【发表说明】

本文是王珏老师根据欧洲经济政策研究中心（CEPR）发布了一篇题为《生成式AI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，讨论论文编号 DP21577）的工作论文，让腾讯小龙虾（WorkBuddy）撰写的一篇文献综述。

该研究基于26,811名中国7-12年级学生30个月的追踪面板数据，采用倍差法（DID）设计，系统评估了生成式AI对学业表现的因果效应。研究主要结论如下：

• AI使用使作业成绩提升18%、完成时间缩短30%，但6个月内月考成绩下降20%，2年后中考或高考成绩下降18%-24%。

• 约80%的AI用户表现出"作业外包"行为，学习损失高度集中于此群体。而对于约20%的“辅助型”的使用行为，学习损失则微乎其微！可见，问题不在于AI本身，而在于使用方式。

该研究为AI教育应用的"认知卸载"假说提供了迄今最大规模的实证证据，并已影响中国、挪威等国的教育政策制定。

以下是腾讯小龙虾（WorkBuddy）所撰写的文献综述、以及模仿王珏老师的视角与口吻撰写的评析。

——————————————

1引言

自2022年末ChatGPT发布以来，生成式人工智能（Generative AI）以惊人的速度渗透进教育领域。据《中国日报》2026年4月报道，全国超过60%的中小学生曾使用过AI工具，其中71%表示用于完成作业。在美国，NPR/Ipsos民调显示55%的K-12教师认为AI主要被学生当作逃避严格学习任务的捷径。AI究竟是"学习加速器"还是"思维替代品"——这一问题已成为全球教育政策讨论的核心议题。

然而，在此之前的实证研究存在明显局限：样本量小、观察周期短、缺乏高利害考试数据、难以分离AI使用的因果效应。Strömberg、Lei与Wu（2026）发表于经济政策研究中心（CEPR）的工作论文弥补了这些空白，以空前的规模和严谨性揭示了生成式AI对学生学习的"双面效应"。

2研究设计

该研究的设计之严密、规模之大，在教育技术实证研究中实属罕见。研究团队构建了一个涵盖26,811名中国7-12年级学生、时间跨度30个月的面板数据集。

数据维度极为丰富：包括每月闭卷考试成绩、中考和高考成绩、9门学科的作业分数与完成时间记录。这种多维度的数据使得研究者能够同时观察AI对"表面产出"（作业）和"深层学习"（考试）的差异化影响。

在因果识别策略上，研究者利用不同学校和年级AI工具引入时间的差异（"交错采用"），采用倍差法（staggered difference-in-differences）估计AI使用的因果效应。这一方法通过比较"已采用AI"学生与"尚未采用AI"学生在同一时间点上的成绩差异，有效控制了时间趋势和不可观测的固定效应。研究的JEL分类代码为I20（教育与不平等）、O15（人力资本）和O33（技术变革），体现了其在教育经济学与技术变革交叉领域的学术定位。

3核心发现

研究结果呈现出鲜明的"短期增益、长期损害"模式，其核心发现可概括为三个层面。

3.1主要效应

表1呈现了AI使用对各结果变量的主要效应。短期来看，AI显著提升了作业效率：作业成绩上升18%，完成时间减少30%。这一结果符合直觉——AI确实能帮助学生更快更好地完成书面任务。然而，这一"效率提升"的代价在6个月内浮现：月度闭卷考试成绩下降约20%。更令人警惕的是，在2年后的中考和高考中，分数差距进一步扩大至18%和24%。

表1AI使用的主要效应

数据来源：Strömberg, Lei & Wu (2026), CEPR DP21577

3.2子群异质性分析

研究者进一步检验了学习惩罚在不同子群体中的异质性（表2）。学科维度上，社会科学（如历史、政治）受害最深，STEM次之，语言类相对较轻。这可能源于社会科学答案在结构和表达上更易被AI生成文本所模仿，从而使学生更倾向于外包。学段维度上，初中生的学习损失大于高中生，这可能与初中生自控能力和元认知水平的发育阶段有关。能力维度上，高分学生的损失反而更大——研究者推测这是因为AI使用中断了高分学生原有的"心智模型"构建过程。性别维度上，男生受到的负面影响大于女生。

表2子群异质性分析

数据来源：Strömberg, Lei & Wu (2026), CEPR DP21577

3.3使用模式分析：作业外包 vs. 学习辅助

该研究最具政策启示意义的部分，在于对学生AI使用模式的精细分类（表3）。研究者根据作业完成时间与作业分数的组合，将AI用户划分为两类：

• "外包型"用户（约80%）——表现为作业完成时间异常短、作业分数异常高，即用AI替代自身思考；

• "辅助型"用户（约20%）——作业完成时间与非AI用户相近，AI用于辅助理解而非替代思考。

关键发现是：学习损失几乎完全集中在80%的"外包型"用户身上。"辅助型"用户的学习损失微乎其微。

这一发现彻底改变了"AI是好是坏"的二元讨论——问题不在于AI本身，而在于使用方式。

表3AI使用模式分类与学习损失

数据来源：Strömberg, Lei & Wu (2026), CEPR DP21577

4机制分析："认知卸载"假说

该研究的核心理论贡献在于为"认知卸载"（cognitive offloading）假说提供了大规模实证支持。

认知卸载是指个体将认知任务交由外部工具完成，从而减少自身心智努力的现象。在AI辅助学习的场景中，当学生用AI生成答案替代自主思考时，他们虽然完成了作业（表面产出正常甚至更优），但跳过了对知识进行深度加工和内化的关键步骤。

这一发现与教育心理学中的"有效挣扎"（productive struggle）理论高度一致。该理论认为，学习恰恰需要经历那个"费劲"的过程——在困惑中探索、在错误中反思、在反复中建构。AI的直接答案恰好消解了这个必要的过程。研究者指出，当AI把作业"执行"环节完成时，学生就跳过了"思考过程"这一学习关键步骤，在考试这种无AI辅助的环境中必然暴露学习缺口。

5与其他研究的对话

Strömberg等人的发现并非孤例。一项基于ALEKS数学学习平台320万次互动记录的大规模分析发现：

• ChatGPT发布后，大学生的学习时间每季度下降2.8%，11个季度累计下降26.9%；高中生下降31.3%，初中生下降9.0%（arXiv:2605.21629）。该研究同样证实了大多数学生更倾向于"更快完成、更少学习"的模式。

Gu与Yan（2025）对19项GenAI教育干预研究的元分析进一步揭示了关键调节变量：有教师支持的学生与AI互动时，学业进步效应量高达g=1.426（大效应）；而无教师支持的学生效应量仅为g=0.078（近乎为零）。这一发现与Strömberg等人的结论形成了强有力的互补——教师监督是防止AI沦为"作业外包工具"的关键安全网。

沃顿商学院Ethan Mollick教授在社交媒体上简洁地总结了这一共识："在课堂中用AI进行辅导是好事，用AI'帮助'做作业是坏事。"这一判断与CEPR研究的核心发现——使用场景决定AI的教育价值——完全吻合。

6全球政策回应

CEPR这份研究的影响力已远超学术界。世界银行2026年人力资本博客将其列为"AI学习惩罚的警示弹"。各国教育政策制定者正据此调整AI进校园的节奏和规则。

中国：分级管理策略。2025年5月，教育部发布指南，建立了明确的年龄分级规则：小学生禁止独立使用开放式生成AI完成作业；初中生须在监督下使用；高中生可进行融合AI原理的探究式学习。教师不得以AI替代核心教学职责。同时，从2025年起要求每名学生每年至少完成8学时AI素养课程。

挪威：最严格的立场。2026年6月19日，首相宣布对1-7年级（6-13岁）实施近乎全面的生成式AI禁令，于2026年8月生效。8-10年级（14-16岁）在教师严格监督下允许有限使用，11-13年级（17-19岁）侧重学习如何适当使用AI。首相明确表示：使用AI会增加儿童"跳过教育中重要步骤"的风险。

美国：碎片化立法格局。联邦层面无统一政策，截至2026年31个州已提出134项AI教育相关法案。纽约提出禁止九年级以下课堂使用AI；俄亥俄要求每个学区2026年7月前采用正式AI政策；南卡罗来纳要求学生与AI互动前须获得家长书面同意。各州在"禁与不禁"之间形成了高度碎片化的格局。

7研究局限与未来方向

尽管该研究在规模和严谨性上树立了标杆，仍存在若干局限。第一，研究样本局限于中国特定教育环境，其结论向其他文化和教育体系的外推性有待验证。第二，研究未对AI工具类型（如对话式AI、作业辅导AI、写作辅助AI等）进行细分，不同工具的效应可能存在差异。第三，2年以上的长期效应尚不明确。第四，研究未能提供"有效的AI辅助教学法"的操作性方案——虽然识别出了问题，但解决方案仍有待探索。

未来研究应重点关注：（1）不同AI交互模式（如苏格拉底式引导、支架式辅助、直接答案）的学习效应比较；（2）教师培训如何影响学生的AI使用行为；（3）AI素养课程能否降低"作业外包"比例；（4）不同年龄段的AI使用最佳实践。

8结论与启示

Strömberg、Lei与Wu（2026）的研究为AI教育应用提供了迄今最清晰、最有力的实证证据。其核心启示可以概括为：

• AI教育应用的核心问题不是"用不用"，而是"怎么用"。

当AI被用于替代学生的思考过程（"作业外包"），学习将受到严重损害；当AI被用于辅助学生的思考过程（"学习辅助"），损害可以最小化。

参考文献

[1]Strömberg, D., Lei, V., & Wu, Y. (2026). The Generative AI Learning Penalty: Evidence from Chinese Secondary Education. CEPR Discussion Paper No. 21577. CEPR Press, Paris & London.

[2]Gu, J., & Yan, Z. (2025). Effects of GenAI Interventions on Student Academic Performance: A Meta-Analysis. Journal of Educational Computing Research. https://doi.org/10.1177/07356331251349620

[3]Anonymous. (2025). Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build. arXiv:2605.21629.

[4]Mollick, E. (2025). [Commentary on AI in education]. The Wharton School, University of Pennsylvania.

[5]Ministry of Education, China. (2025). Guidelines on Regulating AI Use in Primary and Secondary Education.

[6]Government of Norway. (2026). Policy Announcement on Generative AI in Schools, June 19, 2026.

[7]MultiState. (2026). AI in Education Legislation: 2026 State Policy Trends.

[8]World Bank. (2026). Human Capital Blog: The AI Learning Penalty Warning.

【王珏老师评析】

我们天天喊着"AI赋能教育"，结果赋能赋了半天，把学生的考试分数"赋"掉了四分之一。这不是赋能，这是"负能"——是AI正在以一种"看不见的方式"让学生变笨。

研究中提到了认知心理学中的"有效挣扎"（productive struggle）概念，与之类似的还有“必要难度”的概念（disrable difficult，有人翻为“合意困难“），还有”刻意练习“的概念。它们都指向了一个基本的学习规律：

• 学生的大脑，必须要亲历思维加工的过程——而且浅层和少量参与还不行，思维加工的越剧烈、参与的神经元越多、思考的深度越深，而且还必须得有一定的重复次数，他的大脑才会发生根本性的改变，也就是所谓”学会“和”习得“！

（斜体字部分为王珏老师所加）

在辅助学习方面，AI最大的问题就在于——它把这个"有效挣扎"、必要难度、刻意练习的的过程给消灭了！

不过，为何高达80%的孩子会选择”抄答案“？这里面有更为深层的”脑科学“机制，我必须说透：

• 人类的天性是偷懒。这不是道德判断，是演化事实。

在漫长的进化史上，节约能量是第一生存法则。我们的大脑默认模式就是"能省则省"。

面对AI这样一个"认知外挂"，别说孩子了，成人有几个能忍住不偷懒？我自己用AI写东西的时候，也要时刻提醒自己：不要让AI代替思考，只让它辅助表达。这种自我约束，对一个成年人来说都不容易。

而我们的学生呢？

他们的大脑还在发育中。前额叶皮层——负责自控力、延迟满足、冲动控制的关键脑区——要到25岁左右才完全成熟。你让一个前额叶还没发育好的青少年，在"秒出答案的AI"和"自己苦思冥想"之间做选择，结果几乎是注定的。因此，从教育管理者、教育工作者的角度，应尽量减少对学生的这种“诱惑”。

更何况，很多学生本来就没有那么强的学习动机。学习对他们来说，更多是一种"不得不完成的任务"，而不是一种内在驱动的探索。在这种心态下，AI不是一个"学习工具"，而是一个完美的"交差工具"——这件事跟用不用AI没多大关系，是我们的课程制定者、教材编写者、教学工作者需要反思和改进的！

基于以上分析，我认为AI进入教育领域，必须守住三条底线。这不是保守，是理性。

底线一：AI进教学，初期应以研究为主，推广应用须谨慎（这是王珏老师一贯的观点）

CEPR这篇研究告诉我们的最重要的一件事就是：我们对AI在教育中的规律，了解得还太少。

什么年龄段适合用AI？什么学科适合引入AI？什么样的使用方式不会伤害学习？什么样的交互模式能真正促进思考？这些基本问题，我们还没有可靠的答案。

在这种情况下，大规模推广AI进入日常教学，等于拿一代学生做实验。我不反对实验，但我反对"拿所有学生做实验"。

正确的路径应该是：小范围试点→系统评估→逐步推广。先在部分学校、部分学科、部分年级开展受控研究，用数据说话，而不是用口号说话。

挪威的做法值得关注——他们在没有充分证据证明AI安全有效之前，选择了"先禁后研"。你可以说他们保守，但他们至少对学生负责。

中国的"分级管理"策略也是一个理性的方向。但问题是：指南出了，执行如何？有多少学校真正落实了"小学生禁用AI完成作业"？有多少家长知道这条规定？在"不让孩子输在起跑线上"的社会焦虑下，这些规定会不会形同虚设？

我呼吁教育管理部门：不要急于"大跃进"，先扎扎实实做研究，把规律摸清楚，再谈推广。

这里也说一下我的另外一贯的观点：AI赋能，优先应赋能老师，让老师充分减负、提质、增效。因为老师是专业工作者，有足够的自制力、判断力。赋能课堂教学、赋能学习过程可以往后放一放。（斜体字为王珏老师手搓）

底线二：学生使用AI，必须以受控使用为主

这一条底线，是我从"人类天性"和"脑发育规律"两个维度得出的必然结论。

前面说了——人类天性偷懒，青少年大脑发育不成熟，学习动机参差不齐，自控力普遍不足。这四个因素叠加在一起，意味着把AI完全开放给学生自由使用，结局一定是"外包"而非"辅助"。

CEPR的数据已经证明：自由使用场景下，80%的学生会走向外包。这不是假设，是事实。

所以，AI在学生端的应用，必须设置"护栏"——

具体来说：作业场景下，应该严格限制AI的直接答案生成功能。如果AI是"作业助手"，它应该只能引导思考，不能给出答案。就像一个有经验的老师，面对学生提问时不会直接报答案，而是反问"你先说说你想到什么了"。

课堂场景下，AI的使用应该有教师在场监督。Gu和Yan的元分析已经证明：有教师支持的AI学习，效应量是1.426（这是非常大的效应）；没有教师支持的AI学习，效应量只有0.078（几乎可以忽略）。教师不是AI的竞争对手，而是AI教育价值实现的必要条件。

考试场景下，AI应该全面禁止。这不是保守，这是考试的基本逻辑——考试就是要检验学生自己掌握了什么，而不是检验AI会什么。

我还要特别强调：不怪孩子，但要给孩子"搭梯子"而不是"拆梯子"。如果我们不设计规则和护栏，就是在放任学生的认知能力被AI悄悄"蚕食"。这不是尊重学生的自主性，这是对学生的不负责任。

底线三：AI应用应力戒直接告知答案，应采取苏格拉底引导式提问

这是三条底线中最关键的一条，因为它直接关系到AI的交互模式设计。

当前的生成式AI，默认模式就是"你问我答"——用户提问，AI给出答案。这个模式放在搜索引擎上没问题，但放在教育场景中，是灾难性的。

因为教育的本质，从来不是"传递答案"。教育的本质是"帮助学生自己找到答案"。

两千四百年前，苏格拉底在雅典街头跟年轻人对话，他从来不说"我来告诉你答案"。他只是一遍一遍地问："你觉得呢？""为什么？""如果这样会怎样？""有没有另一种可能？"

这种"产婆术"式的对话，恰恰是教育最核心的方法论——不是灌输知识，而是引导思考。

AI在教育中的正确打开方式，应该是苏格拉底式的，而不是"百度百科"式的。

我举一个具体的例子——

学生问AI："这道数学题怎么做？"

错误回答模式（当前的ChatGPT风格）：直接给出完整解题步骤和答案。结果：学生抄完、交差、什么都没学到。

正确回答模式（苏格拉底引导模式）：AI反问——"你先读一遍题目，告诉我题目给了哪些已知条件？""你想到过什么方法？""这个方法卡在哪里了？""试试从另一个角度入手？"——一步步引导学生自己完成思考过程。

这两种模式的差异，就是"让学生变笨"和"让学生变聪明"的差异。

（斜体字部分为王珏老师手搓）幸运的是：让AI实现“苏格拉底引导式提问”很容易实现的——只需通过提示词即可。作为老师，可以教会学生这样向AI提问：

• 我是一名XX年级学生，在学习XX学科XXXX知识时，遇到了如下困难：XXXX（或直接拍照上传问题或题目）。请你一步一步引导我思考，每提一个问题就停下来等待我的回答。

对于义务教育阶段的大多数学科的大多数知识（如果是文科那可以扩展到大学甚至研究生阶段），当下的所有大模型都能轻松实现“思维引导师”的能力！

当然，老师用豆包或coze开发一个“智能体”，对于学生来说就更友好了，详见：

• 《如何用coze制作“AI版苏格拉底”智能体》（coze入口有变化，可直接输入网址：coze.cn/space即可）。

写到这里，我想回到文章开头那个问题：AI正在让我们的孩子变笨吗？

CEPR的研究给出的答案是：如果让AI替代学生的思考——是的，它确实会让学生变笨。

但AI不是注定如此。那把"双刃剑"的刀刃朝哪边，取决于我们怎么握。

我们需要的不是恐慌，不是全面禁止，也不是盲目拥抱——而是理性的、有边界的、以研究为基础的渐进式融合。

AI不会让教育消失，但会让不思考的人消失。教育者的责任，从来都是确保每一个技术工具，服务于"让学生更会思考"，而不是"让学生更不需要思考"。