近期多场国际会议的共识是，要推动公共教育转型，教育科技必须以科学为驱动，而非炒作。
如果教育科技的设计、实施和发展以证据为驱动，它就能够并将对儿童产生积极影响。
了解为何研究与创新项目需要超越全球南方针对传统学习成效的教育科技，以及全球北方的学习创新。
近期研究与行业报告中的一个共同主题，是教育科技（EdTech）在全球范围内的迅猛扩张与其证据基础的薄弱形成鲜明对比。近期多场国际会议的共识是，要推动公共教育转型，教育科技需要以科学为驱动，而非炒作。
然而，尽管语言已转向系统性视角，共同的挑战依然在于，确保全球北方与全球南方之间在教育科技证据和评估严谨性方面实现公平。
国家层面的努力
美国和英国政府在教育领域的前所未有的投入，推动了加速特定教育科技解决方案研发所需的研究与开发。在全球范围内，重要的慈善承诺通过Jacobs Foundation部署的3000万美元用于投资领先的教育科技风险投资基金，并通过1500万美元的教育科技共创中心，服务于非洲初创企业。此外，欧洲若干国家（例如瑞典）的公私合作在一定程度上弥补了公立学校的资源约束，并将教师群体定位为证据的生成者。
学习科学家积极推动，将教育科技设计各阶段的研究与教育科技网络计划相结合，例如GETN，旨在推动更完善的全球跨部门合作，以实现共同的影响目标（见下方图表）。所有这些努力都遵循同一理念：如果教育科技的设计、实施和发展以证据为驱动，它就能够并将对儿童产生积极影响。但教育科技证据运动面临两大挑战，即全球北方与全球南方之间的差距。
全球北方与全球南方的差距
第一项挑战在于，确保南方生产的教育科技不仅仅是采用北方开发的创新项目。随着生成式人工智能和先进数据基础设施被嵌入众多应用程序和学习平台，政策制定者和企业可以利用证据，实时决定哪种教育科技最适合哪类学习者。
此类智能教育科技可以在设计中融入生成式人工智能，并直接利用来自用户、与用户共同生成的数据训练模型。然而，人工智能的经济和社会效益仍然在地理上集中于全球北方。为确保新一代教育科技的公平性，教育科技的人工智能模型需要基于真正多元化的人群进行训练。
第二项挑战涉及全球北方与全球南方在证明标准和证据评估方面的差异。为衡量某一应用程序或学习平台是否有效，许多全球北方国家要求提供已完成的随机对照试验（RCT）证据。尽管RCT在ESSA证据等级（美国所用）中代表最高层级的证据，但它未必总是教育科技工具最合适的证据形式，尤其是对于以用户互动为核心的高度个性化解决方案而言。虽然效果试验在某些情境下是必要的，但它们未必能支撑地方政策领域所认可的证据合法性。由本地培训的研究人员得出的教师对可用性的看法，以及关于教育科技实施的定性证据，对于教育科技能否被当地社区接纳至关重要。
针对这些挑战，可以采取哪些措施？
首先，研究与创新项目需要超越全球南方针对传统学习成效的教育科技，以及全球北方的学习创新。是的，设计良好的教育科技能够加快儿童在数学、读写或STEM技能方面的发展，从而应对教育不平等问题。然而，许多传统技能正被人工智能所补充，由此产生新的学习范式。生成式人工智能领域的教育科技创新正以闪电般的速度在全球北方推进，如果其发展在全球南方未被优先考虑，它很快可能垄断市场。
其次，要了解何种方法有效、对谁有效以及在何种条件下有效，不仅需要关注证据的类型，还需要关注证据的收集方式。鉴于当前非常少的基于研究的教育科技，政策制定者必须接纳评估教育科技证据主张的方法多元性。这意味着需要关注各类证据在方法的严谨性、透明度和伦理方面的表现。为使证据评估不损害创新，评估之后必须辅以可行的建议，以发展本地研究能力并推动集体创新。
转变证据叙事
为使教育科技“做得更好”，同时“做更好的事”，我们需要改变那种仅赋予北方全球教育科技突出地位的文化。政策制定者和资助者需要记住，教育科技的证据要求是在一个不平等的教育科技创新体系中提出的，因此可能对教育科技生态系统产生不平等的影响。假定以金科玉律式证据标准为前提的证据叙事，实为北方的发明，并应承认其排他性，尤其是在满足这些标准需要大规模、资源密集型投入的情况下。
倾听南方在教育科技方面的声音，不仅将推动技术创新，也将推动我们衡量其对社区影响的方式创新。社会经济影响评估南非的模型综合运用多种相关证据，以确保“所期望的行为改变本身与预期收益相比，不应造成过度繁重的负担。因此，禁止小贩进入繁忙公共场所的法规，可能意味着他们失去生计。”这一要求适用于所有类型的政策举措，包括教育科技证据。
鉴于全球南方在证据实施与合规成本方面处于承担最重的一端，全球教育科技证据运动需要考虑到对“何为有效”的等级化和排他性定义可能产生的非预期后果。教育长期以来存在殖民化倾向，评估体系以主要语言、典型学习者为标准制定，而且在“先进社会”中，何为学习与智慧的界定高度政治化。借助开放式人工智能和开放数据，新一代教育科技拥有独特机遇，可以生成新知识并纠正教育中的不公。
