AI驱动的教学变革：英国继续教育领域大语言模型应用效果评估研究

本文是SaadiaAdnan于2026年6月7日在GitHub发布的实证研究，聚焦TeacherMatic平台在英国继续教育（FE）领域的应用效果。研究核心是分析大语言模型（LLM）如何影响教师教学实践，评估AI工具的落地效果。主要发现包括：AI能显著提升教师效率（如课程大纲设计时间缩短75%），但需人工审核修正；最优模式为“AI初稿+人工精修”；同时存在AI幻觉、偏见等挑战。研究为教育AI的开发与应用提供了关键启示。

2022年底ChatGPT引发全球对生成式AI的关注，教育行业也期待LLM重塑教学。但技术潜力与实际落地存在鸿沟，需实证研究回答教师接受度、效率提升等问题。英国FE领域（16岁以上非高等教育）有独特挑战：学生多样性、资源约束、实用导向、教师负荷重，使其成为AI工具的理想试验场——若AI能在此帮助教师，推广价值更显著。

TeacherMatic定位为教育工作者的AI辅助平台，基于LLM技术，旨在自动化重复性教学准备任务，核心价值是“让教师回归教学”。功能模块包括：课程内容生成（大纲、学习目标等）、教学资源开发（讲义、差异化材料）、评估与反馈（测验生成、作业反馈草稿）。技术架构上，通过提示工程转化通用AI为教育专用功能，包含领域知识注入、输出格式化、质量过滤等。

研究目标包括分析TeacherMatic的使用模式、满意度、效率影响、质量影响及持续使用意愿。数据来源涵盖平台日志（用户行为）、用户调研（主观反馈）、内容分析（材料质量）、对比实验（使用前后对比）。分析方法采用Python工具链：描述性统计（活跃度、使用频率）、用户细分（聚类、RFM模型）、满意度分析（李克特量表、情感分析）、因果推断（PSM、差分法）。

使用模式：高频功能为课程大纲生成、测验题目创建、差异化材料；使用时段集中在学期初备课、每周固定备课、评估周期。效率提升：课程大纲设计时间从2小时缩短到30分钟（提升75%），但需人工审核；“AI初稿+人工精修”效果最佳。满意度：整体评分约4.2/5.0，痛点包括AI幻觉、通用性过强、格式限制等。留存率：存在“新奇效应”，持续使用受初期强度、学科、机构支持等因素影响。

教师角色演变：从内容生产者变为策展人、从知识传授者变为引导者、从孤立工作者变为协作学习者。挑战：AI幻觉（传播错误知识）、偏见（文化/语言/学科偏见）、隐私（数据处理）与学术诚信问题。开发启示：以教师为中心设计（理解工作流程、渐进式功能）、人机协作最优模式（AI初稿+人工精修）、机构层面支持（领导力、同伴学习网络）。

局限性：样本为早期采用者，代表性不足；观察性研究难以确立严格因果关系；研究时间短，未捕捉长期效应。未来方向：纳入学生视角（感知质量、学习动机）、跨文化比较（不同教育体系）、成本效益分析（机构经济价值）。