西弗吉尼亚州推出全州 AI 与数字科学框架

经过多年筹备，WVDE 推出了全州 AI 与数字科学框架，为 google news 读者呈现了一个值得审视的鲜明矛盾。西弗吉尼亚州希望每位学生在毕业前都能接触 AI 素养教育，同时也承诺将隐私、学术诚信和人类判断始终置于核心位置。

西弗吉尼亚州教育部于 2026 年 7 月 27 日至 7 月 29 日期间，在查尔斯顿举行的三场专业发展活动中介绍了该框架。州教育总监 Michele L. Blatt 将其称为美国首个此类全州框架。

这一说法的重要性，不及西弗吉尼亚州当前面临的考验。框架可以协调培训、设定预期，却无法保证课堂实践安全无虞。该州必须将广泛承诺转化为获批工具、教师准备、地方监督和可衡量的学生成果。

因此，西弗吉尼亚州正超越学校是否应简单允许或禁止生成式 AI 的早期争论。该框架将 AI 素养视为劳动力要求，同时让教师处于宏大的州级目标与不确定的课堂证据之间。

WVDE AI 框架究竟改变了什么

西弗吉尼亚州已从笼统的 AI 指导转向一套以普及、本地培训和劳动力对接为核心的全州实施体系。

该部门的 AI framework 确立了三项承诺。每位学生都应在毕业前接受 AI 素养和数字科学教育。每个县都应通过“培训师培养”模式维持本地培训能力。

第三项承诺将获批教育路径与雇主需求、高等教育项目以及可携带或可验证的证书相连接。这使该框架的范围超越了关于 ChatGPT 使用或抄袭问题的政策。

按照 WVDE 的定义，数字科学涵盖计算机科学、AI 素养、数据推理、网络安全意识、媒体素养以及实用技术应用。该州将这些领域归为一组，因为学生未来会在工作场所和数字服务中同时接触它们。

“培训师培养”模式尤其重要。WVDE 并不完全依赖外部专家到访，而是计划培养能够在本县内培训同事的教育工作者。本地能力可以在一次会议或供应商研讨会结束后持续发挥作用。

这一模式也反映了西弗吉尼亚州的农村地理特点。一个集中式团队无法为每所学校提供持续支持。以县为单位的培训师可以根据当地人员配置、网络连接、学生需求和可开设课程，调整全州预期。

WVDE 通过面向教师、管理人员、助教、服务人员以及新入职县级员工的课程介绍该框架。这一受众范围表明，它是一项组织层面的计划，而非狭义的计算机科学倡议。

该框架还延续了 2026 年 7 月之前启动的工作。WVDE 于 2024 年发布了面向 PK-12 学校的详细 AI 指导，并为学区和教育工作者建立了在线资源中心。

此前的文件涉及课堂教学、行政管理和学区运营。文件还强调，AI 指导是对现有西弗吉尼亚州教育委员会政策的补充，而非替代。

这一差异会影响实施。学校已制定关于可接受技术使用、学生记录、无障碍访问、学术诚信和学生行为的规则。AI 带来新的情境，但许多根本责任依然并不陌生。

新框架为这些原则增加了全州交付体系。它将政策与教育工作者发展和学生学习相连接，而不是让每个县独自解读一份指导文件。

对于通过 google news 看到这则消息的读者而言，核心变化并非又出台了一项 AI 政策。西弗吉尼亚州正尝试为全州 AI 教育建立一套可重复运行的模式。

这一运行模式如今仍需要细节。学校必须明确不同年龄段学生学习什么、可以使用哪些工具，以及教师如何记录 AI 辅助完成的作业。家庭也需要获得易于理解的数据处理和课堂预期说明。

此次发布确立了方向，而非宣告完成。它的意义将取决于各县能否将三项承诺转化为一致实践，同时不削弱教育工作者所需的灵活性。

学校为何面临立即行动的压力

学校正承受来自两方面的压力：学生已经接触 AI，而家庭仍深切担忧依赖、隐私以及学习能力流失。

WVDE 自身的利益相关方研究正反映了这种矛盾。Blatt 在向国会一个小组委员会作证时表示，该部门在 2024 年春季收到了来自学校员工、家庭和社区成员的 1,025 份回复。

近 97% 的受访者同意，读写能力、计算能力、研究和批判性思维必须始终居于核心地位。受访者也反对学生过度依赖 AI，并强烈支持围绕其使用保持透明。

约五分之四的受访者对采用 AI 表示某种程度的担忧或忧虑。然而，约十分之六的人认为 AI 将不可避免地成为教育和就业的一部分。

这些发现否定了两种简单叙事。西弗吉尼亚州民众并未普遍要求不受限制地采用 AI。他们同样不支持假装学生能够在整个学校阶段避开 AI，随后却能充分准备好进入受 AI 影响的职场。

该框架的回应是将普及与监督相结合。学生应学习 AI 如何运作、会在哪些地方出错，以及为何其输出结果需要核验。教师仍对教育决策和最终判断负责。

这种压力并非西弗吉尼亚州独有。2025 年 7 月发布的联邦 AI 指导允许在既有法律要求下，使用联邦教育资金支持负责任的 AI 应用。

联邦示例包括 AI 支持的教学材料、高影响力辅导以及大学或职业导航。该指导也强调隐私和有实质意义的家长参与。

这一联邦立场鼓励负责任地采用 AI，却没有解决学区每天面对的问题。学校仍须评估产品、协商数据保护条款、培训员工，并决定哪些作业允许 AI 协助。

教师承担了其中的大部分负担。他们需要区分有成效的支持，与用生成答案替代学生思考的做法。他们必须在不同学科、年龄组和个体学习需求中作出这种区分。

五年级的头脑风暴练习，与高中的研究论文面临不同风险。AI 生成的阅读辅助工具，也不同于推荐学生分班或纪律处分的系统。

如果培训只是简短的产品演示，教师无法持续一致地作出这些决策。他们需要共同语言、实用场景、获批工具，以及在问题发生时清晰的升级处理路径。

WVDE 的框架也给县级领导带来压力。每个县都必须建立持续的本地专业能力，而不是将 AI 培训视为一次性的合规活动。

技术供应商则面临另一种压力。全州普及目标将增加对符合教育标准、保护未成年人并给予管理者有效控制权的工具的需求。

面向消费者的聊天机器人可能有用，但便利并不等于适合课堂。学校需要明确的数据保留做法、合同保护、符合年龄特点的界面、无障碍访问以及可靠的管理控制。

学生需要的也不只是提示词写作技巧。AI 素养应包括来源评估、不确定性、偏见、数据隐私、署名归属，以及生成答案与真正理解学科之间的差异。

这正是该报道吸引 google news 关注的原因。该州将 AI 准备度视为公共教育的责任，但公共机构必须满足消费者技术往往规避的标准。

Google News 的关注掩盖了学校 AI 的真正角力

主要的角力并非采用与禁止之间的对立，而是全州 AI 普及与使这种普及具有正当性的本地保障措施之间的平衡。

WVDE 的三项承诺很容易传达：每位学生获得学习机会，每个县培养培训能力，每条获批路径都与教育或就业相连接。

安全的运作方式则不同。它取决于数百项更细微的决策，涉及采购、权限、课堂设计、评估、数据处理和教师审查。

这带来了不可避免的权衡。高度集中的体系可以统一工具和保护措施，但可能忽视本地条件。高度分散的体系保留了灵活性，却会产生不一致的规则和不均等的学生获取机会。

该框架试图走中间路线。WVDE 设定全州优先事项，而各县建立本地培训能力。现有委员会政策继续规范隐私、技术使用、无障碍访问和学生行为。

这一结构是合理的，但它将重大责任转移给地方教育工作者。一名受过培训的县级代表必须解读州级原则、监测不断变化的产品，并支持技术信心各不相同的同事。

该州此前的 AI 指导 提供了实际示例。AI 可以帮助起草沟通内容、翻译日常材料、开发课程资源，或在获批学习平台中识别常见错误。

该文件并未将这些输出视为最终决定。教育工作者仍负责分析信息、判断其效用、提供反馈和评定成绩。

这一人类问责原则是框架中最重要的保障措施。它避免统计性建议或生成式回答变成不受质疑的教育判断。

然而，人类审查并不会自动发挥作用。教师需要有足够的时间、学科知识和系统透明度，才能识别质量不佳的输出。否则，审查就会沦为程序性标签，而非有意义的控制机制。

该州的劳动力目标带来了另一层张力。可携带证书可以为学生提供技术技能的证明，尤其是在当地雇主或高校认可这些证书时。

但如果底层课程衡量的是工具熟悉度而非推理能力，证书可能沦为浅层的完成徽章。学生必须证明自己能够质疑 AI 输出、保护信息，并独立完成工作。

西弗吉尼亚州已经测试了相关学习路径。Blatt 的国会证词称，中学生已通过 Prodigy Learning 和 Minecraft 获得微证书。

一些高中还试点了 Thunkable，这是一个用于构建应用程序的可视化平台。该部门表示，这些课程让不同学科的教师无需成为计算机科学专家，也能使用相关软件。

这些案例揭示了预期的运作机制。WVDE 希望通过易于使用的平台、经过培训的教师和可识别的认证，扩大数字科学的参与范围。

只有当使用权限包含有意义的教学支持时，这一机制才能发挥作用。为每位学生提供一个账户，并不意味着每位学生都能获得同等的时间、反馈、无障碍支持或可靠的网络连接。

农村地区的领导力之所以具有价值，恰恰在于这些限制条件在西弗吉尼亚州清晰可见。围绕人员有限和学校分散而设计的全州体系，或许能为其他地区提供有益经验。

对全国领先地位的说法仍应谨慎解读。全国各地的州和学区已经发布 AI 指导意见、制定示范政策，并启动培训计划。

WVDE 更为狭义的主张，涉及 AI 与数字科学相结合的框架及其全州性结构。在将“首创”视为已得到证实的有效性衡量标准之前，仍有必要进行独立比较。

google news 的标题记录了此次发布。更重要的故事在于，全州协调是否能增强地方保障措施，而不只是加快采用速度。

安全取决于能在真实课堂中发挥作用的规则

只有当该框架的隐私和诚信原则能经受住日常课堂压力时，它才具有可信度。

设想一位教师正为处于不同熟练程度的学生准备差异化阅读练习。一款获批准的 AI 工具或许能帮助更快生成初始版本。

教师仍必须检查准确性、阅读难度、文化假设以及与课程的契合度。学生信息不应在未获得适当保护的情况下输入消费者系统。

再设想一名学生要求聊天机器人概括研究内容。该系统可能给出清晰的答案，却包含虚构来源或缺乏依据的说法。

AI 素养要求学生追溯证据并比较来源。它也要求教师设计一种作业，使核验过程可见且可被评估。

因此，学术诚信规则必须比“允许使用 AI”或“禁止使用 AI”更为精确。教师需要为每项任务明确可接受的辅助方式，并说明学生应如何标明所获得的帮助。

头脑风暴提示可能被允许，而生成的最终文本则可能不被允许。翻译辅助在一种情境下可能恰当，但在另一种情境下可能掩盖了被评估的技能。

WVDE 早期指导意见将过度依赖、独立思考能力减弱、隐私问题、数字鸿沟扩大、抄袭以及社交互动减少列为可预见的风险。

这些风险相互作用。获得教师支持有限的学生，可能会更依赖生成式答案。缺少采购专家的学区，可能难以评估供应商的保护措施。

该部门的安全原则禁止将可识别学生个人身份的信息输入消费者 AI 系统。这是一条明确规则，但遵守规则所需的不只是警示幻灯片。

教育工作者需要在真实场景中识别可识别个人身份的信息。一条提示词可能通过姓名、残障信息、行为记录、位置，或独特的细节组合暴露身份。

学校还需要针对意外披露制定程序。工作人员应当知道该通知谁、应保留哪些记录，以及将如何向家庭提供信息。

数据最小化提供了一个有用标准。即便使用获批准的系统，教师也应只提供完成教育任务所必需的信息。

采购团队应询问数据流向何处、保存多久、供应商是否将其用于模型训练，以及哪些分包商能够访问这些数据。

与年龄相适应的使用方式带来了另一项挑战。年幼学生需要与为准备升学或就业的高年级学生不同的界面、说明和监督。

该框架承诺学生在毕业前具备 AI 素养，而不是在每个年级都获得相同的聊天机器人访问权限。各县在选择工具和设计课程时应保留这一区分。

无障碍功能可以带来真正的益处。AI 可能支持翻译、文本转语音、替代性解释和个性化练习。

这些用途仍受特殊教育规则和专业判断约束。由 AI 生成的便利措施不能取代通过适当教育流程作出的个体化决定。

偏见也值得关注。AI 系统从数据中学习模式，并可能复制这些模式中包含的错误或刻板印象。

学生应学习在不同身份和假设下测试输出结果。教师需要建立报告反复出现问题的流程，而不是私下处理每一项带有偏见的输出。

最敏感的边界涉及高风险决策。AI 不应独立决定纪律处分、安置、学业进展或服务获取。

一项拟议的 2026 年西弗吉尼亚州法案说明了政策方向，但其提出文本不应与已颁布法律混为一谈。

该提案将要求教育工作者保留专业判断，并使用县级批准的工具。它还将制定示范 AI 政策，并限制将技术作为直接教学替代品的依赖。

无论每项提案是否都成为法律，这些概念都为该框架提供了实际检验标准。各县应在争议迫使其临时应对之前，公布获批准的使用边界。

透明度对家庭同样重要。家长应了解学生使用哪些系统、这些系统处理哪些数据，以及如何质疑自动化建议。

学校还应说明 AI 何时参与了教学材料的制作。透明度并不要求为每张练习单附上技术报告，但应使责任可追溯。

这种审慎视角并不能证明该框架不安全。它表明，安全仍是一项需要证据支撑的运营性主张。

一个州可以很快统计培训场次和认证数量。衡量学生是否保留核心技能、避免有害依赖并保护个人信息，则需要更长时间。

西弗吉尼亚州的方法对州界之外意味着什么

西弗吉尼亚州正在检验，一个农村州能否将 AI 治理转化为教育能力，而不是又一项没有资金支持的地方责任。

许多学校系统最初通过限制来应对 AI。在生成式工具让学生无需展示底层过程，就能更轻易地写出文章、代码、图像和答案之后，这种反应可以理解。

随着 AI 功能进入搜索引擎、生产力软件、学习平台和设备，禁止措施变得更难实施。学校可以屏蔽特定网站，却无法将 AI 从学生的数字环境中移除。

WVDE 的方法接受了这一现实。它将 AI 纳入更广泛的数字科学项目，使学生能够同时学习系统、数据、媒体、网络安全和核验。

这很重要，因为熟练使用聊天机器人是一项狭窄技能。界面和主流产品变化很快。批判性评估、数据推理和负责任的信息处理能力则能跨工具保持价值。

该州还将 AI 素养定位为就业准备。这可以在对特定课堂产品存在分歧的教育工作者、雇主、高校和家庭之间扩大支持。

就业导向本身也带有风险。公共教育不应成为少数科技供应商的培训渠道。

课程需要持久的概念和可迁移的技能。学生应能够评估陌生系统，而不是记住某个当前平台的按钮功能。

WVDE 表示，其专业资源旨在支持知情决策，而非推广特定产品。当合作伙伴提供平台、认证或培训材料时，保持这种独立性将变得更加困难。

与 Microsoft 和 Prodigy Learning 的合作可能帮助该州扩大教学规模。但这也使透明采购、课程审查和结果报告变得更加重要。

学校应披露哪些材料由合作伙伴制作，哪些标准由该州独立制定。教育工作者应有空间批评合作伙伴的产品，而不必担心失去培训机会。

西弗吉尼亚州的培训师培养模式可能对其他农村州具有价值。它在保留全州支持网络的同时，建立地方专业能力。

它的弱点在于对被选为培训师的人员存在依赖。当受训人员变更岗位时，各县需要受保护的时间、持续教育、技术支持和继任计划。

教师工作量是另一项担忧。AI 常被宣传为减少备课或行政工作的方式。

初期采用可能产生相反结果。在任何效率显现之前，教师必须学习工具、审核输出、修改作业、回答家庭疑问并监控滥用情况。

该框架应如实追踪这一过渡。教师在草稿上节省时间，却花更多时间检查错误，并不一定意味着其能力获得提升。

学生成果证据也将很重要。课程完成率和认证数量能够显示参与情况，但不能证明更深入的学习。

该州可以评估学生是否能够识别虚构引用、解释模型局限、保护敏感数据，以及在没有自动化辅助的情况下完成独立工作。

它还应比较各县、收入群体、残障类别和网络连接水平之间的获取情况。只有当机会不只是名义上的时候，全州承诺才算成功。

这些衡量指标将使西弗吉尼亚州的经验在 google news 的新闻周期之外仍具参考价值。其他州需要关于培训模式、年级设计、采购和学生评估的证据。

它们不需要又一份乐观的 AI 使用案例清单。它们需要知道哪些治理实践能在繁忙课堂的现实中经受考验。

对于学生和知识工作者而言，更大的教训并不陌生。AI 工具可以快速生成材料，但用户仍需要可信来源和有序的语境。

一个个人知识系统可以通过保留证据和决策来支持这一习惯。它无法取代评估两者所需的判断力。

从制度知识管理的角度看，西弗吉尼亚州的框架最具意义。该州必须在众多县之间保持政策、获批准工具、培训、事件和课堂经验的最新状态。

如果这些共享知识过时或难以查找，地方实践就会碎片化。如果它们仍然易用，该框架便能在不规定每一项课堂行动的情况下改进决策。

三项信号将表明该框架是否有效

下一项检验是实施证据，而不是又一次宣称 AI 属于教育。

第一项信号是县级培训能力。WVDE 应说明每个县是否确定培训师、为他们提供持续支持，并覆盖技术部门以外的教育工作者。

成功的培训师培养模式将带来定期培训、本地辅导以及对常见政策问题的一致回答。一次夏季活动将削弱该州关于规模化的主张。

第二项信号是公布与年级相适应的学习期望和获批准的使用规则。家庭和教师需要了解 AI 素养在不同阶段意味着什么。

明确的预期应区分学习 AI 与使用生成式工具。它们还应界定署名、隐私、教师审核以及被禁止的高风险用途。

如果各县在缺乏有力全州基准的情况下发布互不兼容的规定，该框架所承诺的普及机会仍将不均衡。如果规则能够协调一致，同时保留教学灵活性，西弗吉尼亚州的模式将更具可信度。

第三个信号是透明的成果报告。WVDE 应公布参与情况、证书完成情况、教师工作负担、安全事件以及衡量学生理解程度的指标。

2024 年利益相关方调查为公众关切提供了有用的基线。后续研究可以检验透明度是否得到改善，以及对依赖性的担忧是加剧还是减轻。

成果报告也应纳入失败情况。公开披露的隐私事件或效果不佳的试点，并不自动意味着该项目应被否定。

能够识别问题并调整实践的体系，可能比只报告成功的体系更安全。持续修订至关重要，因为产品、合同和课堂行为都会发生变化。

关注 google news 的读者也应留意 WVDE 如何定义成功。高账户激活率或提示词使用量衡量的是活动，而非教育价值。

更有力的成果应显示，学生在保留研究、写作、数学素养和批判性思维能力的同时，有选择地使用 AI。教师应始终能够解释并捍卫具有重要影响的决定。

西弗吉尼亚州已作出明确承诺：AI 素养将成为全州教育准备的一部分，而不是仅限于少数学校的可选实验。

尚未解决的问题是，普及与安全能否以同样的速度推进。答案将从各县培训、公开规则以及有关学生实际学习成果的证据中显现。

在实施仍处于成形阶段时，教育工作者和家庭应要求获得这些记录。应关注框架背后的决策，而不仅是围绕它的公告。

如果西弗吉尼亚州公布可信的成果，其农村模式将值得在一则新闻标题之外获得更广泛关注。如果它只报告覆盖范围和证书，核心的安全承诺仍将未经验证。