教育人工智能正在到来

法国将GDP的约6.7%至6.8%用于教育，高于经合组织平均水平。即便以经合组织可比范围衡量，法国的比例也达到5.4%，而经合组织平均为4.9%。但法国的教育成果，在发达国家中属于最不平等之列。教育人工智能有望成为学校几十年来一直缺少的个性化教学工具。但在这个出生学校仍是学业命运最佳预测因素的体系中，这项技术很可能首先抵达那些最不需要它的地方。

要点

• 蒙田研究所数据显示，法国是经合组织国家中社会出身对学业成绩影响最大的国家之一。
• 教育AI工具承诺实现个性化教学，这是一名教师面对三十名学生时无法单独完成的。
• 设备最齐全、教师培训最充分的学校，将率先采用这些工具。
• 若部署不均，这项本意在于缩小差距的技术反而可能扩大差距——除非公共政策采取有意的逆向分配。
• 法国和其他国家已有实验表明，当AI优先面向最弱势群体时，有引导的推广能产生实质效果。

无人真正质疑的诊断

这一诊断表面上已有共识。机构参与者承认不平等，发布报告，委托研究，但共识并未带来资源的实质性重新分配。紧迫性在原则上得到承认，但预算决策和内部阻力维持着现有格局。弱势学校获得的是临时性附加措施，而非持久的结构性资源。再平衡迟迟未能推进，根本原因在于缺乏承担真正逆向分配政治代价的意愿。

蒙田研究所2024年发布的深入分析得出明确结论：法国学校之间的不平等，在发达国家中最为突出。一名就读于市中心优质高中的学生，与一名就读于郊区薄弱高中的学生，实际上生活在两个不同的”教育国度”。他们的教师不同，代课率不同，接触能通向预科班的选修课的机会也不同。学区分配主要由居住地决定，筛选在学生打开课本之前就已完成。

自2000年代以来，PISA调查定期记录这一现象：法国是少数几个成绩底部四分之一与顶部四分之一之间差距持续扩大的国家之一。平均成绩下降了，差距却扩大了。这一双重运动，标志着一个让最弱势群体掉队、同时未能拉高整体水平的体系。

原因众所周知：学区划分对懂得规避的人约束力不强，教师岗位因地区而吸引力各异，课外资源获取不均。法国倾向于让调整自行发生，而非主动引导再平衡。学校也不例外。

教育AI：承诺与现实基础

一名教师面对三十名学生，只能以平均水平授课。快的学生感到无聊，慢的学生逐渐掉队。教育AI承诺为每个学生持续调整难度、节奏和练习类型，从而打破这一结构性限制。教育者所说的”差异化教学”——需要大量备课时间——将变得自动化。

现有系统已给出初步答案。Khan Academy开发的Khanmigo，采用苏格拉底式对话取代直接纠错，通过提问引导学生自己发现错误。爱沙尼亚已将自适应工具融入数学教学多年。针对印度Mindspark工具的研究（Muralidharan等，《美国经济评论》，2019年）显示，初始水平较低的学生在数月内取得了显著进步。

当前的语言模型支持自然语言交互、按需重新解释，并能识别反复出现的错误。这项技术能够实现个性化教学，虽不完美，但切实可行。真正的决定性问题是：它在什么条件下落地，首先触及哪些群体。

采用始终遵循同样的地理逻辑

教育技术有其历史，从公平角度看并不好看。交互式白板率先出现在家长协会资金充足的学校。数字工作环境（ENT）在各学区之间均质化花了十年。2020年疫情期间，在线资源的获取高度依赖家庭设备：DEPP 2021年调查显示，相当比例的弱势背景学生在学校关闭期间无法使用个人电脑。

如果不加干预，教育AI将遵循同样的轨迹。有稳定管理层、经验丰富教师和科技合作网络的学校，将率先实验、培训团队、调整实践。而长期面临招聘压力、教师多为新入职且流动率高的学校，既没有时间也没有资源消化额外的教学变革。

这一机制在卫生和基础设施创新的经济学文献中有充分记录。与工业自动化的逻辑相同，新技术的生产力收益首先惠及本已处于优势地位的参与者。在教育领域，这意味着AI可能加速本就领先的学生进步，却让最需要帮助的学生状况毫无改变。

实验表明另一条路存在

几个国家做出了相反选择：优先在需求最迫切的地方部署工具，并配以相应支持。

英国教育捐赠基金会成立于2011年，专门资助弱势学生项目。该基金会近年在被归类为弱势的学校开展AI研究，要求在全面推广前进行严格的效果评估。具体AI项目均在2022年后启动，不同工具的结果参差不齐，但方法是稳健的：先在潜在影响最大的地方测试，测量，调整。

法国教育部自2023年起在多个学区开展AI实验。现有工具中，MIA（自适应交互模块）是由EvidenceB为教育部开发的补救工具，面向高中二年级学生的法语和数学。这是一个开始。但试点学区不一定是公平问题最突出的地方：自愿参与的学区往往已具备教学创新文化。

私营机构也开始明确面向弱势群体。Vikidia协会、Schoolmouv和Lagonav等辅导平台，以及专注小学一年级阅读的Lalilo，正逐步整合自适应功能。Lalilo已在数千个法国班级部署，其中许多属于优先教育区，根据每个学生检测到的差距实时调整解码练习。教师反馈积极，尽管独立评估仍为数不多。

部署工具之前，先培训教师

学校之间的使用不对称不会随时间自动消除。一个工具在有利环境中用得越多，围绕它的实践就越精细，与浅层使用环境之间的差距也就越大。持续培训必须先于部署，而非作为配套边缘措施。将工具使用权与团队最低准备水平挂钩，不是额外的行政负担，而是防止工具变成学校差距标志而非公平杠杆的唯一途径。

技术本身解决不了任何问题。一个自适应工具若未能融入教学实践，只会成为额外的干扰。更糟的是，它可能强化一种倾向：将最难教的学生托付给机器——而这些学生恰恰最需要受过培训的教师的判断与陪伴。

教师的职前和在职培训，才是真正的瓶颈。法国教师每年实际接受的培训天数有限，这一差距在2022年参议院报告中已有记录。法定培训时数方面，小学阶段每年18小时，与芬兰相当，而新加坡每年提供超过100小时。法国的差距在于实际完成的培训量。教育AI要真正融入课堂，教师必须理解工具的运作机制、其局限性、如何解读生成的数据，以及如何将其与自身教学相结合。

缺少这层培训，就会出现两种平行用法的真实风险：在资源充足的学校，是深思熟虑的使用，AI增强教师；在持续承压的学校，是被动的默认使用，AI替代本就不足的教师存在。工具的免费获取不等于使用的公平：这是高等教育已付出代价学到的教训。

公共政策必须走在市场前面

法国拥有少数国家才有的条件：统一的公共教育体系，以及对课堂工具的实质性监管权。法国可以强制要求学生数据保护标准、要求工具在采用前接受独立评估，更重要的是——实行逆向资源分配：优先保障REP和REP+学校，并配以相应的培训投入。

实现这一目标需要几个前提。首先是对当前使用状况的精细摸底：谁在用什么，在哪里用，产生了什么可测量的效果。DEPP具备开展这项工作的统计能力。其次是建立教育AI工具的认证机制——类似于教育部已开始为数字教材构建的体系——将工具进入课堂与对异质群体的影响评估挂钩。第三是对最薄弱学校教师培训的有意投资，不是作为应急措施，而是作为结构性优先事项。

教育AI可以缩小法国的教育不平等，也可以加剧它。两种情景之间的差异，不在于技术本身，而在于公共权力在未来两三年内做出的选择——要赶在使用习惯固化之前，赶在使用差距变得像它将助长的成绩差距一样难以消除之前。

来源

1. 蒙田研究所，《学校：我们的努力应集中在哪里》，https://www.institutmontaigne.org/publications/ecole-ou-concentrer-nos-efforts
2. 经合组织，《教育概览2023》，https://www.oecd.org/fr/education/regards-sur-l-education.htm
3. DEPP，《卫生危机期间就学条件调查》，2021年，评估、前瞻与绩效局，国民教育部
4. Muralidharan, K. 等，《颠覆教育？印度技术辅助教学的实验证据》，《美国经济评论》，2019年，Mindspark研究
5. 教育捐赠基金会，英国弱势环境中的AI项目，https://educationendowmentfoundation.org.uk/impact-report
6. 国民教育部，MIA高中二年级——自适应交互模块，https://eduscol.education.gouv.fr/6693/mia-seconde-une-approche-personnalisee-de-la-remediation-en-francais-et-en-mathematiques
7. DEPP——2024年教育支出（占GDP的6.8%），https://www.education.gouv.fr/depp/en-2024-1971-milliards-d-euros-consacres-l-education-soit-68-du-pib-452853
8. DEPP——2021年经合组织范围（5.4%对比经合组织平均4.9%），https://www.education.gouv.fr/le-financement-de-l-education-en-2023-415375
9. 不平等观察站——PISA 2022与社会不平等，https://www.inegalites.fr/pisa
10. PISA 2022——教学咖啡馆/经合组织，https://www.cafepedagogique.net/2023/12/05/pisa-2022-la-chute/
11. Khanmigo官方网站——Khan Academy，https://www.khanmigo.ai/
12. Ei Mindspark——印度官方网站，https://mindspark.in/
13. 参议院——教师持续培训报告（2022年），https://www.senat.fr/rap/r22-869/r22-869_mono.html
14. DEPP——2023年国内教育支出（1899亿欧元，占GDP的6.7%），https://www.education.gouv.fr/en-2023-1899-milliards-d-euros-consacres-l-education-soit-67-du-pib-415774
15. 经合组织《教育概览2023》——法国国家说明，https://gpseducation.oecd.org/Content/EAGCountryNotes/EAG2023_CN_FRA_pdf.pdf
16. 经济分析委员会——关于公共教育支出的说明，https://cae-eco.fr/education-comment-mieux-orienter-la-depense-publique-communique-de-presse
17. 蒙田研究所——教育不平等：从根源入手，https://www.institutmontaigne.org/publications/inegalites-scolaires-agir-la-racine
18. 《美国经济评论》——Muralidharan等（2019年）——Mindspark，https://www.aeaweb.org/articles?id=10.1257%2Faer.20171112
19. 法国法律数据库——2008年8月775号/2017年444号法令（小学阶段服务义务），https://www.legifrance.gouv.fr/loda/id/JORFTEXT000019278548
20. 参议院——第869号报告（2022-2023年）——教师持续培训，https://www.senat.fr/notice-rapport/2022/r22-869-notice.html
21. 维基百科/EEF——教育捐赠基金会，https://en.wikipedia.org/wiki/Education_Endowment_Foundation
22. DEPP——数字教育与封锁数据（2021年），https://www.education.gouv.fr/la-depp-et-l-impact-de-la-crise-sanitaire-305177