本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
使用带有教学限制的适应性AI辅导系统的学生组，辅助练习得分高出127%；使用标准ChatGPT的学生组进步了48%。这两个数字来自Bastani等人2025年发表于《美国国家科学院院刊》（PNAS）的研究，经合组织（OECD）在《2026年数字教育展望》报告中引用了这项研究。数字背后的问题一目了然：同一名使用标准聊天机器人的学生，一旦在考试中无法使用该工具，得分比从未用过聊天机器人的学生低17%。
这不是技术问题。这是一个与学校同样古老的教育问题：什么是学习，谁对此负责？
要点
- 根据Bastani等人（PNAS，2025）的研究——被OECD《2026年数字教育展望》引用——使用带教学限制的适应性AI辅导系统的学生组，辅助练习进步127%；使用标准GPT-4（GPT基础版）的学生组进步48%，但后者在无辅助考试中退步17%。
- 这项在土耳其进行的研究区分了两种截然不同的使用方式：直接提供答案的标准聊天机器人，以及要求学生先推理再纠错的AI辅导系统。
- GPT辅导系统组在考试中未见显著进步，但结果与对照组相近——这意味着AI辅导系统避免了标准聊天机器人用户出现的退步。决定结果的是工具的教学设计，而非工具本身。
- 真正的差距不在于学生是否能用AI，而在于是否有足够的教学指导——这种指导让学生把AI当思考工具，而不是替代思考的拐杖。
杠杆效应反转
这项研究以土耳其高中生学习数学为对象，将学生分为三组：无辅助学习组、使用经典GPT-4组（GPT基础组）、使用专为引导而非直接给答案所设计的AI辅导系统组（GPT辅导组）。OECD在《2026年数字教育展望》中引用并分析了这些结果，结论清晰。
训练阶段，GPT-4标准组领先于其他组。AI回答问题、纠正错误、提供变体——练习完成得更快，表面成功率明显更高。一位观察课堂的教师会看到专注、高效、明显在进步的学生。
考试在同一90分钟时段内进行，紧接训练阶段之后，但没有工具可用。GPT-4标准组的成绩跌至对照组（即无任何工具的那组）之下。杠杆效应反转了。AI看似构建的东西，实际上被它绕开了。
机制并不复杂。学习解题，就是要经历不知道答案的不适。要搜索、摸索、第一次失败、理解原因。学习神经科学将此称为”理想难度”：让知识得以持久的认知努力。AI在学生来不及思考时就给出答案，消除了这种努力，也消除了学习本身。
AI辅导系统反其道而行之——结果也相反
研究中的第三组呈现了不同的结果。这组使用的适应性AI辅导系统遵循明确的教学原则：不给答案，只提问题。它实时评估学生水平并调整难度，逐步给出提示。学生犯错时，它引导学生理解原因，而不是让他们重新开始。
在考试中，该组与对照组相比没有明显进步，但结果相近。这意味着AI辅导系统避免了标准聊天机器人用户出现的退步，尽管未产生可测量的提升。两个AI组之间的差异不是技术能力的差异——它们使用同代的生成模型。差异在于教学设计。
OECD得出的结论措辞审慎，实质如下：AI在教育中既无好坏之分，它放大了所嵌入的教学法。用法不当，加速依赖；用法得当，能做到超负荷班级教师无法独自做到的事：适应每个学生的确切学习节奏。
这不是新承诺。智能辅导系统自1980年代起就已存在，部分元分析认为其效果可与人类一对一辅导媲美——大约一个标准差的增益，足以让中等水平学生跻身前20%。新的地方在于：生成式AI让构建此类工具成为可能，不再需要早期系统的高昂成本，部署规模也大幅扩展。
差距并非人们所想的那样
关于学校AI的公共讨论，通常围绕一个简单的差距：有工具访问权限的学生与没有的学生。这种判断部分正确——数字访问不平等仍然存在，尽管在多数OECD国家正在缩小。
但土耳其的数据指向更深层的差距，仅靠设备配置无法弥合。区分AI受益者与AI受损者的，不是对工具的访问权限，而是能否将其用作思考工具而非思考替代品。
这种能力并非天生，可以教授。它需要足够的教学指导，让学生明白自己在寻找什么、还不知道什么，以及AI如何帮助他们弥合这一差距而不是替他们越过去。这种指导在不同学校、学科和社会背景中分布不均。
讽刺之处在于：来自优势背景的学生本就更善于利用教育资源，也更有机会被引导向反思性地使用AI。其他学生在缺乏教学框架的情况下独自面对聊天机器人，将其当作捷径——并非懒惰，而是没有人告诉他们为什么困难本身有价值。社会流动性的差距在这里重演。
职场中也存在类似的动态。AI要求初学者具备资深者的姿态：评估回答质量、识别自己的知识盲区、提出精确问题。这些元认知能力正是学校理应培养的——而课堂上用法不当的AI，恰恰可能阻碍这些能力的形成。
走在前列的国家在做什么
OECD记录了几项以具体手段应对这一问题的国家举措。
韩国教育部2024年启动了在公立学校部署适应性AI辅导系统的计划，并专门培训教师如何将这些系统生成的数据用于教学。其思路不是用机器取代教师，而是为教师提供每个学生知识缺口的精确数据，让教师在AI发现障碍的地方介入。初步反馈显示，试点班级的教学差异化有所改善，但结论仍属早期阶段。
芬兰赫尔辛基大学研究团队正在测试”AI课后回顾”协议：学生使用AI工具完成一段学习后，被要求大声说出自己理解了什么、没有工具会怎么处理、以及仍然不懂的内容。这个做法简单易行，将与聊天机器人的被动互动转变为主动的元认知练习。
英国Khan Academy基于GPT-4开发的AI辅导系统Khanmigo正在数百所学校试验。该工具的设计原则是数学题从不给出直接答案：提问题、拆步骤、让学生验证自己的推理。目前的评估尚未得出长期结论，但中期数据显示，学生在遇到难题时的放弃率有所下降——这一指标对学业成功的预测能力，通常比原始分数更强。
技术无法单独决定的事情
有人可能会说，只要选对工具——适应性辅导系统而非通用聊天机器人——问题就解决了。这种判断忽略了关键。
设计再好的AI辅导系统，如果教师不懂得如何将其整合进连贯的教学进程，效果也有限。如果学生没有理由去面对困难而非走捷径，效果为零。如果学校在未培训教师、未调整评估方式的情况下直接部署，反而会产生负面效果。
教育系统的责任在这里体现得很具体。不是选择哪款工具，而是教师培训、教学序列设计和评估目标的设定。一个仍在评估执行速度而非推理能力的系统，培养出的学生会为速度而优化——AI在这方面无人能及。
教育不平等问题在此格外突出。有能力培训教师反思性使用AI的学校，往往不是最需要这种能力的学校。曾经的数字鸿沟是设备鸿沟；正在形成的鸿沟是成人教学能力的鸿沟。这是教师持续培训公共投资的问题，不是技术的问题。
一些迹象指向正确方向。OECD自2024年起建议，教育AI政策必须设立教师培训专项，资金规模至少与设备采购相当。欧盟委员会在其数字教育计划中设定了2030年前培训90%教师”批判性使用数字工具”的目标。以目前水平衡量，这个目标相当激进，但将其写入公共政策，至少意味着承认了问题的存在。
教育科学研究长期在学校技术讨论中处于边缘，如今正重回核心。墨尔本的John Hattie团队和英国的Robert Coe团队多年来记录了高影响力教学实践，与技术议题无关。他们的结论与OECD数据一致：让学生进步的是精确反馈、直面困难和明确的思维策略教学。AI可以服务于这些目标，也可以绕开它们。选择权属于设计学校的人，不属于设计AI的人。
考试作为揭示器
断裂在考试中显现，这件事本身具有象征意义。无辅助考试是学生独自面对真实学习成果的时刻——不是借助机器帮助所呈现出的表现。它区分了真实学习与辅助表现。
一些研究者主张重新思考考试形式：如果AI在职场无处不在，为何还要评估”无AI”能力？这个论点有其道理。但它假设AI始终可用、始终可靠、始终适配手头的问题，并且脱离AI独立推理的能力毫无价值。这是一个冒险的假设。土耳其研究的数据表明，学会独立推理的学生，在能够使用AI时也最善于利用它。
真正的问题不是”考试是否应该允许AI”，而是：什么样的考试能真正衡量学生在有无辅助情况下的实际能力，学校又如何为这两种思维模式做准备？部分教育系统开始尝试混合评估——设置辅助阶段和自主阶段，精确测量两者之间的差距。辅助表现与自主表现之间的距离，本身正在成为一项教学指标。
土耳其研究的结论不是AI对学生有害。而是：用法不当的AI，会扩大懂得如何学习的学生与尚不懂得如何学习的学生之间的差距。这一区分值得指导未来几年的政策选择：不是禁止工具，不是盲目部署，而是投资于决定如何使用这些工具的教学能力。
未来十年真正的教育鸿沟，可能不再是联网学生与断网学生之间的差距，而是学会了与机器共同思考的学生，与被机器学会了替他们思考的学生之间的差距。
来源
- OECD《2026年数字教育展望》—— https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html
- 主要研究：Bastani H., Bastani O., Sungu A., Ge H., Kabakcı Ö., Mariman R. (2025). “没有护栏的生成式AI会损害学习：来自高中数学的证据。” PNAS, 122(26) — https://www.pnas.org/doi/10.1073/pnas.2422633122
- SSRN预印本 – Bastani et al. (2024) — https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4895486
- Kulik & Fletcher (2016)，关于智能辅导系统的元分析 — https://journals.sagepub.com/doi/10.3102/0034654315581420
- 维基百科 – 智能辅导系统（历史） — https://en.wikipedia.org/wiki/Intelligent_tutoring_system
- Khan Academy — Khanmigo，基于GPT-4的AI辅导系统： https://www.khanacademy.org/khanmigo
- 欧盟委员会，2021-2027年数字教育行动计划： https://education.ec.europa.eu/focus-topics/digital-education/action-plan