观点||用 AI 超两年高考成绩约降 18%?一篇工作论文到底说了什么

最近，各大短视频平台和社交网络上流传着一类让人心惊肉跳的说法：“用AI写作业两年，高考成绩下降18%”、“别让AI毁了下一代”……这些耸人听闻的标题配上激昂的背景音乐，往往把生成式人工智能（Generative AI）描绘成侵蚀青少年智力的“数字毒药”。

作为关注前沿技术与底层逻辑的开发者和科技观察者，我们面对这类情绪化的恐吓，不能盲目跟风焦虑，更不能人云亦云。我们需要剥离流量制造的恐慌滤镜，去审视真正的数据、方法与事实边界。近期，一则引起国际学术界与智库广泛关注的工作论文（Working Paper）——由 David Strömberg、Victor Lei 和 Yanhui Wu 联合撰写的《生成式 AI 的学习惩罚：来自中国中等教育的证据》（The Generative AI Learning Penalty: Evidence from Chinese Secondary Education，CEPR Discussion Paper DP21577，2026年发布）——恰好为我们提供了一个冷静、严谨的切入点。

本文将抛开情绪化的煽动，带你拆解这篇引发热议的工作论文，看看它究竟用了什么方法，发现了什么事实，又给AI教育产品的设计者与学习者留下了怎样的深刻启示。

一、 短视频在说什么：流量狂欢与真实关切的碰撞

在短视频的叙事里，逻辑通常被极度简化：学生用了AI，作业变快变好了，结果大考惨败。这种“爽文式”的反转天然带有吸睛体质。

短视频所传递的方向，在宏观直觉上确实与上述CEPR工作论文的部分宏观发现相吻合——例如“作业分数上升、高利害考试成绩下降约18%”、高分学生和男生受到的冲击似乎更为显著等。然而，短视频为了追求传播效果，往往会抹去学术研究所必需的边界条件。它们倾向于将“单县域面板数据”放大为“全人类的教育危机”，将“工作论文在同行评议前的阶段性发现”等同于“不可逆转的绝对真理”，甚至夹带一些未经证实的健康恐吓或极端政策禁令。

作为开发者与理性思考者，我们需要做的是“知其然，更知其所以然”。工作论文之所以被称为工作论文，是因为它处于学术演进的过程中，供同行评议、讨论与修正。接下来，让我们潜入这篇论文的样本池与研究设计，看看严谨的经济学与教育学计量模型是如何剖析这一现象的。

二、 论文设计与样本：如何用科学方法捕捉“AI效应”

要评估AI对学习的真实影响，最大的学术难点在于“内生性”——平时成绩好的学生可能更积极地使用AI，或者原本就不用功的学生才会依赖AI代写。为了克服这种选择性偏差，论文作者们采用了极为精巧的计量经济学设计。

根据论文称，该研究覆盖了约 26,811名中国7至12年级学生，追踪了长达约 30个月（约两年半）的面板数据。世界银行博客等渠道的解读也指出，样本主要来自中国的一个特定县域，记录了自约2022年起学生在日常作业完成时间、作业成绩、月度闭卷考试以及中考、高考等关键节点上的全方位表现。

在方法论上，论文利用了生成式AI工具在不同学生群体中采纳时点交错的特点，实施了双重差分模型（Staggered Adoption DiD）。

• 什么是教育领域的 DiD（双重差分）？**

简单来说，DiD 是经济学和教育实证研究中的利器。它通过比较“在不同时间点开始接触并使用AI的学生（处理组）”与“暂时尚未使用AI的同龄学生（对照组）”在AI介入前后各项指标（作业分、考试分）的变化差异，来剥离掉诸如学校整体教学质量提升、试题难度波动、年份宏观趋势等外部混淆因素，从而精准剥离出“AI采纳”这一单一变量带来的净效应。

值得注意的是，在样本中较为流行的工具（如豆包 Doubao、DeepSeek、ChatGLM、文心 Ernie、通义 Qwen 等），根据相关媒体报道（如南华早报 SCMP 等）被学生们广泛用于日常学习场景。不过，这些具体产品名称属于“报道称”的外围信息，并非论文官方锁定的唯一绝对名单。

同时，论文也保持了应有的学术审慎：世界银行博客等评论指出，由于教育场景复杂，现实中可能仍存在某些未被完全剔除的混淆因素，因此真实的纯净效应可能略小于文中报告的基准值。单县域的样本特征，也决定了我们绝对不能将其无限外推为“全球定论”或“AI将毁掉整整一代人”。

三、 作业涨分考试掉分怎么解释：机制与事实边界

这篇论文最核心、也最具有警示意义的发现，在于揭示了一个残酷的“效率幻觉”：

• 作业端（短期正向）： 论文称，AI使学生的日常作业成绩约升 18%，而作业完成时间则大幅降约 30%**。

• 月度与大考端（长期负向）：**

• 月度闭卷考试成绩在AI引入约六个月内开始出现下滑，降幅约达 20%。

• 在决定命运的高利害入学考试中，论文称高考成绩约降 18%、中考约降 24%。这种因长期依赖导致的“满额惩罚”在采用后约两年才充分显现（论文及相关转述中提及了约 1.3 到 1.5 个标准差等量级的学术表述）。

为什么会出现这种“作业满分、大考崩盘”的冰火两重天？

论文的深入行为分析给出了关键解释——“外包作业”与“认知卸载（Cognitive Offloading）”的区隔：

1.  外包行为（约占 AI 使用者的 80%）： 这部分学生在使用AI时，追求的是极致的效率和现成的答案。他们利用极短的用时获得了极高的作业分数。然而，由于大脑没有经历主动检索、公式推导、错题纠错和概念内化的痛苦历程，知识根本没有转化为长时记忆与认知能力。

2.  脚手架式使用（约占 20%）： 另有一小部分学生，他们的作业用时与非AI使用者相近。他们把AI当作讨论伙伴、查阅字典或纠错工具，而不是直接抄答案。对这部分使用者而言，成绩的损失非常小，甚至能保持平稳。

这彻底解释了机制：AI本身没有剥夺智力，而是“直接索取答案的外包式使用”剥夺了深度学习不可或缺的认知努力。

四、 谁受影响最大：学科与人群的差异图谱

损失并非均匀地分布在所有学生身上。论文通过细颗粒度的数据切片，揭示了受“AI学习惩罚”冲击最重的群体特征：

• 按学科划分：**

• 损失最大的是社会科学**（如历史、政治等需要深度论述与思辨整合的领域）。

• 其次是 STEM（数学、物理等逻辑推导学科）。

• 最后是语言类学科。

• 原因分析：* 社会科学和STEM学科往往涉及复杂的因果链条和长文本论证。当学生习惯于让AI直接生成论文大纲或解题步骤时，其自身的批判性思维和逻辑建构能力受到的“废用性萎缩”也最严重。

• 按人群划分：**

• 初中生**比高中生受到的负面影响更明显（初中阶段正是习惯养成和基础认知架构搭建的关键期）。

• 高分学生和男生**的成绩降幅在统计上表现得更为显著。

• 原因分析：* 高分学生和男生在日常时间管理、作业速通以及对捷径的探索欲上可能更强。当缺乏自控力时，他们利用AI快速“交差”的诱惑和频率也更高，从而更快地陷入认知外包的陷阱。

这些发现提醒我们，技术普及是一把双刃剑，它对自律性较弱、习惯于寻找捷径的聪明学生群体，反而构成了更大的隐形结构性风险。

五、 对 AI 产品与学习方式的启示

站在开发者、教育工作者和技术使用者的交叉路口，这篇工作论文没有给我们提供恐慌的理由，却为下一代AI教育工具的设计和学习方法的重塑敲响了振聋发聩的警钟。

1. 对 AI 辅导产品设计的启示：从“给答案”到“做脚手架”

市面上大量的AI辅导工具长期陷入“比拼谁能更快、更准、更优雅地给出标准答案”的内卷中。然而，从教育经济学的实证来看，直接提供答案的AI是在纵容“外包作业”，是在主动制造“学习惩罚”。

未来的AI教育产品设计必须进行底层范式切换：

• 严格限制直接答案输出：** 转向“苏格拉底式提问”和“脚手架（Scaffolding）机制”。当学生询问数学题时，AI不应直接给出解题步骤，而是提示关键切入点，引导学生自主推导。

• 过程性监控与时间对齐：** 产品可以引入防沉迷或认知负荷监测，当检测到学生在过短时间内完成海量复杂作业时，触发反思引导，确保AI的使用时长和深度与真正的思考成正比。

2. 对学习者与教育者的启示：坚守认知痛苦的价值

对于身处数字化浪潮中的学习者而言，我们要明白：学习的本质是神经元重塑的痛苦过程，任何试图绕过“认知摩擦”的捷径，最终都会在残酷的闭卷大考中以利息的形式加倍偿还。

• 善用AI作为启发灵感的“助教”，而非代劳思考的“枪手”。

• 定期进行脱离AI辅助的闭卷自测，检验知识是否真正内化。

正如我们在前文所恪守的事实边界一样——这是一篇仍在审议中的工作论文，它揭示的是特定样本在特定时空下的结构性警示，而非全人类教育终结的预言。技术无罪，关键在于我们如何规训工具、设计产品以及重塑教育边界。