ARTICLE · 1158900
AI学习机真的能提高孩子的学习能力吗?-从哈佛大学等四项研究看现阶段教育的潜力与风险
一、市场越来越热，学习效果仍待验证
花几千元买一台AI学习机，孩子真的能学得更好吗？
据智研咨询2025年发布的行业资料，当年第一季度国内AI学习机均价约3164元，2000~3999~元价位产品占线上销量的一半以上[1]。京东2026年10月选购指南列出的多款产品参考价约2199~4499元，实际价格以购买时为准[2]。洛图科技数据显示，2025年中国学习平板全渠道销量632.1万台、销售额199.1亿元[3]。学习平板与AI学习机统计口径并不完全相同，但这些数据说明智能学习设备已成为重要的家庭教育消费品。
对不少家庭来说，购买学习机的理由很现实：家长没有时间天天陪练，遇到不会的题又希望有人及时讲清楚。AI似乎同时承诺了随时答疑、因人而异和节省辅导成本。但这正是需要认真检验的地方：AI学习机是否真的能够帮助孩子加深理解、提升学习能力？
功能不断升级，效果还需证明
学习机早已不只是同步教材和名师视频：从拍照搜题、自动批改，到AI答疑、学情诊断和个性化练习，功能日益丰富。国内一些产品官网已介绍作业诊断、针对性练习等功能[4,5]。但厂商宣传的是系统“能做什么”，而不是孩子“最终学会什么”。
AI让随时答疑、记录学习过程和针对性练习变得更加便捷。但家长投入的不只是金钱，还有孩子宝贵的学习时间。因此，评价学习机不能只看功能演示，更要看能否促进学习，以及是否有经得起检验的效果证据。
这里需要区分：学习资源丰富，不等于学习效果更好；具备智能诊断功能，不代表判断一定准确；学校AI教学实验取得积极效果，也不能直接证明市售学习机有同样成效。
尤其要看清“使用时做对”与“离开AI仍会做”的区别，以及短期进步能否长期保持。
二、AI能促进学习，也可能让学生依赖答案
有组织的AI辅导可以带来进步
2025年，世界银行公布了一项尼日利亚随机对照实验：中学生在教师指导下用生成式AI学习英语，六周后，英语、AI知识和数字技能综合测评的效果量达到0.31个标准差，显示出一定的积极学习效果[6]。
加纳的一项初步研究也发现，学生通过普通手机上的AI对话工具学习数学，接受辅导的学生在数学测评中的表现优于对照组，报告的效果量约为0.36个标准差[7]。
不过，两项研究均有明确的教学安排：尼日利亚实验有教师指导，加纳研究使用了专门设计的对话辅导任务。这与孩子在家自由使用普通聊天机器人不同，积极结果不能简单推广到所有学习场景。研究也提示，AI能否发挥作用，与如何设计和实施辅导密切相关。
做题更快，不一定学得更牢
2025年，《美国国家科学院院刊》（PNAS）发表了一项涉及近千名高中生的生成式AI辅助数学学习实验研究[8]。研究比较了三种学习方式：使用普通生成式AI、使用设有教学护栏的AI Tutor，以及不使用AI。结果发现，在允许使用AI的练习中，普通AI组的成绩比对照组高出48%，有教学护栏的AI Tutor组更是高出127%。然而，当AI被撤去、学生需要独立完成考试时，普通AI组的成绩反而比对照组低了17%。相比之下，有教学护栏的AI Tutor组基本避免了这一负面影响，但其独立考试成绩也未显著优于对照组。
这种反差并不难理解：孩子不会一道题，拍给AI后立即看到公式、步骤和答案，作业完成了，却可能跳过自己分析和纠错的过程。第二天换一道题，没有AI提示，还能独立做吗？
AI替孩子完成思考与AI帮助孩子学会思考是两件不同的事。这项实验并非证明所有AI都有害，而是提示：AI如何提供帮助，会影响学生是否真正掌握知识。
这也不是说AI回答得越少越好。必要的解释与示范仍然重要，关键是何时提供帮助、提供多少帮助，以及何时逐渐撤去。
三、哈佛PS2-Pal：真正值得关注的是AI怎样教
学习增益显著，但不能解读为“AI取代教师”
2025年6月，哈佛大学研究团队在《Scientific Reports》发表了一项关于AI辅导系统PS2-Pal的教学实验研究[9]。该研究以大学物理课程Physical Sciences 2为背景，194名学生围绕两个学习主题，通过随机交叉设计，分别体验AI辅导和课堂主动学习两种教学方式。
研究结果显示，在特定学习主题的即时测评中，AI辅导组的学习增益中位数超过课堂主动学习组的两倍。值得注意的是，AI组的中位学习时间仅约49分钟，低于课堂主动学习所安排的约60分钟，且学生报告的学习投入程度和学习动机也更高。
但该实验仅涉及特定课程内容和即时测评，尚不能推出长期保持、跨学科迁移的效果，更不能得出“AI能够取代教师”的结论。
实验中的材料编排、学习节奏等因素同样可能影响结果。真正值得研究的是哪些教学设计发挥了作用，以及效果能否在更长期、更广泛的场景中重现。
好的Tutor知道答案，却不急着说
比学习成绩的提升更值得关注的，是PS2-Pal背后的教学设计。研究团队并未简单地让学生使用通用聊天机器人，而是将主动学习、认知负荷控制、学习支架和针对性反馈等学习科学原则融入系统设计，开发出专门的AI辅导系统（AI Tutor）。哈佛大学官方报道也介绍了这一设计理念[10]。
例如，学生解物理题时，AI可以先问“为什么选这个公式”，再提醒关键条件，而不是立即给出完整推导；当学生真正理解后，又应减少重复练习。核心问题不是机器是否会做题，而是它能否判断学生需要什么帮助，并把思考机会留给学生。
这对学习机设计提出了更高要求：系统不仅要判断答案对错，还应通过追问和针对性练习检验理解；随着学生能力提升，再逐渐减少提示。
四、好的AI学习机，值得关注的五种教学能力
前述研究提供了不同角度的启示：尼日利亚与加纳实验呈现了有组织AI辅导的积极效果；《PNAS》研究警示缺乏教学护栏的风险；哈佛PS2-Pal展示了学习科学原则融入教学设计的价值。
由此，可以从错因诊断、动态教学、分级提示、学生模型和独立能力验证五个方面，思考AI学习机怎样更有效地支持学习。这是基于研究启示的归纳，而非已有实验逐项证实的统一标准。
1. 诊断错因，而不只是标记错题
哈佛研究强调针对性反馈，而有效反馈需要先弄清学生的困难。
同一道函数题做错，可能是概念不清、遗漏分类讨论，也可能只是计算失误。若AI只标记“二次函数薄弱”并推荐同类题，仍停留在知识点层面的个性化。
更好的辅导应结合解题过程与必要追问判断可能的错因，再提供针对性帮助；诊断结果也应允许后续验证和修正。
2. 动态调整教法，而不只是推荐内容
哈佛PS2-Pal强调及时反馈和自主学习节奏。教学不仅要推荐下一步内容，还要根据学生当下的表现调整策略。
第一次遇到困难，可先提示方向；仍不理解，就换一种讲法；能独立完成时，则减少帮助、适当提高难度。若只是计算失误，也不必把整题重新讲一遍。
真正的个性化教学，不只是决定“学什么”，更要判断“此刻怎样教”。
3. 循序渐进地提示，而不急于公布答案
《PNAS》研究提示缺乏教学护栏的风险；哈佛研究则强调学习支架。据此可以尝试分级提示，但其具体形式仍需验证。
例如逐步增加帮助：
方向提醒 → 知识唤醒 → 关键问题 → 局部示范 → 完整讲解。
五级提示并非必须依次执行，而应根据学生理解程度灵活选择。帮助太少可能造成挫败，帮助太多又会挤压独立思考的空间。
关键不在提示有多少级，而在何时给予、调整和撤去帮助。
4. 了解学生的变化，而不只保存错题
哈佛研究的个性化反馈，还启发我们思考能否持续观察学习变化。
理想的学生模型不仅记错题，也关注学生是否反复漏条件、获得提示后能否独立推进，以及面对新题时是否更愿意尝试。
模型应随新表现不断更新，说明判断依据，保护隐私，避免依据一次失误贴上长期能力标签。
“懂学生”不是储存更多数据，而是识别学习特点与变化，并允许判断被质疑和修正。
5. 验证独立能力，而不只统计正确率
《PNAS》研究的警示是：用AI时做得更好，不等于离开AI仍能独立完成。
因此，除了学习时长、答题量和正确率，还应观察孩子能否解释错误原因、处理新题并迁移已学方法。
通过关掉AI后的独立练习、间隔复测和情境变化的迁移任务，才能更有说服力地判断能力是否形成。
好的学习机应帮助孩子在使用AI时学习，也让孩子离开AI后依然能够思考。
五、学习机的未来竞争：从功能走向教学成效
从教育功能看，学习机大致有四种形态：资源型回答“有什么可学”，答题型回答“题怎么做”，个性化学习机回答“哪里不会、接着练什么”，而AI Tutor更希望回答“怎样帮助学生最终自己解决这一类问题”。
这并非严格的市场代际划分，几种功能可以并存。今后的竞争不应只看题库规模、模型参数和解题速度，而应逐渐重视真实教学效果。
例如，产品若能清楚说明测评对象、使用时长、对照方式，以及停用AI后是否仍有进步，就比单纯展示功能更有说服力。
六、家长可以这样试用：看过程，也看结果
试用时，找一道孩子有困难、但尚有思路的题，让他向学习机求助。观察AI是先了解卡在哪里，再调整提示，还是直接给出完整答案；孩子说“我还是不明白”时，能否进一步追问原因。
孩子做对后，关掉AI，再给一道方法相近、情境不同的题，请他独立完成并解释思路。一次试用不能证明长期效果，但能帮助家长看清辅导方式。可信的长期跟踪、独立测评和第三方评价，比“AI名师一对一”的口号更值得参考。
不妨隔一周再测一次，并问孩子：“如果没有AI，你下一步准备怎么想？”与此同时，纸笔练习、同伴交流和教师反馈仍然重要。
七、好的AI，最终应让孩子更有能力离开它
教学既要在困难时提供支架，也要在学生掌握方法后逐步撤去。起初，AI问“第一步怎么做”；后来只需提醒“再看看这个条件”；最终，孩子能自己追问“我知道什么、还缺什么、还有别的思路吗”。
当AI与孩子之间的对话逐渐成为孩子头脑里的自我对话，学习能力才更可能留下来。选择学习机时，不妨多问一句：孩子使用半年后，是更依赖答案，还是更会独立思考、独立学习？
好的AI教育，不是让机器越来越擅长替孩子解决问题，而是帮助孩子逐渐拥有自己解决问题的能力。
主要参考文献
[1] 智研咨询（2025-06-04）.《趋势研判！2025年中国AI学习机行业产业链、销量、销售额、竞争格局及前景展望》.（价格统计）https://www.chyxx.com/industry/1224843.html
[2] 京东消费决策中心（2026-10-09）.《AI学习机怎么选？从屏幕护眼到AI辅导能力的判断框架》.（参考价，非实时成交价）https://dir.jd.com/guide/jd-geo-guide-1-dui-1-jing-zhun-xue-xue-xi-ji-v1
[3] 洛图科技（RUNTO）（2026-02）.《中国学习平板零售市场月度追踪》2025年市场数据；199IT于2026年2月26日转载报道。（统计口径为学习平板）https://www.199it.com/archives/1813873.html
[4] 科大讯飞智慧教育.《AI学习机》产品功能介绍.（厂商资料，不作为独立效果证据）https://edu.iflytek.com/solution/family/learning-pad
[5] OK智慧教育.《OK智慧学习机S5》产品功能介绍.（厂商资料，不作为独立效果证据）https://www.okay.cn/OkBook/S5.html
[6] De Simone, M. E., et al. (2025). From Chalkboards to Chatbots: Evaluating the Impact of Generative AI on Learning Outcomes in Nigeria. World Bank Policy Research Working Paper No. 11125.
https://documents1.worldbank.org/curated/en/099548105192529324/pdf/IDU-c09f40d8-9ff8-42dc-b315-591157499be7.pdf
[7] Henkel, O., Horne-Robinson, H., Kozhakhmetova, N., & Lee, A. (2024). Effective and Scalable Math Support: Experimental Evidence on the Impact of an AI-Math Tutor in Ghana. arXiv:2402.09809. https://arxiv.org/abs/2402.09809
[8] Bastani, H., Bastani, O., Sungu, A., et al. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
[9] Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. https://doi.org/10.1038/s41598-025-97652-6
[10] Harvard Gazette (2024-09). Professor tailored AI tutor to physics course. Engagement doubled. https://news.harvard.edu/gazette/story/2024/09/professor-tailored-ai-tutor-to-physics-course-engagement-doubled/