Edustories

Name: Edustories
Creator: 马萨里克大学教育学院; 日本国立信息学研究所大型语言模型研发中心
Published: 2026-09-17T22:36:23+08:00

arXiv2026-09-17 更新2026-09-19 收录

AI辅助教学

教师干预预测

数据链接：

https://edustories.cz 数据链接链接失效反馈

官方服务：

资源简介：

Edustories是由马萨里克大学教育学院联合日本国立信息学研究所创建的首个聚焦集体课堂实践的真实案例数据集。该数据集包含1,492条由实习教师撰写的详细案例，每条记录涵盖情境描述、学生背景、问题、干预措施及结果，并附有专家标注的分类标签。数据收集于2023至2026年间，经过严格匿名化和双语翻译处理，保留了丰富的教育叙事语义。该数据集旨在推动集体教学场景中AI辅助系统的研究，尤其适用于评估语言模型对教师干预成功性的预测能力，同时为认知科学和发展心理学提供分析素材。

Edustories is the first real-world case dataset focused on collective classroom practice, co-developed by the Faculty of Education, Masaryk University and the National Institute of Informatics, Japan. It contains 1,492 detailed case studies written by student teachers, with each entry encompassing situation description, student background, pedagogical problems, intervention measures, outcomes, as well as expert-annotated classification labels. The dataset was collected between 2023 and 2026, and has undergone rigorous anonymization and bilingual translation processing, preserving rich educational narrative semantics. This resource aims to advance research on AI-assisted systems in collective teaching scenarios, and is particularly applicable for evaluating the predictive ability of language models regarding the success of teacher interventions, while also providing analytical materials for cognitive science and developmental psychology.

提供机构：

马萨里克大学教育学院; 日本国立信息学研究所大型语言模型研发中心

创建时间：

2026-09-17

原始信息汇总

Edustories 数据集概述

平台定位

名称：Edustories
定位：分享和解决课堂纪律问题的平台
目标：帮助教师应对学生 challenging 行为

核心功能模块

1. 数据库（Databáze）

发现经过验证的应对学生 challenging 行为的流程

2. 案例上传（Nahrání případu）

上传自己的情境，获取具体的 AI 建议以帮助解决问题

3. 训练专区（Trénovací sekce）

练习应对课堂 challenging 情境的技能

项目相关

关于项目（O Projektu）

利用人工智能解决 challenging 行为

虚拟现实（Virtuální realita）

为教师应对 challenging 情境提供创新解决方案

案例库示例

案例一

标题：改善课堂参与度：一名学生历程的案例研究
年龄：13 岁
内容概述：一名 13 岁学生持续拒绝参与课堂活动、无视指令并扰乱教学。教师注意到根本问题后，采取个性化策略并联合学生家庭和学校辅导员，学生的行为和学习态度逐渐明显改善。
日期：2026 年 6 月 15 日
状态：成功
作者：匿名

案例二

标题：解决小学由线上冲突引发的欺凌问题
年龄：12 岁
内容概述：一名 12 岁学生在寒假期间因线上游戏冲突而在学校遭受欺凌，涉及社交孤立和同学的身体攻击。家庭和教师的努力（包括直接讨论和课堂干预）帮助解决问题并恢复积极环境。
标签：攻击行为、骚扰同学、电脑游戏与电子游戏
日期：2026 年 5 月 20 日
状态：成功
作者：马萨里克大学

案例三

标题：解决超常聪明学生的缺勤与学习动机问题
年龄：18 岁
内容概述：一名学生因频繁无故缺勤，多门科目未获得评分。经教育委员会干预和参与学校项目后，其努力有所改善。尽管智力超常，但表现肤浅，导致与同学部分隔离。通过新朋友，其社交和学业状况趋于稳定。
标签：缺勤、冷漠、沟通障碍、无礼行为、无礼言论、不守纪律、不履行职责、不完成学业义务、不勤奋、不守规矩、迟到、融入集体困难、问题行为、破坏行为、粗俗表达、逃避学校、扰乱教学、逃学、电脑游戏与电子游戏、编程与软件开发
日期：2026 年 5 月 14 日
状态：成功
作者：马萨里克大学

案例四

标题：解决学生在学校活动中情绪爆发的问题
年龄：12 岁
内容概述：六年级处理了一名学生在公民教育课游戏期间情绪爆发的事件。比赛中该学生未获胜时发生言语爆发。问题行为需要立即干预以保护他人。尽管此前有心理咨询，情况仍未得到最优解决，长期需要综合方法。
标签：阅读障碍、攻击行为、沟通障碍、不尊重权威、情绪不稳、冲动、冲突倾向、轻度攻击发作（非针对人）、不尊重权威、不尊重指令、不敬权威、不当行为、破坏财物、违反规则、融入集体困难、自控困难、扰乱教学、粗俗表达、违抗、策略游戏
日期：2026 年 5 月 14 日
状态：成功
作者：马萨里克大学

案例五

标题：解决学生更换教室后的情感行为问题
年龄：14 岁
内容概述：案例描述一名学生在忘记学习用品并因下午辅导必须更换教室后开始表现出情感行为。提及父母教育的作用，在社会法律保护机构介入后，学生父亲开始更积极介入，导致行为改变。教师通过给学生必要时间冷静下来成功处理了问题。
标签：行为障碍、缺勤、缺乏动力、情绪不稳、冲动、轻度攻击发作（非针对人）、撒谎、不完成学业义务、不勤奋、未准备、不当行为、行为困难、叛逆、扰乱教学、课堂睡觉、大声喊叫、数学、电脑游戏与电子游戏、TikTok 与 YouTube
日期：2026 年 5 月 14 日

案例检索

可详细搜索和筛选案例，以精准找到所需内容

常见问题（FAQ）

如何找到与我的案例相似的案例研究？
如果在数据库中找不到自己的案例怎么办？
建议的解决方案是否经过验证？
必须注册吗？
训练和 EduPlay 是什么？
我的数据安全吗？

反馈与联系

可留言反馈以帮助改进 Edustories
未找到所需内容可联系平台

项目资助

Edustories 项目由捷克技术局国家支持在 Sigma 计划下共同资助

版权

搜集汇总

数据集介绍

构建方式

面对集体课堂教学中真实情境数据稀缺的困境，Edustories的构建依托于241名职前教师在捷克中小学教学实践期间撰写的案例研究。这些案例遵循结构化模板，涵盖情境叙述、学生背景、待解问题、教师干预及感知结果，并附带学生年龄、爱好与诊断信息。原始文本经两轮匿名化处理，先由命名实体识别服务自动替换个人信息，再经人工复核确保无身份泄露。随后，两名教育专家独立对问题类型、干预类型与结果类别进行标注，争议案例通过讨论解决。英文版由GPT-5.2翻译，原始捷克语文本亦保留在数据集中。

使用方法

研究者可将Edustories用于评估大语言模型在预测教师干预成效方面的能力，具体方法为将案例的描述、背景与干预字段构建为提示，令模型判断结果为长期成功、短期成功或失败。该数据集也可用于分析成功干预的预测特征、开展情感分析，或研究学生行为随年龄发展的规律。教育专家可将其作为反馈工具，辅助职前教师反思教学策略。使用时需注意，模型表现仍逊于人类专家，且翻译文本可能存在少量不流畅之处。

背景与挑战

背景概述

教育人工智能研究长期聚焦于个性化学习辅助，然而全球绝大多数教学实践仍发生于集体课堂情境之中。课堂管理、师生互动与社会动态的复杂性，使教师面临远超个体学习轨迹的多重决策压力。Edustories数据集由马萨里克大学教育学院联合日本国立情报学研究所于2023至2026年间构建，收录241名实习教师撰写的1492例真实课堂案例，涵盖情境描述、学生背景、教学干预及结果评估。作为首个公开记录集体课堂教学实践的细粒度数据集，其经两阶段匿名化与专家标注，为评估大语言模型在课堂干预成效预测中的能力提供了关键基准，亦为教育人工智能从个体辅导迈向集体教学支持奠定了数据基础。

当前挑战

该数据集所回应的领域难题在于，集体课堂情境的建模远比一对一教学复杂，涉及多主体互动、社会关系与情境依赖的动态机制，现有视频行为数据集仅捕捉可观察层面，难以还原学生既往经历与教师解读等深层情境因素。构建过程中的核心挑战则源于伦理与法律层面对师生匿名性的严苛要求，这极大制约了真实课堂描述的可得性与完整性；同时，自由文本从捷克语到英语的翻译质量受限于商业翻译服务精度，约5%至10%的案例可能存在翻译腔或误差。此外，实习教师群体的单一性使数据集难以全面反映资深教师的策略，而模型评估亦未涵盖超大规模参数模型，这些局限共同构成了后续研究需持续应对的挑战。

常用场景

经典使用场景

Edustories最为经典的使用场景，在于评估大语言模型对课堂干预成效的判别能力，即为教师所撰写的真实教学案例预测其干预措施究竟属于长期成功、短期成功抑或失败。该数据集囊括1,492份由师范生撰写的课堂案例，完整保留了情境叙述、学生背景、问题界定、教师干预与感知结果等叙事要素，使研究者得以在贴近真实教学语境的条件下，检验模型能否区分不同层次的干预成效，进而为智能教学辅助系统的反馈生成能力提供核心基准。

解决学术问题

在学术研究层面，Edustories弥补了既往教育人工智能研究过度聚焦个性化学习辅导而忽视集体课堂情境的显著空缺。传统数据集多以视频记录或情感分类为目标，难以捕捉学生既往经历、教师解释框架与行为演化等深层情境因素。该数据集以完整叙事保留课堂决策的丰富语义，使干预成效预测、教学推理建模与教师反思分析等议题得以在统一语料上展开，为教育人工智能从个体化辅导迈向集体课堂支持提供了关键数据基础。

实际应用

在实际应用层面，Edustories可支撑面向在职教师的智能反馈系统开发，帮助教师在课后反思环节获得关于干预策略成效的辅助判断与改进建议。该数据集亦可用于教师职前培养中的案例教学与集体反思，使师范生在真实情境叙事中提升课堂管理与行为干预能力。此外，其标注特征涵盖问题类型、干预方式与学生诊断信息，可为学校管理者分析课堂行为模式、设计校本行为支持方案提供实证参照。

数据集最近研究