AI家教有没有用?关掉AI再做一遍

一道题讲得通俗，追问也都答上来了，最后还夸一句“你已经掌握了”。这样的AI辅导，很容易让人觉得这一小时没有白花。

但判断有没有学会，还差一个动作：关掉对话框，换一道题，自己做。

这个动作很朴素，却让“AI家教有没有用”变成了一个可以检查的问题。我们既不用因为它讲得漂亮就买单，也不用先争论机器到底懂不懂教育。先看看，得到辅导的人，离开它以后能做什么。

▍把考卷交给学习者

9月23日首发、9月30日修订的StudentBench预印本，把考察重点放在了这里。研究分析2383名成年人的2469次GRE数学或语文实验。参与者随机进入AI辅导、真人辅导或看无关教育视频的对照组；完成一小时的分组活动后，按要求独立完成另一套题的后测。下图是流程简化示意。

这比展示一段精彩的讲题对话，多问了一层。讲解清楚，是教学过程中值得观察的表现；学生能否独立完成新题，才直接关系到这次学习留下了什么。两者都重要，却不能用同一张截图回答。

标题里的“再做一遍”，也不必是重抄刚看过的原题。答案还在眼前时，顺着步骤写下来，检查的是能否跟上。换一道考同类概念的题，才有机会看见：究竟理解了方法，还是记住了上一道题的样子。

▍等效结论有多大范围

论文报告，合并数学和语文后，AI与真人辅导的学习增益达到统计等效。它采用的边界是正负0.25个标准差，约正负4.09个百分点；语文单项没有证明等效，真人组也只有140次实验。

“等效”有明确尺度。可以把它理解为：研究用一道设定好的范围，检查两组平均差距是否足够小。这比“没检出显著差异，所以一样好”严格。读者仍要问，这个范围对自己的学习目标是否合适，平均表现又能否代表具体的人。

还要留意论文的研究局限：它没有设置独自练GRE题的对照，也没测长期保持；研究由Handshake AI资助，当前是预印本。成人考试的短期结果，不能直接当作儿童家庭辅导的效果证明。

因此，这项研究可以增加我们对AI辅导的兴趣，暂时还不能替一个家庭决定要不要换老师。家长需要考虑的还有孩子能否坚持、遇到挫折时怎样回应，以及课程是否适合。一次考试练习提供不了这些问题的全部答案。

对自学者，证据留下的问题同样具体：同样花一小时，AI讲解、自己刷题、读教材，各自能带来多少进步？比较对象少了一种，结论的适用范围就要相应收窄。认真对待一个积极结果，也包括把它尚未回答的问题留下来。

▍给一次AI辅导留个验收环节

日常使用不必复制完整实验。下面是一套可以试用的检查办法，并非这篇论文已经验证的学习方案。

先挑一个小目标。比如今天只解决“为什么列这个方程”，不要笼统要求“帮我学好数学”。学习前，找一道有可靠答案的题独立做，保留自己的过程。做不出来也有用，至少知道卡在哪里。

再让AI围绕卡点辅导。可以直接告诉它：“先看我的步骤，找出我从哪一步开始不理解。每次给一点提示，等我尝试后再继续。”这句话的作用，是把谈话组织成便于观察的练习；它并不保证AI判断正确。碰到讲法与教材冲突，要回到可靠材料核对。

辅导结束后，把聊天记录收起来。从教材或可信题库另选一道考同类概念的题，独立完成，并写下最关键的一步为什么这样做。如果只会复述AI的句子，却不能解释眼前这道题，下一次就有了明确的追问方向。

核对时也别只记一个对错。看不懂题意、选错方法、算错一步，需要的帮助并不相同。比如方法已经选对，只在运算上失误，下一轮可以练得更有针对性；如果一换题就不知道从何下手，就该请AI重新解释适用条件，而不是把同一份答案再讲一遍。

这里有个容易省掉的细节：验收题最好别完全交给同一个AI出、同一个AI判。若它在讲解、出题和批改中重复同一个错误，整个过程可能显得非常顺利。至少用一份可靠答案校准，难以判断时请老师或熟悉该内容的人复核。

当天做出来之后，还可以隔几天再试一次，或换个背景稍有不同的例子。这是在补查“还能不能记住”和“换个情境会不会用”，不必把一次答对当成掌握的终点。延后多久、换多难的题，需要按学习内容调整；论文没有给出一套通用答案。

▍从一次检查开始

如果是家长陪孩子尝试，可以先把范围缩到一道题、一个概念，再一起看独立完成时卡在哪里。不要因为一回没做出来就判断孩子不用心，也别把每次聊天都变成考试。检查的价值，是帮助下一次辅导更具体。

同样，不宜把AI的使用时长、对话条数或一页整齐的答案，直接记成学习成果。更有用的记录可以很短：今天原本哪里不会，后来哪一步能独立完成，下次还要补什么。连续留下几次记录，才更容易看出这套辅导方式是否适合自己。

AI家教有没有用，值得认真试，也值得认真验。下次结束对话时，不妨少问一句“我学会了吗”，留一道自己要完成的新题。

关掉AI以后，能独立做出的那一步，才是我们想得到的进步。