2.6万个“学习惩罚”背后,谁在用AI做一件正确的事

昆山给全市2.7万名教师每人配了一个AI助手。太原小店区建了102间人工智能教室,培训覆盖全员。青海果洛的牧区小学,教师备课时间从3小时压到40分钟。这些消息密集地出现在11月的新闻流里,指向同一个方向:AI进校园,正在从“试点”变成“标配”。

减负的数字很漂亮,但有一组数字不那么漂亮。

2026年6月,三位研究者发布了一篇工作论文,追踪了中国中部一个县9所中学的26811名初高中生,时间跨度30个月。结论是:使用AI后,周末作业分数平均提高约18%,作业时间从64分钟缩短到45分钟;但校内闭卷月考成绩平均下降约20%,累计使用AI至少两年的学生,中考成绩下降约24%,高考下降约18%。

论文给这个现象起了个名字:“生成式人工智能的学习惩罚”。

有意思的是,惩罚最重的不是差生。研究团队发现,成绩处于前三分之一的学生,损失反而更突出。吴延晖教授的解释是:考试拉开差距的从来不是基础题,而是那几道需要深度思考的难题。过去好学生靠自己啃下这些题,现在AI一秒钟给出答案,思考的过程被跳过了,难题的能力反而在退化。

更值得留意的是另一组分类。论文把使用AI的学生分成两类:一类是“作业外包”,占81%,作业完成时间极短、分数很高,学习损失显著;另一类把AI当“导师”,保留独立思考过程,完成时间与非AI用户相近,损失幅度小得多。

换句话说,AI本身没有制造“学习惩罚”。是用AI跳过思考这件事在制造惩罚。

这就把前面那些减负叙事的问题翻了出来。减负的数字在说“省了多少时间”,但没有人追问:省下来的时间去了哪里?如果一个教师用AI省下了备课的两小时,然后把这两小时用来更仔细地看每一个学生的作业、更深入地琢磨一个知识点该怎么讲,那是好的。如果省下来的时间只是让一天的工作提前结束,那AI就只是一个效率工具,和一台更快的打印机没有本质区别。教师端和学生端,逻辑是通的。

天津职业大学的一群学生,做了一件跟这个逻辑有关的事。

王诚瑞、杜环宇、曹瑞峰、范一唯,机电学院的学生,每个人都泡过电气实训台。他们太清楚那个场景里的麻烦了:实训台数量有限,排队等实操;接错线路只能等老师巡检才被发现;书本上的原理图和实物元件对不上号。大多数学生遇到这种麻烦,忍一忍就过去了。他们几个决定自己做一套东西来解决它。

“AI智孪工坊”就是这么长出来的。数字孪生加大模型RAG,电气教材、故障案例被整理成知识库,虚拟仿真和真实设备打通。学生可以在虚拟环境里先接线,接错了系统指出来;再到真实设备上操作,AI在旁边对话指导。校内286名学生参与试点,系统还在根据师生反馈持续迭代。

这件事的关键不在于技术难度。一个学生团队做的实训系统,不可能比大厂的产品更精密。关键在位置:他们是学习者,同时也是工具的设计者。他们用AI解决的是自己学习中真实卡住的地方——排队等设备、接错线没人告诉、理论跟实物对不上。AI在这里没有替他们写作业,没有替他们考试,而是帮他们把“学”这件事本身变得不那么费力。

这和“作业外包”是两种完全不同的关系。外包的逻辑是:把认知劳动交给AI,自己拿结果。设计的逻辑是:把重复的、卡壳的、低效的部分交给AI,自己保留判断和思考。前者产生“学习惩罚”,后者产生一套别人也能用的系统。

论文里那81%的“作业外包”学生,和天津职大这几个学生之间的差距,不在智商,不在资源,在于谁在决定AI用来做什么。前者让AI决定自己的学习路径,后者自己决定AI该替自己干什么、不该替自己干什么。

吴延晖在访谈里说了一句话:真正需要思考的是,什么能力应该交给AI,什么能力必须由人类自己获得。这个问题,教育系统目前还没有给出答案。昆山给了每个老师一个AI助手,太原建了102间AI教室,但这些是“供给端”的答案。需求端的问题——学生拿AI做什么——还没有被认真地问过。

天津职大那几个学生无意中提供了一个参考答案:让学习者自己成为AI工具的设计者,而不是被动的使用者。他们造出来的东西,装的是自己对“学不会”这件事的理解。这种理解,AI替代不了。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:2.6万个“学习惩罚”背后,谁在用AI做一件正确的事
文章链接:https://m.szellemitulajdon.com/edu/1072.html