夜雨聆风教育观察 · AI时代
AI认知外包怎么破
从课堂到制度的开方
清水在石上流过
张智教授在一场四百人的教育工作会议上，讲了一个让人坐不住的比喻。
他说，现在的课堂形成了一个闭环：老师用豆包设计作业，学生用豆包完成作业，老师再用豆包批改作业。在豆包里，一切流转得干净利落。但人有没有得到进化？没有。
"就像清水在石上流过，石头内部仍然是干的。"
这不是危言耸听。香港大学吴延晖团队追踪了2.6万名学生长达30个月，发现一个刺眼的剪刀差：用上AI之后，日常作业成绩上升了18%，但月考成绩下降了20%，中考可能下降多达24%，高考可能下降多达18%。（注：该研究为预印本，尚未经同行评审。）作业越来越漂亮，考试越来越难看——中间差的那个东西，就是"学习"本身。
更刺眼的是张智教授在报告中引用的一组中美对比数据：中国学生用AI找答案的比例远高于美国学生，而美国学生用AI适配自己学习方式的比例远高于中国学生，后者几乎为零。一个把AI当答案贩子，一个把AI当学习教练——方向不同，结果自然不同。
问题已经很清楚了。但接下来的问题才是关键：怎么破？
毒性不在AI，在省下来的那段时间
港大那份研究里，藏着一个更关键的发现，却很少有人注意到。
同样是用了AI的学生，分成了两类。一类照常花时间写作业，遇到卡壳的地方拿AI当家教点拨一下——这类孩子的成绩几乎无损。另一类把作业整个甩给AI，省下来的时间去打游戏、刷短视频——成绩断崖式下跌。据港大研究，"完全外包"型学生的比例在五个月内显著上升。
研究者的结论用一句话概括：AI本身不带毒性，毒性全在省下来的那段时间里。
这句话把问题的本质翻了个面。我们一直在争论"该不该让学生用AI"，但真正的分水岭不在用不用，而在用完之后——学生那段时间在干什么。如果AI替学生走了思考的路，学生的大脑闲下来去干别的，神经连接就是"用进废退"——张智教授在报告中引用脑科学观点指出：大脑突触连接，用的强化，不用的消亡。认知外包不只是态度问题，长期下去可能影响大脑神经连接的强化。
所以"开方"的方向也就清楚了：不是禁止AI，而是设计出让"思考必须发生"的学习场景。AI可以用，但用了之后，学生的大脑不能闲着。
开方一：课堂操作
让思考无处可逃
快思维与慢思维：认知强制策略
北京师范大学余胜泉教授提出了一个概念，叫"认知强制策略"。核心思路很直接：学生用AI的时候，大脑默认走"快思维"——直觉接受、直接拿答案，省力、舒服、还分泌多巴胺。教师的任务，是设计机制把学生从快思维拽进慢思维——逻辑推理、批判验证、迁移创造。
具体怎么做？余胜泉给了几个抓手：要求学生验证AI给出的答案对不对、对比不同AI的输出差异、解释AI推理链中哪一步有逻辑漏洞。不是不让学生用AI，而是用完之后必须"回检"。他打了个比方：教师是乐队指挥，AI是乐器。指挥把握整体节奏和方向，乐器负责出声——但演奏什么、怎么演奏，决定权在指挥手里，不在乐器手里。
这个比喻好懂，但落地需要更具体的边界：哪些事可以交给AI，哪些事绝对不能交？
三层边界：什么可外包，什么不能
南京教科所刘大伟给出了一个更实用的框架——"人机协同三层边界"，把AI参与学习的程度分成三个层次，每层边界清晰：
第一层，信息处理层。 AI负责检索、筛选、整合信息，学生负责提问、判断、建构意义。比如语文课讲《史记》，学生向AI发问"大东亚圣战"的历史背景，AI即时给出背景资料，学生借助这些信息理解侵略的实质——AI做了搬运工，判断和理解仍然在学生脑子里。
第二层，创意产出层。 AI根据人的设计意图生成视频、音乐、文本，但创意内核、审美方向和最终决策由人来定。比如教师改编一段故事文本，让AI生成"司马迁讲史记"的短视频——AI干了技术活，但讲什么、怎么讲，是教师定的。
第三层，核心思维层。 这一层AI不可替代。独立构建框架、做最终决策、形成价值判断——这些必须由学生自己完成。AI可以提供修改建议、指出盲区，但"拍板权"永远在人手里。
三层边界的好处在于，它不笼统地说"可以用"或"不能用"，而是精确到任务类型。教师拿到这个框架，设计教学活动时就知道：第一层放手，第二层协作，第三层守住。
张智教授在报告里展示了一个更直观的落地工具——课堂AI切片分析。把一堂40分钟的课每隔3秒切一片，用AI做标记，从"主动学、互动学、深度学、高效学、多样学"五个学生视角的维度评估课堂质量。一位教师上传了4分钟教学视频，6分钟后系统生成分析报表——她本以为自己上的是一堂对话探究课，数据告诉她：还是灌输课。于是她调整问题数量和提问角度，几轮迭代后，课堂结构真的从"老师讲学生听"变成了"学生问学生辩"。这个工具本身不贵，关键在于它让"学习有没有发生"这件事变得可见——不是凭感觉说"这节课上得好"，而是用数据回答：学生在主动学吗？有深度学吗？
五维设计：让学习"可见"
蒲公英教育管理研究院从各国中小学案例中提炼出七种具体方法——手写回归、口头答辩、分块任务设计、项目与现场展示、学习日志、高频低权重评价、透明度徽章。七种方法看起来杂，底层逻辑只有五个维度：
时间维度——让学习发生在"当下"。 课堂写作、即时问答、实时展示，利用时间的不可逆性压缩AI介入空间。学生在课堂上当场写、当场说，AI来不及替他完成。
空间维度——让学习发生在"可见之处"。 课堂、实验室、展示现场，教师可以观察、介入、验证。伦敦一位教师说得好："关键不是禁用AI，而是确保学生在写作的每一个关键环节都被'看见'。"
过程维度——让学习留下"轨迹"。 草稿、修改记录、反思笔记构成证据链。完美的终稿可以被AI生成，但完整的思考过程伪造不了。美国德州一位教师要求所有写作手写完成，对论点陈述、提纲、参考文献、手稿逐环节评分，"这些步骤在最终成绩中占有累积性比重"。
认知维度——让思维可以被"解释"。 口头答辩、对话式评价、反思写作，要求学生把脑子里的东西"外化"出来。法国路易大帝中学的做法是：学生提交书面分析后，必须做十分钟口头讲解，加即时追问。想象一下那个场景——学生站在讲台前，老师突然问"你第三段的结论如果换一组数据还成立吗？"学生得当场想、当场答。书面作业可以反复修饰，甚至可以让AI润色，但口头追问的那一刻，思维是裸奔的：懂就是懂，不懂装不出来。
结构维度——让任务"不可外包"。 分块任务、情境任务、项目任务，任务越具体、越情境化，AI能替代的部分越有限。伦敦哈里斯巴特西学院把论文写作拆成四个"可见节点"：课堂生成论点→课堂分析材料→家庭完成写作→课堂修改解释。每个节点教师直接观察介入，AI即使参与了某一环，也接不走整条链。
五个维度拧成一句话：在实时与在场的场景中，通过可追溯的过程记录，要求学生为不可替代的任务提供可解释的思维证明。
开方二：分级透明协议
不禁止，但分级
前面三套框架解决的是"课堂怎么设计"，但还有一个更前置的问题：AI到底什么时候能用、什么时候不能用？
张智教授在报告里提出了一个"AI透明分级协议"，思路不是一刀切地禁止，而是分档管理，四个等级：
0档，绝对不可用。 适用于基础能力训练——拼音认字、基本阅读、基础推理。这些能力必须学生自己掌握，强化的是肌肉记忆和神经连接。AI在这一档没有出场资格，就像学走路的孩子不能坐轮椅。
1档，AI作为头脑风暴伙伴。 学生可以拿AI做灵感激发、思路拓展，但最终的判断和选择由学生自己完成。AI是陪练，不是替身。
2档，AI可协作完成部分工作。 找资料、整理数据、辅助排版——这些技术性环节可以外包，但学生需要标注AI参与了什么、自己做了什么。透明是前提。
3档，全开放目标导向。 只要最终结果达标，学生可以自由选用任何AI工具。这一档适用于创新实践类任务——比如创意项目、跨学科作品，评价标准不在过程而在产出质量。
这个分档的精妙之处在于，它不跟AI较劲，而是跟任务较劲。基础能力训练阶段，AI是干扰；创意产出阶段，AI是助力。中间地带，AI是协作伙伴——但必须留痕。张智教授坦言，这个协议目前还处于倡导阶段，尚未形成全国共识。但方向是对的：与其假装AI不存在，不如把规则摆在桌面上，让师生都清楚什么时候可以用、用了之后要交代什么。
开方三：制度设计
让评价倒逼学习
课堂操作解决的是"一堂课怎么上"，但只靠教师的课堂设计，力量有限。学校管理层面如果不调整评价机制，教师在课堂上设计得再好，学生仍然可以在课后把作业整个甩给AI。
从丹麦、英国、澳大利亚等国的政策实践中，可以提炼出四条评价改革路径：
第一，保留"无AI能力基线"。 通过现场考试、口头问答、实验操作，确认学生独立掌握的基础能力。丹麦教育部2026年8月宣布，率先在HF教育体系的大型书面作业中增加口头答辩环节，每年约9000名学生受影响——让教师看到作业形成的过程，而不是只接收一个结果。
第二，增加"能力验真"环节。 学生可以提交论文、代码、设计，但必须通过答辩、演示和随机追问证明理解。教师甚至可以更换条件，让学生解释结论是否仍然成立。
第三，让学习过程进入评价。 选题记录、初稿版本、修改轨迹、与AI交互的关键过程全部成为证据。国际文凭组织（IB）要求像引用外部文献一样标注AI使用。
第四，重新界定AI协作能力。 不禁止，但要求标注使用、解释AI做了什么、自己改了什么。清华大学新闻写作课把期末考核改为进北京胡同实地采访——AI整理得了材料，替代不了学生抵达现场、与人交谈并形成判断。
四条路径逻辑一致：评价对象从"交了什么"转向"学会了什么"。
思考确实发生过
回到张智教授那个比喻。清水在石上流过，石头内部仍然是干的——问题不在水流得够不够多，而在石头有没有真的被浸透。
AI进学校这件事，方向不可逆转，也不该逆转。人机协同的合成智商可以远超纯生物智商——张智教授在报告中指出，娴熟使用AI的高中生合成智商可达260。但工具越强大，"用完之后人还在不在"这个问题就越紧迫。
课堂操作层面的三套框架——认知强制策略、人机协同三层边界、五维可验证场景——回答的是"怎么让思考无处可逃"。张智教授的分级透明协议回答的是"什么时候可以用、用了要交代什么"。制度设计层面的四条路径回答的是"怎么用评价倒逼学习发生"。三层开方，从一堂课到一套制度，覆盖了教师和管理者各自能发力的位置。
蒲公英教育研究院那句话说得好：教育真正需要守住的，从来不是每一个字都由人亲手敲下，而是
思考确实发生过。
守住这条线，AI就是放大器；越过这条线，AI就是替代品。差别只在一念之间：用完AI之后，学生的大脑是更忙了，还是更闲了。
