教育科技的 ROI，除了成绩还该测什么、怎么测

「引入 AI 工具之后成绩提高了吗？」这个问题问得很自然，却藏着陷阱。一个学期的成绩变化里混杂着换老师、考试难度、季节因素，很难把工具本身的作用单独剥离出来。一旦想把 ROI 折算成成绩这一行数字，测量就失去了可信度。成效必须从多个角度来看。测错了，就会错过有效的工具，反而抱住无效的工具不放。

只看成绩会漏掉的价值

投资的成效有时在分数之外表现得更大。只测看得见的东西，就会把看不见的价值整块漏掉。

• 老师的时间：批改和备课资料的准备时间每周减少了几个小时。这些时间会再投入到反馈和面谈上。每周省下 2 小时，一个学期就超过 30 小时。
• 参与度：作业提交率、发言频次、缺勤率这类行为指标。它们是比分数更早移动的先行信号。
• 公平性：后进学生追赶的速度。即便平均分没变，只要差距缩小了就是很大的成果。
• 情意领域：关于学习自信与兴趣的简单问卷。兴趣的恢复要到下一学年才会体现在成绩上。

设计测量的四个步骤

1. 取得基线：引入前先把上述指标记录一个月。没有基线的成效主张只是印象而已。
2. 设定对照组：条件允许时，把同年级水平相近的班级设为对照组。有了对照组才分得清是「工具的功劳」还是「本来就这样」。
3. 混合测量：把成绩这类定量指标与学生、老师访谈这类定性材料一起收集。数字告诉你变了什么，访谈告诉你为什么变。
4. 对比成本：把投入的钱和时间，除以省下的时间和提升的指标看一看。把省下的时间折算成时薪，得出的金额往往出乎意料地大。

数字没涨和没有成效是两回事。请先怀疑一下自己是不是漏测了什么。

想不误读测量结果

数据是诚实的，解读却常常骗过我们。

• 警惕新鲜感效应：引入初期的高参与度可能只是因为新鲜。要连三个月后的数值一起看才作数。
• 平均值的陷阱：平均分上升的背后，后进学生可能落得更远，所以要看分布。
• 过度相信单一指标：一个指标变好了，不等于整体变好了。要成组地判断。

把测量结果接到决策上

测量的目的不是报告，而是决策。收集得再好的数据，若不通向决策，也只会变成抽屉里的材料。

• 半年一次复盘：每学期汇总一次指标，决定扩大、维持还是收缩。不做决定的测量只留下疲惫。
• 回馈到一线：把测量结果反馈给老师们，让大家一起知道什么是有效的。这种回馈会形成下学期的动力。
• 更新比较基准：把一年的结果作为下一年新的基线，让改进不断累积。

要点小结

教育科技的 ROI 不该看成绩这个单一指标，而要看涵盖时间、参与、公平性与情绪的一整组指标。先备好基线和对照组，再把定量与定性混合起来，下一次预算审议时手里就留下了有说服力的依据。