根据英国教育大臣 Bridget Phillipson 的观点,在备课和批改作业中运用人工智能 (AI) 将为教师创造更多与学生互动的时间。
Phillipson 在 Bett Show 上表示,科技与教育的结合是一种"令人极为振奋的关系"。目前政府计划利用 AI 节省教师时间,确保学生获得最好的教育,并加强师生之间的联系。她说:"我将把握这个伟大的科技新时代来推动教育系统现代化,支持教师,为全国的孩子们提供优质教育。"
这些发展源于政府的改革计划——到 2028 年确保 75% 的五岁儿童在入学时达到良好的发展水平,以及其 AI 机遇行动计划——政府计划利用 AI 来"革新"公共服务。
科技一直是政府未来规划的重要组成部分。随着大量企业和个人已经在日常生活中使用生成式 AI 等技术,政府需要正确地将其应用于公共部门。
Phillipson 表示,三分之二使用生成式 AI 的教育工作者认为它产生了积极影响。虽然她承认技术应用既有挑战也有益处,但她指出适应和改变是必然的选择。她说:"即使是五年前的世界也已经永远消失了——已经成为一个过时的年代。"
政府已向 16 个开发商发放了 100 万英镑的资金,用于实施帮助教师批改作业和提供个性化学生反馈的技术。这些技术与教育部现有的 Oak National Academy 备课工具一起,将有助于减轻教师的工作负担。
她表示,目标是利用 AI"减少工作量或帮助解决我们面临的招聘和留任危机,使教学重新成为一个激发喜悦而不是让人筋疲力尽的职业"。
了解实施过程
为了帮助学校投资合适的技术,教育部任命了特许教学学院负责人开发 Edtech Evidence Board,评估哪些技术已经在学校发挥作用。最近推出的"为您的学校规划技术"服务旨在帮助学校了解应该购买什么技术以及如何实施。
对于有特殊教育需求的儿童,Phillipson 表示教育技术可以成为学习的"基础",并宣布在 2025 年,课堂辅助技术的使用培训将成为教师培训的必修课程。
她说:"领导者们告诉我们,有效使用这类技术不仅能对学术成绩产生巨大影响,还能提升孩子们在课堂团队中的自信心。"
在许多情况下,技术行业缺乏包容性文化阻碍了来自不同背景和代表性不足群体的人选择这些职业,根据收集的学生缺勤数据,学校也存在同样的问题。
中学现在可以通过"查看教育数据"工具访问学生缺勤数据,以帮助他们了解如何解决缺课问题。Phillipson 表示,一些孩子不上学是因为"归属感危机"。她希望更多的孩子能开始感受到他们"属于"学校,从而提高出勤率。
Phillipson 强调的现有和未来举措旨在为教师创造更多与学生相处的时间,并加强师生之间的"纽带"。
她说:"这可以追溯到人类最早的时期。此后教育领域的一切,所有为支持儿童而提供的一切,都源于教师与学生之间那种深厚而特殊的关系。"
Phillipson 说:"教师塑造价值观,建立归属感,这就是为什么教育技术如此令人兴奋和强大。因为它将帮助开创学习的新时代,并重振师生之间的纽带。"
但业界担心教师需要更多的帮助和教育才能有效使用这些工具——英国特许信息技术学会 (BCS) 引用了自己的研究,其中 19% 的教师对现在或将来使用 AI 没有兴趣。
BCS 教育与公共利益董事总经理 Julia Adamson 表示:"教师们看到了 AI 在改变他们的工作和学生生活方面的机会,从节省备课时间到为每个年轻人提供个性化学习。"
"但他们需要更好的培训和指导来增强对 AI 的信心,确保其使用公平,并减少教育系统中的不平等。"
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
Google DeepMind团队发布了EmbeddingGemma,这是一个仅有3.08亿参数的轻量级文本理解模型,却能达到7亿参数模型的性能水平。该模型在权威的多语言文本嵌入基准测试中排名第一,支持250多种语言,特别适合移动设备部署。研究团队通过创新的编码器-解码器初始化、三重损失函数训练和模型融合技术,实现了性能与效率的完美平衡,为AI技术普及化开辟了新路径。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
日本奈良先端科学技术大学等机构首次深入研究AI编程工具Claude Code在真实开源项目中的表现。通过分析567个代码贡献,发现83.8%被成功接受,54.9%无需修改直接使用。AI擅长重构、测试和文档工作,但需要人工修正bug处理、代码风格等问题。研究揭示了AI编程工具的实际能力边界和改进方向。