（本文基本上是我在9月12日 ToddleAI Schools Showcase 活动上的发言稿，经过了轻微整理。它更像是一篇演讲稿，而不是一篇文章，因为它本身就是一次演讲；其中的图片原本是演示文稿中的幻灯片。最初的听众是正在思考应该选择哪些AI工具，以及如何使用这些工具的教育工作者，但我希望其中的一些内容也能对家长以及其他人有所启发。）

孩子们在学校里会创造一些很棒的作品——比如戏剧表演、开发一个应用程序、写一首诗等等。

但大多数作品其实并没有那么精彩。真的——这完全没关系。

一篇关于光合作用的文章，一道代数练习题，或者一次关于第二次世界大战爆发原因的背诵展示，它们本身并不是目的；它们是用来达到某种目的的手段。

我们要求孩子完成这些任务，有两个原因：

第一，它们迫使学生进行思考；

第二，它们让我们获得学生已经思考过的证据。

而良好结构化的思考，当然会带来巨大的收益。

正如 Daniel Willingham 所说：

记忆，是思考留下的残留物（Memory is the residue of thought）。

然而，我们无法直接测量记忆，所以学生完成的作品只是思考过程以及学习收益的一种替代性指标。

但作品本身并不是重点。

其实我们一直都知道这一点，只是偶尔会忘记。

这种方式一直有效，直到现在。

但正如我们都知道的，AI改变了一切：

现在，文章、代数题、创意写作、列表整理——所有这些东西，都可以在没有真正促使学生思考、也无法证明学生进行了思考的情况下被创造出来。

这也是为什么标题中的“真正”（real）这个词如此重要。

它承认：

我们以为自己看到的很多“理解”，可能并不是真正的理解。

到这里，似乎一切都很明显。

但学校和其他领域有一个重要区别。

一家使用AI的医院，仍然是在治愈病人，而健康本身就是一种真实的价值。

没有人会在医学会议上站起来问：

“现在医学到底是为了什么？”

因为我们知道，医院提供的最终成果——健康——才是重点。

但是学校不同。

学校的“产品”从来都不是学生提交的作品。

那些作品只是代理指标（proxy）。

它们只是我们过去唯一能够使用的衡量方式，因为我们无法直接看到学生头脑内部发生了什么。

所以，一个能够帮我们制造这些代理指标的机器，并不能真正解决问题。

它只是意味着：

这些代理指标变得更加不可靠。

面对这种情况，有两个显而易见的回应：

第一，禁止学生使用AI；

第二，确保AI支持学习，而不是取代学习。

这次会议主要讨论的是第二种方式。

不过，第一种方式也并非毫无道理。

例如，写文章这种任务，依然是迫使学生进行深度思考的极佳方式。

但问题是，在考试之外，我们几乎不可能真正确保学生不使用AI。

因此，第二种方式才是真正开放的问题。

我想从一个关于社会系统的视角切入，尤其关注：

究竟是什么真正激励孩子去思考。

我经常听到、也经常读到一个观点：

我们需要通过让学校学习任务更加“相关”（relevant），或者“连接真实世界”（connected to the real world），来激励学生。

我想重新审视这里的“相关”和“真实”这两个词。

因为我认为，我们在不知不觉中带入了很多未经质疑的假设。

让我通过一个大家可能很熟悉的故事来说明。

一两年前，我教过一个女孩——我叫她 Kim。

学年开始的时候，她很安静。

她坐在教室后排，很少发言。

她属于那种需要教师努力引导，才会逐渐表达自己的学生。

后来，有一天上午，在一节“知识论”（Theory of Knowledge）课上，她发生了变化。

我不知道具体是什么触发了这一变化。

那节课讨论的是“范式”（paradigms）。

她开始争论——真正地争论，而且充满喜悦。

那几乎是一种激烈的投入。

她身体前倾，声音提高。

当她发现自己的逻辑陷入矛盾时，她甚至会对自己做出夸张的表情。

但她没有放弃，而是继续追问。

那是一堂学生和教师都会记住的精彩课堂。

当然，她并不是所有地方都理解正确。

但这并不是重点。

重点是：

她完全被这个问题吸引了。

她真正活了起来。

而这种能量具有感染力——她的热情提升了整个班级的状态。

当天晚些时候有家长会。

Kim的父亲问了我一个非常合理的问题：

“学习这些知识论内容，将来可能对应什么职业？”

换句话说：

为什么这些内容是“相关的”？

为什么它们和“真实世界”有联系？

我当时犹豫了一下。

因为我的脑海里仍然浮现着教室里的那个女孩。

我真正想说的是：

“您应该看到她刚才的样子。”

但这不是他提出的问题。

而且我没有足够快地找到合适的表达。

所以我回答了一些关于批判性思维、可迁移能力、面试能力之类的话。

这些当然都是真的。

但说出来却像是在道歉。

因为我正在用劳动力市场的语言，解释一个本身已经非常美好的东西。

我在这个背景下讲这个故事，是为了说明：

AI其实并不是关键所在。

因为Kim身上发生的事情，并不是因为某个工具，而是因为一个人，在正确的时间，以正确的方式，遇到了一个真正吸引她的思想。

问题在于：

AI如何能够参与其中？

前面我提到了一些“假设”。

其中一个被悄悄带入的重大假设是：

我们认为，“现实性”（reality）或者“相关性”（relevance）来自于“有用性”。

也就是说：

一个东西值得追求，是因为它能够连接到课堂之外的生活或职业。

但Kim告诉我们：

激发动力并不一定需要“相关性”。

她并不是因为某种实际用途才喜欢这个问题。

她喜欢它，仅仅因为它本身。

她的父亲追求的是“相关性”。

而Kim拥有的是一种不需要相关性的东西。

而恰恰是这种东西，真正产生了思考。

那么，Kim究竟拥有了什么？

为什么到目前为止，在这场关于AI的讨论中，我几乎没有谈AI？

因为Kim拥有的是：

沉浸感（absorption）。

也就是：

内在动机（intrinsic motivation）。

一种被事物本身吸引、抓住的状态。

但这并不等同于“快乐”或者“好玩”。

她并不是单纯地享受课堂。

她是在面对一个困难问题时，完全投入其中。

她的大脑、情绪和注意力，都被这个问题占据。

而我之所以很少谈AI，是因为我们发现：

真正产生思考的东西，实际上与工具无关。

这意味着：

当我们引入AI——而我认为我们应该引入AI——我们必须保持谨慎。

因为工具，与最重要的东西是相互独立的。

Kim拥有的、也是我们在优秀课堂中看到的东西，是：

沉浸、内在动机，以及人与思想之间真正的相遇。

我认为，这些东西在很大程度上与工具无关。

所以问题来了：

AI能否创造这种动力？

或者至少：

AI能否避免破坏这种动力？

其实，这并不是一个新问题。

我们一直知道：

动机非常关键。

而我们也非常擅长制造外在动机：

• 分数；

• 奖励；

• 让学习“更相关”；

• 告诉学生这是为了未来投资；

• 为进入大学做好准备；

• 等等。

但与此同时，我们也知道大量研究表明：

外部奖励可能会削弱内在动机。

因此存在一种风险：

我们手中的工具，不仅无法帮助我们实现目标；

它甚至可能主动侵蚀我们真正想培养的东西。

优秀教师在课堂上传递的，并不是信息。

也不仅仅是关爱。

他们传递的是一种“活着的状态”。

而只有一个自身处于这种状态中的人，才能把这种状态传递给别人。

那么，我们如何激发内在动机？

Daniel Pink在他的著作《Drive》（《驱动力》）中推广了这一观点。

他借鉴了Ryan和Deci大量且非常扎实的研究。

这些研究表明：

人的内在动机来自三个核心条件：

1. 自主（Autonomy）

2. 胜任（Competence）

3. 联结（Connection）

当然，现在不是深入展开这一庞大研究体系的时候。

但简单来说：

这些条件并不是可以随意调用的按钮。

我们可以创造更容易产生它们的环境。

但是，就像化学反应或者人与人之间的关系一样：

我们无法直接制造它们。

我们只能创造条件、提供机会。

AI可能有所帮助。

也可能没有帮助。

这也引出了我今天非常简单的核心观点：

我想提出：

自主、胜任和联结，并不能在一节课中被“召唤”出来，也不能通过一个工具直接产生。

但是，它们可以被建构进学校运行的整体结构之中。

因为：

它们来自学校的制度与文化，而不是来自某个网站、某个应用程序、某次演讲，或者单纯的创新行为本身。

那么，我们关于动机的认识，如何帮助我们确保AI创新能够落在一片肥沃的土壤之中？

自主（Autonomy）

自主并不是告诉孩子：

“你负责自己的学习。”

真正的自主来自：

我们是否真的给予孩子一些真实的选择。

当然，这里存在张力。

因为：

真实的选择，也意味着真实的后果。

但是，一个完全消除所有后果的学校，其实也在传递一种教育信息。

在我的学校里，我们尝试保护学生“犯错的空间”。

比如：

设计那些能够帮助学生学习的评价，而不是只用于判断学生的评价；

建立一种文化：

把一次失败的尝试看作信息，而不是耻辱。

当然，我们做得并不完美。

而且，这种做法面临现实压力。

因为家长能够理解地会想：

他们支付学费，并不是为了让孩子失败。

所以，我们需要追问：

AI如何与自主结合？

我认为：

它可以做到。

但我们必须认真提出这个问题。

联结（Connection）

联结并不是通过告诉孩子：

“你属于这里。”

就能够产生的。

它来自我们每天处理普通事情的方式。

它可能因为我们的行为而建立，也可能因为我们的行为而被破坏。

比如：

纪律管理，是修复关系，还是切断关系？

评价反馈，是帮助孩子真正了解自己的成长，

还是只是把孩子与旁边的人进行排名？

比如：

我们颁发的奖项，是否在设计上就让大多数孩子处于外部？

而学生之间的联结，也不会自动出现。

我们需要有意识地教授：

如何在意见不同的时候进行交流；

如何承认和尊重那些与自己观点不同的人。

在我们的K-12课程中，我们已经把这些内容明确纳入教学。

所以，我们需要追问：

AI如何与联结结合？

我认为：

它可以做到。

但我们必须认真提出这个问题。

胜任（Competence）

胜任感，是一种：

“我真的正在变得更好”的感觉。

这应该是学校最核心的工作之一。

某种意义上，它确实是。

因为孩子一直都在学习。

只是：

他们学习的速度不同，

成长往往以不可预测的跳跃方式发生。

但孩子未必总能感受到这一点。

因为：

一个孩子只有在看到：

“现在的自己”和“上学期的自己”之间的距离时，

才会意识到：

自己正在进步。

然而，很多学校实践恰恰遮蔽了这种成长。

例如：

依据等级标准进行评价；

与旁边的同学进行排名。

顺便说一句：

这也是为什么管弦乐团、体育、辩论、戏剧等活动如此有价值。

因为在这些活动中：

学生更容易看到自己的进步。

成长过程更加明显。

因此，我们需要寻找方法：

展示学生的发展过程，

而不仅仅展示最终达到的水平。

即使最终成绩仍然是社会关注的重要内容。

这并不容易。

所以，我们需要追问：

AI如何帮助学生形成胜任感？

我认为：

它可以做到。

但我们必须认真提出这个问题。

自主、联结和胜任，并不是新的概念。

任何有教育经验的人都熟悉它们。

但：

它们从未真正完成。

它们也从来不容易实现。

我们需要确保：

AI能够帮助我们更好地实现这些目标。

我认为：

这才是我们讨论AI时最重要的视角。

所有这些系统——

包括评价、报告体系、学生关怀支持（pastoral care）等等——

如今都成为AI工具可以提供帮助的领域，而且很多时候确实会带来真实的价值。

但是，一旦我们从系统层面来看待这个问题，就会发现：

AI的引入，与其说是一种“技术性变化”（technical change），不如说是一种“适应性变化”（adaptive change）。

这两者之间存在重要区别。

技术性问题：

可以通过已有的专业知识和技术方案解决。

而适应性问题：

则要求参与其中的人改变他们工作的方式。

（这一概念来自 Ronald Heifetz 的研究。）

换句话说：

AI如何融入学校，并不只是一个工具选择的问题。

它更取决于：

AI如何与学校更广泛的文化氛围相适应。

因为：

真正的动机，正是在这种文化环境中产生的。

因此，当我们要求学生进行学习时，我们必须保持关注：

学生是否真的进行了思考，

而不仅仅是：

他们是否创造出了一个看起来不错的产品。

学校中的许多系统容易被忽视。

因为：

它们与AI之间的联系并不总是显而易见。

但事实上：

这些系统才是基础性的土壤。

AI最终会增强学习，还是削弱学习，

取决于这些基础环境。

如果使用得当：

AI能够帮助我们。

但如果使用不谨慎：

它可能只是在优化那些容易测量的东西，

允许学生进行认知外包（cognitive offloading），

同时让其他更重要的东西逐渐被忽略。

前面我提到了“联结”。

当时我指的是：

人与人之间的联结。

但现在，我想探索另一种联结：

我认为：

人不仅可以与一个人建立联结，

也可以与一个思想建立联结。

Kim身上发生的事情，就是一种联结。

她与我提出的那个具体问题产生了连接，

并被它深深吸引。

但关键在于：

这种与思想之间的联结，

几乎总是建立在与人的联结基础之上。

她并不是被一个抽象的问题吸引。

她是在一个真实的课堂环境中，

与一位教师一起进入这个问题。

而这位教师自己也正在被这个问题吸引。

那种沉浸感，是在我们之间传递的。

我并不是像发放一张练习单一样，把这种兴趣交给她。

她是“感染”到了这种状态。

当我告诉她：

我是如何遇到这个问题的，

为什么它让我着迷，

为什么它重要，

她能够相信我。

因为：

她能够感受到：

我是真的被它吸引。

目前，我还无法相信：

一个AI即使完全复制同样的表达方式，

也能够产生同样的可信度。

所以，也许：

人与思想之间的联结，

永远都需要通过人来实现。

一个AI辅导系统可以尝试实现自主：

学生按照自己的节奏学习。

它可能能够比任何教师都更好地实现胜任感：

每一次都精准调整难度。

（也许如此。）

它甚至可能实现某种形式的“个人化联结”：

永远耐心，

随时可用，

从不急躁，

从不疲惫。

但是：

它无法真正处于某个思想的吸引之中。

因为：

它并没有被任何东西真正吸引。

它拥有全部内容，

却没有沉浸感。

我们常说：

最优秀的教师是“燃烧着的”，

并且能够把这种状态传递给学生。

就今天而言：

我还没有看到AI能够做到这一点。

我们仍然需要那些能够做到这一点的教师。

而这并不是运气问题。

也不是说：

我们只需要招聘那些天生具有特殊天赋的人。

任何人都不可能真正被一个思想吸引，

如果：

他已经筋疲力尽；

他教授的是一个自己并不喜欢的学科；

或者他被要求完全按照别人规定的方式去教学。

同样的三个条件，也适用于教师：

自主（Autonomy）

教师需要拥有：

如何教学的自主权。

胜任（Competence）

意味着：

对所教学科具有深入理解，

并且拥有持续阅读、学习和发展的时间。

联结（Connection）

意味着：

能够与那些同样关心这些思想的同事建立联系。

一所学校如果能够构建这样的环境，

就会让更多教师、更频繁地处于那种状态。

这对学生更有益。

而AI也可能真正帮助实现这一点。

前提是：

AI能够为教师释放时间，

而不是进一步分散教师的注意力。

现在，我可能也可以在那节课中使用AI工具。

也许Kim仍然会产生同样的反应。

但如果真的如此：

她的反应也不会主要来自工具。

更多来自：

我——这个教师；

以及她真正进入其中的那些思想。

请不要误解我的意思：

我这里并不是反对AI。

恰恰相反：

我认为AI正在把我们重新带回一个核心问题：

人与人真实相遇的教育艺术。

而最有意思的证据，来自一个比我更加相信这些工具的人。

几年前，Sal Khan——教育科技领域最有影响力的人物之一——提出了一个真正令人兴奋的愿景：

为地球上的每一个孩子提供一个AI导师。

他创建了一个非常出色的学习平台。

最初是在YouTube上，

后来发展成为自己的平台和全球品牌。

这并不是一个噱头。

这是一次认真、充满善意、资金充足、设计完善的尝试：

试图把我们知道真正有效的东西——

一个耐心导师对学生的个性化关注，

以全球规模提供给每一个学生。

如果有人能够让机器提供优秀教师所能提供的东西，

那么这个人应该就是Sal Khan。

他拥有：

资源；

人才；

以及希望这件事成功的一切理由。

但是：

今年4月，他在接受 Chalkbeat 采访时，说出了一些与他原本期待相反的话。

他说到自己的AI导师 Khanmigo：

“对于很多学生来说，它并没有带来什么变化……他们只是没有怎么使用它。”

他把自己的AI系统比作：

教室后排坐着的一位超级聪明的导师，

等待学生主动寻求帮助。

那么：

学生会主动去找它吗？

他的回答：

对于任何教师来说都非常熟悉：

“有些学生会；但大多数不会。”

（公平地说，Khan并不认为这意味着AI导师失败了。

他认为这只是探索过程中的一个阶段。）

但我认为，这告诉我们一个重要事实：

AI工具并不会自动让学生产生学习动力，

甚至不会自动让学生产生提问的欲望。

而这正是关键所在：

AI工具本身，并不能创造“想要学习”的愿望。

那么，我们应该如何应对？

一种大致的答案是：

需要一个更好的工具。

一个不那么被动、更主动追踪学生的工具；

一个不会只是等待学生提问，而会主动推动学生前进的工具；

一个能够督促学生、要求学生承担责任的工具。

但我的理解有所不同。

我认为：

那个AI导师并不是因为“不够好”才没有发挥作用。

它失败的原因是：

它无法做到最重要的那件事。

它可以提供帮助。

但它无法让任何人真正想要这份帮助。

Sal Khan和我在一些观点上可能存在差异。

但我认为，他在同一次采访中说的一句话是正确的：

“AI将会提供帮助。但我认为，我们最大的杠杆，实际上是投入建设人类系统。”

这是关于技术的一条古老智慧。

当我们决定：

应该把时间投入在哪里；

应该把资金投入在哪里；

应该把注意力投入在哪里；

我们必须记住这一点。

不过，我还想补充：

这些“人类系统”，并不是那些可以购买来的东西。

它们是更深层、更难以复制的东西。

它们体现在：

学校文化中；

学校日常运行方式中；

学校处理事情的方式中。

这些系统通过帮助学生感受到：

• 自主；

• 联结；

• 胜任；

来培养具有学习动力和好奇心的学生。

因此，我想留给大家的最后一个思考是：

最好的AI应用，并不会发生在拥有最好AI工具或最好AI政策的学校。

它会发生在那些系统性建设学习动机产生条件的学校。

这些条件应该成为学校基础设施的一部分，而不是被偶然等待。

所以，让我们持续追问：

是什么让一个孩子真正想要学习，而不仅仅是生产一个结果？

后记（Post Script）

我需要说明一点：

我一直以来都认为：

学校真正的价值，在于学生头脑内部发生了什么，

而不是那些容易被测量的东西，

也不是那些能够被记录在成绩单上的东西。

所以，在这一点上，我当然会这样说。

至少在这个问题上，

我的观点一直是一致的。

但我还想补充：

我刚才描述的这些事情——以及许多没有展开的内容——

例如：

• 把评价看作学习过程，而不仅仅是排名工具；

• 不公开学生考试成绩排名；

• 设计不会让大多数孩子被排除在外的奖励体系；

• 用孩子自身的发展，而不是群体比较，衡量成长；

• 混合能力教学模式；

• 明确教授不同视角；

• 将服务学习和户外教育作为正式课程，而不是额外活动；

• 导师制度；

• 建立学生支持体系，让每个孩子都被一位成年人真正了解；

• 概念驱动的教学方式；

• 修复式教育方法；

• 在教师招聘和评价中关注那些能够真正触达学生的教师；

这些并不是理念上的口号。

它们都是我们经过多年时间真正做出的学校选择。

这些选择并不总是容易。

有些人并不赞同。

现在仍然有人不赞同。

这就是我所说的：

基础设施（infrastructure）。

它不是一项单独的AI政策。

而是：

数百个看似微小、常常不可见的决定累积形成的学校生态。

这些决定：

最终让所有人受益，

即使很多人并没有意识到它们的存在。

而现在：

AI让我们无法再忽视一个事实：

学生头脑中真正发生的事情，

与我们过去衡量它的方式之间，

存在巨大差异。

这虽然令人恐惧，

但我欢迎这种变化。

因为：

这种提醒，

早就应该发生。

（全文翻译完）

读后感，对教育评价改革的三点思考

1. AI时代，评价需要从“评价结果”走向“评价学习是否发生”

过去学校评价更多关注：

学生成绩如何？

学校质量如何？

教师教学效果如何？

这些当然重要。

但AI时代，我们需要进一步追问：

学生是否真正理解？

学生是否经历了深度思考？

学生是否能够迁移所学？

这也是近年来学校评价改革的重要方向。

评价不只是判断学校“做得怎么样”，更重要的是帮助学校发现：

哪些教育过程促进了学生成长？

哪些机制还需要改进？

2. 学校评价需要重新定义“好学校”的内涵

如果AI可以帮助学生快速完成很多任务，那么学校竞争力就不能只是：

谁能让学生获得更高分。

未来更重要的是：

谁能够创造更好的学习生态。

好的学校应该让学生：

• 有提出问题的机会；
• 有探索未知的空间；
• 有经历失败和修正的可能；
• 能够看见自己的成长。

这也意味着：

学校评价不能只关注结果指标，

还需要关注：

• 课程是否支持真实学习；
• 教学是否促进学生思考；
• 教师是否形成共同学习文化；
• 学校是否具备持续改进能力。

3. AI时代，教师价值不是降低，而是更加凸显

Nick有一句话非常值得关注：

优秀教师传递的不只是知识，也不只是关爱，而是一种“活的状态”。

这种状态来自：

教师对学科的热爱；

教师对学生的理解；

教师与学生之间真实的连接。

AI可以帮助教师：

• 分析数据；
• 提供反馈；
• 优化资源；

但AI无法替代教师创造：

一个孩子突然被一个问题吸引的瞬间。

三、从“会生成”走向“会理解”：AI时代教育的新命题

生成式AI正在改变教育。

但教育最核心的问题没有改变：

我们希望培养什么样的人？

如果未来机器越来越擅长生成答案，

学校更需要培养：

• 能提出问题的人；
• 能理解复杂世界的人；
• 能形成独立判断的人；
• 能与他人合作创造的人。

因此，AI时代教育改革的关键，不只是“把AI带进课堂”。

更重要的是：

借助AI重新审视教育本质。

让评价回到学习本身，

让课堂回到思考本身，

让学校回到育人本身。

结语

Nick Alchin最后提出：

最好的AI应用，不会发生在拥有最好AI工具的学校，而会发生在那些系统性建设学习动机条件的学校。