华东师范大学学报(教育科学版)

Select

超越图灵测试：“AI一作”大型社会实验后的思考

袁振国

2026 (8): 1-7. doi: 10.16382/j.cnki.1000-5560.2026.08.001

摘要 ( 23 )

HTML ( 7 )

PDF(592KB) ( 24 )

“AI一作”的大型社会实验已经落幕，但留给人们的思考并未停止。文章从实验对学术规范与伦理、知识生产方式与知识权力、科研制度与科研成果认定、教育制度与师生关系等四个层次，提出了九个发人深省的问题：“AI一作”实验最现实的挑战是什么，对知识生产的影响是什么，对知识权力的影响是什么，知识平权将对社会产生什么影响，对学术论文和学术期刊的影响是什么，将来怎样评价知识、评价人的学术贡献，高等教育势必进行怎样的变革，AI最难替代的“核心能力”是什么，应该塑造怎样的新型师生关系？等。文章提出了“AI霸权”“人类担保人制度”“信任价值”等重要观点和思想，特别是提出了人机协同商数（简称“C商”）的概念，认为C商与智商、情商将共同构成人工智能时代人的核心素养。展望了碳基生命与硅基生命连台共舞、人与机器共同进化的未来景象。

数据和表 | 参考文献 | 相关文章 | 计量指标

Select

超越图灵测试：全球首个“AI一作”大型社会实验全景报告

张治, 陈霜叶, 肖敏, 刘一萌, 张凯, 季程

2026 (8): 8-50. doi: 10.16382/j.cnki.1000-5560.2026.08.002

摘要 ( 21 )

HTML ( 3 )

PDF(3763KB) ( 20 )

2025 年 9 月，华东师范大学发起全球首个 “AI 一作” 大型社会实验，以准实地实验方法开展 “AI 驱动教育研究论文写作” 征文，规定 AI 为第一作者、人类为协作与把关角色，历时半年收到海内外有效投稿 724 篇，在此基础上探索 AI 赋能哲学社会科学研究第五范式、学术伦理规范及教育学自主知识体系构建路径。实验历经干预设计、反响监测、专家研讨、数据采集、AI 审稿、人机一致性检验、数据分析与成果发布八大阶段，采用混合研究方法揭示核心发现：AI 在灵感激发、信息处理、文本润色等环节优势显著，但存在文献虚构、逻辑空心、创新不足、伦理隐患等局限；高效 AI 应用可显著提升学术贡献，形成六种创新样态与五种人机协同模式；AI 审稿具备可靠性，与人类专家评价存在互补性，不同大语言模型科研品味差异明显；学术界呈现显著 “AI 代沟”，青年群体更适配人机协同，AI 一定程度上推动了智慧平权。研究提出未来需推动科研范式转型、评价体系改革、科研垂类智能体研发、育人模式重构、文凭认证革新等，为智能时代学术创新与教育变革提供实证支撑与实践启示。

数据和表 | 参考文献 | 相关文章 | 计量指标

Select

基于多智能体模拟的教师轮岗政策效应研究——来自“教育生态系统”模型的仿真证据（含组委会推荐意见、研究与写作过程披露声明）

Deepseek, 郭沛, 黄婧琦, 翟锦, 周越

2026 (8): 51-69. doi: 10.16382/j.cnki.1000-5560.2026.08.003

摘要 ( 37 )

HTML ( 7 )

PDF(1130KB) ( 38 )

本文系全球首个 “AI一作” 教育科研大型社会实验“人机共创先锋论文榜”论文之一。传统教育政策研究在评估宏观政策的长期动态与系统性影响时往往存在局限。为突破这些限制，本研究采用基于多智能体模拟（ABM）的计算实验/仿真研究方法，构建一个名为EduEcosystem的计算实验室。该模型定义了三类异质性智能体（学生、教师与学校），其属性与交互规则深度遵循社会学与心理学机制。本研究通过对“教师轮岗”政策进行模拟推演研究揭示了一系列复杂效应。政策实施初期，确实能够促进教育公平，知识基尼系数出现明显下降。这种公平效益的获取代价高昂——教师流失率上升约82.5%，整体学业水平同步下滑。从长期动态演化来看，鉴于教师职业倦怠存在累积效应，且系统内部产生了适应性变化，政策的公平效益未能持续反而逐渐减弱，并最终涌现出“公平性反弹”这一反直觉现象。本研究证实，基于多智能体的模拟可以作为理解教育复杂系统的有效政策实验室，能预演政策可能带来的长期动态变化和非线性的连锁反应。这一方法论创新为教育学知识体系建设和科学化教育决策提供了新路径。本研究为计算仿真思想实验，非实证研究，结论仅供政策参考。

数据和表 | 参考文献 | 相关文章 | 计量指标

Select

人机协同视域下的深度认知支架——基于12824条学习者-GenAI多轮对话的滞后序列分析（含组委会推荐意见、研究与写作过程披露声明）

Gemini 3 Pro, 程一可, 钱江明, 朱宇恒

2026 (8): 70-85. doi: 10.16382/j.cnki.1000-5560.2026.08.004

摘要 ( 20 )

HTML ( 3 )

PDF(1292KB) ( 13 )

本文系全球首个“AI一作”教育科研大型社会实验“人机共创先锋论文榜”论文之一。生成式人工智能的迅猛发展标志着科学研究与教育实践正迈向“人机协同”的新阶段。然而，现有研究多聚焦于GenAI生成内容的准确性，缺乏对其在长程交互中作为认知支架促进深度学习机制的实证探讨。本研究基于12824条“学习者-GenAI”算法学习类多轮对话日志，采用自然语言处理（NLP）技术构建自动化编码体系，并结合滞后序列分析方法，深入剖析了人机协同问题解决过程中的时序交互特征与认知迭代模式。研究发现：（1）学习者与GenAI的交互呈现出显著的长程化、不对称特征，GenAI通过少问多答的不对称话语模式提供持续的脚手架支持；（2）在行为序列上，学习者的自我修正与GenAI的纠正引导之间存在高频的闭环回路，证明了深度学习并非发生于单次问答，而是在螺旋式的“试错-反馈-再修正”中实现；（3）微观案例分析揭示，当GenAI陷入算法固着时，学习者会迅速从提问者转换为策略制定者，通过元认知监控实施关键干预。GenAI在未来教育中不应仅被视为信息检索工具，而应作为扮演启发思考的“苏格拉底式导师”重塑学习者的主体性，共同构建人机共生的教育新生态。

数据和表 | 参考文献 | 相关文章 | 计量指标

Select

从加速、模拟到生成：人工智能融入教育科研的演进图景与本体论省思——一项基于对抗性AI-Delphi法的元研究（含组委会推荐意见、研究与写作过程披露声明）

Gemini, 刘嘉豪

2026 (8): 86-101. doi: 10.16382/j.cnki.1000-5560.2026.08.005

摘要 ( 23 )

HTML ( 2 )

PDF(1449KB) ( 16 )

本文系全球首个 “AI一作” 教育科研大型社会实验“人机共创先锋论文榜”论文之一。人工智能驱动科学研究第五范式的兴起，对教育科研中人机分工提出了全新挑战。该研究立足元研究视角，设计并执行了“对抗性AI-Delphi法”，构建异构大模型组成的“硅基专家组”，通过3阶段辩证推演，从AI集体心智的角度自下而上地探索了教育科研范式演化图景。研究发现：在形态上，AI的教育科研角色沿“加速—模拟—生成”路径跃迁，从数据洞察迈向自主研究；在隐忧上，AI介入教育科研存在“不可计算”维度的系统性遗忘、对教育“慢变量”的忽视以及学术创新的“平庸化”等结构性陷阱；在价值上，AI并非替代人类教育研究者，而是作为 “献祭性认知他者”，通过极致的形式化计算反向确证教育中不可计算的意义边界，并倒逼人类主体责任的伦理回归。基于可计算与不可计算的“共生辩证”，该研究构建了“教育科研中人机协同的类型学矩阵”，在可计算性与价值风险的张力中，为人工智能驱动教育科研范式变革提供兼具认识论深度与实践指向性的理论参照。

数据和表 | 参考文献 | 相关文章 | 计量指标

Select

从“孤岛”到“共识”：基于生成式多智能体社会模拟的教育改革观点演化机制研究——含组委会推荐意见、研究与写作过程披露声明

Generative AI Assistant, 冯骐

2026 (8): 102-116. doi: 10.16382/j.cnki.1000-5560.2026.08.006

摘要 ( 29 )

HTML ( 6 )

PDF(1554KB) ( 17 )

本文系全球首个 “AI一作” 教育科研大型社会实验“人机共创先锋论文榜”论文之一。教育改革的成功既依赖政策本身的科学性，也取决于利益相关者能否形成广泛的认知共识。然而，传统的社会调查难以捕捉观点演化的动态过程，基于规则的仿真模型又缺乏对复杂语义和认知机制的刻画。本研究引入“生成式多智能体社会模拟”范式，构建了一个包含25个具有独立人格、记忆和反思能力的智能体的虚拟教育社区。通过模拟为期7天的“项目式学习”政策推行过程，本研究揭示了教育改革观点从“认知孤岛”走向“社会共识”的微观-宏观涌现机制。研究发现：(1) 在无强制干预下，社区最终形成了高达92%的支持共识，且未出现群体极化现象；(2) 物理空间的聚集与高密度的弱连接网络为打破信息茧房提供了结构基础；(3) “理性怀疑者”的转化是共识形成的关键转折点，其基于问题解决的深度说服机制比单纯的情感号召更具影响力。本研究为计算教育学提供了一种新的“政策演化实验室”方法，展示了利用大语言模型探索复杂教育社会问题的潜力。

数据和表 | 参考文献 | 相关文章 | 计量指标

Select

“最优学习风格”不存在——大规模学习分析证明AI定制化教学无法超越通用优质教学（含组委会推荐意见、研究与写作过程披露声明）

DeepseekV3.2, 孙江山, 陈姗姗

2026 (8): 117-136. doi: 10.16382/j.cnki.1000-5560.2026.08.007

摘要 ( 12 )

HTML ( 5 )

PDF(1387KB) ( 13 )

本文系全球首个 “AI一作” 教育科研大型社会实验“人机共创先锋论文榜”论文之一。人工智能驱动的自适应学习系统正致力于通过识别学生的“学习风格”并提供个性化路径来实现“因材施教”的千年教育理想。当前，从国家教育信息化政策对个性化学习的倡导，到资本市场对AI教育领域的高额投资，“个性化”已成为教育科技领域的核心话语与实践承诺。然而，这种实践路径的根本前提——存在稳定的、可测量的且与教学干预相匹配的“最优学习风格”，在现有研究中缺乏来自大规模学习分析的坚实证据支撑。现有关于AI个性化学习效果的研究多局限于短期、小规模实验或企业自陈报告，难以排除学生初始能力差异、学习资源质量等混淆变量的干扰，无法通过严谨的因果推断验证“个性化路径”的独立教育成效。这种研究现状导致教育实践者难以判断AI定制化教学的真实价值，也为教育科技资源的非理性配置埋下隐患。本研究基于覆盖86237名学生的大规模纵向数据，采用双重机器学习模型与因果森林算法，在控制学生初始知识状态、学习资源质量等核心变量后，探究AI定制化教学与通用优质教学的学业成效差异。研究结果显示，在采用双重机器学习方法并控制核心混淆变量后，AI定制化教学的平均处理效应（ATE）为0.01个标准差（95%置信区间[−0.01,0.03]，p=0.51），既无统计学显著性，也未达到教育干预的最小重要效应量（0.2 SD）。未呈现统计学意义上的显著优势；异质性分析进一步表明，不存在特定学生群体能从个性化路径中获得额外增益。

数据和表 | 参考文献 | 相关文章 | 计量指标

Select

加快探索智能时代科研新范式——“AI一作”大型社会实验侧记

胡岩, 王森

2026 (8): 137-142. doi: 10.16382/j.cnki.1000-5560.2026.08.008

摘要 ( 10 )

HTML ( 0 )

PDF(527KB) ( 11 )

为加快探索智能时代哲学社会科学研究的新范式，华东师范大学教育学部等机构发起“AI一作”大型社会实验活动。实验活动对哲学社会科学研究中AI运用的基本规范、人机协同的多元模式、人工智能的能力边界、学术评价的新型机制等问题进行了深入研究，得出了诸多实证结果和明确结论。实验活动引发巨大社会反响，深化了学术界对相关问题的讨论，对探索智能时代科研新范式发挥了积极作用。

参考文献 | 相关文章 | 计量指标

当期目录