AI 辅导让学生成绩涨 48%,撤掉工具后倒跌 17%

同一套 AI 工具，在土耳其一项高中数学研究里带出两种结果。基础版 GPT 组的学生成绩提高了 48%，加了教学护栏的 GPT Tutor 组提高了 127%。撤除工具的那个环节给出了第三组数字，工具收走之后，基础组的成绩比从未用过 AI 的对照组低了 17%。《2026全球人工智能与教育发展报告》汇集了 32 个实践案例，把这些差异背后的条件逐条摆了出来。

涨上去的成绩，撤掉工具就掉回来

土耳其那项研究的完整结果是三段。用基础 GPT 的那一组，当次测试成绩比对照组高出 48%；换成带教学护栏的 GPT Tutor 后，涨幅拉到 127%；而在撤除工具、重新回到纸笔测试的环节，基础组的成绩比对照组低了 17%，带护栏的那一组没有出现回落。同一批学生、同一个知识点，工具带来的增益能不能留下来，差别在有没有被设计进教学流程。

管理学界的判断与此吻合。一般性的 AI 工具可以提高任务表现，但并不自动转化为学习成果。学生把题目做对了，可能是因为工具替他完成了思考环节，而不是他自己掌握了方法。当工具被移走，被替代的那部分能力缺口就暴露出来，成绩随之下落。

使用强度的影响同样明显。田纳西州一项覆盖 18 所学校、历时两年的集群随机试验显示，参与项目的学生平均每学期提升约 1.3 个百分位，而参与者的中位使用频率只有可用天数的三分之一左右。投入的资源没有全部转化为使用时长，效果也随之被摊薄。设备到位、账号开通，距离稳定使用还有一段不短的距离。

加了护栏，效果差出近三倍

把工具装进一条被约束的教学路径里，效果会出现量级差异。土耳其案例中，48% 与 127% 之间的差距出在护栏设计上。题目范围被限定、答题步骤被要求写出、错误类型被即时归类反馈，底层模型并没有更换，约束条件不同，产出的教学价值差了近两倍。

对照实验给出的数据更扎实。一项名为 Tutor CoPilot 的干预中，学生掌握率提升约 4 个百分点，而对经验较少的导师帮助更明显，说明工具先在补师资的短板。哈佛大学一项物理课程实验纳入 194 名学生做随机对照，AI 导师组报告的学习增益高于课堂主动学习组。

低成本方案的表现不弱。加纳一个项目覆盖约 1000 名三至九年级学生、11 所学校，数学成绩提升约 0.37 个标准差，采用的是对带宽要求很低的交互方式。尼日利亚一项干预的综合效果约 0.3 个标准差，英语科目约 0.24 个标准差。乌拉圭的个性化学习项目数学成绩提升约 0.2 个标准差，低社会经济地位的学生收益更高。美国佐治亚州立大学的提醒干预则让按时入学率提升约 3.3 个百分点。

这几个案例分布在四大洲，共同点是效果都出现在有明确教学目标的场景里。宽松的聊天式提问、没有任务的自由探索，目前还没有对照数据支撑其教学价值。

效果的分母是供电和连接

把视线从实验班移到全球基数，条件差距会显得更硬。2024 年全球约有 2.73 亿儿童和青少年失学，小学、初中、高中分别为 7900 万、6400 万、1.3 亿，约占相应年龄人口的 17%。按时完成率在全球范围内是小学 88%、初中 78%、高中 61%，而低收入国家只有 60%、37%、20%。

学习质量的基线同样偏低。小学结束时达到最低阅读水平的比例估计为 58%，达到最低数学水平约 44%，青年识字率约 93%。2022 年的一项模拟估计认为，低中收入国家约 70% 的十岁儿童读不懂一段简短文本。这些数字意味着，AI 辅导要在这些地区落地，先要面对的是最基础的教学缺口。

硬件条件的分布更不均。2025 年全球互联网使用率约 74%，其中非洲约 36%、美洲 88%、欧洲 92%；城市与农村分别是 85% 和 58%，男性与女性是 77% 和 71%。低收入国家的小学里，有稳定供电的约 28%。一端是联网率九成以上的课堂，另一端是连电力都只有不到三成的教室，同一套云端工具在这两端的作用完全不同。

师资的缺口也在扩大。到 2030 年，全球需要新增约 4400 万名教师，其中撒哈拉以南非洲约 1500 万名。财政能力同步受限，教育财政中仅有 41 个国家（共 183 个）同时达到两项国际参照标准。护栏设计、使用规范、教师培训这些决定效果上限的环节，恰恰是最缺人的地方。

使用规范的数量远少于工具

与工具扩散的速度相比，规范的建设慢了一拍。调查显示，不到 10% 的学校和大学有正式的人工智能使用指引。绝大多数课堂上，工具的使用边界、数据处置方式、作业允许范围都处在没有明确规则的空白状态。

已经有地方出现了实操层面的调整。韩国在 2024 年公布 76 种 AI 数字教材，2025 年起用于特定年级和学科；2025 年 8 月，相关产品又被从法定教材的分类中重新划出。从全面纳入到重新分类，中间隔了一年多，反映出教育系统对教学材料属性的判断仍在调整。

已有的规模数据说明了这潭水有多深。中国 2025 年有各级各类学校 44.07 万所，学历教育在校生 2.804043 亿人，专任教师 1870.1 万人。要在这样一个体量的系统里建立统一的使用规范，涉及课程标准、评价方式、教师培训、数据管理多个环节，任何一项都不是短期工程。

效率收益确实存在，但集中在规则清晰的场景。美国密歇根大学一个课程里，500 多名学生提出了约 1000 个问题，教师估计由此节省了 5 到 12 小时。澳大利亚南澳州的 EdChat 覆盖 1 万名学生，约 94% 的互动与课程内容相关。这两个数字背后都有同一个前提，答疑范围被约束在课程之内。

国家路径已经分叉

各国选择的时间表并不一致。中国 2026 年由五部门发布「人工智能+教育」行动计划，将目标节点定在 2030 年；新加坡 2026 年公告设立 AI 素养里程碑，计划到 2027 年让 Code for Fun 覆盖所有学校；阿联酋从 2025—2026 学年起把 AI 纳入政府学校 K—12 课程。时间跨度从两三年到五年不等，路径依赖各自的师资与财政基础。

跨国课程产品的覆盖面给出了另一种参照。芬兰的 Elements of AI 触达超过 100 万人、170 个国家、26 种语言，属于面向公众的通识产品。英国 Oak National Academy 的 Aila 工具在 2025 年初约有 3 万个账号，主要服务在职教师备课。一个做的是大众科普，一个做的是教师提效，都不直接指向学生成绩。

治理框架的更新也在同步进行。从 2019 年的《北京共识》，到 2023 年的生成式 AI 使用指南，再到 2024 年面向学生与教师的能力框架，国际层面的文件逐年在细化。相关材料同时提示，2035 年的图景不是确定性预测，案例库呈现的是分布而不是效果证明，学校自述的经验数据也缺少独立标注。

把这几组数字连起来看，效果的形成有一条可拆解的链条：工具先提高当次表现，撤除后是否回落取决于它有没有替代思考环节；护栏设计决定了增益是 48% 还是 127%；使用频率把可用时长打了三分之一的折扣；而供电率 28%、联网率 36% 这些基础条件，直接决定了方案在哪些地区能跑起来。同一款产品落在不同条件里，产出可以差出量级，这也是各国时间表无法统一的原因。

关注公众号，后台回复【报告】获取完整报告 PDF

文章数据来源：《2026全球人工智能与教育发展报告》