很多朋友不知道【走进学校的AI未必是良药?】,今天小绿就为大家解答一下。
路透社11月16日的报道提供了一个更鲜活的学生案例:新英才一名13岁的学生已经借助AI制作了200多个应用,包括作业提交平台和二手交易平台。他也告诉记者,遇到编程问题时,会先自己尝试,再向AI寻求提示,而非直接索取完整编程答案,这样可以帮助他塑造更强的编程思维。

这就导致一件事:孩子身上的天资差异会被放大。如果一个孩子本身就很有内驱力且热爱学习,那么他自然可以达成Alpha School的目标——他们能够看到自己的学习进度条增长,并且甚至可以完成「跳级」,并在最后取得很不错的分数。第一届12名高中毕业生里11个人进去了很不错的四年制大学,另一个成为职业划水运动员。如果你本就是精英,Alpha School的「掌握式学习」搭配AI的辅助,的确可以让你成为一名优秀的学生。但是大多数媒体指出的「效果较少」也就在这个点上——还有很多资质没那么优异的学生也在学校里学习,他们就有些许步履蹒跚。

第二个独立思考,是对「AI+一切」的狂热神话保持清醒。在今天,很多人把大模型视作点石成金的财富密码,似乎只要打上「AI」的标签,任何行业都能瞬间迎来蜕变。但现实很冷酷:AI 确实是一次巨大的技术机遇,却绝非随手一放就能生效的万能灵药。单纯把两样东西生硬地揉在一起,不仅未必能产生「1+1=2」的事半功倍,甚至可能连原本的「1」都无法守住。当 Alpha School 试图用算法全盘替代讲台时,换来的不是神童批量诞生,而是基本及格率的雪崩。对于「AI+教育」乃至任何一个行业,它究竟是带来了实质的跃迁,还是只制造了昂贵的泡沫?我们始终需要在心里打上一个大大的问号,并且,仍然需要付出很多努力。

而且在Alpha School以外,他们在公立学校推广TimeBack软件希望证明这套AI辅助对普通孩子也有用,只不过他们在亚利桑那的特许学校使用的第一年数学达标率只有10%,远远没有达到承诺的60%,甚至没有达到全州平均值34%;英语承诺65%实际达成率为28%。在奥斯汀同一平台特许校,州考通过率只有21%,连续三年被评为F。很多州拒绝Alpha School注册私立学校。 相比之下,国内的推进路径显得更为务实与渐进。而在大洋彼岸,火遍全网的美国创新学校 Alpha School,给出了一个更容易让家长心动的设想:借助AI结合教学,孩子能不能用更少的时间,学会更多传统课堂的东西?借助「一天只学两小时,课余时间创新实践」的理念和十分新潮的AI课件、丰富的课余活动以及即使1天只学习两个小时,却可以提高一倍学习速度的「掌握式学习」,Alpha School获得了美国很多硅谷达人的推崇,每年最高7.5万美元的高昂学费都拦不住他们把自己的孩子送进去学习。 评价方式也开始变化。宁夏提出,2027年起将人工智能素养纳入中考信息科技测试范围;甘肃则在相关方案中提出,将其纳入普通高中学业水平合格性考试范围。AI逐渐进入课表,也进入了学生能力评价的讨论。接下来,学校既需要教孩子怎样使用它,也需要说明:准备怎样判断孩子学会了多少。虽然还需要一些时间和规范,但是综合来看,AI只是教学的辅助,有助于提升学生的综合素养,更重视的是AI能让学生更好地理解学习的过程。 从搜一道题,到尝试做出一个解决身边问题的工具,AI让学生能够参与的事情变多了。对教育来说,这份吸引力很实在:孩子脑子里的想法,有机会更快变成可以展示、测试和修改的作品。但是新英才学校作为国际学校,相对学费会比公立学校高一些(从幼儿园到12年级,学费范围在16.8万到25.3万元人民币一年),在接受路透社采访的时候,新英才校长刘伟也表示新英才学校是人工智能重塑中国课堂这一改革的前沿阵地。这样的尝试,也正在获得更具体的制度支持。上海要求在四年级、七年级开设《人工智能基础》地方课程,每周1课时,两个年级各不少于30课时;北京则明确,从2025年秋季学期开始,中小学校每学年开展不少于8课时的人工智能通识教育。版权所有,未经许可不得转载 比起传统学校,身为创新学校的Alpha School在AI赋能的影响下的确更具「特色」,他们甚至近乎完全以课件替代了老师(在学生对知识不够了解的时候,只能通过timeback预约线上一对一课或者再次回看timeback软件内的指导)。学校里只有向导,而且向导只负责激励孩子,不能当面给孩子反馈或者指导。 答案,恐怕没那么容易确定。
有些学校,选择了全面拥抱AI,与AI一起整合形成一种独特的人与AI结合的教学方案。北京的新英才学校就是一个很不错的例子。按照新英才学校官网介绍,它已经建立了贯穿不同学段的科创课程:小学有创意硬件、机器人和AI创作等内容,初中进一步接触数字科学、水下机器人,高中则引入人工智能等专业实践课程。学校还提供实验室、工坊和工作室,支持学生把个人项目做下去。并且新英才学校开发了一套融合了中国主流系统功能的课堂人工智能模型。AI在这里,开始与一套具体的课程和实践活动相结合。这一系列努力均是为了培养学生的人工智能素养,进而培养新一代精通人工智能的创新者。
别让算法偷走了求知的过程,也别让技术狂热蒙蔽了对事物本质的审视。在充斥着即刻反馈与商业造神的时代里,留住求知时的那点「费劲」,守住面对风口时的那份「审慎」,或许才是 AI 留给人类最珍贵、也最不可替代的底牌。 「作业做得完,真学会多少」 AI的确是能够帮助教育,能够更好地引导学生进行学习和理解知识。但它终究需要专业的教师、制度化的学校以及真实的同伴交互共同构筑底座。这也是国内推进AI教育时,那些具体安排值得被认真对待的原因。AI课程进了课表,接下来要有人教;工具进了校园,使用过程要有人指导;系统给出了评价,最后也要有人核查。文件里的这些要求,还得落实到每一堂课、每一次答疑中,才能真正发挥作用。AI的使用者,始终是人,你不能在每一个地方都完全给予AI信任,而应当始终保留自己独立思考的能力。 Alpha School在AI辅助教学这个过程中融合得更为深入,但是也对应着,Alpha的一切都是为了提高学生的「得分」,且学生做的项目和高分可以帮助学生申请名校,进而用更好的考试分数和升校案例,去凸显自己AI辅助教学能力和AI赋能的正确性而为自己的学校和TimeBack软件宣传。目前Alpha School于近期回应这些争议时,也指出了一些自己教材和App设计上的问题,并且说明近期组建了新的团队对此进行调整。但是也正是Alpha School身上目前发生的一部分问题,能够让我们看到一些AI结合教育上应该去注意的方面,进而得以改善提高。 只不过,在今年,Alpha School的负面消息多了起来。NYT等媒体均发表了一系列文章,指出了Alpha School创新学校带来的问题——「空有口号,效果较少」。WIRED、404 Media、ProPublica轮番发调查,前员工、前家长开始实名爆料,还有至少9个州拒绝了它的公立特许校申请。原来的香饽饽,似乎现在遇到了一些麻烦。 问题的根源,正在于 Alpha School 对所谓「掌握式学习」的极度迷信,这种学习方式是每天上午2~3个小时对着电脑,在AI辅导App timeback里进行数学、阅读、科学等学科的学习(timeback会专门按照每个孩子的能力划分当前所应该学习的科目,因为是等级制,所以能更好地看出目前孩子学习进度),下午就可以学习一系列「生活技能」,例如创业、财商等,而且学校有一系列活动(例如去看F1比赛、创办餐车等生意)。 但回想自己当年使用搜题软件的经历,我又忍不住多想了一步:如果那时候的工具也能陪我聊天,我会借这个机会把知识弄懂,还是只会更快地把作业写完? 家长和老师也对Alpha School这套教学法开始担忧,教室里没有老师,也就没法给不懂知识的孩子解答,同时存在一定的系统问题:评分机制不均,如果没有拿到测试正确所给予的积分那就等于学习失败进而无法推进App的学习进度;AI生成的题目有时候逻辑不通也无法给孩子正确的反馈。这也就导致了很多孩子在这套学习方法里不仅很是挣扎,而且也没有在后续考试当中得到更好的分数。
在NYT调查数据里,家长交付昂贵学费自然是相信「2倍速学习」,他们希望每天学两个小时真的可以让学生学进去两倍量的知识。只不过调查数据显示:数学和阅读都达到2倍的只有42%,入学时数学在全美中等及以下的孩子(约学生总数的20%)里,只有37%做到了两倍。甚至很多家长和前员工反映,有些孩子为了完成目标,「每天两小时」可以说根本不够,甚至也需要另请家教。丰富的下午活动在两倍速的要求下,可能也会化为泡影——孩子必须追赶并且完成当日的学习进度。 这确实比翻看一份固定解析方便。对于那些不好意思反复向老师提问的学生来说,一个愿意陪着多讲几遍的工具,也有它的吸引力。 早在生成式AI走红之前,小猿搜题、作业帮等产品,就已经把AI辅助学习带进了学生的日常。还记得我在高中的时候,小猿搜题、作业帮等软件就在学生群体当中非常流行了,那个时候如果我们有作业题目不会,可以拍照、选择我们想要的题目搜索答案,然后过一会,解题步骤和答案就会弹出来。在2015年,小猿搜题当时已经利用深度学习识别题目,再经过文字处理、题库检索和排序,返回答案与解析,研发负责人在接受采访时介绍过这套流程。只不过我每每回忆起那会儿,大多时候我也就是只记住了答案,解题步骤很多时候记得不甚清楚。 【宅秘】《走进学校的AI未必是良药?》
现在,随着生成式AI和各种大模型的不断进步,似乎我们看到了不一样的发展方向。如今,再遇到看不懂的解题步骤,我们已经可以继续追问:“这里为什么要这样算?”如果还是没听明白,还可以让AI换个例子、换种说法,或者出一道类似的题,让自己再试一次。
关注宅秘。一起看懂AI、用好AI
面对一个看似无所不知的大模型,一个被即时答案喂饱的孩子,极容易陷入一种「虚假繁荣」——误把机器的算力当成自己的智力,误把顺畅的阅读当成深度的思考。但求知的路上,喂到嘴边的答案不一定是终点,甚至不一定全是对的。真正学会的证据,从来不写在满分的作业本上,也不写在跳级的宣传册里,而是在于孩子是否仍保有一份对知识的真实渴望:是他不再满足于直接索取代码,而是主动关掉对话框自己多琢磨一刻钟的那次停顿;是他面对屏幕上的标准解析,敢于追问一句「为什么是这样,还有没有第二种解法」的那份求真。
如今,AI已经走进了我们生活中的每一个场景,当然也包括学习,而且很有可能比你想的还要早得多。 如今的技术比当年聪明了千万倍,但人性的惰性与认知的规律却从未进化分毫。面对扑面而来的 AI 浪潮,无论是求知路上的学生,还是身处时代变局中的我们,或许最稀缺的,始终是两个层面的「独立思考」:第一个独立思考,是对算法喂给你的现成答案保持警惕。
我常常会重新想起十年前那个面对搜题软件的自己。屏幕那头吐出的每一个解题步骤,在当时看来都是那么理所当然、无懈可击。我按部就班地抄下它们,总以为自己看懂了,但每当真正走上考场,那些借来的「懂了」,往往会在合上书本的刹那间蒸发得无影无踪。
以上问题已经回答了。如果你想了解更多,请关
新经网网站 (
https://www.xinhuatone.com/)