否有效，而是分析教育系统与少数平台之间形成的依赖关系——身份认证、学习管理、内容分发与数据存储集中在少数供应商手中。一三二号教育卯平台化与教育科技的批判转向复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

它推翻的是把技术选择当作中性的采购决定。批判研究指出，平台的商业模型决定了它优化什么：参与度、使用时长、可计费事件，而这些与学习目标只是部分重合。教育机构在采纳时同时接受了一套并非自己设定的指标。一三二号教育卯平台化与教育科技的批判转向复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

对一三二号教育卯平台化与教育科技的批判转向只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育卯平台化与教育科技的批判转向资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。

一三二号教育卯平台化与教育科技的批判转向的证据核验回到 Means et al., Evaluation of Evidence-Based Practices in Online Learning, US Department of Education (2010)。一三二号教育卯平台化与教育科技的批判转向本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育卯平台化与教育科技的批判转向复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育卯平台化与教育科技的批判转向的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育卯平台化与教育科技的批判转向阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育卯平台化与教育科技的批判转向复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

要让一三二号教育卯平台化与教育科技的批判转向离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育卯平台化与教育科技的批判转向评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。

七、算法治理与学生数据主权Algorithmic Governance and Student Data Rights

随着预测模型进入招生、分班、预警与资源分配，教育中的算法开始承担分配性后果。这十年围绕它形成了一套治理议题：数据的所有权与保留期限、模型的透明度与可解释性、以及申诉与人工复核的权利。一三二号教育辰算法治理与学生数据主权复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

它推翻的是把学生数据当作系统副产品的看法。学习痕迹一旦跨学年留存、跨系统打通，它就构成一份可以影响个人机会的长期档案，而学生与家长在最初同意时无法预见这些用途。一三二号教育辰算法治理与学生数据主权复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

一三二号教育辰算法治理与学生数据主权的证据核验回到 Bender et al., On the dangers of stochastic parrots, FAccT 2021: 610–623, doi:10.1145/3442188.3445922。一三二号教育辰算法治理与学生数据主权本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育辰算法治理与学生数据主权复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育辰算法治理与学生数据主权的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育辰算法治理与学生数据主权阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育辰算法治理与学生数据主权复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

要让一三二号教育辰算法治理与学生数据主权离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育辰算法治理与学生数据主权评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。一三二号教育辰算法治理与学生数据主权复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

面向 2026 年，一三二号教育辰算法治理与学生数据主权最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育辰算法治理与学生数据主权若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。

八、生成式 AI 的断点The Generative AI Break

2022 年底之后，教育技术遇到一个与此前所有工具都不同的对象：它不执行预设的教学流程，而是按提示生成内容；它的能力边界不由设计者规定，也不稳定。既有的评估框架——比较某个固定功能的效应——在原理上难以适用。一三二号教育巳生成式AI的断点复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

它推翻的是教育软件作为「被设计的教学序列」这一形态。此前的工具无论多复杂，其行为都可被穷举；生成式系统的行为不可穷举，因此无法在部署前完成效度验证，只能持续监测。一三二号教育巳生成式AI的断点复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育巳生成式AI的断点的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育巳生成式AI的断点阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育巳生成式AI的断点复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

要让一三二号教育巳生成式AI的断点离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育巳生成式AI的断点评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。一三二号教育巳生成式AI的断点复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

面向 2026 年，一三二号教育巳生成式AI的断点最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育巳生成式AI的断点若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。一三二号教育巳生成式AI的断点复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

一三二号教育巳生成式AI的断点首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育巳生成式AI的断点只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。一三二号教育巳生成式AI的断点复核六：最小复算材料必须公开；引用增长只测传播，不测正确性。

九、大模型辅导的因果证据Causal Evidence on LLM Tutoring

这十年后期出现了第一批有对照的证据：在若干高校课程与低收入国家的课外项目中，以大模型为核心、由教师或辅导员配合的辅导，在短期学习结果上取得了显著且相当可观的效应，且成本远低于人类辅导。一三二号教育午大模型辅导的因果证据复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

这些结果推翻了「生成式工具只会带来便利不会带来学习」的悲观预期，但必须准确读取：效应最大的实施都不是让学生自由对话，而是把模型嵌进有明确教学序列的结构里——分步引导、不直接给答案、由人类监督进度。一三二号教育午大模型辅导的因果证据复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

要让一三二号教育午大模型辅导的因果证据离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育午大模型辅导的因果证据评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。一三二号教育午大模型辅导的因果证据复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

面向 2026 年，一三二号教育午大模型辅导的因果证据最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育午大模型辅导的因果证据若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。一三二号教育午大模型辅导的因果证据复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

一三二号教育午大模型辅导的因果证据首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育午大模型辅导的因果证据只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。

对一三二号教育午大模型辅导的因果证据只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育午大模型辅导的因果证据资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。

十、认知卸载与元认知懒惰Cognitive Offloading and Metacognitive Laziness

这十年被命名的一个新现象是：使用生成式工具的学习者倾向于把监控、判断与调节外包给系统，表现为当下产出质量上升而学习指标不升甚至下降。研究者用「元认知懒惰」来描述这一模式。一三二号教育未认知卸载与元认知懒惰复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

它推翻的是把工具支持等同于学习支持的假设。卸载本身并非坏事——人类一直借助外部工具思考；问题在于被卸载的恰恰是那些必须由学习者自己完成才能产生学习的过程：提取、组织、判断。一三二号教育未认知卸载与元认知懒惰复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。一三二号教育未认知卸载与元认知懒惰复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

面向 2026 年，一三二号教育未认知卸载与元认知懒惰最重要的更新不是继续增大规模，而是预先登记失败阈值并追踪跨场景迁移。一三二号教育未认知卸载与元认知懒惰若独立团队只复现方向而不能复现量级，应把结论降为局部版本；若方向也翻转，则回到对象定义与测量链重新审计。一三二号教育未认知卸载与元认知懒惰复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

一三二号教育未认知卸载与元认知懒惰首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育未认知卸载与元认知懒惰只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。

对一三二号教育未认知卸载与元认知懒惰只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育未认知卸载与元认知懒惰资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。

一三二号教育未认知卸载与元认知懒惰的证据核验回到 UNESCO, Global Education Monitoring Report 2023: Technology in Education (2023)。一三二号教育未认知卸载与元认知懒惰本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育未认知卸载与元认知懒惰复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

十一、AI 素养框架AI Competency Frameworks

2024 年前后，国际组织与多国教育部门陆续发布面向学生与教师的 AI 能力框架，内容通常涵盖对系统原理的理解、批判性使用、伦理判断与在具体任务中的协同能力。一三二号教育申AI素养框架复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。一三二号教育申AI素养框架复核六：最小复算材料必须公开；引用增长只测传播，不测正确性。

它推翻的是把 AI 使用当作操作技能培训的做法。框架的共同主张是：最重要的能力不是会用，而是能判断输出是否可信、能识别何时不该使用、并理解系统的局限来自何处——而这些判断依赖领域知识，无法脱离学科单独训练。一三二号教育申AI素养框架复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

一三二号教育申AI素养框架首先改变的是教育技术与在线学习的入账单位：结果不能只按成功样本结算，必须把纳入对象、实施步骤、阴性读数与停止条件放在同一张表。一三二号教育申AI素养框架只有这样，题目中的转向才是可检验命题，而不是一个吸引注意的新标签。一三二号教育申AI素养框架复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

对一三二号教育申AI素养框架只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育申AI素养框架资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。一三二号教育申AI素养框架复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

一三二号教育申AI素养框架的证据核验回到 OECD, PISA 2022 Results, Volumes I–V (2023–2024)。一三二号教育申AI素养框架本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育申AI素养框架复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育申AI素养框架的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育申AI素养框架阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育申AI素养框架复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

十二、人机混合调节Hybrid Human-AI Regulation

这十年提出的一个概念框架把学习中的调节按自动化程度分级：从完全由学习者调节，到系统提示、系统建议、系统代劳，直至系统全权决定。关键主张是不同任务与不同阶段应当处在不同的级别上，而不是自动化程度越高越好。一三二号教育酉人机混合调节复核二：2024—2026 年更新单列，较晚发表不自动等于更强证据。

它推翻的是把自适应系统的目标设定为「尽可能替学生作决定」。若系统始终代为决定学什么、何时复习、如何修改，学习者就没有机会练习这些判断——而这些判断本身是教育目标的一部分。一三二号教育酉人机混合调节复核一：分母改成全部候选对象后重新计算方向，未满足纳入条件者不得记成零值。

对一三二号教育酉人机混合调节只保留一条单因主张：在公开边界内，关键操作能否稳定改变目标结局。一三二号教育酉人机混合调节资金、声望、机构级别和样本规模只作环境量，不能替代方向性证据；若离开原团队口头补充便无法重做，本条仍按一次性工艺处理。一三二号教育酉人机混合调节复核五：中心情形和尾部情形分别结算；若两端反号，只保留局部结论。

一三二号教育酉人机混合调节的证据核验回到 World Bank, World Development Report 2018: Learning to Realize Education’s Promise (2018)。一三二号教育酉人机混合调节本页分别登记对象数量、有效条件、误差或失败分母；这三种读数回答覆盖、强度与不确定性，不能相加为一个无量纲的“突破值”，也不能由发表年份代替证据等级。一三二号教育酉人机混合调节复核三：失败参数与停止位置保留版本，使下一轮能判断是方法失效还是边界越界。

最锋利的争议位于外推边界：中心样本、标准流程或低噪声场景可能把一三二号教育酉人机混合调节的效应撑得很整齐，边缘对象却给出反向结果。一三二号教育酉人机混合调节阴性参数区必须保留；它否定的也许只是聚合次序，而不是所有局部结论。一三二号教育酉人机混合调节复核四：报告独立复算成功对象／全部尝试对象，防止成功案例吞掉失败分母。

要让一三二号教育酉人机混合调节离开个人技艺，样本、代码、量表、操作规程与修订记录必须带版本公开。一三二号教育酉人机混合调节评审时还要问谁进入分母、谁能独立复算、一次修订需要多少工时；基础设施的价值由复核成本下降衡量，而不是由文件数量衡量。一三二号教育酉人机混合调节复核六：最小复算材料必须公开；引用增长只测传播，不测正确性。

二十年连起来看

教育技术与在线学习过去二十年的连续变化，不是新术语不断覆盖旧术语，而是研究对象从单点扩到轨迹、从平均值扩到异质性、从成功案例扩到失败分母。第一幕八条定位奠基转向，第二幕十二条把它们推进到真实世界、规模化与公开核验。

因此，“新”由证据结构而不是发表年份决定：旧思想若到近年才获得可计算对象、公开数据或可否证阈值，仍是新的工作方式；2025 年出现却没有独立复核的结果，只能记为候选。

三个常见误解

第一，把一个著名项目当成整个领域；本页用二十条区分机制、测量、制度与基础设施。第二，把样本或数据规模当可靠性；规模不能修复选择偏差、定义漂移与缺失机制。第三，把尚未解决解释为没有进步；把失败区画清、把错误路线排除，本身就是可累积的知识。

与相邻领域的接口

与第 306 号《生物统计学》的接口在可迁移表示：对象换场景后，结构与误差能否同时保留。与第 319 号《计算物理与多尺度模拟》的接口在证据聚合：局部读数怎样进入整体判断而不抹平异常。两处都要求先公开分母，再谈统一。

争议现场

教育技术与在线学习最实质的争议不是传统与创新，而是复杂研究怎样获得共同体信任。一方强调专家链式核验，另一方要求原始数据、机器证书或独立复做。可判标准是关键结论能否在不依赖原作者口头补充的情况下重建。

第二个争议围绕边界：统一语言提高迁移速度，却可能把不适配对象排出可见范围。因此二十条都保留“空栏”和“自曝”；若异常只在论文之外出现，统一就只是整理成功案例。

往下五年看什么

观察三件事：2024—2026 年候选结果能否形成第二个独立复核；数据库、软件与流程能否保存阴性记录；新人能否在更短依赖路径上进入前沿。若三项只增加产出数量而不降低复核成本，基础设施仍未成熟。

可与哪些领域对撞

教育技术与在线学习与第 443 号《阅读与识字研究》共享“通过检查即可信”的前提，却可能给出相反方向：形式检查越密，未建模的共同原因失效越隐蔽。可测问题是重大修订前的扩散速度／完成独立复核所需时间。

它还可撞第 297 号《科技政策与科研管理》：一个领域追求真值，另一个领域分配注意、经费与声誉。两者都默认高影响结果值得优先复核；相反方向是越抢先的结果可供核验的时间越短。

第三处对撞是第 306 号《生物统计学》：那里担心样本进入分母，这里担心对象、记录或实施场景进入分母。共同前提是已记录对象代表候选总体；相反方向是可测对象越多，难以表示的对象越可能永久缺席。

十条可做的研究命题

一，统计关键结果从提出到独立核验的中位时间。二，把失败参数公开与否作为后续复用率的解释变量。三，比较单中心与多中心研究的依赖树。四，测数据库扩容前后问题类型是否收窄。五，前瞻登记来源三笔互异与重大修订率。

六，随机抽样复核一条中间步骤。七，比较新框架引入前后的训练年限。八，为不可复算却被广泛引用的结果建立退出机制。九，测试跨领域迁移是否增加反例发现率。十，把阴性记录进入公共库的比例设为健康指标，并预先规定何时否定它。

资料核验