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
用AI学习的学生进步更快，但AI一旦消失就会掉队。经合组织2026年记录了这一现象：AI改善了学习过程中的反馈，但过度依赖的学生到了评估时手足无措，缺乏独自作答的习惯。问题在多类学生群体中存在，尤其集中于AI以外教育资源匮乏的学生。
要点
- 无引导地使用AI可以提升短期表现，同时可能削减认知投入和持久学习成果（经合组织《2026年数字教育展望》）。
- AI一旦撤除，使用该工具时观察到的表现优势可能消失甚至逆转。
- EDUCAUSE 2026年对438名教师的调查显示，各方期待正在改变，但衡量真实学习成果仍然困难。
- 在数字工具获取严重不均的拉丁美洲，这一效应可能放大已有的差距。
- 解决办法不是取消工具，而是在考试前教会学生逐步脱离它。
有反馈，却没有学会付出努力
这种依赖机制触及的是学生愿意投入的认知努力结构，而不只是收到的反馈数量。关键在于：给反馈之前，先留出一次自己回忆的尝试。在任务和条件合适时，先自主回忆、再给即时反馈，可以强化记忆巩固。问题出在给反馈的时机，而不是反馈本身。核心不是一律回避即时反馈，而是确保反馈之前有过自主回忆的过程。
学生在练习中进步，答对次数增多，但这种表现依赖外部引导，而非内化的知识。
有辅助时的作业表现与考试表现之间可能出现落差，但这一落差在学习过程中是否真的难以察觉，尚无定论。教师看到令人满意的结果，学生觉得自己有能力，这种学习状态似乎没有理由改变。只有到了评估、安全网撤掉的那一刻，落差才暴露出来。结构性问题在于：有计划地撤除某些教学辅助可以促进能力迁移，但这不足以断言学生会对AI工具形成普遍的渐进依赖。一个短期有效的教学工具，如果没有任何方案安排逐步减少辅助，中期就可能适得其反。
这一逻辑适用于任何在设计之初就未纳入退出策略的辅助手段。AI与其他工具的区别，在于它运作的规模，以及它悄无声息地渗入工作习惯的方式，这使得在没有明确教学决策的情况下，有序退出更加困难。
好老师会在错误发生的那一刻纠正它。AI也能做到，而且大规模、不知疲倦。这是实实在在的收益。经合组织梳理的多项评估显示，自适应辅导系统可以支持学习。在这一点上，教育科技推广者的热情有扎实的依据。
但同一份报告也指出一个更棘手的机制。频繁的反馈可能减少学生预判自身错误的努力，也可能削减主动回忆的投入——即在没有帮助的情况下从记忆中提取答案的过程。认知科学将这一过程视为持久记忆的核心驱动力。学习在即时表现上有所进步，独自调动知识的能力却停滞不前。
AI使用不当会造成对工具的依赖。一个从不在没有计算器的情况下做数学的学生，仍然可以学好数学，前提是老师知道什么时候该把计算器收走。同样的逻辑适用于AI：明确的教学安排必须规定由谁、在何时、出于何种目的减少工具使用。
到了评估，各人只能带走自己带来的东西
在多个学校体系中，考试时学生无法使用AI，与日常有辅助的学习方式形成反差。经合组织描述的问题，正出在日常做法与评估条件之间的这道落差上。
一个习惯了随时有工具纠错的学生，进考场时带着真实的能力，也带着依赖的习惯。如果这个习惯从未被专门处理，没有人教过他如何在没有安全网的情况下作答，那么他学习中的表现与考试结果之间的差距就会扩大。
EDUCAUSE 2026年对438名教师的调查揭示了问题的制度面。教师发现学生的期待变了：他们要求更多引导、更多反馈、更多互动。但要衡量这些学生是否真正掌握了目标能力，仍然困难。评估工具没有与学习方式同步演进。两者之间的落差形成了一个不确定地带，目前没有人真正知道怎么填补。
拉丁美洲：一个极端案例
有辅助的学习与独自应考之间的落差到处都存在。在拉丁美洲，它表现得格外尖锐，原因很简单：工具的获取并不均等。
一些学校，尤其是私立学校或资源充足的城区学校，使用AI已有一段时间，发展出相应的用法、策略和习惯。在资源较差的学校，工具来得迟、时有时无，或者根本没有。这些学生没有过度依赖的问题，他们只是没有这个工具。
这道裂痕沿着不同轴线起作用。一些学生习惯了依赖一个考试当天并不存在的工具；另一些学生则在缺乏AI加速反馈的情况下学习。这两类群体面对的挑战截然不同。高质量的反馈在某些情境下可以改善学习，但它对资源不平等的影响需要单独评估。
这一情景在劳动力市场的自动化中以另一种规模重演：技术改善条件最优越者的处境，却触及不到最需要它的人。机制不同，不平等的走向相同。
美洲开发银行在其关于拉丁美洲教育科技的研究中记录了这些动态。其分析指出，学校AI工具的不均衡普及——在弱势学校缺乏有意部署——可能扩大城乡之间、公立与私立学校之间的成绩差距。
教师的陈述与测量工具的局限
教师反映的测量困难，指向一个超出现有工具本身的问题。现有评估手段难以区分有辅助的表现与真实能力，但部分评估已能涵盖学习过程。学生在有辅助的环境中可以产出高质量作业，但这种质量未必能迁移到不同情境。
AI普及之前设计的评估工具，从未被要求作出这种区分。要改造它们，首先需要明确评估的目标是什么——即在没有辅助的情况下调动知识的能力——而这意味着要重新思考有辅助学习本身的目的。这种循环解释了为何各教育体系在推行新工具的同时，不愿同步改革评估方式。
同时修改两者需要一种制度上的连贯性，而大多数体系并未具备这种条件。教师因此处于一个尴尬处境：他们使用着能感知到效益的工具，却无法核实其对持久学习成果的真实影响；他们继续使用的评估工具，也无法给出调整教学实践所需的信息。这种不确定性直接影响日常教学决策。缺乏可靠数据，部分教师维持高水平的辅助以保住可见的表现。经合组织建议有选择性、有教学目的地使用AI，使其不替代认知投入。
EDUCAUSE调查揭示了采用率数字背后掩盖的一种张力。438名受访教师指出，他们的做法已经改变：更多反馈、更多个性化、更具互动性的教学序列。他们也观察到学生的参与方式不同了——有时更积极，有时更被动。
EDUCAUSE调查在高等教育中AI学习评估方面呈现出持续的不确定性。不用AI的评估可以测量不用AI时的能力，但未必覆盖所有复杂能力。部分评估允许使用AI，这使表现的解读更加复杂。这是一个教学设计问题。部分体系在治理、监测或评估层面对AI进行了适应性调整，但做法仍参差不齐。
学校可以从人口与技术变迁中主动获益，前提是提前布局，而非被动承受。在AI问题上，拉丁美洲多个教育体系仍面临教学使用与评估自主性培养之间衔接不足的问题。
正在摸索的方向
拉丁美洲少数学校正在测试一种逐步退出的做法。在一个学习单元开始时提供AI辅助，随后逐步减少。到评估临近时，学生在没有辅助的情况下作业。目的是把脱离工具变成一种训练有素的能力，而不是考试当天的突然冲击。
结果是初步的，样本也小。但这一逻辑与认知科学长期记录的提取练习研究一致。经合组织建议有选择性地使用AI，以保护独立思考和基本能力。
一位教师可以自行决定在评估前几周减少AI使用，无需额外预算。真正缺乏的，是有意识行动所需的培训，以及制度层面对这一问题的正视。在拉丁美洲，多项教育政策侧重工具部署，关于如何正确使用——包括在恰当时机不使用——的思考滞后于此。
决策者可采取的措施
纠正的窗口仍然敞开。AI在拉丁美洲学校的部署仍处于早期阶段，习惯尚未固化。现在行动的体系，可以从一开始就构建一种将辅助与自主同时纳入考量的教学架构。
三个方向比较具体。一是培训教师根据学习阶段校准AI的使用，而不只是教他们用工具。二是修订评估工具，使其测量AI无法替代的能力：有限制条件下的推理、无引导的知识调动、口头论证。三是优先在弱势学校部署工具，在那里AI反馈填补的是真实空白，而不是叠加在已经充足的资源之上。
这些方向在教学讨论中并不新鲜。新的是经合组织数据带来的压力，要求在差距固化之前认真对待。一个等到不平等被大规模记录才行动的教育体系，已经制造了这些不平等。目前的使用方式尚在摸索之中，这正是行动的时机。
AI在能够支持审慎使用的条件下改善学习，这一点已有依据。拉丁美洲决策者面临的问题是：各教育体系将培训教师处理这一复杂性，还是只满足于为教室配备设备。
来源
- 经合组织，《2026年数字教育展望》，2026年1月，https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/01/oecd-digital-education-outlook-2026_940e0dd8/062a7394-en.pdf
- EDUCAUSE，《2026年评估研究》（438名受访教师），引自《2026年数字教育展望》；直接链接暂不可用，可在 educause.edu 查阅
- 美洲开发银行，拉丁美洲教育科技相关研究，可在 iadb.org 查阅
