人工智能在教育领域的应用正日益显现出来。教师正利用生成式人工智能进行课程设计与 反馈 ，同时教育机构也在试验自适应学习平台，探索人工智能支持的辅导系统，并调整评估方式 。在这一发展趋势的同时，教育工作者也日益遇到各种关于人工智能在学习、成果取得及效率方面可能实现的作用的说法。有研究提出了教育领域人工智能研究报告RAISE框架，旨在改进教育情境中人工智能研究的报告方式，使证据更加透明、可解释且与实践密切相关。

      问题在于，这些断言往往难以评估。有用的人工智能研究必须提供不止于技术描述或概括性结果的内容 。教育技术研究并不总是提供足够的信息，说明工具是如何实施的，教师发挥了什么作用，或者积极成果是否可以现实地转移到不同的教育环境中。因此，学校和大学可能会发现自己在不完全证据的基础上做出重要决定。如果没有明确的报告，教育工作者将面临一些重要而没有答案的问题。参与学习的人是谁？该人工智能旨在解决什么教育问题？需要多少老师的支持？该技术是否用于反馈、修订、辅导或评估？是否存在一些保护措施，用以应对输出结果不准确、存在偏见或可访问性方面的问题呢？

为什么报告标准在教育人工智能中至关重要

      人工智能研究中的报告标准有助于读者评估研究结果的质量、可信度和适用性。在教育领域，这一点尤为重要，因为教学与学习具有高度的情境依赖性。在一个环境中看似有效的 AI 系统，在其他环境中未必能产生类似的效果。在教育领域，尽管与人工智能相关的研究迅速扩展，但关于人工智能的报告实践仍不一致。为弥补这一缺陷，研究人员开发了 RAISE 系统，因为他们认识到，教育领域的人工智能研究需要提交能够同时涵盖实施过程中的技术层面与教学层面的报告。

      教育领域人工智能研究报告（RAISE） 框架包含 10 个领域范畴内的 30 项检查清单条目。该框架不仅关注技术性能，还鼓励研究人员阐释人工智能工具如何融入教学与学习过程。这包括报告有关教育环境、教学原理、伦理考量、实施决策以及教育工作者在人工智能支持型活动中所扮演的角色等信息。

      例如，教育情境报告要求研究者说明学习者是谁、干预措施在何处实施以及所针对的教育挑战是什么。教学理据部分需解释为何选择人工智能，以及其如何与学习目标相契合。报告教师参与情况则鼓励研究者描述教师如何支持、监督或调解学习者与人工智能系统的互动。这一点至关重要，因为人工智能工具并非脱离教育实践而独立运作；其成效取决于具体情境与人类的判断。

      RAISE 的另一大亮点在于，它通过一个 可填充的模板矩阵（如封面图）鼓励人们更明确地讨论风险与伦理问题，同时还 提供了良好与不良的报告范例 。目前关于教育领域人工智能的讨论往往集中在效率与创新方面，但从业者却越来越担忧诸如隐私、偏见、可及性以及 学习者依赖性 等问题。这些不是抽象的问题。教师们已经在应对以下种种担忧： 负责任的评价设计 以及 学生过度依赖生成式人工智能工具的问题。透明的报告机制有助于教育工作者更审慎地评估这些风险。 

      对于从业者而言，RAISE 有助于将关注点从简单地宣称某项人工智能工具“有效”，转向更具意义的问题：它在何种条件下有效、对谁有效、以及伴随哪些权衡取舍，从而协助从业者做出基于证据的决策。人工智能很可能将继续成为教育创新的重要组成部分。然而，创新需要透明、可解释且与实践相关的证据。RAISE 是一项进步举措，旨在帮助使人工智能证据对负责教育决策的人员更具意义。