模拟教育和人工智能教育都犯了哪些错误，关于教育的未来，我们经常听到这样的争论：是坚持传统的“模拟”教学，还是全面拥抱人工智能（AI）教育？但在这种对立的框架下，我们往往忽略了一个残酷的真相：许多AI教育技术，其实只是在放大传统学校教育中早已存在的失败。
作为身处数据和机器学习领域的从业者，我们每天都在与AI打交道。然而，当一位教育科技创业者向我们推销，设想为我们的孩子提供一个“追踪学习情况和各领域熟练度”的仪表盘时，我们的回答是：坚决反对。
我们为什么拒绝用数字来衡量孩子？在追求“高效”与“精准”的道路上，传统的模拟教育和新兴的AI教育，究竟共同犯下了哪些致命的错误？
错误一：陷入“量化”的陷阱与指标的暴政
无论是在传统课堂还是在AI学习软件中，我们都越来越痴迷于将学习转化为冷冰冰的数字。
过度追求指标：经济学中有一个著名的“古德哈特定律”（Goodhart’s Law）：当一项衡量标准本身成为目标时，它就不再是一个好的衡量标准。在传统教育中，这表现为对标准化考试分数的过度关注；而在AI教育中，算法往往过于擅长优化这些单一指标，从而导致不良后果。
扼杀真实的热爱：并非所有重要的事情都能或应该被量化。一个完美的“熟练度仪表盘”，无法衡量一个孩子在客厅地毯上一连几个小时沉浸在小说中的喜悦，无法记录她调试代码时的专注，也无法量化她与朋友和老师建立深厚友谊的价值。
错误二：将完整的知识生硬拆解为“细粒度技能”
传统教材和许多AI辅导系统都有一个共同的毛病：把生动、完整的世界，切割成毫无生气的技能碎片。
阅读的碎片化：在美国最流行的英语语言艺术（ELA）课程中，三至六年级的学生甚至一整年都读不完一本完整的小说。阅读不再是体验引人入胜的故事或奇幻世界，而是被降级为一系列机械任务：解码单词、概括、推断中心思想。
Replacing novels with ELA textbooks like this doesn’t spark a love for reading. From a popular ELA curriculum used in almost 20% of USA elementary schools. Karen Vaites’s reporting: https://curriculuminsightproject.substack.com/p/why-have-books-disappeared-from-many丧失整体图景：数学教育也长期深受其害，变成了“一堆需要记忆的事实和需要练习的策略”，却没有人向孩子展示如何用这些工具构建更美好、更有意义的整体图景。
结果：这种脱离真实语境的“技能”训练，正在扼杀孩子们自发学习的热情。数据表明，13岁儿童几乎每天都进行课外阅读的比例，在十年间已经从27%暴跌至14%。
错误三：被高风险的“标准化”绑架
我们正在见证教育的异化——从培养人，变成了应对考试。
机械与僵化：为了让学生有更多时间练习枯燥的选择题，美术、音乐和体育课被无情取消。极具创新性和开放式的作业被迫让位给“千篇一律”的标准化任务。
教师沦为“数据收集员”：对评估的过度重视，不仅没有提升教学质量，反而榨干了教师的精力。正如澳大利亚教师 Gabbie Stroud 所痛心的那样：“我现在很少需要‘教书’了。显然，我作为评估员、考官和数据收集员更有价值……一切都机械、僵化、刻板。”这种压力迫使教师放弃苏格拉底式研讨会或创意写作，最终导致师生身心俱疲。
错误四：忽视最核心的“人际关系”
当我们把目光死死盯在仪表盘上的数据时，那些无法衡量的东西就被抛弃了——其中最重要的，就是人与人之间真实的连接。
技术的错误定位：许多AI产品被包装成“人类教师的替代品”进行宣传。但事实是，各个年龄段的学生都极其渴望与成年人建立有意义的关系。
系统性的疏离：传统学校系统中，繁重的评估任务、恶劣的通风环境导致的教师高病假率（以及随之而来的频繁更换代课老师），都在不断削弱师生建立亲密关系的机会。AI如果不致力于连接人类，只会让这种疏离感雪上加霜。
我们不能仅仅因为厌恶现状，就去盲目美化过去的传统学校教育。让孩子远离屏幕去读枯燥的教科书，或者被无休止地灌输脱离实际的任务，同样无法改善他们的生活。
真正优秀的教育（无论是传统的还是AI辅助的），不应该一味地试图量化一切，不应该只提供离散的知识碎片，更不能忽视人际关系的绝对价值。
科技、教育和人际交往可以产生强大的化学反应。未来的教育，应该像一个开放的创作社区——学习知识、进行创造性的构建，然后将你的所学所创与他人真实地分享。这，才是深植于人性中的学习方式，也是任何仪表盘都无法替代的教育真谛。
📝 参考文献及文章出处说明：
本文核心观点、引用的数据与案例均编译整理自 fast.ai 联合创始人 Rachel Thomas 发表的专栏文章。
夜雨聆风
