CRPE《在不确定中领导：美国各州 K-12 AI 做法》

美国各州的 K-12 人工智能政策，普遍落后于 AI 进入课堂的速度。CRPE（亚利桑那州立大学）2026 年 9 月发布的《在不确定中领导：美国各州 K-12 AI 做法》，要回答的正是这个落差之下，州一级教育机构究竟在做什么、遇到什么阻碍。报告的作者是 Dana Harrison、Cara Pangelinan 和 Bree Dusseault。它的价值不在于给出“正确答案”——报告本身承认，没人知道 K-12 AI 的“正确”路径是什么——而在于把早期行动者的实际做法、能力和短板摊开来看。在公众对教育科技和屏幕时间的担忧上升、并占据立法议程的当下，这份材料提供了一个相对克制的观察窗口。

研究的范围和方法交代得比较清楚。数据来自三个来源、集中在 2025 年 11 月至 2026 年 4 月之间：2025 年 11 月对 29 个州教育机构（SEA）和 9 家合作机构的问卷调查；2025 年 12 月至 2026 年 4 月对 14 名 SEA 员工与领导者、以及来自 9 家合作机构的访谈；以及 2025 年 11 月至 2026 年 1 月的案头研究，形成了覆盖 20 个“早期采用者”州的公开信息数据库和简报。这些来源合计代表了 39 个美国州与属地、18 家合作机构的视角。需要说明的是，所谓“早期采用者”，指的是 2025 年秋季已在州教育优先事项中对 AI 采取了某种行动、显示出早期探索迹象的州；其中一部分由领域专家在访谈中推荐，另一部分由研究团队自行识别。

报告的判断可以概括为六条。第一，各州确实在行动，但方式很大程度上是零散、碎片化的临时做法；常见动作包括设立 AI 咨询机构、传达教育 AI 愿景、发布不具约束力的指导意见、支持 AI 素养，但多数州仍处在为更连贯的全州 AI 战略“准备条件”的阶段。第二，合作伙伴关系是 SEA 在这一领域运转的关键，它补充、有时甚至替代了 SEA 自身的能力，具体形式包括提供技术援助与专业发展、开展研究与倡导、开发技术工具。第三，有前景的州级做法有三个共同起点：清晰的领导、留出灵活性、投资于人——动态调整的指导意见，加上对专业学习、试点和地方政策制定的投入，可以推动全州范围的 AI 融合。

另外三条指向风险与条件。第四，能力约束、政治动态和相互竞争的政策信号是接下来的主要挑战；AI 带来的政策与社区沟通问题相当特殊，除了经费和能力这些老问题，SEA 还要应对公众对 AI 情绪的摇摆，并需要在各利益相关群体中深度建设 AI 素养。第五，如果放任不管，碎片化的州级行动可能扩大公平差距、让学区失去方向，尤其是那些服务高需求学生的学区——缺乏协调的州级支持，长期存在的不平等可能加深，历史上被服务不足的学生将更难获得高质量的学习体验、学业支持和学生福祉保障。第六，州级 AI 融合需要 SEA 具备有远见的领导力、投入、证据和敏捷性；换言之，需要让 SEA 成为有资源支撑的、基于证据的敏捷组织，否则全州 AI 融合仍将是不均衡且未经证实的。

这些结论的实践含义，更多落在“条件”而非“方案”上。报告明确指出，多数实施决策仍将继续发生在地方层面，但州教育机构可以塑造负责任、公平使用 AI 的环境——这意味着州一级的角色不是统一规定怎么用，而是通过指导、专业学习、试点和能力建设，把地方决策的底座垫高。反过来看，碎片化本身就是一种代价：当各州只是临时应对，学区得到的信号是混乱的，资源与保障的分配也更可能沿既有差距展开。报告还提示了一个结构性难题：SEA 被期待同时做到基于证据、反应敏捷、并且深度投入人的能力建设，而这三件事都需要长期资源，与短期政治周期并不合拍。

这份材料适合关心教育政策、教育技术与州级治理的读者，尤其是想了解“政策还没跟上技术”这一常见判断背后具体长什么样的人。读完可以拿走的，是一份关于早期采用者州行动类型、合作伙伴角色和主要瓶颈的清单式认识，以及一个明确的问题框架：州一级能做什么、缺什么。边界也需要点明：研究没有追踪具体政策或立法，没有评估 AI 是否改善学生学习结果，也没有穷尽每个州与属地的所有行动；它提供的是一份关于 SEA 员工和合作伙伴如何应对 AI、如何支持学校系统、如何在不确定中前行的观察，而不是效果评价或政策盘点。

Leading Through Uncertainty: State Approaches to AI in K–12 Education Dana Harrison, Cara Pangelinan, and Bree Dusseault SEPTEMBER 2026 LEADING THROUGH UNCERTAINTY: STATE APPROACHES TO AI IN K–12 EDUCATION Introduction AI reached K–12 classrooms before state policies on its use and role in public education did. State actors1 have taken steps to understand this new technology and put measures in place to guide its use, but most states have not yet built the coherent strategies, evidence base, or implementation supports needed to guide AI integration2 at scale. Many education leaders see AI as a means to reimagine learning , and its use is spreading among teachers, students, and employers . However, public concern about educational technology (ed tech) and screen time is rising and has dominated many legislative agendas and school policy discussions. Conflicting agendas and a desire