在新加坡的一所学校里，尽管某五年级班级 27 名学生的成绩均高于平均水平，但算法仅用三周时间就发现，其中有 18 名学生在解方程时会混淆运算顺序。
发表在《教育前沿》（Frontiers in Education）杂志上的一篇文章，总结了对欧洲和亚洲 47 所学校引入自适应平台情况的五年观察数据。研究人员追踪了人工智能和学习分析技术如何影响教师的日常教学实践以及学生的学业成果。
系统会记录每一次错误和答题用时，随后自动调整下一道练习题，使其既能巩固已掌握的知识，又能针对性地弥补特定的知识盲点。教师看到的不再是单纯的成绩单，而是一份班级典型难点分布图，并能据此获得一套时长 10 到 12 分钟的现成微课方案。这就像医生利用监测数据来精准调整治疗方案，而不是仅仅开出一份笼统的通方。
一项针对 12 所学校的随机对照研究显示，学生一个学期的学业成绩提升了 0.3 个标准差。相较于人文科目，这种效果在数学和自然科学领域表现得更为显著。然而，在人数超过 30 人的大班额教学中，这种进步幅度会缩减一半；而在网络不稳定的学校，平台频繁掉线也影响了效果。目前，尚无关于一年后该教学效果能否持续的长期追踪数据。
常规诊断的自动化减少了教师批改作业的时间，使教学重心转向数据解读和课程设计。与此同时，预算有限的学校仍面临掉队的风险：在缺乏稳定网络和硬件设备的情况下，算法根本无法运行，这进一步加剧了不同地区间教育机会的鸿沟。
当大部分诊断性评估工作交由算法处理时，教师这一职业的未来形态将会发生怎样的改变？
