Google LearnLM×Eedi：英国数学课堂 AI 辅导扩展 RCT

课堂里的 AI 辅导究竟能不能带来可累积的学习收益，而不是只在当次对话里显得有效？这份由 Google LearnLM 团队与英国数学平台 Eedi 合作的预注册随机对照试验，正是冲着这个问题设计的。它把 AI 辅导从平台内的即时表现，一路追到外部标准化测试，中间还插入一次期中考式的小测，形成一个由近及远的测量链条。材料本身也点明，教育领域的严格课堂试验仍然稀少，多数实验只评估短时接触或狭窄的任务型结果，所以这份报告的价值在于它试图补上「即时提升能否转化为持续学习」这一环。

试验在英国 10 所公立中学展开，覆盖 N=1179 名学生，持续 10 周、每周一节数学课，且为预注册设计。学生被分到四种支持条件：Eedi 平台的标准纠错支持（含精选视频与专家撰写的提示，用于化解学生的迷思概念）、人类专家一对一辅导、由专门教学提示词引导的 AI 辅导，以及在教学提示词之外再加入学生学习历史个性化上下文的 AI 辅导。与去年的探索性试验不同，这次每名学生在整个试验期内固定在一个条件下，让效果有机会累积；测量也分三层：Eedi 平台内的近迁移指标、试验中途的一次测验，以及由外部机构施测并评分的 Star Maths 标准化测评（基线与前测各一次）。

安全与质量控制是这份报告里最具体的部分。AI 辅导期间模型随版本更新，先后用到 Gemini 3 Flash、3.1 Pro 和 3.5 Flash，而人类专家导师会审阅 Gemini 起草的每一条消息，可以批准、重新生成或改写后才发给学生。全部 94,385 条草稿中，导师未作任何修改即批准的比例达到 94.7%。回顾性审计发现，每 1000 条 AI 消息中出现数学错误的不超过 3 条，与人类专家导师的准确率相当；另有 2 条草稿被标记出语气问题，但都没有发送到学生手上。参与监督与直接辅导的是 58 名有经验的数学教育者。

学习效果出现了明显的分层。在平台内的近迁移指标和期中测验上，两种 AI 辅导变体的学生表现与接受人类专家辅导的学生相近，并且明显优于只获得标准纠错支持的学生。但在 Star Maths 标准化测评上，这一优势没有重现：10 周标准纠错支持与 10 周 AI 辅导带来的进步幅度相近。报告对此给出了若干初步解释，其中之一是受辅导的学生花更多时间深入处理迷思概念，因而覆盖的材料广度变小，试验早期尤其明显。另一项探索性分析发现，辅导对 Star Maths 的影响在女生身上更有利，男生尚未看到同样的广泛收益。

这些结果的含义需要分开看，以下是我的解读。在「AI 能否在真实课堂里安全、教学上可靠地运行」这个问题上，材料给出的是相当正面的证据：近 95% 的消息无需改动即被专家放行，错误率与人类导师持平，语气问题在到达学生前被拦下，这说明「人类专家在环」的监督模式在大规模课堂中是可运转的。但在「AI 辅导能否转化为广泛评估上的可测收益」这个问题上，答案是尚未证实。报告自己提出的解释指向一个时间尺度问题：深度纠错挤占了广度覆盖，短期内的收益可能还没有积累到足以在标准化测试上显现。换句话说，近迁移有效、远迁移待考，两者之间的落差不是否定前者，而是提示评估周期与教学策略需要匹配。

这份资料适合关注教育 AI 实证研究的研究者、设计课堂 AI 产品的工程与教学团队，以及需要判断「AI 辅导能否进课堂」的教育管理者阅读，读完可以拿到一套可复用的试验骨架（预注册、按学生固定分组、三层测量、人类审阅留痕）和一组明确的安全与效果数字。同时要看清它的边界：试验只覆盖英国 10 所公立中学、10 周，AI 模型在试验期间多次换版，效果无法归因到单一模型；标准化测试上的零结果与性别差异均属探索性分析，报告本身也只把它们列为「初步解释」和「有待未来研究检验」的方向。作者提出的下一步是研究 AI 辅导的即时收益需要多长时间、在什么条件下才能在更广泛的评估上显现——这句话本身，就是对现有结论边界的诚实标注。

2026-10-29 Measuring the impact of AI tutoring, from near transfer to standardised tests: An expanded RCT in UK mathematics classrooms LearnLM Team, Google & Eedi Randomised controlled trials of AI in classrooms remain rare, and few attempt to trace the effects of AI pedagogy from individual interactions to sustained learning. Earlier this year, we conducted a pre-registered RCT with the Eedi mathematics platform and Gemini across 10 state secondary schools in the UK. Over 10 weeks of weekly mathematics lessons, the trial compared the impact of four types of support for𝑵= 1179students: standard remediation on the Eedi platform, including curated videos and expert-written hints to resolve student misconceptions; expert human tutoring; AI tutoring, guided by a specialised pedagogical prompt; and AI tutoring, guided by the pedagogical prompt and personalised