清华大学教育学院未来教育与学习课题组(建设中)

Future Education and Learning Research Group, School of Education, Tsinghua University

课题组简介

本课题组面向未来教育与学习领域,培养具有多学科交叉型知识结构的高层次复合型人才。以新的全球发展格局为背景,培养学生在未来教育理念、理论、范式、评价工具、以及教育大数据积累方面的创新应用,使学生在原有知识基础上提升创新能力和实现能力;培养学生在跨学科研究和交流中的方法和手段,使学生具备更宽广的学术视野,提高对交叉性前沿知识的理解和深入研究的能力。

课题组重点关注以下研究方向:

  • 神经生理测量技术在教育领域的应用
  • 人工智能与教育融合的理论与实践
  • 未来学习环境的设计与优化
  • 学习科学的跨学科研究方法

课题组拥有先进的教育神经科学实验室、智能学习技术中心等研究平台,与国内外多所高校、研究机构和企业保持密切合作,共同推进前沿理论研究与创新实践应用。

课题组研究场景
学术研讨
成员概览
课题组负责人
张 羽 教授
张 羽 教授
课题组负责人 | 教授 | 博士生导师
清华大学教育研究院党委书记、长聘教授、博士生导师。主要从事教育经济学、未来教育与学习领域的研究,与认知神经科学、人工智能等领域进行交叉创新,在学习机理、学习理论、教育范式创新、教育研究范式创新方面进行探索。详细介绍
核心成员
覃 菲 博士后
覃 菲 博士后
助理研究员
清华大学教育学博士,主要研究方向为教育评价理论,教育政策评价,中国传统文化的现代阐释等。
龙 芸 博士后
龙 芸 博士后
助理研究员 | 水木学者
剑桥大学教育学博士,主要研究方向为真实教育情境中的课堂对话及其对教学的影响。
郝展欣 博士后
郝展欣 博士后
助理研究员 | 水木学者
牛津大学教育评价博士,主要研究方向为人工智能与学生评价、教育质量监测与评估、课堂评估、教育考试等。
陈菁菁 博士后
陈菁菁 博士后
助理研究员 | 水木学者
清华大学神经工程博士,主要研究方向为心智、脑与教育,多模态学习分析,关注日常教学活动对学生脑认知发展的影响,尤其是社会与情感能力的发展。
研究生
  • 博士研究生董 正 徐晓萌 刘晓波 黎煦茗
  • 硕士研究生戴旭升 蒋建骁 罗裕佳 文照淳 范佳鑫 林一鸣 马乐天 张耀文 白梓含 李泽坤 梁芳梅
学术成果
2025/10/16
多智能体环境重塑个性化学习,缩小学业差距
本研究探讨了多AI智能体支持的线上学习环境如何为不同起点的学生提供个性化支持。通过对海量互动对话的分析,该研究发现了两种核心的学习行为模式:知识共建和协同调节。基础知识较薄弱的学生往往更多地与AI进行“知识共建”,基础知识扎实的学生则更频繁地使用“协同调节”来管理自己的学习。线性混合效应模型分析结果显示,随着课程持续推进,学业起点较低的学生展现出显著更高的学习增长率,学生间的成绩差距明显缩小。同时,所有学生对AI技术的接受度都在课程结束后得到了显著提升。
2024/02/21
学生在课堂学习过程中的主观感受
该文章从学生主体视角出发,尝试通过词库法构建新的测量工具刻画学生在学习过程中多样而个性化的主观感受。该研究尝试突破传统量表测量工具的还原论假设和先入为主的结构化局限,充分利用数字时代信息技术和计算能力提供的便捷,创新测量理念,以词库的方式构建新的测量工具,帮助学生更加自由、自主地报告自己的学习体验,并能实现在尊重个性的前提下对词库数据的批量分析与可视化呈现。
2023/05/05
真实课堂学科差异的群体脑扫描研究
研究团队开展了为期一个学期的真实课堂脑电追踪数据采集,以学业表现作为学习有效性的指标,运用脑际耦合分析方法以探索不同学科有效学习的神经表征。研究发现,数学和语文学习对应不同的脑际耦合神经表征:数学课堂学习过程学生-班级脑际耦合程度与其数学学业表现显著正相关,而语文课堂学习过程学生-优生脑际耦合程度与其语文学业表现显著正相关。这一研究结果符合数学和语文分别代表的硬学科和软学科学科规律:数学学习强调对确定知识的掌握与应用,学生-班级脑际耦合可以体现个体对教学内容的投入程度,是评价学习效果的可靠指标;语文学习需要更多个人建构和理解,高学业表现学生学习过程的神经活动可以更好地表征有效学习。
代表性论文