评价 AI 的教育价值，
要看孩子获得了什么能力。

01 / 教育观察

答案来得更快，思考要有自己的位置

让工具介入的位置，与这堂课的目标对齐。

如果任务的目标是练习提出问题，那么让 AI 直接给出一串研究题目，就可能省掉了最需要练习的部分。如果目标是比较不同观点，让 AI 提供一个有待检验的反方意见，却可能拓宽讨论。

同一种功能，在不同任务里会产生不同效果。判断使用是否合理，需要先说清楚这次究竟在练什么：记忆、表达、推理、检索，还是协作解决问题？

以校园浪费调查为例，可以先让学生独立记录一次观察，写出初步判断。随后请 AI 针对这个判断提出疑问：样本是否太少？还有没有其他解释？最后由学生回到现场补充证据。

这样的安排给 AI 一个具体角色，也给学生留下一份不可代交的责任：决定调查什么、核实观察到了什么、解释为什么改变原来的想法。

保留独立完成的环节，并不意味着所有事情都要从头苦做。对于需要辅助阅读、语音输入等支持的学生，合适的工具本来就可能是参与学习的必要条件。关键是区分：哪些困难需要被帮助，哪些思考正是本次学习要经历的过程。

02 / 教育观察

评价一份作业，也评价它是怎么形成的

让“我会做”有比成品更充分的证据。

当完整文章、解题步骤和展示材料都可以快速生成，只看最后交上来的文件，就容易把作品的完成度与学生的掌握程度混在一起。

评价可以增加几个轻量的观察点：最初的想法是什么？哪条建议被采纳，哪条被放弃？发现过什么错误？换一个条件以后，还能不能解释自己的方案？

这不需要把每次点击、每段对话都记录下来。保存一份初稿、一处关键修改和一段简短说明，通常比堆积大量操作截图更值得讨论。过程记录也要控制负担，不能变成新的形式任务。

例如，对那份校园调查建议书，老师可以追问：“如果食堂提供小份餐，你的建议需要怎样调整？”回答是否有依据，能帮助老师看见学生对问题的理解。对于不擅长即时口头表达的学生，也可以提供书面解释、图示或分步骤展示的机会。

使用规则最好随任务一起发布。哪些环节可以借助 AI，哪些必须独立完成，需要说明到什么程度，应当在提交作业之前讲清楚。不能让学生交卷后才知道边界在哪里。

一份简洁的使用说明可以写成：“我用 AI 帮助检查论证遗漏，保留了第一条建议，否定了第二条，因为现场观察不支持它。”重点在于说明判断，而不是展示用了多少工具。

03 / 教育观察

学生画像，需要给学生留下解释的空间

系统看到的是部分记录，教师面对的是具体的人。

假设一个学生连续几次作业提交较晚，系统把他标记为“学习投入不足”。这个判断看起来有数据依据，却可能漏掉其他情况：家里只有一台共用设备，学生先照顾弟妹，或者他为了弄懂一道题花了更长时间。

行为记录可以提供线索，但线索需要放回情境里理解。屏幕停留时间不能完整代表思考深度，完成速度也不能独自解释学习态度。

画像一旦直接决定推荐内容、分组安排或教师期待，就可能影响孩子之后得到的机会。一个暂时的判断，如果长期不更新，容易逐渐变成固定标签。

更稳妥的设计，是让重要判断能够被追问：依据哪些记录、覆盖多长时间、遗漏了什么，以及谁能纠正它。学生和家长也应当知道，出现误判时可以找谁说明情况。

教师需要真正拥有修改、拒绝或暂停采用系统建议的空间。这意味着学校要提供时间、信息和支持，而不能让“人工审核”只剩下最后一次点击确认。

AI 可以帮助整理错题和发现共性困难；涉及学生发展机会的重要决定，则需要结合多种证据，由明确的负责人作出判断并接受复核。这里讨论的是学校管理的设计建议，不应把任何一项系统评分当作学生的完整定义。

04 / 教育观察

个性化支持，不必以“记录一切”为前提

先说清用途，再决定需要什么数据。

为了讲解一道分数题，系统可能需要知道学生哪一步做错了，却未必需要家庭收入、面部影像或者与题目无关的私人聊天。

学校选择工具时，可以逐项追问：这类信息具体用于什么教学功能？少收一些还能不能运行？哪些人能够查看？保存到什么时候？停止使用后怎样处理？

这几问看似琐碎，却能把“为了更好地服务学生”转化为可检查的约定。供应商对用途、权限和退出方式的说明，需要能让学校理解，也能向家长讲清楚。

课堂上同样可以做出小调整。例如，教师请 AI 帮忙设计练习时，可以描述常见错误类型，避免直接上传包含姓名、成绩和家庭情况的整份学生材料。

公开评价学习状态，也要控制范围。班级讨论可以围绕匿名的共性问题展开，不必让个别孩子的详细记录成为所有人都能查看的展示内容。

过程性评价与隐私保护可以一起设计：收集足以判断学习进展的证据，避免为了证明“有过程”而留下无限多的个人轨迹。

05 / 教育观察

同样有账号，不等于同样会学习

公平还包括指导、时间与适合自己的支持。

两个学生都可以打开 AI，其中一个会要求它指出推理漏洞，再核对材料；另一个只会输入“直接给我答案”。工具入口相同，获得的学习帮助可能相差很大。

所以，学校提供账号之后，还需要教会学生如何说明问题、核实内容、识别自己不理解的部分，以及何时回到课本、老师和同伴那里寻求帮助。

家庭资源的差异也值得提前考虑。如果一次作业的优秀完成依赖付费功能、长时间联网或者家长代为调试，那么评价中就可能混入与学习目标无关的条件差异。

可以为学生安排校内使用时段，提供共同可用的工具，并准备不依赖付费服务也能完成的任务路径。对于需要辅助沟通或阅读支持的学生，应根据实际需求调整方式。

家长参与也不必变成“替孩子找更强的工具”。比起追问作业快了多少，可以请孩子讲一讲：“它哪句话帮到了你？哪句话你还不确定？现在你能自己解释哪一步？”

这些问题把关注点放回理解，同时让孩子练习对工具的建议保持判断。

06 / 教育观察

一套校园 AI 规则，可以从一页纸开始

规则要让师生知道怎么做，也知道出了问题找谁。

学校不必等到采购一整套平台之后，才讨论使用边界。可以先选一个范围较小的教学场景，把目标、分工和退出条件写清楚。下面是一份可供讨论的简版结构。

规则应当随场景变化。教师准备练习素材、学生接受学习反馈、学校进行重要评价，所需的检查强度并不相同；学生年龄和独立判断能力也需要纳入考虑。

供应商更新模型或新增功能后，原来的试用结论也要重新看。一个原本只整理材料的工具，如果开始给学生打分，它在学校里承担的角色已经变了。

复盘时，可以少问一点平台登录了多少次，多问一点学生能否独立解决相近问题、教师是否真正减少重复劳动，以及帮助是否覆盖到了原本更难获得支持的孩子。

如果老师只是少写了教案，却多做了大量核对与截图，实际负担就未必减轻。培训也需要覆盖教学设计、错误识别和使用边界，给教师持续交流的时间，而不只是演示按钮怎么点。

把学习，留给正在成长的人

回到开头那份建议书，教育真正关心的，是学生有没有观察过校园、检验过判断，并愿意为自己的建议说明理由。

AI 能带来更多解释、更及时的反馈，也能让一些原本难以参与的学生获得帮助。这些价值值得认真争取。与此同时，独立尝试、与人讨论、承认错误和形成判断，也需要在课堂里有稳定的位置。

工具交出了答案之后，老师仍然可以温和地追问一句：“这一部分，你是怎么想的？”

当孩子能够回答，技术的帮助才开始转化为属于他的成长。