categories, tags, created, updated, source, type, aliases, status
| categories |
tags |
created |
updated |
source |
type |
aliases |
status |
|
|
| wiki |
| people |
| person/researcher |
| 教育AI |
| 哈佛大学 |
| RCT研究 |
|
2026-04-16 |
2026-04-22 |
哈佛RCT深度解读-Kestin-2025 |
|
| Greg Kestin |
| Kestin |
| 哈佛RCT研究第一作者 |
|
reviewed |
Greg Kestin
[raw:哈佛RCT深度解读-Kestin-2025:12]> 一句话简介：哈佛大学物理系教授，AI导师RCT研究第一作者，提供了教育AI领域最强因果证据
身份
| 属性 | 值 |
|
|
| 领域 |
物理教育、教育AI、实验教育学 |
| 知名身份 |
哈佛大学物理系教授、AI导师RCT研究第一作者 |
| 机构 |
哈佛大学 |
| 关键词 |
RCT、AI导师、主动学习、物理学教育 |
主要贡献
哈佛大学AI导师RCT研究（2025）
Kestin 领导的研究团队于2025年在 Nature Scientific Reports 发表了开创性的随机对照试验研究：
- 论文标题：AI Tutoring Outperforms In-Class Active Learning: an RCT Introducing a Novel Research-Based Design in an Authentic Educational Setting
- 共同作者：Kelly Miller, Anna Klales, Timothy Milbourne, Gregorio Ponti
- 期刊：Nature Scientific Reports
- DOI：10.1038/s41598-025-97652-6
- 数据开源：GitHub HarvardAItutor/Study-Data-v4
研究设计创新
| 创新点 |
描述 |
| 交叉设计（Crossover RCT） |
每名学生都经历AI辅导和课堂主动学习两种条件，控制个体差异 |
| 教学一致性控制 |
AI与课堂使用完全相同的教学材料和教学目标 |
| 真实教学场景 |
在哈佛大学 Physical Sciences 2 课程中进行，高生态效度 |
| PS2 Pal系统 |
基于GPT-4构建，融入教学最佳实践的定制化AI导师 |
核心研究结果
| 指标 |
AI辅导组 |
课堂主动学习组 |
差异 |
| 后测得分（中位数） |
4.5 |
3.5 |
+28.6% |
| 学习时间（中位数） |
49分钟 |
60分钟 |
-18.3% |
| 效应量 Cohen's d |
0.73–1.3 |
— |
大型效应 |
| 统计显著性 |
p < 10⁻⁸ |
— |
极显著 |
| 参与度（5分制） |
4.1 |
3.6 |
p < 0.001 |
| 样本量 |
194人（完成全部测试） |
— |
脱落率16.7% |
PS2 Pal AI导师系统
Kestin 团队开发的AI导师系统采用了独特的"防幻觉"架构：
- 底层模型：GPT-4
- 核心策略：预编写详细分步解析作为AI输出模板，AI根据学生具体错误匹配合适的解析
- 教学原则融入：主动学习、认知负荷管理、成长心态鼓励、个性化反馈
对Bloom 2σ问题的回应
该研究被视为对Bloom（1984）"2σ问题"的现代回应——AI导师可能是实现一对一辅导规模化、普惠化的关键路径。
研究局限性
| 局限 |
影响 |
未来方向 |
| 单一课程（物理） |
学科普适性待验证 |
多学科验证 |
| 高等教育阶段 |
K-12效果未知 |
扩展到K-12 |
| 知识理解层面 |
高阶能力未测 |
复杂任务研究 |
| 短期效果 |
长期记忆未测 |
纵向追踪 |
与其他概念的关系
来源
