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
根据经合组织《2026年数字教育展望》，能够使用通用AI工具的学生短期内成绩提高48%。然而当工具被撤走，这些学生的考试成绩比从未使用AI的对照组低17%。能否获得工具仍是不平等因素，教师指导质量和批判性使用AI的能力差距也在加剧分化。
要点
- 课堂AI使短期成绩提高48%，但会产生依赖：无工具考试时，GPT Base组成绩比无AI对照组低17%。
- 能否获得工具仍造成差异；教师指导质量和工具设计影响认知替代的风险程度。
- 多个教育系统中，设备配备先于教师培训，可能导致AI以替代而非增强的方式被使用。
- 2040年可能出现两种路径：一代人有工具时优秀、没有工具时脆弱；或者借助教学设计强化认知基础。走哪条路，取决于现在的结构性选择。
- 分别测量有AI和无AI时表现、先培训再部署的系统，呈现出不同的路径。
收益是真实的，陷阱也是
短期内48%的提升，推动了澳大利亚和新西兰多个州的预算决策，加快了招标进程，也为这些工具的推广者提供了难以反驳的论据。经合组织《2026年展望》转述了Bastani等人的这项研究，随后测量了工具被撤走后发生的情况。
之后发生的才是问题所在。在练习结束后立即进行的闭卷考试中，既不能使用工具也没有其他资源，GPT Base组的成绩比对照组低17%。这一退步，与该配置下技能习得减少的结论相符。
这一机制在认知科学中称为”认知卸载”：当工具代替学习者完成部分脑力劳动时，大脑不会调动同样的资源。可观察到的表现提高了，可内化的能力却没有跟上。1980年代计算器的普及提出过同样的问题，各国教育应对差别很大。AI带来的是同一个问题，规模和速度不可同日而语。
这些数据来自土耳其一所高中的试验；经合组织《2026年展望》报告了其结果，说明这种部署配置下已被记录的风险，但并未确立普遍适用的默认路径。工具就在手边，学生使用它，成绩上升，没有任何测量能捕捉到正在消失的是什么。
教师是决定性变量
PISA 2025观察到自报使用情况、评估AI的机会与成绩之间存在关联，但没有直接按持久学习或依赖程度对班级分类。试验中检验的变量是工具及其防护机制的设计。
研究比较了两种工具设计：GPT Base和GPT Tutor，两者的指令和防护机制不同。GPT Base相当于标准聊天界面，直接给学生完整答案和解法，没有教学防护机制。GPT Tutor则以提问的方式引导学习——提出教师无法同时向三十名学生提出的问题，在不把推理外包出去的前提下个性化学习节奏，让理解错误显现出来，并迫使学生自己解释。
这两种做法依赖工具内置的不同设计和防护机制，其中部分来自教师的贡献。这种教学选择需要专门培训，而许多已部署这些工具的教师并没有接受过。
斯坦福大学针对Tutor CoPilot项目的民族志研究记录了美国课堂上的这一差距，大洋洲数据中也呈现相同模式。在试验中，使用GPT Tutor的组取得了进步，使用GPT Base的组在工具撤走后出现退步。这些结果确认了工具设计的作用；教师培训的独立作用仍需另行检验。”先提升、后在独立测试中下降”这一模式，出现在使用没有防护机制的GPT Base那一组。
教育差距因此发生了转移。十年来，争论集中在获取上：贫困学生缺设备、缺网络、缺工具。这一差距依然存在。在已大规模配备设备的系统中——澳大利亚和新西兰在大洋洲属于最领先的——教学能力、工具设计和指导方式影响着结果。本报此前文章探讨了学校里的AI如何让学生在面对力不从心的教师时获得支持；经合组织2026年数据表明，教师准备程度和工具设计会影响教学效果。
教育系统先配设备，后搞培训
这一结构性问题在多个系统中都有记录。预算决策往往让设备配备先于培训。
澳大利亚多个州宣布2024年至2026年间在中小学部署AI工具。某些情况下，招标先于面向教师的认证培训项目启动。新西兰教育部发布了AI使用的一般性指南，但未将部署前培训列为强制要求。已记录的风险是：教师因缺乏事先培训而即兴使用，用法趋向认知替代。
这种次序在多个教育系统中重复出现。工具供应商推动快速采用，学校管理层看重立竿见影的成绩，教师收到的是一个工具加一句含糊的要求：把它融入教学。部署前就”增强”与”认知替代”之别进行深入培训的情况很少见。
这种顺序的代价短期内看不出来。成绩在上升，正如经合组织《2026年展望》以使用期间48%的提升所记录的。
在这项试验中，GPT Base的不利差距出现在无工具的独立考试中，而很少有教育系统会系统性地测量这一情形。
当前评估的局限
当前教育AI讨论的一个盲点在于测量工具本身。PISA 2025没有规定分别比较有AI和无AI时表现的标准程序。
这一缺失限制了对部分试验中记录的”有辅助表现”与”独立考试表现”之间差距的观察。缺乏全国性测量，使识别效果更加困难。一些系统看到成绩上升，便认为部署有效。
测量问题有直接的后果。设备配备短期内产生可测量的成绩，把资金吸引过去。教师培训的效果短期内更难测量，获得的资金随之更少。循环就此闭合。
少数教育系统开始走出这一逻辑。爱沙尼亚被认为是欧洲数字化整合最先进的教育系统之一，该国将”先培训、后部署”原则正式化，要求教师事先取得认证才能获得设备资金。这一模式短期内成本较高，其长期效果正是这笔投入的依据。
2040年代的两种路径
经合组织《2026年展望》提出的问题超出了当前教育周期。整整一代人在与生成式AI缺乏中介的关系中接受教育，会产生什么？
使用GPT Base降低了独立考试的表现；分析表明，索要并抄写解法是其中一个主要机制。取代认知努力的辅助，可能损害某些能力的习得，具体取决于工具和情境。这些能力要靠反复、往往并不舒适地自己去调用来获得。
这一情景并非不可避免，它取决于教育系统现在做出或不做出哪些选择。另一条路径建立在相反的假设上：当工具带有教学防护机制时，AI可以更好地支持学习；教师培训本身的作用仍有待确认。在这条路径上，AI个性化学习节奏、识别理解障碍、生成适配练习，教师则确保学生自己完成那些工具本可以替他完成的脑力劳动。
区分两条路径的，首先是工具设计。同一个基础模型，可以因界面设计和防护机制不同而产生不同效果。这项试验中，工具设计和防护机制是决定性因素；教师培训的作用未在试验中检验，需要单独评估。把公共资金与教师事先培训挂钩，会改变优先顺序。经合组织《2026年展望》呼吁对AI进行有教学法支撑、经过严格评估的整合，但并未将这一资金条件列为要求。
关于教师培训的讨论，与公共影响大的行业中AI工具治理的更广泛议题相通。自主机器人仍在等待民事责任框架，教学AI则在等待认知责任框架。
区分成功系统的信号
两个指标可以判断一个教育系统走上哪条路径。
第一个指标：标准化评估中学生有AI和无AI时的成绩差距。当这一差距被测量、公布并纳入预算决策时，系统就有能力修正自己的路径。整个系统层面没有这项测量，区分会更困难，但并非不可能。
第二个指标：在学校部署工具前接受过培训的教师比例。这一数据很少公布。各部委会公布配备设备的学校数量，却很少公布教师事先培训率。官方报告中缺少这一指标，本身就是个信号。
同时公布这两项指标并用其引导资金投入的系统为数不多。它们表明，掌握得当的增强式教学是可行的：不需要不同的技术，而是需要不同的先后顺序，以及测量那些测起来令人不舒服的东西的政治意愿。成功避免工业机器人造成两极分化的国家有一个共同点：在承受替代效应之前就预见到了它。同样的逻辑适用于教育。
PISA下一轮评估将纳入AI素养内容。如果它区分有工具和无工具时的表现，就能提供认知差距的国际比较数据。这将是关于问题真实规模的第一个清晰信号，也是说服那些尚未改变部署顺序的系统的第一个依据：不作为的代价要在十年后才能测量，而不是明年。
来源
- 经合组织《2026年数字教育展望》
- 斯坦福Tutor CoPilot民族志研究（斯坦福大学，无保证可用的URL）
- PISA比较评估框架（经合组织，当前版本无保证可用的URL）
