Bar-Ilan University AI Agent 助力学生补课，但教学仍由教师承担

尽管其对学业影响的证据仍有限，Bar-Ilan University 在一项覆盖约 2,400 名学生、71 门课程的试点后，扩大了 AI 学习 agent 的应用范围。该 Bar-Ilan University AI agent 可检索经批准的课程材料、生成摘要，并在 Moodle 内创建练习题。

这一受控设计有别于学生将课堂笔记直接粘贴到公共聊天机器人的做法。教师决定哪些录音、文字稿、演示文稿和文章会进入系统。学生随后是在查询特定课程的知识库，而非开放网络。

这一差异也构成了项目的核心张力。限制 agent 的信息来源可以减少无关回答，却无法保证解释准确，或确保学习效果提升。Bar-Ilan 现在必须证明，便捷检索能够促进理解，而不是取代形成理解所需的艰苦学习过程。

Bar-Ilan University AI Agent 走出小规模试点

Bar-Ilan 已将一项实验性学习助手发展为更大范围的课程定向 AI 测试。

根据 Microsoft 的发布报道，该校于 2026 年 2 月试点部署该 agent。初始部署覆盖 71 门课程和约 2,400 名学生。

Bar-Ilan 计划在 2026/27 学年第一学期再增加 100 门课程。这一扩展意义重大，因为它让系统不再局限于少数热心教师的尝试。

该校位于特拉维夫附近的拉马特甘，拥有超过 20,000 名学生。扩展部署仍仅覆盖学校的一部分，但已形成一项规模更大的运营测试。

学生可通过 Moodle 访问该 agent，Moodle 是该校已用于课程活动的学习管理系统。这一熟悉的入口很重要，因为学生无需采用独立的学习平台。

该 agent 支持希伯来语、阿拉伯语和英语。其课程知识库可纳入录制讲座、文字稿、幻灯片、学术文章、作业及其他由教师选定的资源。

学生可以询问讲师曾在何处讨论某个具体概念。该 agent 可以检索相关材料、将其浓缩，并生成用于自测的问题。

这些功能针对的是缺课后的常见难题。错过一节课带来的并不只是在笔记本上留下空白。后续内容往往依赖于该节课中引入的定义、示例和论证。

犯罪学与心理学本科生 Yarden Shay 在 Microsoft 的报道中描述了这种不断累积的差距。她此前依赖同学的笔记，同时每天还要应对六到八小时的新课程。

Shay 现在使用该 agent 复习课程材料，并借助选择题和开放式问题进行自测。她告诉 Microsoft，课后每日学习时间已从五六小时降至约三小时。

这份说法提供了一个具体应用案例，但仍只是单个学生的体验。它并不能证明每位参与者都节省了时间，或学习得更有效率。

该项目的历史也比最新部署所呈现的更长。Bar-Ilan 曾宣布一项最初的 2024 年试点，涉及 15 门课程和 15 名讲师，覆盖法律、心理学、物理、工程和历史等领域。

早期助手源于一款为预备役士兵开发的工具，帮助他们补上错过的课程。因此，其设计起点是学习连续性与可及性，而非自动生成论文。

其扩展形式体现了同一目标。该 agent 帮助学生浏览已经由教师批准的材料，而不是生成一套独立课程体系。

该系统采用 Azure AI Services 和 Microsoft Copilot Studio。KPMG 和 OpenApp 参与了开发，而 Bar-Ilan 的教学人员则提供并审核学术内容。

这种组合使部署的自主性低于“agent”一词可能带来的印象。软件负责检索、摘要和生成学习活动，但教师界定其信息边界。

正是这种狭窄定位使该项目值得关注。Bar-Ilan 正在测试：大学能否通过限制生成式 AI 所掌握的信息，让它变得真正有用。

基于课程材料的回答改变校园 AI 讨论

其最强的特征不是不受限制的智能，而是一个刻意受限的知识库。

通用聊天机器人几乎可以回答任何学科的问题。这种广度很有用，但对于拥有特定术语、指定阅读材料或存在争议性诠释的课程而言，未必合适。

广泛适用的模型可能会使用其他司法辖区来解释法律概念。它可能强调讲师从未指定的理论，或给出过时的定义。

Bar-Ilan 的 agent 则采用检索增强。这一过程会向语言模型提供选定的源材料，使其回答更贴近这些材料。

Microsoft 的grounding controls允许构建者将 agent 连接到指定文件和其他知识来源。构建者还可以决定 agent 是否应使用通用模型知识。

Microsoft 表示，Bar-Ilan 的实施方案完全基于教学人员上传的材料。因此，该 agent 更像是每门课程的对话式界面，而不是独立的在线导师。

这种方法提高了相关性，但“基于材料”并不意味着不会出错。模型仍可能拙劣地概述某段文字、混合不同观点，或以不应有的自信表达不确定性。

来源质量也变得至关重要。简略的幻灯片在现场讲座中或可作为提示，却可能缺乏自动化解释所需的足够背景。

讲师 Eliyahu Biton 在准备医疗保健法律与伦理课程时遇到了这一限制。他扩充了幻灯片要点，加入详细论文，提供讲座文字稿，并反复测试回答。

他的经历揭示了精致学生界面背后的隐藏机制。只有当教师将隐性的课堂知识转化为明确、机器可读的材料后，该 agent 才会变得有用。

这是个人知识管理中的一个常见挑战。检索质量取决于问题提出前，信息被记录、组织和关联得是否清晰。

对学生而言，受控语料库还有另一项优势。摘要可以与讲师的教学顺序保持一致，而不是从无关网站中抽取定义。

当学生使用第二语言学习时，这种一致性尤其有帮助。它也可以减少学生在视频录制、幻灯片、阅读材料和同学笔记之间切换所耗费的时间。

三语界面提升了可及性，但现有报道并未比较希伯来语、阿拉伯语和英语之间的回答质量。翻译与多语言检索仍是重要的测试领域。

课程定向也改变了教师评估错误的方式。当答案看似有误时，他们可以检查获批准的源材料，并判断问题是始于内容本身还是模型。

公共聊天机器人提供的控制较少。其回答可能反映训练数据、实时网络结果、用户上传内容、系统指令，或多种来源混合而成的信息。

Bar-Ilan 的方法为教师提供了更小的错误面。它并没有消除错误面。

这一差异应指导学生如何使用该工具。该 agent 可以帮助定位和练习课程知识，但对于存在争议的回答，学生仍应求助于讲师或权威阅读材料。

这一设计也避免了有关教育 AI 的一种常见误解。更多信息并不总是目标。

学生本已拥有录音、幻灯片、文章和在线数据库。他们的问题往往是在困惑出现的当下，找不到恰当的解释。

课程定向 agent 改变了与这些信息交互的界面。它是否改变学习，取决于学生在检索之后如何回应。

AI 教学助手在节省时间前先增加了更多工作

AI 教学助手将教师的精力从重复答疑转移到准备和监督可复用的课程知识上。

Bar-Ilan 项目常以学生便利性来描述，但 Biton 的准备工作显示了其制度成本。一个有效的 agent 所需的不只是上传一个旧幻灯片文件夹。

教师必须审查录音、清理文字稿、扩展简写内容、解决矛盾之处，并识别过时的阅读材料。他们还必须测试学生可能提出的问题。

这项工作类似于构建一种新的课程资源。不同之处在于，学生可以通过对话探索它，而不必遵循固定文档。

对 Biton 而言，这项投入似乎减少了常规性和行政性问题。他还表示，学生在考试前似乎不那么焦虑。

学生可以要求该 agent 创建新的模拟考试，而不只是依赖历年题目。他们会立即收到反馈，说明某个答案正确或错误的原因。

这种使用方式使系统超越了被动摘要。检索负责查找信息，而生成的测验则要求学生回忆并应用这些信息。

当学生真正尝试作答时，练习可以促进学习。如果他们立即索取答案，并将熟悉感误认为掌握程度，其作用就会减弱。

因此，AI 教学助手需要经过审慎设计的约束。它应鼓励投入努力、展示证据，并将模糊的问题引导回人类教师。

在这一模式下，讲师的角色会改变，但不会消失。教师既要负责学科教学，也要负责围绕该 agent 构建的信息环境。

Biton 将自己不断演变的角色描述为更专注于指导。他仍会每年举行四到六次、每次 90 分钟的课程，用于深入讨论。

这些会面保留了检索系统无法可靠复现的内容。教师可以审视学生的推理过程、挑战其假设，并针对未被预见的困惑作出调整。

这种分工比“替代教师”的叙事更可信。该 agent 处理重复性的访问和练习任务，而讲师负责判断与智力发展。

不过，这一安排可能会给教师带来不平等的负担。拥有丰富数字材料的讲师，比通过讨论、实验室教学或不断变化的田野工作授课的人更容易准备 agent。

课程设计也会影响适用性。以事实为主的入门模块比围绕诠释与分歧展开的研讨课拥有更清晰的定向材料。

因此，大学不应将 agent 就绪度视为教学质量的替代指标。一些优秀教学并不会产生大量可复用的文档档案。

维护是另一项成本。法律会变化，研究会进展，讲师也会修正自己的论点。基于去年可信文件的回答，今天仍可能是错误的。

每门课程都需要明确更新内容的责任归属。必须有人决定何时录音失效、转录是否准确，以及哪一版阅读材料仍具权威性。

教师还需要一种方式了解智能体在哪些地方遇到困难。反复未获解答的问题可能揭示内容缺失、说明不清，或课程结构存在薄弱环节。

这种反馈闭环能带来实质性的机构收益。学生私下转向其他渠道搜索时，某些缺口往往难以察觉，而智能体可以将其暴露出来。

但分析数据必须谨慎处理。学生提出的问题可能暴露其学业困难、健康担忧、政治信念或敏感的个人处境。

机构应明确谁可以查看对话、日志保留多久，以及互动是否会影响评估。现有公开报道没有提供这些细节。

AI 教学助手的可信赖性来自治理，而非品牌。界面或许看起来简单，但其运营模式需要内容责任归属、审查流程、隐私控制和人工升级机制。

以课程为基础的 AI 正在向开放式聊天机器人施压

主要竞争发生在由机构控制的课程智能体，与学生已在未受教师监督的情况下使用的开放式聊天机器人之间。

大学无法现实地阻止每一位学生咨询通用聊天机器人。实际问题在于，它们能否提供一个更优的学术替代方案。

课程专属智能体凭借相关性和可信度展开竞争。它了解指定材料，并能反映特定课堂所使用的术语。

公共聊天机器人则凭借覆盖范围和便利性竞争。它可以引入外部案例、比较相互竞争的理论，并回答正式教学大纲之外的问题。

两种路径都不会自动胜出。开放系统面临缺乏依据的主张风险，而封闭系统则可能复制不完整或带有偏见的课程材料。

巴伊兰大学的策略是在日常学习支持中偏向封闭路径。学生仍可咨询讲师和更广泛的来源，但智能体从经过批准的学术边界出发。

其他大学正在测试更广泛的安排。亚利桑那州立大学已通过一项全校 AI 计划，将 ChatGPT Edu 整合到教学、研究和运营中。

这一模式鼓励在大学的多项职能中开展实验。巴伊兰大学的实施范围更窄，因为其最显眼的学生使用场景集中在 Moodle 内的特定课程资料库。

早期校园聊天机器人走的是另一条路径。佐治亚州立大学的 Pounce 最初用于回答有关入学、助学金和注册的问题。

佐治亚州立大学后来测试了课程消息，并报告称政治学课程的结果有所改善。其聊天机器人研究发现，收到消息的第一代大学生参与者，其期末成绩比同龄人平均高出约 11 分。

Pounce 主要展示了及时提醒和行政支持的价值。巴伊兰大学的 AI 学习智能体则更直接地处理讲座和阅读材料的内容。

这些案例显示，这一类别已经发生变化。校园聊天机器人过去回答预设问题或发送提醒；较新的系统则能根据非结构化学术材料生成解释、摘要和测验。

这一转变同时提高了实用性和风险。注册截止日期只有一个正确日期，而法律或历史问题则可能支持多种解释。

课程基础通过缩小证据范围来提供帮助。除非提供的材料和说明明确作出选择，否则它无法决定哪些解释应受到强调。

因此，对开放式聊天机器人的压力并不在于模型原始智能。它涉及机构能否凭借更好的上下文，创建一个更安全的默认选项。

学生也需要清楚了解这一边界。如果智能体仅根据获批来源回答，它应在这些来源不包含答案时予以说明。

在证据不足时给出自信回答，会违背课程基础的目的。一个有用的系统有时必须说明课程材料不足以回答问题。

引用行为同样重要，原因也在于此。学生应能从生成的摘要追溯至其背后的讲座片段、幻灯片或阅读材料。

缺乏这种可追溯性时，智能体就会成为学生被要求信任的另一种权威。有了它，智能体便能充当回到原始课程材料的地图。

这种设计支持更健康的学习模式。学生可以先寻求方向、查看证据，然后研读原始来源。

另一种选择是依赖压缩后的答案。快速摘要可能掩盖分歧、移除背景，并让困难概念显得已有定论。

机构应衡量实际形成的是哪一种模式。仅凭使用量无法区分富有成效的探究与答案外包。

巴伊兰大学的扩展使其有机会在不同学科中评估这些行为。结果将比对话数量更重要。

早期结果令人鼓舞，但远非定论

公开证据显示的是采用情况和积极的轶事，而非该智能体能大规模改善学习的证明。

微软的说法提供了几个积极信号。Shay 报告称学习时间缩短、独立性提高；Biton 则观察到常规问题减少，学生也更从容。

Biton 还表示，在约 50 名学生中，平均期末成绩比往年高出三个百分点。他承认，该届学生本身可能更强。

这一保留意见至关重要。逐年比较无法将智能体的影响与教学变化、考试难度、学生构成或正常波动区分开来。

该部署也缺少公开报告的对照组。没有未使用智能体的可比学生群体，分数差异仍只能说明一种可能性，而非因果关系。

对节省时间的自我报告也需要同样谨慎。缩短学习时间可能意味着效率提高，但也可能意味着学生较少投入完整讲座和阅读材料。

研究人员需要比较长期记忆、迁移能力、考试表现以及学生行为。即时满意度本身无法回答是否发生了更深层次的学习。

智能体的测验功能带来了另一个衡量问题。无限生成练习可改善备考，但前提是题目准确反映课程目标。

糟糕的问题可能奖励表层记忆。反复接触相似的生成题目，也可能在没有灵活理解的情况下制造信心。

在涉及安全、法律、健康或存在争议证据的领域，教师审查尤为重要。即使答案大部分正确，一个细微错误也可能误导学生。

隐私是公开说明中另一个尚未解决的领域。微软表示，该智能体在巴伊兰大学安全的 Azure 环境中运行，但这一说法并未解释所有数据实践。

读者仍需要了解保留、访问、模型改进、审计和删除方面的细节。机构还应说明教师是否可以查看个人问题。

UNESCO 的教育指南强调数据保护、人工监督、伦理验证和教学设计。即使软件在机构云环境中运行，这些原则同样适用。

学术自由带来了另一个担忧。集中式平台可以标准化支持，但每位讲师都需要掌控其学科如何被呈现。

学生还需要有明确的方式质疑错误答案。报告问题应当简单，纠正措施也应覆盖所有受影响的人。

无障碍性应接受直接评估，而不是被想当然地假定。多语言访问很有价值，但不同语言、文档格式和语音转录质量下的表现可能不同。

录制讲座可能包含自动转录容易误读的专业术语、口音、公式或姓名。以课程为基础的智能体可能会忠实地检索一份不准确的转录文本。

不同学科的覆盖情况可能揭示更多限制。以文本为中心的课程比工作室实践、实验室技术、音乐表演或临床判断更自然地适配该系统。

公平性也有两面。一名始终可用的助手可以帮助需要兼顾工作、照护责任、兵役、疾病或语言障碍的学生。

然而，提示技能更强的学生可能获得更多价值。其他学生可能不知道何时应怀疑流畅的回答，或何时应要求提供支持性证据。

大学应明确教授这些技能。在不给予 AI 素养的情况下向学生提供 AI 智能体，会将过多责任转移给用户。

还存在机构越界的风险。一旦平台建立，管理者可能将其视为扩大班级规模或减少人工支持的方式。

目前有关巴伊兰大学的说明并未提出此类计划。不过，项目的价值取决于是否保留 Biton 和 Shay 所描述的讲师—智能体关系。

因此，最安全的解读应当是有限的。巴伊兰大学已表明，以课程为基础的智能体可以在数十门课程中运行，并支持合理的学习任务。

它尚未证明该系统能够持续提升成绩、知识保持、批判性思维或长期知识。这些才是下一阶段应遵循的标准。

接下来的 100 门课程需要证明什么

应按学习证据、答案质量和教师持续参与度的顺序评判这次扩展。

第一个信号是比较性的学业表现。巴伊兰大学应在考虑既往成绩和课程差异后，考察智能体用户是否在共同评估中取得提升。

最强的评估将比较相似群体，同时衡量的不仅是期末成绩。延迟评估可以显示学生是否在考试期结束后仍保留知识。

结果还应按活动类型分开。搜索讲座片段、阅读摘要和完成生成测验是不同的行为，具有不同的教育效果。

如果更好的结果来自主动练习而非被动摘要，巴伊兰大学可以围绕提问和检索重新设计智能体。这一发现将强化项目的学习价值论据。

如果使用量增长却没有可衡量的改善，智能体仍可能带来便利。但不应将其表述为教育质量提升的证据。

第二个信号是答案可靠性。大学需要一套可重复使用的评估集，涵盖事实检索、综合、模糊问题、缺失信息和多语言回答。

教师应在部署前及整个学期中，根据课程材料为答案评分。错误类别应区分错误检索、有缺陷的生成和问题来源内容。

系统还应记录恰当的拒答。对于缺乏支持的问题，选择拒绝回答的智能体可能比被优化为回答一切的智能体更安全。

扩展至另外 100 门课程将提供一个更严苛的测试。对一门精心准备的法律课程有效的方法，可能难以应对方程式、图表、实验室流程或解释性争论。

公布错误率将帮助学生和教师校准信任。即使仅限内部报告，只要结果能够指导课程审批和修订，也能改进部署决策。

第三个信号是在新鲜感消退后教师是否仍持续参与。准备 AI 学习智能体需要持续的编辑劳动，而不是一次性的技术连接。

巴伊兰大学应追踪教师在准备材料、检查答案、回复报告和更新资料来源上花费的时间，并询问这些成本是否会在后续学期下降。

高参与度将表明，该工作流程创造的价值足以证明这些投入是合理的。教师退出则意味着，系统将过多的维护负担转移给了个别讲师。

支持团队可以通过转录校正、内容模板、评估工具和清晰的治理机制减轻这一负担。但他们不应将教师排除在有关学术含义的决策之外。

学生同样应享有这种透明度。每门课程都应说明该智能体掌握哪些信息、记录哪些内容，以及哪些任务仍不适合交给它处理。

学习助手应引导学生走向证据与反思，而不应成为取代课堂、阅读或讨论的隐形捷径。

已经在构建个人学习系统的学生，也可以使用结构化的学生知识中心来连接笔记和资料来源。同样的原则依然适用：整理应服务于思考，而非取代思考。

巴伊兰大学的 AI 智能体，是让校园 AI 更具问责性的一项可信尝试。其经批准的资料来源、Moodle 集成以及教师监督，为其奠定了比不受限制的聊天机器人更坚实的基础。

下一阶段必须检验实际成效，而不是为接入本身喝彩。学生是否记得更多？是否会更谨慎地质疑资料来源？在错过课程后，他们能否补上进度而不依赖摘要？

这些答案将决定以课程内容为基础的智能体能否成为持久的学术基础设施。考虑采用类似系统的大学，应先关注接下来 100 门课程的证据，再将部署本身视为成功。