日报 · 2026-10-19

狗哥教育日报

2026-10-19 · 星期一
今日主张

同一个支架,换一群学生效果就变:画图要看已有知识,高期望要落到具体反馈上,AI 的效果要看怎么用,「会说理」也离不开先懂内容。

选稿窗口 2026-10-17~2026-10-19(北京时间;周一期含周末)

📐 数学教学

Which pin code:4 个各不相同的数字,还是 3 种数字其中一个重复?

Howie Hua · 2026-10-17(北京时间 21:47;美国当地 10-17)

Howie 抛出一道密码计数题:4 位密码,(a) 4 个数字互不相同,(b) 只用 3 种数字、其中一个数字出现两次,哪种格式的可能更多?帖子附了讲解视频。

🤖 AI 领读

按 0—9 十个数字、顺序有关来算,(a) 是 10×9×8×7=5040 种;(b) 要选重复的数字(10 种)、再选另两个数字(C(9,2)=36 种)、再排位置(4!÷2!=12 种),共 4320 种,所以 (a) 更多。很多学生会凭直觉觉得「有重复的更少」,或者漏掉「重复的是哪个数」「放在哪两位」这两步。这正好可以做成闯关里的「先猜再数」题:先让学生下注,再用小一号的版本(比如 3 位密码、只用 1—4)列举验证,把乘法原理从列举里自己长出来。

提示老师「强调高标准」,数学作业的评语会怎样变?963 位教师的随机实验

Yasemin Copur-Gencturk、Ian Thacker、Joseph R. Cimpian · *Educational Researcher*(学术期刊) · 2026-10-17 在线发表(Crossref 登记北京时间 16:51)

已有实验表明,表达高期望的反馈对学生有益,但光是叮嘱老师「强调高标准」能不能改变评语内容并不清楚。研究把 963 位教师随机分成两组给学生数学作业写反馈:对照组「照平时那样写」,实验组被要求强调「你的高标准,以及这个学生有潜力达到」。实验组的反馈在学生的优点、不足、策略、努力和数学能力上都写得更具体;但同时出现了偏差:给女生的正面能力评价更少,对白人男生的努力要求更低。作者认为这是首个证明「提示高期望」会改变评语实质内容的研究。

🤖 AI 领读

对一线最直接的启发是写评语的方式:只喊「高期望」会让评语变详细,但偏见也会跟着进来。改卷评语可以用一张固定清单(做对了什么、卡在哪、下一步用什么策略),对每个学生都按同一套写,少写「你很聪明 / 你数学不太行」这种能力判断,把期望落到具体的下一步上。

🪜 脚手架

Hendrick:Direct Instruction 背后的那股劲,比脚本本身更重要

Carl Hendrick · 2026-10-17(北京时间 15:17)

Hendrick 认为,Direct Instruction 最该被知道的不是方法、教材和流程,而是背后的信念:每个孩子都能学会,孩子没学会,是教(或课程)的问题。他回顾 1960—70 年代学界认为弱势家庭的 4 岁孩子更需要「丰富经验和游戏」,DI 还曾被批评为种族主义;Bereiter 和 Engelmann 则主张这些孩子不是笼统地「发展落后」,而是落后在具体、可教的东西上。他们 60 年代中期办的学前班每天两小时、三节 20 分钟的语言、算术和阅读小组课,孩子进步很大,但升入普通公立学校后优势逐渐消退。他说 DI 有局限,但出发点是真诚的,Sold a Story 第二季会讲到它长期被误读。

🤖 AI 领读

接着 10-16 期 EdWeek 的 DI 背景稿看。对脚手架研究有两点可用:一是「落后在具体、可教的东西上」,诊断时要定位到具体缺的那一小步,而不是给学生贴「基础差」的标签,闯关的关卡切分也是这个思路;二是「进步升学后消退」,提醒我们评估支架效果要看撤掉支架之后还剩多少。注意这是一篇观点帖,史料细节以原始文献为准。

画图加讲解,对谁最有用?先看学生原有知识

Runzhi Chen、Jennifer G. Cromley · *Instructional Science*(学术期刊) · 2026-10-17 在线发表(Crossref 登记北京时间 18:01)

画图、自我解释、讲给别人听都属于生成性学习策略,但把它们组合起来效果如何、和原有知识有什么关系,证据并不一致。研究把 134 名修完化学入门课的大学生随机分到 2(画图 / 不画图)×3(自我解释 / 讲给别人听 / 不解释)六种条件,学习材料后对照教师给的样例修改自己的作品,再做后测。画图和解释都没有显著主效应,但原有知识起了调节作用:画图对中等基础的学生有帮助,画图加讲给别人听对基础较弱的学生特别有效。

🤖 AI 领读

这是「支架要按学生配」的又一条证据,虽然是大学化学,迁移到小学数学要谨慎。可以借鉴的是做法:同一道题给不同基础的学生配不同的生成任务,基础弱的先画图、再讲给同桌听;中等的画图就够。课堂上「对照样例修改自己的图」这一步也值得保留,它本身就是一层支架。

「口语能力」为什么难测:评价要先说清测的是什么

Carl Hendrick · 2026-10-17(北京时间 21:23);引用 Dylan Wiliam 10-16 的帖子

Wiliam 指出口语评价的心理测量问题被普遍低估,把听说纳入 GCSE 考试会降低信度,除非大幅增加考试时间。Hendrick 接着说,评价的基本规则是先对「测什么」达成一致,而 oracy 把词汇(知识)、表达(表现)、自信(个人特质)、对话中的推理、倾听等很不一样的东西捆在一起:自信 9 分推理 3 分,和自信 3 分推理 9 分,平均下来都是 6 分。他还认为「对话推理」几乎取决于学生对话题懂多少,「倾听」基本观察不到。要让口语评价接近笔试的信度,需要很多任务、受过训练的评分者,负担最终会落到老师身上。

🤖 AI 领读

素养题的评分有同样的风险。「数学素养」「说理能力」如果被做成一个总分,就会把会算、会表达、敢说这几样东西混在一起。给素养题写评分细则时,可以把「数学内容对不对」「推理链完不完整」「表达清不清楚」分开打分、分开反馈,不取平均;也别指望脱离具体内容去训练「说理」,先让学生懂,再让学生说。

🤖 AI 与学习

个性化 GPT 当「认知伙伴」:师范生把它用成了四种角色

Jason Zagami · *Educational Technology Research and Development*(学术期刊) · 2026-10-16 在线发表(Crossref 登记北京时间 10-17 06:48)

一项设计研究:一门本科师范课程(中学教育方向的数字技术课)把个性化 GPT 智能体嵌进大学的 Canvas 学习管理系统,14 名师范生按课程目标、任教情境和教学偏好配置自己的智能体,每周做「提问—反思—改进」任务。研究分析了约 7000 次 AI 交互、反思日志、课时与评价设计作品和小组讨论,归纳出四种用法:概念导师、共同设计者、反思镜子、认知挑战者。学生说概念支持更清楚、计划能反复迭代、反思有提示,但也有过度依赖、事实偏差、示例文化视角单一的风险。作者提醒样本小、单一学校、部分依赖自我报告。

🤖 AI 领读

「认知挑战者」这个角色最值得做进 MathWiki 将来的 AI 功能:不是给答案,而是追问「你怎么知道」「换个数还成立吗」,这和有益的挣扎是一个方向。四种角色也可以当成设计清单,每加一个 AI 入口,先想清楚它扮演哪一种、怎么防止学生只把它当答案机。

生成式 AI 对英语学习效果的元分析:效应量很大,分歧也很大

Liwei Hsu、Yu-Chun Wang · *Language Learning & Technology*(学术期刊) · 2026 年(Crossref 登记北京时间 10-17 06:27)

这项按 PRISMA 2020 做的系统综述与元分析,汇总了 2022 年 11 月到 2026 年 3 月间 33 项可合并研究和 6 项叙述性研究,看生成式 AI 对英语作为外语 / 第二语言学习的影响。总体效应很大(Hedges' g=1.253),但异质性极高(I²=94.4%);语言表现 g=1.197,情感类结果 g=1.335,自我调节的估计值虽大但不显著(p=.187)。研究设计和干预时长是显著的调节变量,实验设计效应最强;87.9% 的研究在大学阶段。证据确定性按 GRADE 评为中等。作者强调实施设计的重要性,并认为要促进自我调节,需要持续的元认知支架。

🤖 AI 领读

和 10-16 期马里兰大学那项随机实验(配 AI 助手反而成绩更低)放在一起看:平均效应很漂亮,但 I² 九成以上说明各研究结果差得很远,关键不在「有没有 AI」,而在「怎么设计」。研究几乎都在大学英语,不能直接搬到小学数学;最可借的是那条结论:AI 本身不会教出自我调节,得另外搭元认知支架。