• 面向教育工作者的AI素养提升：起点、框架与实践路径

  本文探讨了在教育日益智能化背景下，如何系统化地培养教师的AI素养。研究团队通过对现有文献的系统综述，并基于布鲁姆分类法，构建了一个包含定义、理解、实践、观念与教学法五个维度的分层渐进框架，揭示了教师AI素养的核心维度及其相互关系，为设计有效的教师培训与发展项目提供了理论基础与实践指引。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-02-23

• 科学整合中学AI素养课程的设计：以青年与AI专家共同引导的设计研究法为例

  本文针对当前高中科学课程难以有效整合人工智能与机器学习教学、且缺乏对青年视角关注的挑战，介绍了一项为期两年、基于设计研究的迭代式课程开发工作。研究团队通过吸纳项目校友和行业专家组成咨询委员会，构建并迭代了一个为期四周的夏季非正式科学教育项目中的机器学习整合课程。结果显示，参与者在机器学习知识方面均有显著提升，且第二组参与者的学习收获（M2-M1=0.175， p < 0.001， n=42）高于第一组（M2-M1=0.076， p < 0.001， n=35）。特别值得注意的是，自认为女性和非白人身份的学习者往往表现出比白人和男性同龄人更大的学习收益。这项研究提供了一个成功以青年意见为核心的参与式课程设计范例，为希望将AI/ML有效整合到现有课程中的教育设计者提供了重要参考。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-02-23

• 人工智能与数据包络分析融合：高等教育可持续效率评估的新框架

  本文推荐高等教育数字化转型背景下，资源投入与教学成效不匹配的难题。作者团队提出了一种融合数据包络分析（DEA）与人工智能（AI）的混合框架，用于评估课程层面的相对效率。通过对15门大学课程的分析，发现仅3门达到完全效率，其他课程存在5.4%至20.2%的效率差距，其中能源消耗和学习成果是关键影响因素。研究结果表明，基于AI的预测模型能够高精度预测效率（Random Forest和Gradient Boosting的R2> 0.90），并将可持续发展目标（SDG 4和12）指标纳入分析，证明了优化能源使用和公平数字访问管理可提升教育可持续发展指标。此研究为面向可持续性的、数据驱动的教育管理与决策支持提供了新路径。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-02-23

• 基于文档《Building narrative layers in virtual reality via multimodal user experience》的标题和摘要内容，该研究探讨了如何将叙事分层与用户体验测试相结合，以创建包容、以社区为中心的虚拟现实体验，并通过对先进水净化虚拟现实体验的设计进行案例说明。一个有专业性且吸引人，并能表明研究意义的中文标题可以是： 中文标题：基于叙事分层与多模态用户体验测试构建包容性虚拟现实体验

  本研究直面先进水净化技术(AWP)推广中公众因“马桶水到饮用水”等负面标签而产生的信任危机与技术沟通鸿沟。为解决此问题，研究团队整合了叙事分层方法学与多模态用户体验(UX)测试，设计并开发了一款关于水净化的虚拟现实体验。研究结果表明，这种将不同受众需求（专家、利益相关者、社区成员）编织进故事层的策略，能更有效地传达复杂科学信息，构建更具包容性和吸引力的叙事，从而弥合技术理性与公众认知体验之间的差距。这项工作展示了多模态UX作为一种新兴方法，在跨学科、跨受众的复杂技术信息传播中的核心调和作用。

  来源：Computers and Composition

  时间：2026-02-23

• 利用强化学习实现乳液聚合过程中非线性聚合物摩尔质量分布的在线控制

  乳液聚合中基于强化学习的摩尔质量分布实时控制策略研究，通过代理神经网络模型降低计算成本，实现半批量反应器中温度、单体及引发剂投料率的动态优化，验证了强化学习在复杂非线性系统控制中的有效性。

  来源：Computers & Chemical Engineering

  时间：2026-02-23

• 接种训练对大学生使用ChatGPT时信息核查行为的影响：一项针对本土与国际EFL学生的对照研究

  随着生成式AI工具在教育领域的普及，其潜在的“幻觉”与误报风险日益凸显，尤其是对于学术支持需求更高的国际EFL学生。为此，研究人员采用2（学生身份：本土 vs. 国际EFL）×2（接种状态：接种 vs. 未接种）×2（时间：前测 vs. 后测）混合因子实验设计，探究了简短通用的接种训练能否提升学生在使用ChatGPT完成学术任务时的信息核查意愿与行为。研究发现，接种信息虽未显著改变学生的核查意愿，但在学术文献摘要任务中，接受接种的学生实际核查行为显著增多。然而，在数学任务中，接种效果不显著，这可能与学生普遍信任AI的数学输出有关。该结果为教育者设计更有针对性的AI素养培训项目提供了实证依据，强调了在学术任务中，通过预警式接种干预可有效提升学生对AI生成信息的审慎态度。

  来源：Computers and Education Open

  时间：2026-02-23

• DiKoLAN-SK：科学教育领域数字化胜任力学业自我概念测评工具的开发与验证

  为解决现有工具无法科学、专门地测评职前科学教师对数字化教学能力的专业自信（学业自我概念）这一缺口，一个由德、瑞多国学者组成的团队，开发并验证了基于DiKoLAN（科学教育数字化胜任力）框架的、针对科学教育的、领域特异性问卷“DiKoLAN-SK问卷”。该工具成功区分了7个胜任力领域、2个能力水平及TPACK框架的4个技术相关知识维度，并在来自德瑞两国的286名职前教师样本中验证了其信效度，为科学教师教育中的诊断与评估提供了有力工具。

  来源：Computers and Education Open

  时间：2026-02-23

• 基于提示压缩优化大规模国际阅读评估中的自动评分：提升效率与可扩展性

  为解决国际阅读评估中由于需处理长阅读段落和详细评分指南导致提示过长、计算成本高昂的问题，研究人员开展了利用提示压缩技术优化GPT-4o模型进行自动评分的研究。结果表明，阅读段落和评分指南可分别压缩至原长的约18%和15%，同时自动评分准确率达92.87%，科恩卡帕值为0.8041，性能与未压缩时相近。该研究显著提升了自动评分在大规模多语言评估中的效率和成本效益。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-02-23

• ChatGPT反馈在学术写作中的应用：马来西亚高校中国EFL研究生的多维互动与参与度研究

  本文探讨了在EFL学术写作中，ChatGPT生成的反馈如何被学习者主动地、批判性地接受。通过案例研究，揭示了四名中国研究生在马来西亚大学修订研究计划时，在行为、情感和认知三个维度上与ChatGPT反馈的互动。研究发现学习者展现出多元的参与策略，并未被动接受反馈，而是进行能动和批判性的互动。研究强调了评估生成式AI反馈的教学潜力时，个体差异和三者间相互作用的重要性。

  来源：Computers and Composition

  时间：2026-02-23

• 在具有不可靠链接的网络中，基于信息效用路由的时代

  多跳无线网络中Age-of-Information敏感的净效用模型与最优路由算法研究。提出融合信息时效性惩罚、链路可靠性影响和动态转发成本的效用模型，推导链路重传的期望效用衰减闭式表达式，将问题转化为带解析权重边的新最短路径问题，设计在线路由决策机制并验证其有效性。

  来源：Computer Networks

  时间：2026-02-23

• 学校场景下人工智能素养的系统性回顾：聚焦心理学基础的审视与框架构建

  本文探讨了K-12学校教育中人工智能素养（AI Literacy, AIL）的界定与框架。面对AI融入教育带来的机遇与挑战，研究人员通过系统性回顾，旨在厘清AIL的定义、核心维度及其心理构成。研究最终提出了针对教师、学生及其他教育相关群体的差异化定义与多维度框架，特别强调了认知与非认知（如自我效能、动机等）等心理学要素是AIL的核心组成部分。这为未来AI教育课程设计、实施与评估提供了宝贵的理论依据和实践指导。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-02-23

• 生成式AI素养：本科生需要知道什么与实际知道什么？中文标题

  为应对ChatGPT等生成式AI工具在大学校园的快速普及与学生对其能力认知模糊的现状，本研究构建了一个融合知识（基础、能力与局限、社会影响）与感知（民间理论）的生成式AI素养理论框架，并开发了信效度良好的评估量表。两项针对美国本科生的研究发现，尽管约60%的学生每周或每天使用AI聊天机器人，但普遍高估其能力，尤其是推理与计数任务，且常将其拟人化或误解为搜索引擎。计算机科学专业学生和频繁使用者知识得分更高，而更高的概念知识显著关联于更低的模型能力高估。研究为高等教育中超越工具使用的、旨在纠正误解和促进负责任使用的AI素养教育计划提供了理论依据与评估工具。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-02-23

• 人工智能增强的反思设计框架（AERDF）：融合AI反馈与结构化反思以加速数字制造教育中的创意发展

  针对数字制造教育中新手设计师反思实践支持不足的问题，一项研究提出了“人工智能增强的反思设计框架”（AI-Enhanced Reflective Design Framework， AERDF）。该框架整合了AI驱动的美学与结构分析、同伴评议和结构化反思日志，并应用于50名本科生进行的3D混沌吸引子和2D密铺图案迭代设计任务中。结果表明，参与者的设计质量、流畅性和原创性均显著提升（如作品质量平均分从3.2提高至3.9），反思词汇和元认知障碍的识别也更为细化。这为在设计课程中规模化培养创新、适应性和批判性思维提供了初步模型。

  来源：Computers and Education Open

  时间：2026-02-23

• 价值敏感设计在实践中的应用：与社区学院师生共创以学生为中心的智能辅导系统

  本文聚焦教育AI伦理的兴起，探讨如何通过价值敏感设计（VSD）框架，设计以人为本的智能辅导系统（ITS）。研究与美国东北部一所社区学院的师生及领域专家合作，通过系列活动，产出了16项融合人在回路、可解释AI和隐私控制的原型设计，强调ITS应以学生为中心。研究揭示了过往学习平台设计对师生价值的忽视，并展示了VSD如何将学生中心视角融入ITS，以增强信任、隐私和能动性。这项研究为设计更合乎伦理、有效且以学生为中心的教育技术提供了实践视角。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-02-23

• 用于工业过程中无长度多变量时间序列数据生成的时间-空间扩散模型，及其在故障诊断中的应用

  工业过程故障诊断中样本稀缺问题，本文提出时空扩散（TS-diffusion）模型，通过U-Net结合通道注意力机制和动态时间嵌入模块，生成满足时空一致性的长序列数据，并设计时空不一致性指数评估生成质量，在 blast furnace数据集验证中显著提升故障诊断模型性能。

  来源：Computers & Chemical Engineering

  时间：2026-02-23

• 大型语言模型赋能高等教育：一项面向研究生课堂自动化问答的开源范式

  本研究针对LLM在教育应用中面临的准确性、成本及学习深度等障碍，开发了名为TAsk的检索增强生成(RAG)与教育者协同管道。通过在生物化学研究生课程中的九周试点，研究人员对比了TAsk与人类专家助教的盲审表现，并基于布鲁姆分类法(Bloom's Taxonomy)和最近发展区(ZPD)分析了学生提问深度。研究发现，TAsk在反馈准确性和适应性上显著优于人类助教，但存在“认知捷径”风险——频繁使用者提交的高阶查询比例显著低于低频使用者。同时，研究证实通过提示工程(prompt engineering)和模型优化，更小、成本更低的模型可达到前沿模型性能，并验证了一种可用于帮助学生对模型输出建立校准信任的幻觉检测算法。这项研究为AI在高等教育中的整合提供了一个经过验证的框架。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-02-23

• 高等教育中生成式AI的伦理与行为因素：影响学生使用ChatGPT意图的实证研究

  为探究在高等教育领域，伦理和行为因素如何综合影响学生使用ChatGPT的意愿，研究人员整合FATE伦理框架、TAM、TPB和UTAUT理论，构建并验证了一个集成模型。通过对四个欧洲国家（爱沙尼亚、德国、波兰、罗马尼亚）344名学生的调查数据进行PLS-SEM分析，研究发现：可解释性和隐私是建立对ChatGPT信任的最强预测因子，而信任不直接影响使用意图，而是通过影响感知性能间接起作用；从行为角度看，大学教授的社会影响力与学生的感知行为控制是采纳ChatGPT的关键驱动力。该研究为教育工作者和政策制定者推动生成式AI工具在高等教育中的负责任采纳，提供了兼顾机遇与风险的实证见解。

  来源：Computers and Education Open

  时间：2026-02-23

• 面向智能-TPACK的人工智能教师专业发展框架：构建研究型整合模型

  这篇论文针对当前AI教师专业发展（PD）项目往往缺乏系统性设计、忽视伦理整合、未能有效促进教师教学转化的挑战，提出并构建了“基于智能-TPACK的专业发展（i-TPACK-based PD）框架”。该研究综合分析了40篇系统性综述与实证研究，将i-TPACK的五个知识领域与四个循证的AI PD路径（主动学习、范例应用、专家指导、反馈反思）交织起来，形成了一个统一的设计结构。该模型为设计、实施和评估具有教学基础、伦理响应性且适应不同教育情境的AI PD提供了可操作的指导。

  来源：Computers and Education Open

  时间：2026-02-23

• 比较引导式、元认知与混合式AI生成反馈对学生参与度、信心与学习成果的影响

  为探究AI生成反馈的优化设计，本研究在真实的大学设计编程课程中开展了一项为期一学期的随机对照试验。研究比较了引导式、元认知式和混合式三种AI反馈对学生互动行为、自信心及资源质量的影响。结果发现，混合反馈能最有效地促使学生进行修改，而学生信心和工作成果质量在不同条件下无显著差异。研究表明，将明确指导与反思提示相结合的AI生成反馈，是平衡效率与深度学习支持的有效策略。

  来源：Computers and Education: Artificial Intelligence

  时间：2026-02-23

• 虚拟现实的可及性：考量硬件、具身与空间通达的多模态用户体验框架

  为解决虚拟现实(VR)在教学应用中面临的硬件、身体和空间层面的通达障碍，研究人员基于多模态作文(Multimodal Composition)与用户体验(UX)设计理论，提出一种多模态用户体验(MMUX)框架。他们通过课堂实践案例，探讨了如何克服成本、空间限制和个体差异带来的挑战，为在UX和写作课堂中引入VR技术提供了实用的教学蓝图，旨在推动更具包容性和公平性的VR教育应用。

  来源：Computers and Composition

  时间：2026-02-23

知名企业招聘：