——记于第24届AsiaTEFL国际会议（2026·西安）

2026年5月29日，西安交通大学。

第24届AsiaTEFL国际会议在这里举行。来自世界各地的外语言教育研究者齐聚古城西安，共同探讨外语教育的发展方向。

在众多精彩的学术报告中，Glenn Stockwell教授关于人工智能与教学融合的讲座，让我至今记忆犹新。

Stockwell教授描绘了一个当下已经十分普遍、甚至正在逐渐成为常态的教学场景：老师布置作业，学生用AI完成作业，老师再用AI批改作业。整个流程行云流水，效率惊人。每个学生提交上来的作品都逻辑清晰、结构完整、语言流畅，呈现出一种近乎标准化的“高质量”。

然而，在这些看似优秀的作业背后，学生的参与过程却可能截然不同。

有人认真审题，与AI反复对话，不断修改提示词，主动核查信息，并将AI生成的内容与自己的理解进行整合；也有人只是简单输入一句指令，然后复制粘贴生成结果直接提交。两者在认知投入上的差异巨大，但从最终作品来看，这些差异却被AI的“美化滤镜”几乎完全抹平了。

于是，一个值得深思的问题出现了：

学生在使用AI完成学习任务的过程中，究竟有多少部分真正提升了他自身的能力？

对于这个问题，Stockwell教授给出的回答是：

Hard to say.

很难说。

而这恰恰触及了一个近年来越来越受到关注的概念——Cognitive Engagement（认知参与）。

简单来说，认知参与指的是学习者在完成学习任务过程中，大脑真正投入思考、理解、分析、整合和建构知识的程度。它不是外在的行为参与。打开电脑不是认知参与，输入提示词不是认知参与，提交作业也不是认知参与。真正的认知参与发生在学习者努力理解一个概念、发现一个问题、修正一个错误、重构一个观点的时候。

而在AI深度介入学习的今天，认知参与正面临前所未有的遮蔽风险。

当一个学生让AI代写一篇论文时，他的认知参与可能非常有限。而另一个学生则不断追问AI、检验AI、挑战AI，并将生成内容与已有知识进行整合。在这个过程中，后者显然投入了更多真实的思考，也更有可能获得能力上的成长。

问题在于，这种认知投入并不总能直接体现在最终作品之中。

在AI的帮助下，不同认知参与水平的学生都可能提交出质量相当不错的作业。教师看到的是相似的结果，却未必能够看见结果背后截然不同的思维过程。

换句话说，AI放大了成果的可见性，却弱化了过程的可见性。

而认知参与研究真正关心的，恰恰不是学生最终写出了什么，而是他们在完成任务的过程中究竟经历了怎样的思考。

因为学习从来不只是关于产出，更关乎过程。一个人真正能力的提升，往往发生在那些挣扎、试错、修正、反思和理解的时刻。而这些时刻，恰恰也是AI最容易帮助学习者“优雅地绕过”的部分。

更值得警惕的是，由此产生的一种新型幻觉。

Stockwell教授将其称为：AI Illusion（AI幻觉）。

这种幻觉首先发生在学生身上。

当AI能够迅速生成结构严谨、逻辑清晰、语言流畅的作品时，学生很容易将“完成任务”误认为“获得能力”。他们看到的是一篇优秀的论文、一份精致的报告、一道正确的答案，却很难意识到，真正完成这些工作的并不完全是自己。久而久之，学生会产生一种错觉：自己似乎越来越优秀，越来越高效，也越来越擅长学习。

但事实上，提升的可能只是产出的质量，而不是思维的质量；增长的可能只是工具的能力，而不是自己的能力。

这种幻觉同样发生在教师身上。

面对一份份表达成熟、逻辑严谨、几乎无可挑剔的作业，教师很容易误以为学生已经掌握了知识，形成了能力。AI让学生的学习成果变得前所未有地“漂亮”，却也让教师越来越难以看见学生真实的认知状态。那些原本能够暴露理解漏洞的错误、困惑与犹豫，被AI悄无声息地修饰和隐藏了。

教师看到的，可能只是能力的表象，而不是能力本身。

甚至连学校和教育系统也可能陷入这种幻觉。

当考试成绩提高了，作业质量提升了，完成效率加快了，一切数据似乎都在证明教育变得更加成功。然而，一个更值得追问的问题是：学生究竟学会了什么？他们是否真正理解了知识？是否形成了独立思考和解决问题的能力？

如果这些核心能力并没有同步增长，那么教育获得的或许只是更好看的结果，而不是更好的学习。

从这个意义上说，AI Illusion并不仅仅是一种技术现象，更是一种关于能力的集体幻觉。

学生以为自己的能力提升了，教师以为学生的能力提升了，学校以为教育质量提升了。而实际上，被放大的可能只是AI的能力。

更令人深思的是时间的维度。

Stockwell教授指出，从长期来看，习惯依赖AI完成学习任务的学生，其能力增长与完全不使用AI的学生相比，并没有表现出显著优势。换句话说，AI并没有真正帮助他们变得更强，它只是帮助他们看起来更强。

听到这里时，我忽然意识到，也许AI时代最大的挑战，并不是如何获得答案，而是如何保持思考答案的能力。

Stockwell教授并不是技术悲观主义者。他从未主张把AI赶出课堂。相反，他始终强调AI在教育中的巨大潜力。但他提出的问题更加根本：当AI能够以假乱真地“表现能力”时，我们应该如何重新定义学习？当AI能够替学生完成越来越多任务时，我们应该如何设计教学，让学生无法逃避认知参与？当AI能够生成完美答案时，我们又该如何评价学生真正的能力？

这些问题或许还没有现成答案，但它们迫使我们重新思考教育最本质的价值。因为教育最终培养的，不是会使用工具的人，而是即使拥有最强大的工具，依然愿意思考的人。

–END–