备课省时，不等于教学方式改变
EEF ChatGPT 备课随机试验涉及 259 名教师，备课时间从 81.5 分钟降至 56.2 分钟，减少 31%。Oak Aila 试验显示每周省 49 分钟，但只支持 7% 的课，不到 1/5 的教师说它改变了教学。
证据区
先分清：省时、做得更好，还是独立学会了？
局部效率与短期学习改善有支持；AI 的净增益、长期独立能力，以及成人语言学习的真人迁移，需要分开评估。“带有 AI 的项目有效”，不等于“项目收益都来自 AI”。
流程 × 结果类型证据热图
正向结果
条件不一／未见显著损害
负向结果
留白＝缺证；留白不代表零效果
| 学习／教学流程与判定边界 | 省时 | 即时表现 | 延迟独立表现 | 真人迁移 |
|---|---|---|---|---|
| 教师备课／出题 | ● 备课省时 | |||
| 教师／辅导员实时支援 | ● 掌握率提高 | |||
| 作业答疑：无护栏通用 AI |
● 练习提高E2 · A
△ 作业提高E5 · C · 观察性
|
● 撤除后考试受损E2 · A
△ 考试下降相关E5 · C · 非随机
|
||
| 作业答疑：护栏／苏格拉底式 | ◐ 时长结果不一 | ◐ 特定设计正向 | ◐ 非统一结论 | |
| 校内结构化 AI 辅导：全学年 | ◐ 项目测验小幅增益 | |||
| 课后／低资源地区结构化辅导 | ◐ 配套项目短期正向 | |||
| AI 起草＋专家监督答疑 | △ 后续新题正向信号 | |||
| 自适应练习／诊断 | ||||
| 阅读朗读／口语纠音 | ||||
| 语言口语陪练 | ◐ 部分短期指标正向 | |||
| 深度思考／写作独立性 | ||||
| 自主持续参与 | ||||
| 全 AI 学校模式 |
“练习更好”与“撤掉后更好”会分离
Bastani 等对约 1,000 名高中生的随机研究中，无护栏版本使练习表现提高 48%，但闭卷考试下降 17%；护栏版练习提高 127%，考试未见显著损害。该研究有勘误。
E2 · A · 2025-06-25。无显著损害不等于已经证明安全。
辅助真人：掌握率与近迁移的信号
Tutor CoPilot 涉及 900 名辅导员、1,800 名学生，学生掌握率提高 4 个百分点，弱辅导员的学生提高 9 个百分点；成本约每位辅导员每年 20 美元。
Eedi×LearnLM 的 165 人探索性随机试验中，专家逐条审改 AI 草稿；后续新题表现为 66.2% vs 60.7%，76.4% 的草稿无需或仅需极小修改。
E4 · B · 2024-10；E8 · C · 2025-12。E8 与纯真人辅导相比不劣，但仍是探索性、近迁移证据。
两类不能混读的风险材料
中国县域研究涉及 26,811 名学生，作业 +18%、考试 −20%、中考 −24%。这是观察性双重差分，非随机，不能与 E2 合并为同一种因果证据。
Alpha School 关联学校 Unbound 的实际达标为 10%／28%，预测为 60%／65%；实际与预测的落差并不是实验效果。
标准差单位效应量：展示结果，不排“谁最有效”
只放本次核实、以 SD／σ／g 报告的结果。不同研究的样本、时长、任务、对照与设计不同，不可直接比较；标准化单位并不会消除这些差异。
读图边界：E1 的线段仅表示研究报告的年效应范围，不解释为置信区间；B1 是生成式 AI 之前的自适应基线；L1 是整体语言表现，不专指口语或生成式 AI 陪练。百分比、百分点及其他指标不混入此图。
E1 · Khanmigo：0.06–0.08 SD／年
E3 · 哈佛物理 AI 导师：0.63 SD
E6 · 尼日利亚课后项目：英语 0.23 SD
E7 · DeepMind 塞拉利昂：0.258 SD
B1 · Mindspark 非生成式 AI 基线：数学 0.36σ
L1 · AI 与语言学习元分析：g＝0.484
使用剂量：接触过，不等于真正练过
Khanmigo 的难点不只在“模型会不会教”，也在学生是否主动使用。E1 与 E15 分别成组展示；即使在同一组内，分母与项目口径也不同，不能拼成转化漏斗。
E1 · Khanmigo 两年试验
试用过96%
中位学生：发消息的练习日1/3
中位学生：发消息的出错环节17%
E15 · Stanford SCALE 多项目材料
从未用过辅导40–47%
从未登录41%
达到剂量5%
E1：用了聊天，不一定用了教学
试验在每日补救数学课中进行。学生发消息时，多为直接报答案或点击推荐提示。Sal Khan 对 Chalkbeat 将多数学生的体验称为 “non-event”。
使用行为：E1 · B · 2026-08。引述为媒体口径，本次未取得原始链接与单项日期。
E14：把提示放回掌握式流程
NUMI 随机试验涉及 6,000+ 名初中生。与纯 CAL（传统计算机辅助练习，不含生成式 AI）相比，AI 组练得更慢、做题更少，但答错后的下一次作答更准确；嵌入掌握式流程时，一周后测验出现边际显著收益，主要集中在已练习过的材料。
E14 · B · 2026。这不是“聊天越多越有效”的证据。
核心未解：低登录不等于低动机，在线时长不等于有效练习，试用率也不等于学习投入。
产品全景：四类供给，四种不同的证据问题
产品能力、用户规模和学习成效分开呈现。免费、开源、用户多或融资多，都不自动构成学习效果证据。
教学端与通用 AI 辅导
| 产品 | 公开功能／定位 | 证据与边界 |
|---|---|---|
| Khanmigo | 可汗学院学生端苏格拉底式辅导；教师端免费。 | 最强证据为 E1 · B · 2026-08，大规模随机试验效果小。WSJ 曾报道基础算术出错；该媒体条目的日期与链接未列。 |
| OpenMAIC | 清华 THU-MAIC 多智能体“AI 课堂”；把主题或材料变成有老师、同学角色的互动课。开源、可自部署。 | MIT 许可；GitHub 40,331 星，快照 2026-10-11。论文标识 arXiv 2409.03512。尚无独立学习成效研究；项目资料不作效果证据。 |
| DeepTutor | 港大 HKUDS 的个人知识库式辅导／解题。 | Apache-2.0；GitHub 41,098 星，快照 2026-10-11。开源项目资料不代表学习成效。 |
| ChatGPT Study Mode | 2025-07-29 上线，采用苏格拉底式引导。 | 学生可以随时关闭。EdWeek 指出这是护栏弱点；产品与媒体口径，不等于独立成效结论。 |
| Gemini | Guided Learning：2025-08；Gemini in Classroom：ISTE 2025，面向教师免费。 | 产品功能与发布口径；不等于学习效果证据。 |
| Oak National Academy Aila | 英国公立免费备课助手。 | E10 · A · 2026-10-07 支持特定备课任务省时；课堂覆盖与教学改变有限。 |
| Cambridge Write & Improve | 剑桥英语免费写作自动反馈，支撑“写—反馈—重写”。 | 本页未找到独立效果研究；单项日期未列。 |
| MagicSchool／Brisk | 教师工具。 | 用户数为厂商自报且本页未核实，不列数字。 |
中国作业与学习机生态
豆包爱学与学习机份额
豆包爱学由字节推出，提供拍照解题与讲解。QuestMobile 口径 MAU 为 1943.81 万。学习机市场中，作业帮份额 32.9%，学而思 20%+；小猿持续推出 AI 学习机。
豆包爱学：D · QuestMobile 口径、2026-09 报道。学习机份额：2026 Q1，本次未取得原始链接，未单独评级。
有道与松鼠 AI
网易有道 2026 Q2 营收 14.7 亿元，AI 订阅约 1 亿元。松鼠 AI 自称服务 5,200 万学生，独立证据弱。
有道：季度数据来自二手汇总，本次未取得原始链接，未单独评级。松鼠 AI：D · TIME 转述厂商口径，单项日期未列；见 E16。
关键警示：中国县域研究观察到拍照搜题／AI 作业普及与考试成绩下降相关，但它是观察性双重差分、非随机，不能据此认定每个学习机或拍照解题产品都有相同因果效果。E5 · C · 2026-09-15
语言学习产品
Duolingo、Speak、Praktika、ELSA、Babbel Speak、Loora、Busuu Conversations、Talkpal、Google Translate Practice，以及有道 Hi Echo、流利说，集中覆盖课程、纠音与口语练习。
HelloChinese、SuperChinese、DuChinese、LingoDeer、Pleco、Anki 则构成国际中文学习的重要产品与资源组合。功能与效果需要分开判断。
动机与好奇心相关产品
Duolingo 的连胜、联赛与 Streak Revival；Khan 的掌握度进度；Brilliant 式交互解谜；Anki／FSRS 间隔重复；Speak 情景课与 Praktika 虚拟形象角色扮演。
另一类需求强调“真人内容”：Recabulary 真人发音，以及 DuChinese、The Chairman's Bao 分级读物。产品提供参与机制，不等于已经证明长期动机或真人迁移。
语言学习：AI 扩大了练习供给，尚未跨过真人迁移的证据缺口
需要拆开看：平台规模、内容生产、短期语言表现、焦虑与交流意愿，以及没有 AI 时的真人任务。它们不是同一个结果。
Duolingo 2026 Q2：商业规模不是学习深度
以下卡片与留存数据均来自 2026 Q2 股东信（SEC），等级 D：厂商自报。本次未核实 MAU 与营收增速，不补算。
- DAU · 日活跃用户
- 5,870万
增速 +23%
- MAU · 月活跃用户
- 1.406亿
增速：未核实
- 付费订阅
- 1,270万
增速 +17%
- 营收
- 2.985亿美元
增速：未核实
- 预订额
- 2.891亿美元
增速 +8%
同一季度披露的当前用户留存率 CURR 为 84%，Streak Revival 为 1,540 万次。这些是平台参与与商业指标，不是语言迁移指标。
D · 2026 Q2 · 股东信。
AI 改变了内容生产规模
2026 Q1 DAU 为 5,650 万；单季新上线 20,500 个单元，而 2024 年每季约 1,800 个。厂商将这一扩张归于 AI 生成内容。
Duolingo Score 课程上限为 129（B2）；Video Call 每通话说出词数翻倍以上；目标为 2028 年 DAU 1 亿。
D · 2026 Q1 产品／厂商口径；本次未取得该组数据的单项原始链接。
“AI-first”与口语开放
2025-04 的“AI-first”备忘录引发用户反弹；Fortune 在 2025-08-18 报道 CEO 回应。
2026-02 官方宣布把 Video Call 下放到 Super 档，并扩大免费口语题；官方社区帖明确表示对话练习不应只放在最高付费档。
D · 厂商／媒体口径。官方社区帖，2026-02-26；Fortune 原始链接未列。
观点／推断
预订额增速 +8% 低于 DAU 增速 +23%，本报告据此推断变现在放缓、增长更依赖免费用户。这是对商业指标的解释，不是学习效果结论。
所用数字：D · 2026 Q2 · Duolingo 股东信。
学习效果仍要另看：自家研究 DRR-24-04 称，学完 A2 后口语达到 ACTFL Novice High（美国外语教学委员会量表的“初级上”）（L3 · D · 2024）。Smith／Jiang／Peters 发表于 LLT（《语言学习与技术》，Language Learning & Technology 期刊）的研究只有 48 人、无对照组（L4 · C · 2024）。本次材料缺少外部独立长期研究。
AI 原生口语平台：以英语为主
| 产品 | 定位 | 关键数据／功能与等级 | 来源与日期 |
|---|---|---|---|
| Speak | 韩国起家、OpenAI 投资的口语陪练。 | 融资 7,800 万美元，估值 10 亿美元；年化收入 1 亿美元+。D。 | siliconangle，2024-12-10；Yahoo Finance。融资时间 2024-12；年化收入条目日期未列。 |
| Praktika | AI 虚拟形象家教。 | 融资 3,550 万美元，MAU 120 万。D。 | Yahoo Finance；日期未列。 |
| ELSA Speak | 发音纠正。 | 用户 5,000 万。D。 | VnExpress；日期未列。 |
| Loora | 以色列 AI 英语家教。 | 融资 2,200 万美元，约 1,500 万用户。D。 | Globes；日期未列。 |
| Babbel Speak | 老牌课程加 AI 口语。 | 产品发布。D。 | Babbel 新闻稿；日期未列。 |
| Busuu Conversations | AI 对话练习。 | 产品功能；未见独立成效证据。 | 单项来源与日期未列。 |
| Google Translate Practice | 免费个性化听说练习。 | 免费。D。 | Google 博客；2025-08。 |
| Talkpal | GPT 陪练。 | 自报数字前后不一致，不采用。 | 单项来源与日期未列。 |
中国英语学习
有道 Hi Echo 是 2023-10-11 发布的 AI 口语陪练虚拟人。流利说自报累计用户 2.537 亿。豆包与学习机也内置英语口语对话。
Hi Echo：产品发布口径。流利说：D · 官方介绍，用户数统计日期未列。
观点／推断
中国用户的“哑巴英语”痛点与 AI 陪练高度匹配，但缺少独立效果研究。
国际中文：功能加入了，反馈可信度仍待判断
HelloChinese、SuperChinese 都已加入 AI 功能；用户数未核实，不列。LingoDeer 已转向生成式 AI 课程与 AI 聊天导师，社区中也出现寻找“非 AI”替代的声音。
DuChinese、The Chairman's Bao 分级读物、Pleco 与 Anki 被反复推荐为可靠资源；“真人制作”成为部分学习者的信任锚点。
产品描述日期未逐项列明；社区声音见 2026-09-22 帖与2025-10-13 帖。用户帖不作效果证据。
“敢开口”有信号，“面对真人能说”仍缺验证
| 证据 | 样本与日期 | 报告了什么 | 不能推成什么 |
|---|---|---|---|
| L1 · A Wang 等 RER 元分析 |
28 项研究；2024。 | 整体语言表现 g＝0.484。 | 不是生成式口语陪练的专门效果，也不是成人中文真人迁移。 |
| L2 · C Huang & Kakham |
83 人；2026。 | 口语 d＝1.09；焦虑组间差异不显著。 | 不能把口语指标改善等同于焦虑已下降。 |
| M4 · B AI 与学业焦虑元分析 |
样本未列；2026。 | g＝−0.65，焦虑下降。 | 不能据此消除与 L2 不一致的结果，也不能自动外推到真人场景。 |
| M5 · C Susoy |
48 人；2025。 | 焦虑—成绩相关：真人考官 r＝−0.50，AI 考官 r＝−0.042。 | 相关关系不同，不等于证明 AI 降低了焦虑。 |
| M6 · C Xu |
420 人；2026。 | 问卷 + 结构方程模型（SEM）：AI 使用与交流意愿的关系，属相关分析。 | 交流意愿不是经真人任务验证的交流能力。 |
| L6 · C CHI'26 低资源学校田野研究 |
德里 4 所学校；6 天观察与访谈；2026-01。 | 自报口语信心提升；学生要开放对话，校方要课程对齐评估。 | 自报信心不等于独立能力，也不能直接外推到成人国际中文。 |
声调反馈的边界：Wu 的特定系统在朗读样本上，普通话声调诊断约 80% 准确。按该准确率作直观换算，约每 5 次反馈可能有 1 次出错；这不是所有产品的统一错误率，也不是纠音带来学习提升的证据。
观点／推断
AI 更适合作为“排练室”，不能代替“舞台”。从 AI 排练到低风险真人交流，再到真实任务，应被当成需要设计和检验的阶梯，而不是默认会发生的迁移。
对中文的声调、汉字与语用，本报告判断 AI 反馈质量仍不稳；真人教师的价值在于判断反馈是否正确，并设计真实任务。声调反馈应保留人工抽检。
语言学习小结：真改变与未解决分开说
改变了供给
开口机会从“每周一节课”式供给变成随时可用；纠音与语法反馈即时化，内容生产成本下降。
粗略看，价格从真人每小时数十美元降到 AI 每月十几美元；这里没有逐项列出产品、来源与日期，不能用作统一价格比较或采购报价。
产品能力与价格概括，不作学习效果证据。
没有解决迁移与持续性
真实社交中的表现、长期坚持与文化语用，仍需要单独证明。“游戏化留存不等于学会”并未因 AI 自动消失。
出现新的质量与信任问题
所列用户声音质疑 AI 内容不地道、谄媚，也有人主动回避 AI 生成的学习内容。这些声音提出待验证的问题，不证明所有产品都存在同样缺陷。
用户声音区 · 非效果证据。
动机与好奇心：从“愿意点开”到“愿意独立做”
把理论、设计提案和评估指标分开。能维持行为的机制，不自动等于兴趣、意义或迁移；模型在场，也不等于真实关系。
起点：选题提出者的三个判断，与证据逐条对照
学习是动态、长期的过程
证据支持：短期表现与独立能力会分离。无护栏 AI 让练习表现提高 48%，撤掉后闭卷考试下降 17%；Khanmigo 两年试验的项目效应约每年 0.06–0.08 SD，与不带 AI 的可汗学院相近。
尚未证明：多数研究只测到项目内或一周后，AI 对长期独立能力的净增益仍缺数据。
很多人不敢开口，和 AI 说话也难
证据支持：AI 考官下焦虑与成绩几乎无关（r −0.042，真人考官为 −0.50，相关研究）；AI 与学业焦虑元分析显示焦虑下降（g＝−0.65）。社区里也有人学了多年仍害怕开口，并明确拒绝 AI 方案。
尚未证明：另一项研究组间焦虑差异不显著；在 AI 面前敢说能否迁移到面对真人开口，本次没找到长期证据。“和 AI 说话也难”只有用户帖子，没有找到专门研究。
学习的核心是动机与好奇心
证据支持：工具可用不等于愿意用。Khanmigo 试验中 96% 学生试用过，但中位学生只在 1/3 的练习日发消息；多项目材料中只有 5% 达到项目剂量。自我决定理论和兴趣发展模型都把自主、胜任与持续兴趣放在中心。
尚未证明：本次没找到能稳定激发长期兴趣的 AI 产品证据；连胜和积分能维持行为，但不等于兴趣。
自我决定理论：自主、胜任、关系
自我决定理论区分自主动机与受控动机，关注自主、胜任、关系三种基本心理需要。
理论来源：Self-Determination Theory。
观点／推断 · 对应设计
让学习者自己选择真实任务，例如下周家庭聚餐或面试；让进步可见，而且是“独立完成”的进步；提供真人回应。
奖励不是必然有害，但留存不等于兴趣
连胜与积分可以维持行为，但不等于学习兴趣。Sailer & Homner 的游戏化元分析中，认知、动机、行为结果分别为 g＝.49／.36／.25；跨结局不宜直接比大小。
“激励话术”的效果有限：成长型思维干预总体效应弱；全国思维干预对低成绩群体的 GPA 有小幅提升。
兴趣发展：短暂好奇不是持续兴趣
Hidi & Renninger 的兴趣发展四阶段模型为：情境兴趣被触发 → 情境兴趣维持 → 个人兴趣萌发 → 个人兴趣成熟。
理论来源：Hidi & Renninger，2006，Educational Psychologist；doi:10.1207/s15326985ep4102_4。
观点／推断 · 对应设计
用语言或文化反差引发问题，例如中文语用中“客气话”的真实含义，再让学习者查证、比较、访谈、创作，把一次好奇接到持续活动上。
“信息缺口＋安全感”只是待检验机制。M7 · C · 2026，n＝25，质性研究，不构成已验证的因果链。
学习回路：让支持逐步退出，让真人任务进入
- 选任务学习者自己选择
- 定计划围绕真实任务
- 先尝试先独立做
- 分级提示不给现成答案
- 撤除支持逐步独立完成
- 真人实践真实任务与回应
- 复盘回看独立表现
“排练室”有用，但焦虑证据不一致
AI 考官下焦虑与成绩几乎不相关，是相关研究结果，不证明焦虑下降；焦虑元分析给出下降信号，但 L2 的组间焦虑差异不显著。
辅助人类的证据，不是替代比较的定论
E4、E8 使“AI 辅助人”的路径更有证据支撑，但不等于证明“辅助人一定优于替代人”。模型制造的在场感，也不等于真实关系。
产品与教师应该测什么
自主选择率、主动追问次数、有效练习量、撤掉奖励后是否继续，以及延迟一周后的无 AI 真人任务表现。
对应产品机制：Duolingo 的连胜／联赛，Speak／Praktika 的角色扮演，Khanmigo 的护栏辅导，Anki／FSRS 的间隔重复，以及 OpenMAIC 的多角色课堂“同学”在场感。
当前问题清单：供给变容易，学习并没有自动闭环
已解决或大幅缓解的主要是内容与个性化讲解供给、特定备课任务省时、随时可开口的练习对象，以及配套项目中的辅导可及性。不能将这些局部改善升级为长期独立能力的总判断。
使用剂量
多数学生不用或很少用，是 E1、E15 暴露的核心问题。试用、登录、求助与有效练习需要分别测量。
要答案，还是学会
E2 随机研究显示无护栏用法可能损害撤除后的考试表现；E5 提供观察性下降相关。Study Mode 可以被关闭，护栏也可能失效。
E2 · A · 2025-06-25；E5 · C · 2026-09-15；Study Mode 产品发布日期 2025-07-29，媒体条目日期未列。
动机与学习意义
连胜和积分维持行为，不等于产生兴趣或意义。所列教师社区声音还提出了“AI 会做，为什么还要学”的问题。
迁移
AI 排练与真人真实场景之间的距离尚未被充分验证。交流意愿、低焦虑与真实交流表现不能相互替代。
质量与安全护栏
材料涉及数学出错、声调诊断局限，以及用户对语料不地道和越狱的质疑。不同问题的证据来源不能混成一个可靠性结论。
WSJ 对 Khanmigo 的报道，日期／链接未列；L5 · C · 2024；用户声音，非效果证据。
评估与独立性
长期独立研究极少；厂商报告、单节课实验和探索性研究各有边界。脑电指标下降不能直接解释为能力退化，写作还需区分代写、提示、反馈。
信任
一部分资深学习者与专业人士主动抵制 AI 内容。“真人制作”的吸引力，是产品信任问题的线索，不是效果优劣的实验结论。
中文与语言学习社区声音 · 非效果证据。
教师角色
Aila 只支持 7% 的课，不到 1/5 的教师说它改变了教学。省时可能成立，教学方式是否改变仍要单独判断。
用户声音：把争议变成问题，而不是把个案变成结论
保留所列英文短句，略去用户名。热度只是帖子热度，不代表观点的真实性、普遍性或产品效果。
用户帖只提出问题，不作效果证据。
连胜很长，家庭聚餐仍难参与
“I think I've been training the wrong thing this whole time.”
“Produce! You should be attempting to write and speak every day.”
中文解读：提出“输入是否替代了输出训练”的问题。帖子编辑后推荐了某 AI 家教 App，带有软广嫌疑，不能当产品证据。
AI 陪练的语言是否过于迎合？
“unbearably sycophantic and corporate in its speech patterns”
中文解读：质疑 AI 语料“谄媚、公文腔”。另有回复要求证据，社区观点分化；这不是对所有 AI 语料的系统评估。
Video Call 的安全护栏疑问
“The AI in video call doesn't seem to have any jailbreak prevention”
中文解读：用户质疑护栏薄弱，提示需要独立的安全评估；帖子本身不构成系统性安全测试。
希望 AI 内容可标注、可跳过
“6 people in a Max subscription … they've all abandoned but me”
“There's something inherently wrong with a product when they make it so emotional to leave it”
中文解读：提出 AI 内容质量识别与退出情绪成本的问题。连胜可能让用户感到难以离开，但个案不能代表总体留存或学习效果。
寻找“非 AI”中文 App
“both of my main ones (HelloChinese and SuperChinese) have started using AI”
中文解读：中文 App 的 AI 化并非对所有用户都是吸引力；一部分学习者主动寻找替代。这是偏好与信任的线索。
教材与分级读物仍是信任锚点
“Textbooks, man!”
中文解读：在对学习资源中 AI 内容的失望下，回复推荐教材、DuChinese 与 The Chairman's Bao。推荐声量不等于比较试验。
AI 排练之后，终于和真人聊了
“I've been practicing speaking hard with AI app or talking to myself… I kept speaking for about an hour.”
中文解读：这是“AI 排练＋真人实战”的正向个案，可以提出迁移路径的假设，但不能证明一般迁移效果。
害怕开口，也明确拒绝 AI 方案
“i dont want AI ideas or to pay for an app”
中文解读：用户提出的是开口焦虑与对 AI 方案的拒绝。不能把所有开口困难都预设为一个新 App 能解决的问题。
学生问：为什么还要学？
“why do we really need to learn any of this? ChatGPT will just do it all way faster”
中文解读：这提出了学习意义与动机的问题，而不只是“工具好不好用”。不能由一个课堂故事推断所有学生的动机变化。
口语 App 被当作“强制输出”工具
“I just need real time corrections… it's more to force me to create output.”
中文解读：用户要的是实时纠正与输出约束，而不是把 App 当作唯一学习来源。这是需求描述，不是成效证据。
官方承认对话练习不应只在最高付费档
“conversation practice is fundamental to learning and shouldn't sit behind our highest paywall”
中文解读：平台承认口语练习的重要性，并下放 Video Call。官方产品策略不等于口语学习效果已经得到证明。
缺计划、不愿用，以及知识如何被使用
“AI tutor doesn't seem to have a plan for me”
“most kids didn't want to use the AI tutor”
“optimize for knowledge transfer. The harder problem is knowledge use”
中文解读：集中提出学习规划、主动使用和知识应用的问题，不是独立研究结论。
观点／推断
用「学→练→用→造」看产品：供给集中在哪里？
以下矩阵依据公开功能描述作定性判断：● 主要；◐ 部分；○ 基本没有。它不是效果评价，不是产品排名，也不表示相同符号具有相同教学质量。
| 产品 | 学 | 练 | 用 | 造 |
|---|---|---|---|---|
| Khanmigo | ● | ● | ○ | ○ |
| OpenMAIC | ● | ◐ | ○ | ○ |
| VideoTutor | ● | ○ | ○ | ○ |
| 豆包爱学／学习机 | ● | ● | ○ | ○ |
| Duolingo（含 Video Call） | ● | ● | ◐ | ○ |
| Speak／Praktika | ◐ | ● | ◐ | ○ |
| ELSA | ○ | ● | ○ | ○ |
| HelloChinese／SuperChinese | ● | ● | ○ | ○ |
| DuChinese（分级读物） | ● | ◐ | ○ | ○ |
| Anki／FSRS | ○ | ● | ○ | ○ |
| ChatGPT／Claude／Gemini 学习模式 | ● | ● | ◐ | ◐ |
学
本报告观点：AI 讲解已足够好，边际改进小。这里是对产品机会的判断，不是跨产品成效定论。
练
本报告观点：这是 AI 最强的阶段，能提供大量题目与即时反馈；但需要护栏，避免练习退化为索取答案。
用
本报告观点：最大空白。AI 可以模拟场景，真实社交与真实任务仍要进入人与真实世界。
造
研究结果、厂商口径、项目热度与用户声音保持分层。未提供的样本、日期或链接明确留缺，不将来源标识扩写成新的外链。
小样本不自动无效，元分析不自动最高。所列等级综合研究设计、偏倚风险、独立性与适用性；研究等级不意味着所列链接必然是一手论文。
| 编号 | 研究／设计 | 样本／时长 | 结果与限制 | 等级 | 日期 | 来源 |
|---|---|---|---|---|---|---|
| E1 | Oreopoulos & Low，One Click Away；Khanmigo 两年整群 RCT，EdWorkingPaper 26-1551。 | 田纳西 18 所初中；两年，在每日补救数学课里使用。 | 每学期 +1.3 个百分位，约 0.06–0.08 SD／年；全年积极参与的隐含效应 0.14 SD。与无 AI 的 Khan Academy 练习相近，AI 净增益未识别。96% 试用；中位学生在 1/3 练习日、17% 出错环节发消息。 | B | 2026-08 | 工作论文 PDF |
| E2 | Bastani 等，PNAS，Generative AI without guardrails can harm learning；随机研究。 | 约 1,000 名高中生；干预时长未列。 | 无护栏：练习 +48%，闭卷考试 −17%；护栏版：练习 +127%，考试无显著损害。有勘误；无显著损害不等于证明安全。 | A | 2025-06-25 | 论文全文 |
| E3 | Kestin 等，Scientific Reports，哈佛物理 AI 导师。 | 194；单节课，49 vs 60 分钟。 | 0.63 SD。存在天花板效应与作者利益冲突；不能外推为长期成效。 | A− | 2025-06-03 | 论文 |
| E4 | Tutor CoPilot，斯坦福；AI 辅助真人辅导员。 | 900 名辅导员／1,800 名学生；时长未列。 | 学生掌握率 +4 个百分点；弱辅导员的学生 +9 个百分点。成本约每位辅导员每年 20 美元。 | B | 2024-10 | 论文条目 |
| E5 | Strömberg 等，中国县域 AI 作业研究；观察性双重差分，非随机。 | 26,811 名学生；时长未列。 | 作业 +18%，考试 −20%，中考 −24%。属于观察性相关证据，不能与 E2 合并为同一种因果证据。 | C | 2026-09-15 | 所列报道 |
| E6 | 世行尼日利亚课后 AI 辅导；随机试验的二手报道。 | 约 800；6 周。 | 英语 0.23 SD，综合 0.31 SD。配套项目包含教师在场、额外课时、设备，不能把收益全部归于 AI。 | B（二手） | 2025-02-18 | 二手报道 |
| E7 | DeepMind 塞拉利昂项目；公司主导、有对照。 | 1,763；时长未列。 | +0.258 SD。项目配套条件与公司主导性质需保留。 | B（公司主导） | 2026-06-09 | 公司研究介绍 |
| E8 | Eedi×LearnLM 探索性 RCT；AI 草稿＋专家监督，对照纯真人辅导。 | 165；时长未列。 | 专家逐条审改草稿；与纯真人辅导相比不劣。后续新题 66.2% vs 60.7%；76.4% 草稿零或极小修改。属于近迁移初步信号。 | C | 2025-12 | 论文条目 |
| E9 | EEF ChatGPT 备课随机试验。 | 259 名教师。 | 备课时间 −31%，81.5→56.2 分钟。学生学习收益未确定。 | A | 2024-12 | 试验报道 |
| E10 | EEF Oak Aila 备课试验。 | 小学教师；人数未列。 | 每周省 49 分钟，只支持 7% 的课；不到 1/5 说改变了教学。 | A | 2026-10-07 | 试验报道 |
| E11 | MIT，Your Brain on ChatGPT。 | 54；时长未列。 | 认知参与／脑电连接降低。脑电指标不直接代表能力退化；需要区分代写、提示、反馈三种用法。 | C（预印本） | 2025-06 | 预印本 |
| E12 | Wang & Fan，ChatGPT 效果元分析。 | 未列。 | 已撤稿，不纳入效果判断。 | 不可用 | 撤稿：2026-04-22 | 链接未列。 |
| E14 | Oreopoulos 等，Making AI Tutoring Productive；NUMI 随机试验，EdWorkingPaper 26-1552。 | 6,000+ 名初中生。 | AI 比纯 CAL 练得慢、做题少，但答错后的下一次作答更准确；嵌入掌握式流程时，一周后测验有边际显著收益，主要集中在已练习材料。 | B | 2026 | 工作论文 PDF |
| B1 | Muralidharan、Singh & Ganimian，Disrupting Education?；Mindspark 自适应课后项目。 | 印度城市初中，抽签；人数未列；4.5 个月。 | 数学 +0.36σ，印地语 +0.22σ。生成式 AI 之前的自适应基线，不是生成式 AI 的独立增益。 | A | 2016／2019 AER | NBER w22923 |
| E15 | Stanford SCALE，AI tutoring is not a monolith。 | 多项目。 | 40–47% 从未用过辅导；41% 从未登录；5% 达到剂量。不同项目与指标不能拼成同一漏斗。 | B | 2026 | SCALE 材料 |
| E17 | OECD 数字教育展望 2026。 | 不适用。 | 政策综述，不作为单项产品实验效果。 | 综述 | 2026 | 所列综述摘要 |
| E18 | Alpha School／Unbound 德州报道。 | 未列。 | 实际 10%／28% 达标，预测 60%／65%。实际与预测对比不是实验对照；现有材料不足以判断全 AI 学校模式。 | D/C | 2026-09-02 | 德州论坛报 |
| L1 | Wang 等，RER 元分析：AI 与语言学习。 | 28 项研究；时长未列。 | g＝0.484；整体语言表现，并非专指口语或生成式陪练。 | A | 2024 | doi:10.3102/00346543241255621 |
| L2 | Huang & Kakham，Frontiers in Education。 | 83；时长未列。 | 口语 d＝1.09；焦虑组间差异不显著。 | C | 2026 | 论文全文 |
| L3 | Duolingo DRR-24-04，自家研究。 | 未列。 | A2 末口语达 ACTFL Novice High。 | D | 2024 | Duolingo Research；链接未列。 |
| L4 | Smith／Jiang／Peters，LLT。 | 48。 | 无对照组。 | C | 2024 | 链接未列。 |
| L5 | Wu，Speech Prosody，普通话声调诊断。 | 特定系统、朗读样本；样本量未列。 | 诊断约 80% 准确；不能外推到所有产品，也不等于纠音学习收益。 | C | 2024 | 研究条目 |
| M1 | Sailer & Homner，游戏化元分析。 | 未列。 | 认知 g＝.49，动机 .36，行为 .25；跨结局不宜直接比大小。 | A | 2020 | ERIC EJ1245270；链接未列。 |
| M2 | Sisk，成长型思维元分析。 | 未列。 | 总体效果很弱。 | A | 2018 | 链接未列。 |
| M3 | Yeager，Nature，全国思维干预。 | 12,000+。 | 低成绩学生 GPA 小幅提升。 | A | 2019 | 链接未列。 |
| M4 | BMC，AI 与学业焦虑元分析。 | 未列。 | g＝−0.65，焦虑下降；与其他研究结果并不完全一致。 | B | 2026 | 链接未列。 |
| M5 | Susoy，焦虑—成绩相关研究。 | 48。 | 真人考官 r＝−0.50，AI 考官 r＝−0.042。不能据相关关系推定 AI 导致焦虑下降。 | C | 2025 | 链接未列。 |
| M6 | Xu，问卷 SEM。 | 420。 | AI 使用→交流意愿；不等于真人任务能力验证。 | C | 2026 | 链接未列。 |
| M7 | Aldamen，质性研究。 | 25。 | 好奇、安全感与未来自我；机制待检验，不画成已验证因果链。 | C | 2026 | 链接未列。 |
E16 · 松鼠 AI 补充记录
主要为厂商口径，独立证据弱。TIME 转述其自称服务 5,200 万学生，属于 D 类来源口径；本次未找到独立研究样本。
E20 · Amira 补充记录
EdWeek 有阅读朗读相关报道；本次未取得样本与量化结果，不据此补充学习收益数字。
撤稿与发表偏倚：Wang & Fan 的 ChatGPT 效果元分析已于 2026-04-22 撤稿，E12 不可用。另有 Bartoš 等指出，ChatGPT 元分析在发表偏倚校正后效果消失；本次未核到该条的原文与数字，不将其补写成新的量化结论。
开源项目表 · GitHub 快照 2026-10-11
| 仓库／项目 | 星数 | 许可 | 用途 | 状态 |
|---|---|---|---|---|
| HKUDS/DeepTutor | 41,098 | Apache-2.0 | 个人知识库式 AI 辅导 | 活跃 |
| THU-MAIC/OpenMAIC | 40,331 | MIT | 多智能体 AI 课堂 | 活跃 |
| ankitects/anki | 31,905 | AGPL | 间隔重复 | 活跃 |
| JushBJJ/Mr.-Ranedeer-AI-Tutor | 29,562 | 无 | GPT 提示词家教 | 停更 |
| ankidroid/Anki-Android | 11,981 | GPL | Anki 安卓 | 活跃 |
| read-frog | 10,037 | — | 浏览器沉浸式翻译学语言 | 活跃 |
| LLPlayer | 4,351 | — | 语言学习视频播放器，AI 字幕 | 活跃 |
| open-spaced-repetition/fsrs4anki | 4,098 | — | FSRS 记忆算法 | 活跃 |
| LibreLingo | 2,637 | — | 开源 Duolingo 替代 | 已归档 |
| Li-Evan/Bloom | 285 | — | — | — |
| OATutor | 264 | — | 开源自适应辅导，BKT | — |
| OpenPronounce | 114 | — | 发音评测 | — |
观点／推断
本报告判断：开源在“AI 课堂／辅导”与“记忆算法”上较成熟。本次按 AI speaking partner / conversation practice / pronunciation 等关键词检索 GitHub，尚未找到有一定规模、仍在维护的开源口语陪练项目。“尚未找到”不等于不存在。
榜单与市场热度 · 不把“上榜”当作“学会”
| 榜单／口径 | 日期 | 所列教育相关应用／数字 | 来源与边界 |
|---|---|---|---|
| a16z 全球消费级生成式 AI Top 100，第 7 版 | 2026-10-05 | Gauth、Photomath、Jumpspeak；豆包上榜。 | 第 7 版榜单。榜单资料，非学习效果证据。 |
| a16z 第 6 版 | 2026-03-09 | Brainly、Gauth、Photomath、Learna AI。 | 本次未保存本版链接；非学习效果证据。 |
| 中国：QuestMobile MAU | 2026-09 报道 | 豆包爱学 1943.81 万。 | D · 所列市场口径；中国应用商店榜单未采集。 |
观点／推断 · 榜单读法
本报告将上榜教育应用的主流需求概括为“拍照解题”和“拿到答案”。这与 E2 所揭示的无护栏风险用法相呼应；E5 则提供观察性下降相关。不能进一步推定每个上榜产品都导致考试下降。