重新看见学习②| 让AI帮学生“学”的更好,而不是让AI帮学生“做”的更好

研究有话说  |  课堂手记  |  教育风向标  |  国际前沿

过去，老师看到学生交上来一份正确的作业，至少可以大致认为：这道题是学生自己做出来的。教师当然无法看到学生脑子里的全部过程，但还可以从草稿、错误、修改、答题过程以及课堂上的表现，找到一些学习发生过的痕迹。

现在，这个判断开始变得困难。一道不会做的题，可以问 AI；一个没听懂的概念，可以让 AI 换一种说法；一篇文章写完以后，可以让 AI 修改；一道题做完以后，还可以让 AI 检查答案。学生最后交上来的东西可能比过去更加完整、更加规范，甚至几乎没有错误。

答案更好了，学生真的学得更多了吗？这才是 AI 进入课堂以后真正值得讨论的问题。

AI改变的，不只是答案，而是学生获得答案的过程

讨论 AI 和学习，最容易陷入的一个问题是：“学生用了 AI，是不是就不思考了？”这个问题太简单了。学生使用 AI 未必意味着学习发生了，也未必意味着学习没有发生。真正需要追问的是：AI究竟介入了学习过程中的哪一部分？

比如一道数学题，学生自己读题、尝试列式，做到第二步时发现不对，于是把自己的思路交给 AI，请它指出问题在哪里。这时候，学生已经经历了理解题目、尝试解决和发现困难的过程，AI主要承担的是反馈和纠错。但如果学生拿到题目以后，直接把题目交给 AI，让 AI 给出完整解法，再把答案整理成自己的作业，情况就完全不同了。两个人最后都可能交出正确答案。但他们经历的学习过程并不一样。

前者仍然需要自己理解问题、提出方案、判断哪里出了问题；后者则可能把原本应该由自己完成的一部分思考直接交给了 AI。

这正是 AI 对学习最大的影响之一：它正在重新分配原本由学生完成的认知工作。

过去，一个学生不会做一道题，通常必须自己经历一段“不会”的时间：读题→尝试→犯错→重新思考→找到答案。这个过程虽然慢，却也是学习的一部分。现在，AI 可以把这段过程压缩到几秒钟。效率提高了，但问题也随之出现：如果学生没有经历原本应该经历的思考，他究竟获得了什么？

所以，AI 时代真正需要警惕的，不是学生有没有使用 AI，而是 AI 有没有替学生完成本来应该由学生自己完成的认知加工。

最危险的不是“不会”，而是“看起来会了”

这也是为什么 AI 会让第一篇讨论的那个问题变得更加严重。传统课堂里，学生做错一道题，教师至少知道这里存在问题。AI 介入以后，学生可能直接得到一个正确答案。教师看到的作业非常漂亮，却未必知道这个答案是怎么来的。

过去我们面对的是：学生不会→出现错误→教师发现问题。现在可能变成：学生不会→AI给出答案→学生交出正确结果。中间那个最重要的“不会”，被隐藏起来了。

这不是说 AI 让所有学生都不思考了，而是说，教师越来越不能只依赖最终答案判断学生有没有学会。尤其是在开放性任务、写作、研究性学习等场景中，最终成果与学生真实能力之间的距离可能越来越大。

一个学生写出一篇结构完整、语言流畅的文章，我们很难仅凭文章判断：这些观点是不是他真正理解的？他能不能解释其中的关键判断？如果换一个问题，他能不能独立完成？这也是 AI 时代教育评价最值得重新思考的地方。如果评价只奖励最终成果，那么学生自然会倾向于寻找最快得到成果的方式；而 AI 恰好把“得到成果”这件事情变得越来越容易。于是，我们可能越来越擅长评价答案，却越来越难判断学习。

AI不是不能用，关键是让它在学生思考之后介入

因此，一个更值得坚持的原则不是“禁止 AI”，而是：让 AI 在学生思考之后介入，而不是在学生思考之前介入。

这两个顺序看起来只是一个小小的区别，实际上对应的是两种完全不同的学习方式。

学生可以先做出自己的判断，再让 AI 检查；可以先写出自己的解法，再让 AI 找漏洞；可以先解释自己对一个概念的理解，再让 AI 提出反例；可以先完成一版文章，再让 AI 帮助自己发现逻辑问题。在这些情况下，AI 更像一个反馈工具。

但如果学生一开始就把任务交给 AI，让 AI 生成答案、完成推理、组织观点，自己只负责整理和提交，那么 AI 很可能已经接管了学习任务中最需要学生参与的部分。

这也是为什么“AI帮学生做得更好”与“AI帮学生学得更好”不能画等号。

既有研究中有这样一个例子：在 AI 辅导中，直接给出完整解题步骤，可能帮助学生更快完成当下的任务，但未必带来更好的独立学习；相较之下，引导学生先思考，再通过提问和反馈帮助其修正思路，可能更有利于学习本身。这一区别非常重要。

好的 AI 使用，不应该只是让学生更快得到答案，而应该让学生在获得帮助以后，比原来更有能力独立完成下一次任务。如果一次 AI 使用让学生离开 AI 就不会做了，那么它提高的可能只是任务完成效率。如果一次 AI 使用让学生下一次遇到类似问题时，能够自己判断、自己尝试、自己发现错误，那么它才真正转化成了学习。

所以，AI时代教师最需要守住的，不是“答案权”，而是“诊断权”

过去教师花大量时间讲解知识，一个重要原因是学生获得知识的渠道有限。现在 AI 可以承担越来越多的解释工作。一个概念听不懂，可以让 AI 换一种方式讲；一道题不会，可以让 AI 给提示；一个复杂问题想不明白，也可以不断追问。教师的价值不会简单地消失，而是需要发生变化。

教师越来越需要回答的，不再只是：“这道题正确答案是什么？”而是：“这个学生到底懂到了哪里？”

他是知识不会，还是方法不会？是理解错了，还是不会检查自己的理解？是缺少练习，还是根本没有形成解决问题的策略？

更重要的是：这个学生现在是在借助 AI 学习，还是在借助 AI 完成任务？这两件事情从最终作业上可能很难区分。

所以，AI 时代的课堂需要更多能够让学生暴露思考过程的任务。让学生解释自己的选择，让他比较两个答案，让他指出 AI 答案哪里有问题，让他修改 AI 给出的方案并说明为什么修改，让他在没有 AI 的情况下重新完成一个相似问题。这些做法的共同点，是不再只看“AI帮学生生成了什么”，而是重新把注意力放回：学生自己究竟想了什么。

真正的挑战，是让学生越来越不依赖 AI，而不是越来越会依赖 AI

这里其实还有一个更深的问题。如果学生每一次遇到困难都可以马上问 AI，那么他可能越来越擅长“向 AI 提问”，却未必越来越擅长独立解决问题。

所以，我们最终希望培养的并不是一个“特别会用 AI 的学生”，而是一个能够利用 AI，但不把自己的判断交给 AI 的学生。

这两者之间有一个非常重要的区别。前者把 AI 当成解决问题的第一入口：“我不会，问 AI。”后者则会先进行自己的判断：“我先试试看。”“我觉得问题可能出在这里。”“我已经尝试了这个方法，但没有解决。”“我想让 AI 帮我检查一下我的思路。”后者其实已经包含了一种非常重要的能力：学生知道自己正在怎么学习，也知道什么时候需要帮助，以及应该怎样利用帮助。

这恰恰把问题引向了比“AI该不该用”更深的一层。我们不能指望学生一直依靠教师来判断自己有没有学会，也不能指望教师通过每一次作业都还原学生的全部思考过程。学生自己必须逐渐拥有判断自己学习状态的能力。他需要知道自己哪里不会，为什么不会；知道有哪些办法可以尝试；知道什么时候原来的方法已经不起作用；也知道什么时候应该寻求帮助、怎样利用帮助。这就是下一篇要讨论的问题：一个学生究竟是怎样学会“管理自己的学习”的？这一次，答案不再是多讲几遍，也不只是让学生“主动一点”。我们需要讨论的，是一个更具体、也更容易被课堂忽视的能力——元认知。

参考资料

1. Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285.（提出“样例效应”：直接给出完整步骤未必优于引导学习者先自行尝试。）

2. 关于生成式 AI 与学习的研究仍在快速积累，核心共识是：AI 能否促进学习，取决于它替代还是辅助了学习者本应完成的认知加工。文中“既有研究”指此方向，具体结论以正式综述与原始文献为准。