2026年5月12日，杭州，世界数字教育联盟在2026世界数字教育大会上发布了《Best Practices in AIED: Scenario-Driven AI Plus Education Transformation》。全球征集收到500多份提交，最终选出十个。这份名单最值得读的地方并不在“最佳”二字，而在于它同时呈现出了一张推进层级表：有的案例已经接入国家学习平台，有的连接了27所学校，还有的只是在一门课里试用的聊天机器人。
已经接入系统的
新加坡的Student Learning Space是规模最清楚的一个。自适应学习系统2023年上线，用机器学习跨学科、跨学段推荐个性化学习路径，已整合进国家学习平台，在部分学科和年级向约15万名学生开放。注意“部分学科和年级”这个限定：它的开放范围是分层的，不是全校全科目的默认入口。
北京师范大学牵头的学生全面发展测评，数字看起来更大：44个区域、8000多所中小学。但原文的表述是“建在国家研究和试点项目之上”，探索的是用数据和智能工具“在多样地方情境中做更全面的学生评价”。这是试点网络，并非已经跑通的全国评价制度。
中国的智慧教育平台入选的理由，是把线上科技资源和本地博物馆、科技中心等公共学习空间连接起来，让学生在数字工具和线下体验之间学科学、做科学。方向是资源连接，重点不在某个算法。
学校群协作：27所
深圳云学校的“四维课堂”把主讲教师、助教、现场教师和AI教学助手编进同一节课。五年间连接27所中小学，通过共享备课、教学与研究，服务超过1万名学生和750名教师。这个结构其实很朴素：它回应的是“好老师不够分”的老问题，AI是其中担任一个角色的参与者，而不是全部。
单点试点：一门课
普渡大学的PeteChat是课程级聊天机器人，在一门电气与计算机工程课程中试点，靠课堂设计、测试、修订的反复循环开发。它给自己定的目标很克制：在“全面禁止”与“无限制采用”之间找一种平衡的用法。十个案例里，这个大概最接近多数学校真实的起点——先在一门课里把边界摸清楚。
资源、工具与框架
剩下的几个案例各有侧重。联合国教科文组织教育信息技术研究所与网龙合作的“教师电子图书馆”，是开放获取的课程、材料与实践社区，指向教师AI素养，强调合乎伦理、包容、以人为本。Mona Foundation的Mindspark在印度、南非、赞比亚的资源薄弱学校使用，诊断学生水平、生成个性化路径，还向教师提供AI生成的误解分析、学习缺口与补救策略——注意它的服务对象同时包括学生和教师。加拿大Contact North | Contact Nord面向安大略省小型、乡村、北部和偏远社区提供免费高教AI套件，覆盖学生学习、教师备课与教育职业规划，全球用户已近35万。澳大利亚Lyrebird Education从维多利亚州VCE中文课程起步，把基于HSK的学习与澳洲课堂要求对接，正扩展到其他州和国家体系。阿拉伯联盟教育、文化及科学组织（ALECSO）的AI伦理宪章则不是产品，而是一份区域框架，为教育、文化、科学领域的负责任AI使用定调。
“可测量成效”四个字，还差一层
联盟说评选聚焦四项：真实场景应用、可测量成效、伦理责任、可持续性。但公布的名单没有给出测量方式、数据、对照，也没有独立评估。所以“可测量成效”目前只能理解为申报材料里存在可测量的指标，而不能读成“经证实提高了学习成绩”。规模数字多为自报，覆盖人数说明的是触达范围，不是效果大小。
这份名单真正的用处，是让人看清一个项目站在哪一级台阶上：是单门课的试验，是学校群之间的协作，还是已经写进国家平台的系统。别把“最佳实践”当成“已证明有效”，它更像一份可以按图索骥的参考样本。