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
法国弱势学生与优势学生的PISA分数差距达113分，德国为86分。这一差异与教师平均水平无关，也与公共支出规模无关——法国生均支出高于经合组织平均值。根源在于法国教育体制从低年级起处理社会异质性的方式。人工智能进入课堂，没有让这个问题消失，只让它更紧迫。
当前对这一问题存在两种解读，各有据可依。第一种认为，AI带来的个性化教学能纠正统一学校长期未能解决的问题：为”平均学生”设计的课程与每个孩子现实之间的错位。第二种认为，缺乏强大制度框架的个性化技术，只会按家长收入加速轨迹分化。数据可以部分给出答案——爱沙尼亚的经验提供了双方都未充分利用的启示。
要点
- 法国优势与弱势学生的PISA差距为113分，德国为86分；法国开发了73%的学校人力潜能，爱沙尼亚为88%（经合组织PISA数据）。
- 爱沙尼亚的优先项不是技术：在推广数字化之前，它先普及了公立幼儿园，并大规模培训了教师。
- AI辅导嵌入一所能稳住学生的学校，可以缩小学习差距；取代这种支撑，则会放大差距。
- 对2020年后出生的一代，真正的转折点不是技术工具，而是关于早期教育的政治决策。
巴博的诊断正确，药方错误
奥利维耶·巴博多年来对法国学校模式提出了一贯批评：这所学校为工业可复制性而设计，重记忆轻理解，重循规蹈矩轻主动性，并以形式平等主义的名义抵制个性化路径。这一论点值得认真对待。全国统一评分、僵化课程、以平均分而非进步来评估——这些机制是为了生产同质化群体而构建的，不是为了陪伴个体。
AI确实改变了这道方程式。自适应辅导系统在最严格的评估中显示出对基础学习的实际收益：学生可以按自己的节奏推进，不用在同伴注视下反复练习，也无需等待集体批改就能获得即时反馈。在印度用Mindspark进行的受控实验表明，几个月内数学学习收益约为0.37个标准差，这不是微不足道的数字。
但巴博的跳跃——从”AI改善个体学习”到”传统课程已经过时”——经不起数据检验。关键问题不是：AI能否帮助学生学习？而是：对于父母能监督使用的学生和自生自灭的学生，AI的帮助是否相同？答案是否定的，数据证明了这一点。
爱沙尼亚给法国的启示
爱沙尼亚的学校人力潜能开发率为88%，法国为73%。这一世界银行指标衡量的是今天出生的孩子存活至学龄、入学并掌握基础知识的概率。两国15个百分点的差距，在一代人的尺度上代表着大量未实现的人力潜能。
爱沙尼亚常被视为教育数字化的典范，但这只是故事的一半。爱沙尼亚真正的关键在数字化之前。该国从三岁起普及幼儿园入学，大规模投资教师的职前和在职培训——其教师是欧洲培训最好的之一——并在部署技术工具之前缩小了学校间的资源差距。数字化是嫁接在坚实制度上的，而非取代制度。
法国的顺序正好相反。它发放平板电脑，试验自适应平台，推出连续的数字化计划，同时在最弱势地区维持着幼儿园入园的结构性不平等，教师的差异化教学培训也长期不足。结果可以预见：技术放大了已有差距。懂得使用技术的家庭从中获益，其他家庭只收到了一个额外工具，却没有配套的制度支撑。
这一规律与我们对制度和经济表现关系的更广泛观察一致：工具的价值取决于承载它的框架。那些全面数字化的先驱如今禁止十五岁以下儿童使用社交媒体，正是从自身经验中明白了这一点：不受约束的技术会产生与预期相反的效果。
113分的PISA差距是政治选择的结果，不是宿命
法国113分的差距不是自然现象。它是数十年制度选择积累的结果。
第一个选择：学区划分与强居住隔离长期并存。优势学生集中在同一所学校，同伴效应会机械地放大入学时的差距。经合组织持续记录这一现象：法国是发达经济体中社会出身最能预测学业成绩的国家之一，预测力强于大多数北欧国家和改革后的德国。
第二个选择：早期教育投入不足。认知差距在零到六岁之间急剧扩大。词汇量有限、书面语言接触不足、缺乏情绪调节训练的孩子进入小学时，落后程度几乎从未被小学阶段弥补。法国的幼儿园理论上普及，但质量因地区而异，最弱势地区的班级规模仍然偏大。
第三个选择：课堂异质性处理方式。与其他明确培训教师进行差异化教学的体系不同，法国模式主要依赖统一的前台讲授，以平均分评价，最困难和最优秀的学生都因此被遮蔽。
AI能否改善局面，取决于这三个选择如何调整。
AI放大的是制度已有的选择
AI对教育是好是坏，这是一个问错了的问题。AI放大的是现有动态。在已实现个性化、培训了教师应对不同学习路径、并约束工具使用的学校里，技术可以释放教学时间，实现更精细的跟踪，削弱统一评分的部分弊端。在未做这些准备的学校里，它变成了差异化自主工具：能够自律、有懂行家长支持的学生进步了，其他学生更快掉队，失去了班级集体曾提供的安全网。
这种不对称在初步数据中得到了印证。麻省理工学院关于Khan Academy Khanmigo在美国低收入学校部署的报告显示：当教师接受过整合培训并保持积极监督角色时，该工具缩小了学习差距；在未经培训就部署工具的班级里，最脆弱学生的成绩停滞，最自主学生的成绩却在提升。
巴蒂斯特·拉瑟纳尔精确地表述了这一挑战：制度性学校不是技术个性化的障碍，而是其前提条件。这不是保守立场。这是对数据的一致解读——移除集体框架后，数据从未在没有它的情况下产生过平等。
自由主义论点有一个市场无法解决的局限
巴博的论点有一个更激进的变体，其他人持有这一立场：如果AI能以低边际成本实现个性化学习，为何还要维持公立学校的垄断？路径多样化、系统外获得能力的认可、由雇主而非文凭验证——这些都是教育平台经济推动的方向。
这一论点遇到了市场无法自发解决的结构性问题：学习质量的信息不对称。家庭为孩子选择教育平台时，没有工具评估该平台的实际教学效果。标签、第三方评估、独立认证要么不存在，要么被它们本应评分的参与者所捕获。这正是让·梯若尔关于信息不对称市场监管的论点：缺乏信任机构不会产生最优配置，只会产生柠檬市场。
对2020年后出生的一代，这一点将是决定性的。如果法国现在不投资于教师AI整合培训、对部署工具的严格评估，以及在资源不足地区扩展优质早期教育，十年后PISA差距可能从113分扩大到130分。这不是悲观预测——这是未改革制度就部署技术的国家已经呈现的轨迹。不可逆性在此至关重要：零到六岁之间形成的认知差距最难事后纠正。每一批缺乏优质早期教育的群体，都是永久性损失，不是可以追赶的延误。
转折点是已知的，不是技术问题，而是预算和政治问题：法国愿意在多大程度上将教育资源集中在早年和弱势地区，而非平均分配给所有人？这是北欧国家在1970至1980年代完成的改革，爱沙尼亚在1990年代加以调整。这不是过时的模式——这是一个尚未完成的优先事项。
关于制度选择与长期经济表现的关系，菲利普·阿吉翁的熊彼特式增长理论提供了清晰框架：人力资本投资是创造性破坏的条件，不是它的对立面。一个推进自动化却不投资培训的经济体，将失去能够管理、改进和重新定向机器的劳动力。欧洲央行关于AI与就业的数据指向同一结论：从AI获益最多的是培训最好的工人，不是最不需要它的人。
爱沙尼亚给法国的真正启示
爱沙尼亚并未证明技术能拯救学校。它证明了制度可以在不被抛弃的情况下得到改革，技术在第二步到来时才能成为真正的杠杆。
法国拥有纠正这三个缺陷的资源。总体上不缺钱，缺的是分配。法国教育支出集中在中学和高等教育，而不平等在那里已经固化。将资源引向小学和学前教育，大规模培训幼儿园教师的语言和情绪调节实践，以随机评估而非不受控实验来约束数字工具部署——这些行动不需要等待下一项技术。
巴博质疑课程僵化，提出了真实的问题。但答案不是解散学校制度、转向不受约束的个性化学习，而是一个经过改革的制度：在教学方式上更灵活，在平等获得优质教育的要求上更坚定。这两种立场之间的张力不是哲学问题。它通过具体的预算选择来解决。对今年进入幼儿园的一代而言，时间已经不多了。
来源
- 不平等观察站——法国PISA数据
- 经合组织，《PISA 2022结果》，国际学生评估项目——各国社会经济差距数据
- 世界银行，《2024年人力资本指数》——学校人力潜能准备指标（法国73%，爱沙尼亚88%）
- Muralidharan, K. & Sundararaman, V.，《教师诊断反馈对学生学习的影响》，印度Mindspark项目评估，J-PAL
- 蒙田研究所，《战胜教育不平等》——法国教育资源集中度报告
- Khan Academy / 麻省理工学院，Khanmigo在低收入学校部署的初步数据，2023-2024
- Aghion, P. & Howitt, P.，《经济增长理论》，麻省理工学院出版社——应用于人力资本投资的熊彼特框架