教育 AI 研究动向：近期论文指出的三个发现

“用了 AI 成绩就会提高”这类简单的主张，随着研究增多反而变得越来越谨慎。因为效果会因条件不同而差别极大。研究反复指向的并不是 AI 本身，而是围绕它的设计在左右学习效果这一事实。 下面梳理近期研究脉络中反复出现的三个发现。

近期研究的三个发现

多项研究方法虽然不同，却在向相似的结论收敛。把要点抽出来如下。

• 发现一，取决于设计：同样是 AI，直接给答案会削减学习，分阶段给提示则会增加学习。
• 发现二，元认知效果：请 AI 作出解释，或者由自己开口解释时，理解会更深。
• 发现三，依赖风险：一旦养成不加验证就接受答案的习惯，长期来看思考力可能变弱。

问“AI 有没有学习效果”，这个问题本身就问错了。真正的问题是：哪一种 AI 使用方式，对哪一类学生有效。

概括起来，效果的大小不由工具决定，而由使用方式与学习者特性的组合决定。

把研究搬到现场时

要把论文的发现用到课堂上，需要一次转译。边核对下面几点边接受，会更稳妥。

1. 挡住即答：把工具设置成不直接给出正确答案，而是给分阶段的提示。
2. 把要求解释变成习惯：让学生用自己的话把 AI 的回答重新讲一遍。
3. 插入验证环节：拿到答案之后，再确认一次出处或依据。
4. 自己测量：在我们自己的课堂上，用一个小单元亲手收集数据，看看有没有效果。

有一个研究团队报告说，仅仅把提示分成阶段，就在问题解决类学习上带来了有意义的提升，但与此同时，在即答式使用的那一组里反而出现了停滞。同一件工具给出了完全相反的结果。所以参考外部研究的同时，绝不能省掉亲自确认它是否适合我们学生的那道步骤。

读研究时还有一样要掂量的，是样本和周期。只做一两个课时的短期实验中得到的提升，可能只是新鲜感效应，几个月后就会消失。反过来，也有一些能力短期看似没有效果，越是累积价值才越显现，比如批判性验证的习惯。所以与其被一次性的数字牵着走，不如在我们自己的课堂里以学期为单位小规模地测量、观察走势，这样更诚实。研究是假设的起点，不是结论。

核心要点

教育 AI 研究反复指出：比起工具，设计更重要；比起即答，分阶段的提示和要求解释更有利于学习。同时它也在警告不加批判地依赖的风险。与其原样相信研究的结论，不如在我们自己的课堂里小规模复现一遍来确认。 不妨把“挡住即答、把提示分阶段”这一项设置用到下一节课上，并记录结果。一位老师的小小记录汇聚起来，就成了最贴合我们学校的依据。比起远处的论文，就近攒下的数据往往是更准确的向导。