AI能让学生更想学吗?基于42项研究的分析,让我们更懂AI的作用

学生愿意打开AI，和学生愿意打开课本，是同一回事吗？

这个问题并不好回答。一个孩子可能兴致勃勃地让AI生成图片，却不愿修改自己的作文；也可能原本不敢说英语，在一次次没有旁人围观的对话中，开始愿意练习。看到学生使用AI时的热情，我们既有理由期待，也需要知道：这份热情指向哪里？

2026年9月24日，《Frontiers in Psychology》发表了一项聚焦学习动机的元分析。研究汇总42项实验和准实验研究，涉及6059名学生，试图回答：与没有生成式AI支持的学习相比，使用AI，能否让学生更有学习动力？

总体结果是积极的。但这份积极结论，需要结合学生、任务和使用方式来理解。对老师和家长来说，下面五个问题，比记住一个统计数字更有用。

01 有积极效果，但“愿意学”还不等于“学会了”

这项研究测量的是学习动机，包括对学习的兴趣、愿意投入努力的程度，以及成绩、奖励等外部目标带来的驱动力。仅仅调查学生喜不喜欢某个工具，并不足以被纳入。换句话说，它尝试考察AI进入学习之后，学生的学习意愿是否有所变化。

研究得出的平均效应量为0.764。这表示AI组与对照组之间存在相当幅度的标准化得分差异，不能翻译成“学习动机提高76.4%”。更重要的是，各项研究的结果差别很大。作者报告的预测区间跨过了零，意味着平均正向的结果，不能保证换一个教学情境也能获得收益。

因此，这项研究给了我们尝试的理由，也提醒我们：不能把“用了AI”当成学习动力自然增长的保证。

动机得分提高，同样不能直接证明知识掌握得更好。学生是否愿意学、实际怎样学、最后学会了什么，需要分别观察。

02 大学生的积极结果，不能直接套到小学生身上

对中小学老师而言，首先需要知道，这批证据主要来自大学。在56个效应量中，大学占43个，中学9个，小学只有4个。大学组的平均效应量约为0.89，中小学分别约为0.36和0.31。(www.frontiersin.org)

这些差异不能证明年龄越大，AI就一定越有效。不同学段使用的工具、任务和指导方式也可能不同。但它至少提醒我们，大学生使用AI的经验，不能原封不动地变成小学生的使用方案。

把一个功能丰富的工具交给孩子，和帮助他借助工具开展学习，中间还有许多工作。

学科之间也有差异。语言学习的平均效应较大，但该类别的证据也更多，其他部分学科的证据很少，不能据此排出一张“AI最适合教什么”的榜单。(www.frontiersin.org)

我们更需要回看具体任务。比如，口语练习需要反复开口，写作需要不断得到反馈。我们可以考察，AI是否增加了原本不足的练习机会，是否让学生更容易获得下一步的帮助。至于这些因素是不是产生动机变化的原因，还需要进一步研究。

03 AI怎样帮助学生，从“不想学”走到“愿意试”？

论文在讨论中借助自我决定理论，提出几种可能解释：更灵活的学习节奏可能支持自主感，及时反馈可能增强胜任感，支持性的互动可能改善获得回应的体验。这些是解释路径，并非这项元分析已经验证的因果机制。(www.frontiersin.org)

不过，它们为课堂提供了值得尝试的观察角度。

设想一个不愿动笔的学生。他可能没有想法，也可能有想法却不知道怎样组织。如果AI直接交给他一篇完整作文，任务很快结束；如果AI帮助他回想一个细节，让他先写出几句，再针对原稿提出问题，学生就有机会体验到：我能把自己的意思写出来。

两种方式都使用了AI，却给学生安排了不同的学习过程。

教师真正需要观察的，是孩子有没有继续参与，有没有在帮助之后完成更多原本不会做的事。

04 喜欢用AI，是否会变成持续的学习动力？

学生对AI的热情，需要进一步辨认：他喜欢的是学习活动本身，还是更方便地完成任务、获得成绩？

研究发现，内在动机和外在动机的平均效应都为正。虽然内在动机的数值更高，两者之间的差异却没有达到统计显著。因此，这篇论文不能被解读为“AI已经被证明更能激发内驱力”。(www.frontiersin.org)

学生因为想取得好成绩而努力，与因为好奇而愿意追问，可以同时发生。教师需要继续了解，他对什么产生了兴趣，又愿意为什么付出努力。

喜欢听AI解释，是否伴随着自己尝试？得到答案之后，是否还愿意问一句为什么？

这些课堂中的表现，可以帮助我们把笼统的“积极性提高”看得更具体。

热情能持续多久，也还没有充分的答案。论文没有发现不同时长组之间的显著差异，但其中“长期”的定义只是超过8周。这不能用来证明新鲜感不会消退，更不能说明学生已经形成稳定的自主学习习惯。

而且，论文虽然在2026年发表，汇总的是2023年至2025年11月的研究。它提供了阶段性证据，新的产品和使用方式仍需要继续检验。(www.frontiersin.org)

05 回到课堂，先观察三个具体变化

如果把这项研究带回学校，我更愿意用它调整观察方式，而不是立刻增加一项“AI使用次数”的要求。

第一，是否更容易开始。

过去总停在第一步的孩子，得到合适帮助后，能不能动笔、开口、提出一个问题？这比页面打开了多久更值得关注。

第二，遇到困难后是否愿意继续。

AI给出反馈之后，他是在复制答案，还是试着修改、解释和再做一次？对于不同任务，教师可以选择最有意义的一个过程来观察，不必把每次互动都变成记录负担。

第三，支持减少后能否独立往前走。

换一道相近的题，或者请学生独立讲清思路，他能否带着刚刚获得的理解继续走？这已经超出了动机本身，却能帮助我们判断，学习意愿有没有转化为实际成长。

以上是从研究出发的教学思考，尚非经过验证的方案。它们共同追问：AI提供帮助以后，学生自己做了什么？

也要给学生留下选择：有人需要AI对话，有人更愿意先独立尝试。使用频率不宜成为积极性的标志。

“AI能让学生更想学吗？”42项研究给出的回答是，有积极的可能，而且值得认真探索。但对一位老师来说，平均值最终还要落到眼前的学生身上。

那个总说“我不会”的孩子，今天愿意试着解释自己的想法；那个拿到反馈就放到一边的孩子，开始认真修改；那个完成要求便停下的孩子，又主动追问了一个问题。这些变化，才值得我们继续了解。

下一次设计AI学习活动时，可以先写下：**我希望学生更愿意做哪一件具体的学习行为？**再去选择工具、安排任务、观察变化。这样，我们对AI的期待，就有了可以在课堂中辨认的样子。

参考文献：Fang, L., Li, Z., Xiong, B., & Lu, Z. (2026). Effects of generative artificial intelligence on students’ learning motivation: evidence from a meta-analysis. Frontiers in Psychology, 17, 1832451. 论文原文