Google发布的英国和意大利两项教育研究显示，基于Gemini的AI辅导在平台作业与阶段测验中接近人工辅导效果，但未在标准化STAR测试中见到同步提升；意大利研究记录到教师备课方式与课堂参与的变化。两项研究样本规模较大且带有人类审核，但结果并未经过独立验证，需更长周期和更多指标来评估长期学习成效。
Google于2026年10月29日公布英国和意大利两项教育研究，考察生成式人工智能如何参与数学辅导和课堂备课。结果呈现出一幅并不简单的图景：英国一项为期10周、涉及逾1,100名学生的试验中，使用Gemini能力的辅导在平台作业和阶段测验上的表现与人工辅导相近，但标准化STAR测试没有出现同样的提升；意大利一项覆盖31所学校的研究则记录到课堂活动和学生参与方式的变化。两项研究均由Google发布，不能据此把产品效果视为已获独立验证的普遍结论。
英国试验：辅导表现接近人工，但测试结果有边界
英国试验与教育平台Eedi合作开展，持续10周，纳入逾1,100名12至15岁学生。学生答错题目后，获得的支持包括预先编写的静态提示、人工导师辅导，或结合Eedi教学资源与Gemini能力的互动式AI辅导。教师在课堂中监测进度并提供支持；AI生成的每条回复在发送给学生前，都由人类专家实时审核。
Google称，AI辅导组在平台作业和阶段测验中的表现与人工辅导组相近。按研究设定的教学提示，Gemini在近99%的辅导会话中引导学生思考，而非直接给出答案；在超过85%的聊天中，学生自己完成了数学推理。专家对AI回复的直接认可率从此前研究的76%升至95%，Google将其描述为教学质量提高近25%。这些比例反映的是研究中专家审核及特定任务的结果，不等于所有学生、学科或使用场景都能获得同等效果。
一个关键限制出现在标准化测试上：研究期间，日常课堂任务和阶段测验的进步没有在STAR标准化测试中体现出来。Google认为，逐步辅导每道题耗时较长，学生每次练习平均完成约14题，低于使用静态提示时的约19题；在10周内，覆盖的课程内容因此较少。公司表示，正在探索覆盖完整学年的后续试验，并扩大衡量学习成效的指标。这是研究团队对结果的解释和未来计划，并非已经证实的因果结论或完成的后续研究。
意大利研究：教师仍是课堂设计的中心
在意大利，Google与Salesians of Don Bosco学校网络及罗马宗座慈幼大学合作，开展为期一年的研究，覆盖31所学校、约1,600名教师和逾24,500名13至18岁学生。研究收集课堂活动资料，并比较教师在使用和未使用Gemini for Education时的备课自述。
Google报告称，教师与Gemini共同设计课程时，表示备课和教学更有创造性的比例为79%，未使用时为30%。传统的讲授式课堂活动减少38%，学生主导的协作学习则接近增加至原来的三倍；学生自述的课堂参与度从77%升至84%。教师也报告，课堂是否投入不再如此依赖教师个人持续调动气氛的能力：这种依赖下降66%，由活动设计带动课堂参与的课程比例从23.2%升至52.2%。
这些数字描述的是该研究网络内的课堂活动与教师、学生报告。Google的文章没有在这些数据之外证明，变化完全由Gemini造成，也没有据此说明结果可以直接推广到不同课程体系、学校资源或年龄群体。更稳妥的理解是：在这项研究所观察的场景里，AI被用于备课和活动设计，而不是取代教师在课堂中的判断、引导与师生互动。
研究规模扩大，独立验证仍重要
这两项研究延续了Google与Eedi此前在英国进行的探索性试验。Google在2025年公布的研究涉及165名学生，AI辅导消息由导师逐条审核；研究报告指出，在特定的后续新题任务中，AI辅导组的答题成功率为66.2%，人工辅导组为60.7%，相差5.5个百分点。该试验规模较小，研究团队也将其定位为探索性研究，不能与2026年更大规模的试验混为一谈。
教育场景中的核心问题不仅是模型能否生成合理解释，也包括学生是否真正理解、能否把知识迁移到新问题，以及教师监督需要多少时间和资源。英国试验中的人工审核机制，是研究设计的一部分；它既提供了质量把关，也意味着试验结果不能简单等同于无需监督的自动化辅导。标准化考试没有同步改善的发现，同样提醒人们区分局部任务表现与更广泛的学习成果。
Google表示正在筹备更长周期研究。后续研究若能公开完整方法、对照组设置和结果，并由独立研究者检验，将有助于判断课堂中的短期参与变化能否转化为稳定的知识掌握与长期学习收益。在这些证据出现前，这些数据更适合作为值得继续检验的课堂实践线索，而非AI辅导普遍有效的定论。