时间范围：截至2026年7月4日早间，重点筛选7月3日以来公开动态，并适度纳入仍在发酵的7月1—2日政策与研究信息。
今日主线判断：AI教育正在从“工具上新”进入“课程化、治理化、证据化”阶段。过去一天最值得关注的不是某个单一AI产品，而是各地开始把AI纳入课程、学校管理、教师培训、未成年人保护和学习成效评估体系。
1. 印度旁遮普邦宣布政府学校全面引入AI课程
7月3日，《印度时报》报道，旁遮普邦政府宣布从下个月起在所有政府学校推出人工智能课程。该课程已筹备一年，目标是让公立学校学生接触新兴技术，并为高等教育和未来职业所需的数字技能做准备。报道还提到，政府将把学生对考试制度、课程和课堂教学的反馈纳入未来教育改革。
为什么值得关注：
AI教育正在从“少数学校试点”转向“公共教育系统普及”。这类政策的关键不只是开设AI课，而是如何把AI素养与普通学生的发展、评价改革和职业准备结合起来。
2. 美国休斯敦学区继续扩大AI与课堂技术应用，引发家长对屏幕时间和AI教材质量的担忧
7月3日，《休斯敦纪事报》报道，Houston ISD正在扩大教育技术与AI应用，包括AI生成课程、ChatGPT支持特殊教育合规、高中学生配备Chromebook，并计划在2026—2027学年推出面向K-8学生的“Future 2”AI相关学校模式。与此同时，家长和学生担心屏幕时间过多、AI生成材料存在错误、学生注意力和学习信任感下降。
为什么值得关注：
这非常典型地呈现了AI进校的现实冲突：学校希望让学生适应未来工作方式，家长更担心当下的注意力、真实性学习和课程质量。未来AI进校不能只讲“未来竞争力”，还必须回答“今天是否真正促进学习”。
3. 美国州级AI立法继续向学校、未成年人和教师角色延伸
Transparency Coalition 7月3日发布的州级AI立法更新显示，多个与教育相关的AI议题仍在推进：加州AB 2148已于6月30日由州长签署，明确中小学公立学校雇员或承包服务者指自然人；加州AB 2392要求公立高等教育系统在向师生提供生成式AI系统前形成采购标准与培训建议；新泽西也有法案要求教育委员会制定AI使用政策，并要求州教育部门建立模型政策。
为什么值得关注：
政策焦点正在从“AI能不能用”转向“AI不能替代谁、谁来审核、谁来承担责任”。对学校而言，AI治理的核心应是教师主导、人工复核、学生数据保护和高风险场景边界。
4. 美国教育政策界强调：AI工具能否有效，取决于实施条件
Education Commission of the States 7月1日发布文章指出，截至2026年3月，美国已有超过130项AI教育相关法案在31个州审议，至少28个州发布学校AI官方指导。但文章强调，真正重要的问题不是允许哪些工具，而是哪类AI工具在什么条件下能带来学习收益。其K-12真实课堂项目显示，同一AI工具在不同地区和学校的使用率差异很大，有的项目注册率高但实际使用率低。
为什么值得关注：
这提醒学校和教研部门：AI改革不能等同于采购平台。是否嵌入课堂时间、是否有教师支持、是否有过程数据、是否有外部研究评估，才是决定AI教育成效的关键。
5. Education Week继续追踪ISTELive 26：AI素养不是“为AI站台”，而是“学会质疑AI”
Education Week报道，缅因州教育工作者在ISTELive 26分享经验时指出，教师担心AI导致认知外包和基础能力下降，学生也担心创造力、批判性思维、就业和环境影响。缅因州的做法是开发互动式AI指导，覆盖教师使用、学生使用、伦理、隐私与安全，并强调不是让教育者做“AI啦啦队”，而是帮助师生质疑技术、评价输出。
为什么值得关注：
AI素养课程不能只教“如何写提示词”，而要教学生判断AI输出是否可靠、是否有偏见、是否替代了自己的思考，以及如何标注AI参与过程。
6. 佐治亚州教师调查显示：教师端AI使用已较普遍，但评价与学生使用仍是敏感区
佐治亚州审计部门关于K-12生成式AI使用的报告显示，13,679名教师参与调查，59%的教师表示会把生成式AI用于教学任务；教师最常用于教学准备、差异化材料和作业/测评生成，但62%的教师表示从不使用AI评分或评价学生作品。使用AI的教师中，89%认为它对自己的教学实践产生正面影响，但不少教师仍担心学生学术诚信、批判性思维和过度依赖问题。
为什么值得关注：
教师用AI“减负增效”与学生用AI“替代学习”是两类不同问题。学校制定AI规则时，应明确区分教师备课、学生练习、作业提交、评价反馈、心理支持等不同场景。
7. AIED 2026闭幕，研究主题从“AI工具”转向“AI队友”
Springer发布的AIED 2026会议论文集显示，本届国际人工智能教育大会于6月27日至7月3日在首尔举行，主题为“From tools to teammates: human-AI synergy for Augmented Learning”。会议共收录143篇长文和165篇短文，议题覆盖人机协同、学习者建模、智能辅导、可解释反馈、多模态学习分析等方向。
为什么值得关注：
研究界正在从“AI能否生成内容”转向“AI如何作为学习共同体中的协作者”。这对课堂实践意味着：AI不应只是答案生成器，而应被设计成支持提问、诊断、反馈、反思和教师判断的学习伙伴。
8. 教育NLP研究反思：教师参与不足、真实部署不足仍是短板
一篇已被ACL 2026教育NLP工作坊接收的系统综述分析了2024—2025年204篇教育技术相关NLP论文，发现教师作为研究受益者被系统性低估，仅占33.3%；真实世界部署比例只有9.8%；伦理讨论更多停留在“承认问题”，而不是转化为实际行动。
为什么值得关注：
这对AI教育研究是重要提醒：不能只围绕模型、算法和产品指标做研究，而要把教师、学生、学校情境和伦理治理真正纳入设计、验证和评价过程。
对教育工作者与研究者的3条启发
第一，AI教育要从“工具导入”升级为“场景治理”。 同一个AI工具，用于教师备课、学生写作、作业反馈、学业评价、心理支持和生涯咨询，风险完全不同，不能用同一套规则处理。
第二，AI素养课程要把“质疑AI”放在核心。 学生不仅要会使用AI，还要会判断AI输出、识别幻觉与偏见、追问证据来源、标注AI参与程度，并保留自己的思考过程。
第三，AI教育研究要更加贴近真实课堂。 未来值得重点研究的问题不是AI能不能生成材料，而是它是否改善了学生理解、提问、反思、迁移和自我调节能力，以及教师是否真正拥有主导权。
