欢迎来到“教育AI智造者”播客，这是一个探索【人工智能如何重新定义教育领域】的前沿平台。 在这里，我们不仅仅分享技术如何塑造未来教室的故事，同时也深入真实且多元的个人经历呈现AI在教育中的多面性。 每一期，我们邀请【教育界的AI实践者】——从前线的教育工作者到深入研究的学者，再到直接受益的学生，深挖每个故事， 分享他们与AI交织的独特旅程。 在AI的浪潮中，我们不仅找寻我们的位置，更共同塑造这个新时代的面貌。 加入我们，一起在“教育AI智造者”见证教育未来的无限可能！ ------------------------------------------------------------------------------------ 关于伊伊子的小红书：爱思考的伊伊子 AI+教育社群: 小红🍠教育者社群 嘉宾自荐/推荐：小红书/邮箱(yi.wang.ed.ai@gmail.com)
Language
🇨🇳
Publishing Since
4/26/2024
Pitch yourself as a guest, propose sponsorships, or reach out directly to the host.
June 12, 2026
最近有一段时间没有更新《教育AI智造者》。其实这几个月我一直在录节目，只是把大部分时间都花在了一个新的采访计划上。<br>从今年二月份开始，我陆续采访了很多老师。一开始，我只是单纯好奇。过去几年，我们讨论 AI 的时候，经常听到的是程序员、创业者、产品经理。但我越来越想知道：<br>* 如果把目光放回教育现场，会发生什么？<br>* 当一个老师拥有了过去只有工程师才拥有的能力之后，他们会拿这些能力做什么？<br>* 他们会怎么理解 AI？<br>* 又会如何把 AI 带进自己的课堂、教学系统，甚至教育产品里？<br>原本我计划把这些访谈整理成一期大型专题节目，但后来发现，无论是剪辑还是内容整理，工作量都远远超出了我的预期。而 AI 的发展又实在太快。与其继续等待那个完美版本，不如先把这些有价值的对话分享出来。<br>所以从这一期开始，我会陆续发布一个新的系列：《教育人与 Vibe Coding》。在这个系列里，你会听到不同老师如何...<a href="https://www.xiaoyuzhoufm.com/episode/6a2b70644233e62bc54875ed?utm_source=rss&as=cHQ9MTIyNjE5MjQ3JmN0PWFwcGxlcG9kY2FzdF9zaG93bm90ZXMmbXQ9OA%3D%3D">去小宇宙查看完整单集简介</a><br><a href="https://oia.xiaoyuzhoufm.com/player/6a2b70644233e62bc54875ed?openTranscript=true&utm_source=rss&as=cHQ9MTIyNjE5MjQ3JmN0PXJzcyZtdD04&autoOpen=false">在小宇宙查看该单集文稿</a>
April 13, 2026
<p>Hello 大家好，欢迎来到教育AI智造者播客。</p><p>这一期我想聊一个让我“停下来想很久”的开源项目：<a href="https://github.com/yh2072/edgameclaw">EdGameClaw</a>。它做的事情表面上很简单——把教材变成游戏。但如果你往深里看，它其实在挑战一个更本质的问题：<br> <strong>当AI进入教育，我们到底是在“生成内容”，还是在“重构学习体验”？</strong></p><p>今天我们看到的大多数AI教育产品，本质上还是在优化“信息的输入与输出”：更快生成讲义、更个性化推荐、更高效刷题。但这个项目的出发点完全不一样——它试图把<strong>学习本身变成一个可交互、可试错、有反馈循环的系统</strong>。</p><p>这也让一个被反复提及但经常被误解的概念重新浮现：<strong>游戏化学习（Gamification）</strong>。<br>但问题是，我们真的理解“游戏化”吗？<br>是积分、徽章、排行榜，还是一种更底层的——把“学习机制”嵌入“交互机制”的设计？</p><p>在这期对话里，我和项目作者小杭一起拆解了几个关键问题：</p><ul> <li>为什么大多数“游戏化学习”产品，其实并没有改变学习的发生方式？</li> <li>为什么“试错 + 即时反馈”的机制，比内容本身更接近学习的本质？</li> <li>当AI可以自动生成代码与游戏时，人类在学习过程中的“心智模型”会不会被削弱？</li> <li>为什么“让人先提供教材”，反而是一种更严肃的AI设计选择？</li> <li>以及，一个坚持开源、强调教学法对齐的项目，在未来AI教育生态中意味着什么？</li></ul><p>如果你是一位老师、教育产品经理、研究者，或者正在思考AI如何真正改变学习，这一期不会给你轻松的答案，但会给你一个非常清晰的判断标准：</p><p><strong>AI 不应该只是加速内容生成，而应该重构学习发生的机制。</strong></p><h1>🧭 内容大纲</h1><h3>🧩 从“游戏化”误区开始</h3><ul> <li>游戏化 ≠ 积分、徽章、排行榜</li> <li>为什么大多数AI教育产品仍停留在“内容层”</li> <li>本期核心问题：AI是在生成内容，还是重构学习机制？</li></ul><h3>🎮 EdGameClaw 在做什么</h3><ul> <li>教材 → 游戏：从内容到交互的转化路径</li> <li>为什么强调“用真实教材作为输入”</li> <li>HTML + pixel 的选择：不是技术限制，而是策略设计</li></ul><h3>🧠 游戏机制 × 学习机制</h3><ul> <li>核心命题：mechanics must align with learning</li> <li>trial & error 为什么比讲解更重要</li> <li>拖拽（drag & drop）带来的 agency 与参与感</li></ul><h3>⚡ 神经科学视角：为什么游戏有效</h3><ul> <li>reward loop：行为 → 反馈 → 预测更新</li> <li>predictive coding 与强化学习的关系</li> <li>情绪在学习中的作用：困惑、挫败、心流</li></ul><h3>🔁 学习的本质：认知冲突与反馈闭环</h3><ul> <li>productive failure：先失败再理解</li> <li>为什么“卡住”是学习的起点</li> <li>游戏如何天然支持认知冲突的触发</li></ul><h3>🤖 AI参与学习：机会与风险</h3><ul> <li>AI能做什么：生成、监测、反馈</li> <li>AI做不到什么：理解个体长期状态</li> <li>情绪识别、多模态数据与隐私边界</li></ul><h3>🧱 开发者视角：AI原生产品的真实难点</h3><ul> <li>幻觉问题与“让人提供教材”的设计逻辑</li> <li>sandbox + judge + iterative refinement 的工程流程</li> <li>为什么“代码能生成 ≠ 产品能成立”</li></ul><h3>🧬 心智模型的消失与重建</h3><ul> <li>AI写代码时代，学习是否还必要？</li> <li>junior engineer案例：错过的不是答案，而是过程</li> <li>cognitive apprenticeship 与 tacit knowledge</li></ul><h3>🌱 开源与动机：为什么要公开</h3><ul> <li>从副业变现到“让方向被看见”</li> <li>开源作为一种知识扩散机制</li> <li>community 在教育AI中的潜在价值</li></ul><h3>🔮 未来想象：AI × 游戏 × 教育</h3><ul> <li>低门槛创作游戏的可能性</li> <li>游戏经济系统、数值系统的教育潜力</li> <li>framework first, app second：从产品到范式</li></ul><p><strong>-----------------------关于伊伊子----------------------</strong></p><p><strong>伊伊子的</strong><a href="https://www.xiaohongshu.com/user/profile/5e4b2dec0000000001006a5c?wechatWid=93b4a36ba01f6ec7b1e7b561ca0c1b3e"><strong>小红书传送门</strong></a></p><p><strong>----------------------关于听友群-----------------------</strong></p><p>如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧<a href="https://www.wjx.cn/vm/mOT2HkZ.aspx#">点击链接</a>，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊</p><blockquote>请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！</blockquote><p><img src="https://image.xyzcdn.net/FrXBhL2_Ao8E9qQw6iXwCgGmiKpw.jpg"/></p><p><strong>--------------------相关词介绍-------------------</strong></p><h3><strong>1. 游戏化学习（Gamification）</strong></h3><p>通常被简化为积分、徽章、排行榜等激励机制，但本质上应是将游戏中的反馈机制、目标系统与挑战结构嵌入学习过程。真正的游戏化不是“包装学习”，而是通过设计交互，让学习过程本身具备探索性与参与感，从而提升内在动机。</p><h3><strong>2. 游戏机制 × 学习机制对齐（Mechanics Alignment）</strong></h3><p>指游戏中的操作方式（如拖拽、决策、资源分配）必须直接承载学习目标，而不是附着在内容之上。若机制与学习脱节，游戏只会成为表层娱乐；只有当操作本身就是认知过程的一部分，学习才真正发生。</p><h3><strong>3. Trial and Error（试错学习）</strong></h3><p>学习者通过不断尝试、失败、调整策略来逼近正确理解的过程。相比直接讲解，试错能够激发更深层的认知参与，因为它迫使学习者构建和修正自己的理解模型，是建构主义学习的重要机制。</p><h3><strong>4. Reward Loop（奖励循环）</strong></h3><p>源于神经科学，指行为触发反馈并产生多巴胺，从而强化行为的循环机制。在学习中，这种循环表现为“尝试—反馈—调整—再尝试”，如果反馈及时且清晰，就能维持持续参与和动力。</p><h3><strong>5. Predictive Coding（预测编码）</strong></h3><p>大脑不断预测外界信息，并通过误差修正来更新认知模型的机制。学习本质上是减少预测误差的过程，而游戏中的即时反馈正好提供了这种“预测—修正”的高频循环。</p><h3><strong>6. Cognitive Emotion（认知情绪）</strong></h3><p>与学习直接相关的情绪状态，如困惑、无聊、挫败、心流等。相比基础情绪，这些状态更直接影响学习效率。有效的学习设计需要调节这些情绪，而游戏机制天然具备这种调节能力。</p><h3><strong>7. Productive Failure（建设性失败）</strong></h3><p>一种教学策略，鼓励学习者在获得正确答案前先经历失败，从而激发认知冲突。研究表明，这种方式可以促进更深层理解，因为学习者在失败中主动构建知识框架。</p><h3><strong>8. Agency（主导力）</strong></h3><p>学习者对自身学习过程的控制感，包括选择、决策和行动的能力。当学习者感到“是我在驱动这个过程”，而不是被动接受时，动机会显著增强。游戏中的互动设计通常能强化这种感受。</p><h3><strong>9. Mental Model（心智模型）</strong></h3><p>个体对某一领域内部结构和逻辑关系的理解方式。它不是显性的知识点集合，而是在实践和反馈中逐步形成的认知结构。AI可以提供答案，但无法替代心智模型的构建过程。</p><h3><strong>10. AI Hallucination（AI幻觉）</strong></h3><p>指AI生成看似合理但实际错误的信息。在教育场景中尤其危险，因为它可能污染知识源。EdGameClaw选择让用户提供教材，本质是为了控制输入质量，从源头降低幻觉风险。</p>
March 28, 2026
<p>Hello 大家好，欢迎来到教育AI智造者播客。</p><p>这一期，我们直面一个在AI时代越来越难回避、却被反复“简化”的问题：<br> <strong>当AI可以完成越来越多“看起来像学习成果”的事情时，我们到底在评估什么？</strong></p><p>在过去两年，关于AI进入教育的讨论，大多集中在效率、工具、甚至伦理层面。但在这次对话中，我逐渐意识到：真正被低估、甚至被忽略的，是 assessment ——评估本身。</p><p>当一个学生可以用AI写出更好的代码、更完整的论文、更流畅的表达，我们看到的“成果”，还等于这个学生的能力吗？<br>当检测AI的工具本身也不可靠，甚至无法作为证据，我们又凭什么去判断“作弊”？<br>当老师说“鼓励使用AI”，学生却直接用AI完成全部作业，这到底是理解偏差，还是系统设计的问题？</p><p>这一期我邀请到的嘉宾是韩文林教授，一位同时身处计算机科学、教学一线，以及AI评估标准建设的实践者。她提出了一个非常关键的视角：<br> <strong>AI改变的，可能不是学习本身，而是我们判断“学习是否发生”的方式。</strong></p><p>在这场对话中，我们不仅讨论了：</p><ul> <li>为什么AI检测工具在逻辑上很难成立</li> <li>为什么“允许/鼓励使用AI”会带来系统性混乱</li> <li>为什么完成任务 ≠ 学会能力</li></ul><p>更重要的是，我们逐渐走向一个更底层的问题：</p><p>👉 在AI时代，我们评估的，还是“人”，还是“人+AI的系统”？<br>👉 评估，到底是技术问题，还是认知与信任的问题？</p><p>如果你是老师、研究者、产品设计者，或者正在用AI学习的人，这一期可能不会给你一个简单答案，但会帮你看清一个更底层的变化：</p><p><strong>评估，正在从“结果判断”，变成“学习如何发生”的再定义</strong></p><p>韩教授主办的AAB(AI Assessment Board) 网址：www.aaboard.org</p><h1>🧭 内容大纲</h1><h3>🧩 AI来了，但我们还在用旧的评估逻辑</h3><ul> <li>AI可以生成答案，但“答案”不再等于能力</li> <li>assessment 被忽视，但其实是最核心问题</li> <li>学习的证据，开始变得不可信</li></ul><h3>⚡ 第一波冲击：作业突然“变好了”</h3><ul> <li>学生项目质量整体提升，而不是个别作弊</li> <li>教师凭经验判断：这是AI带来的结构性变化</li> <li>旧的rubric在新能力面前失效</li></ul><h3>⚖️ AI作弊检测：一个逻辑上站不住的系统</h3><ul> <li>AI detector 只能给“概率”，无法给“证据”</li> <li>学生申诉几乎必然成功</li> <li>对比 Turnitin：有来源 vs 无来源</li></ul><h3>🧠 评估崩塌的本质：边界无法定义</h3><ul> <li>“允许 / 鼓励 / 禁止”AI → 每个人理解不同</li> <li>60%用AI？怎么量化？按代码量还是思路？</li> <li>教师与学生对“合理使用”的认知完全错位</li></ul><h3>🔄 从“评估人”到“评估人+AI系统”</h3><ul> <li>计算机课程已开始评估人机协作能力</li> <li>不再只看代码，而看“如何用AI完成任务”</li> <li>课程体系被整体重构</li></ul><h3>🧪 完成任务 ≠ 学会能力</h3><ul> <li>任务完成只是“样本”，不是能力本身</li> <li>真正关键：迁移能力（举一反三）</li> <li>AI可以加速任务，但不保证形成认知结构</li></ul><h3>🌐 AI Assessment Board：从“共识”走向“事实”</h3><ul> <li>不先定义标准，而先收集真实案例</li> <li>用数据找pattern，而不是专家拍脑袋</li> <li>从实践中抽取“不可替代能力”</li></ul><h3>🧭 收束：评估不再是技术问题，而是哲学问题</h3><ul> <li>我们是否一直在用“产出”替代“理解”？</li> <li>我们是否误把“完成”当作“掌握”？</li> <li>在AI时代，什么才算真正的学习？</li></ul><p><strong>-----------------------关于伊伊子----------------------</strong></p><p>伊伊子的<a href="https://www.xiaohongshu.com/user/profile/5e4b2dec0000000001006a5c?wechatWid=93b4a36ba01f6ec7b1e7b561ca0c1b3e">小红书传送门</a></p><p><strong>----------------------关于听友群-----------------------</strong></p><p>如果您对AI和教育的融合充满兴趣，欢迎填写我们的听友群入群申请问卷！🎧<a href="https://www.wjx.cn/vm/mOT2HkZ.aspx#">点击链接</a>，或扫码，与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验，并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇，共同成长！😊</p><blockquote>请大家在填写微信联系方式时，务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家！</blockquote><p><img src="https://image.xyzcdn.net/FrXBhL2_Ao8E9qQw6iXwCgGmiKpw.jpg"/></p><p><strong>--------------------相关词介绍-------------------</strong></p><p><strong>Assessment（评估）</strong><br>在AI时代，从“结果验证”转向“学习证据的定义”。不再只是打分工具，而是决定什么被视为能力的核心机制。</p><p><strong>Test-Based Learning (TBL)</strong><br>以考试为核心的学习方式，依赖标准答案与个体输出。在AI时代最容易被替代与冲击。</p><p><strong>Project-Based Learning (PBL)</strong><br>通过项目完成任务进行学习。原本被认为更真实，但在AI加持下也出现“代做式完成”的问题。</p><p><strong>AI Detector（AI检测器）</strong><br>试图判断文本是否由AI生成的工具，但由于缺乏可验证来源，在教育场景中难以作为有效证据。</p><p><strong>Turnitin（查重系统）</strong><br>基于已有文本数据库进行比对的工具，因“有来源证据”而成立，对比凸显AI检测的逻辑问题。</p><p><strong>Rubric（评分标准）</strong><br>教师用于评估学生表现的标准体系。在AI时代失效，因为无法区分“能力 vs 工具增强”。</p><p><strong>Human-AI Collaboration（人机协作）</strong><br>新的能力单位。学生不再是独立个体，而是与AI共同完成任务的系统。</p><p><strong>Transfer（迁移能力）</strong><br>将知识应用到新情境的能力。是区分“学会”与“完成任务”的核心指标。</p><p><strong>Feynman Technique（费曼学习法）</strong><br>通过解释来验证理解。在AI时代成为重要“反作弊”与“验证真实理解”的方式。</p><p><strong>Formative Assessment（形成性评估）</strong><br>关注学习过程，例如与AI的互动记录。相比结果，更能反映真实学习。</p><p><strong>Summative Assessment（终结性评估）</strong><br>关注最终成果（考试、作业）。在AI时代逐渐失去可信度。</p>
Guests from recent episodes — sign up to see every guest that has ever appeared on this show.
Tyrone Davis
Guest
Guang Sui
Guest
伊伊子
Guest
James Diamond
Guest
Have a different question and can't find the answer you're looking for? Reach out to our support team by sending us an email and we'll get back to you as soon as we can.
欢迎来到“教育AI智造者”播客，这是一个探索【人工智能如何重新定义教育领域】的前沿平台。
在这里，我们不仅仅分享技术如何塑造未来教室的故事，同时也深入真实且多元的个人经历呈现AI在教育中的多面性。
每一期，我们邀请【教育界的AI实践者】——从前线的教育工作者到深入研究的学者，再到直接受益的学生，深挖每个故事， 分享他们与AI交织的独特旅程。
在AI的浪潮中，我们不仅找寻我们的位置，更共同塑造这个新时代的面貌。
加入我们，一起在“教育AI智造者”见证教育未来的无限可能！
关于伊伊子的小红书：爱思考的伊伊子 AI+教育社群: 小红🍠教育者社群 嘉宾自荐/推荐：小红书/邮箱(yi.wang.ed.ai@gmail.com)
This podcast updates daily.
This podcast is available on 7 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.
Yes, this podcast regularly features guests.
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at hey@podengine.ai for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.