AI导师：教育的炒作还是希望？

在萨尔曼·汗 （Salman Khan） 的新书《勇敢的新词：人工智能将如何彻底改变教育（以及为什么这是一件好事）》（Viking，2024 年）中，这位可汗学院的创始人预测，AI 通过可以承受的成本，为每个学生提供虚拟个性化导师来改变教育。

萨尔曼·汗是对的吗？所有学生的成绩最终可以提升吗？如果是这样，我们应该期待看到什么样的变化，以及何时看到？如果不是，什么会阻碍 Khan 预见的 AI 革命呢？

我们听到了两种截然不同的声音。

美国企业研究所 （American Enterprise Institute） 的访问学者约翰·贝利 （John Bailey） 赞同 Khan 的愿景，并解释了人工智能技术已经对教育产生的深远影响。他强调了AI驱动的个性化学习如何适应每个学生的独特需求，提供直接指导、实时反馈和个性化支持，从而提升学习效果。

而《芝加哥论坛报》（Chicago Tribune）的专栏作家、麦克斯威尼的《互联网趋势》（Internet Tendency）前编辑约翰·华纳（John Warner）指出，正如麦克白打趣的那样，所有关于人工智能辅导的炒作都充满了声音和愤怒，没有任何意义。学习是一个复杂的人类活动，涉及情感和人际关系，这些是AI难以复制的。他认为，真正的教育改革应该从理解人类学习的本质出发，而不是简单地依赖技术自动化。

作者：John Bailey

在 Salman Khan 发人深省的著作《勇敢的新词》（Brave New Words ）中， 他讨论了其对生成式 AI 或 GenAI 模型的早期实验，以及随着时间的推移，它们如何改变教育。如果说人工智能是一个新的领域，那么《勇敢的新词》（Brave New Words ）读起来很像一位探险家记录他的经历，并且试图理解这些经历对教学的意义的实地笔记。

Khan 愿景的核心是让 AI 驱动的导师适应每个学生的独特需求、能力和兴趣。他建议，这些先进的系统将提供直接指导、实时反馈和个性化支持，使学生能够按照自己的节奏学习，并比在传统课堂环境中更彻底地掌握概念。

Salman Khan 是 Khan Academy 的创始人，也是 Khanmigo 的开发者，Khanmigo 是一个个性化的人工智能驱动的辅导助手。

Khan 讨论了他的团队通过 Khanmigo 学习的早期经验教训，Khanmigo 是一个围绕 OpenAI 的旗舰 GenAI 模型 GPT-4 构建的人工智能驱动的辅导平台。该平台不是给出答案那么简单。它通过将复杂的问题分解为可管理的步骤，提供解释，以此来指导学生更深入的理解，从而为学生提供支持。Khanmigo 还可以帮助学生完成写作任务，提供反馈和建议，以改进他们的论文并帮助他们培养批判性思维能力。

在某些方面，这种远见并不是全新的。几十年来，教育工作者一直听到有关个性化学习解决方案的预测，但对承诺过高但交付不足的技术感到失望。他们已经看到了一波又一波被炒作起来的教育技术解决方案，这些解决方案在理论上听起来还不错，但在实践中却不尽如人意。所以，当许多人得知 Khan 对人工智能驱动的个性化导师的设想时，他们会感到一种似曾相识的感觉，想知道这是否注定要被淘汰，最终还是让他们失望。

那么，是什么让这一刻与众不同呢？为什么教育工作者应该相信，像 Khan 设想的人工智能驱动的辅导系统，将在以前技术促进的个性化学习尝试不足的情况下取得成功？

Khan 的热情让我信服，部分原因来自于我在过去一年中使用 GenAI 模型的经验，也包括参与几家领先 AI 公司的一些早期访问和安全测试计划。令我印象深刻的是，GenAI 代表了一种范式转变，它超越了印刷机或互联网等以前的创新。虽然这些早期的突破使信息访问大众化，但 AI 通过提供对专业知识的访问，向前迈出了关键的一步。书籍和互联网是人类知识的巨大宝库，扩大了我们的集体信息库。但是，它们仍然需要人类智能来有效地处理、解释和应用这些信息。相比之下，AI 不仅存储和检索信息，还模拟类似人类的智能来分析、综合，从中生成见解。这使人们能够将按需专业知识应用于各种问题或任务，包括教育中常见的问题或任务，例如分析数据、创建教学材料、提供教学见解或集思广益。

正如 Khan 的书所说明的那样，这些 GenAI 模型的功能，使它们特别符合导师功能，可以反映各种教学策略，例如采用苏格拉底式的方法上课或帮助学生反思他们的工作。GenAI 的这些常规功能能够进行微调，以便与自定义数据集（例如研究结果、学校课程或过去的学生评估）进行交互。这为 GenAI 提供了更具体的专业知识，有助于推动连贯性并确保一致和综合的学习体验，以反映学校的教学目标并基于严格的研究。

Khan 的书阐述了 AI 辅助学习的愿景。AI 能否在其他教育技术跌跌撞撞的地方取得成功？

这些模型的高智商现在与另一个令人惊讶的特征相匹配——高情商。GenAI 产生流畅的语言，与人类的说话、反应方式非常相似。事实上，越来越多的研究表明，这些模型可以提供准确的回答，而且人类评估者认为他们的回答比其他人的回答更有同理心。进一步的研究表明了，这种能力如何使GenAI系统更好地「理解」用户的情绪状态并做出适当的反应。这可能会让人工智能导师鼓励、安抚和激励学生，并就他们的讲座是引人入胜还是无聊向教师提供反馈。

自《勇敢的新词》（Brave New Words） 发布以来，GenAI 模型中出现了可以增强辅导体验的新功能。例如，许多模型现在具有分析图像的能力，允许学生上传教科书页面的照片，并在理解复杂概念时获得即时帮助。

谷歌的 Gemini 1.5 Pro在分析视频的能力方面更进一步。教育工作者可以向其提供教学视频，并像处理研究论文一样轻松地询问有关视频内容的问题。这种能力可以提供一个强大的工具，为教师的实践提供信息或评估学生。它还开辟了一种全新的方法来训练 AI 导师，该方法基于对描述有效人类导师与学生互动的视频的分析。

Claude 3.5 Sonnet引入了Artifacts，该功能使 AI 模型能够在其文本响应的同时生成小型交互式资源。在物理课程中，Claude 可以生成模拟和交互式问题集，使学生能够应用他们的知识并了解科学原理的含义。

OpenAI的高级语音技术 在生成与人类语音模式密切相关的 AI 语音方面取得了重大进展。该模型融合了细微差别，例如模拟呼吸声、填充词（如「嗯」和「呃」）、笑声和情绪变化，以创造更自然、更人性化的聆听体验。此外，该技术能够检测和响应用户的情绪，从而实现更具同理心和情境感知的交互。

这一进步应该会促进 AI 导师的发展，他们比学生在以前的教育技术中遇到的任何事情都更具对话性和吸引力。如果学生感到沮丧或困惑，AI 模型不仅可以调整其回答，还可以调整其语气，从而提供安慰和鼓励。事实上，主要的 AI 公司担心这些系统可能会变得过于关系化。OpenAI 警告说，类似人类的语音交互可能会导致用户将 AI 导师拟人化，并建立情感联系或依赖它。早期测试揭示了长时间交互的风险，这可能会改变社会规范，并导致一些用户更喜欢与 AI 机器人互动而不是人类互动，克里斯滕森研究所的朱莉娅·弗里兰·费舍尔 （Julia Freeland Fisher） 已经警告了这个问题。

这些都是新兴功能，可能仍存在一些限制，但它们将随着时间的推移，继续发展和改进。将这些功能搭建起来，就像乐高积木一样，可以组装和配置以创建创新的工具和服务。一年前只能是基于文本的辅导系统，现在可以通过使用语音识别和合成的积极倾听和对话来吸引学生。学生的作品，包括视觉元素，可以通过高级图像分析技术进行分析。同理心能力可以调整，以提供适当的鼓励或动力，帮助引导学生完成课程，适应他们的个人需求和进步。

这些功能引起了人们极大的兴奋，但最新一代的 AI 也遭到了一些观察家的怀疑，他们担心被另一股「灵丹妙药」技术风潮分散注意力。批评者指出了当前模式的局限性，担心这种炒作可能导致资金和注意力从关键的教育优先事项上转移开来，并认为重点应该继续放在解决长期困扰该行业的复杂、系统性问题上。

这些担忧是可以理解的，在某种程度上也是合理的。然而，根据 GenAI 目前的局限性而忽视其潜在影响是短视的，因为快速的进步表明这些模型可能会在短时间内克服它们的许多缺点。

对 GenAI 的唯一经验仅限于 3.5 年免费版 ChatGPT 2023 的怀疑论者可能无法完全掌握该领域取得的进步。在短短一年内，ChatGPT-4 曾经是领先的前沿模型，已经有许多强大的竞争者加入，包括 Google Gemini 1.5 Pro 和 Thropic 的 Claude 3.5 Sonnet，以及 Meta 的 Llama 3.1 和 Mistral Large 2 等新的开放模型。这些模型中的每一个都有独特的优势，在不同的领域和任务中表现出色，有些模型在辅导提示方面比其他模型做得更好。就在最近，OpenAI 发布了一个新模型，该模型打破了复杂推理、数学和科学领域的 AI 记录。随着时间的推移，这些模型将继续变得更便宜、更快、更强大，这将有助于支持辅导应用程序中的更多实验。

在某些情况下，令人失望的 GenAI 输出结果，可能是源于它收到的提示不佳，而不是技术存在局限性。越来越多的研究表明，精心设计的提示可以显著提高 AI 系统在各种任务上的性能。为模型分配特定角色或专业知识、提供相关示例、指导 AI 的推理过程或将复杂问题分解为更小的步骤等技术可以带来更好的结果。

批评者很快就会指出错误或低质量的 GenAI 输出，但传统方法的质量控制也是一个挑战。兰德公司的一项研究发现，教育工作者经常使用 Pinterest 和 Teachers Pay Teachers 等平台来获取教学想法，尽管这些来源往往质量低下，并且可能包含他们自己的「幻觉」和有偏见的内容。略多于三分之一的教师使用至少一个符合标准的 ELA 课程，不到一半的教师经常使用至少一个符合标准的数学课程。像高剂量（人类）辅导这样的干预措施在较小的研究中显示出显著的收益，但在大规模化时难以提供相同的结果，调查研究表明，这些干预措施并没有惠及最需要的学生。如果微调后的GenAI对教育领域的唯一贡献是加速向高质量教学材料的过渡，并支持更大的课程连贯性，那么它仍然是一个有价值的、可以说是变革性的进步。

一项新兴但不断增长的研究证明了 GenAI 导师的有效性。例如：

Tutor CoPilot是一个为导师提供专家级指导的 AI 系统，在一项有1800名学生参加的随机对照试验中，它将学生对主题的掌握提高了4个百分点。评分较低的导师受益最大，他们的学生掌握率提高了9个百分点。Tutor CoPilot 帮助效率较低的导师取得了与效率较高的同龄人相当的成绩。

哈佛大学的一项研究发现，与传统课堂相比，使用定制设计的 AI 聊天机器人导师学习物理课程的学生的学习收获大约翻了一番，参与度也显著提高。事实证明，当学生遇到新材料时，人工智能导师的个性化反馈和学生的自我步调能力被证明特别有益。

在加纳，可通过 WhatsApp 访问一个名为Rori的人工智能数学导师，每周使用一小时的学生，数学成长分数显著提高，效果相当于额外学习一年。每个学生 5 美元的低成本表明，在资源有限的教育环境中，Rori 可能是一种具有成本效益的干预措施。

一项研究介绍了 Bridge，这是一种采用任务分析，模拟专家教师在解决学生数学错误时使用的决策过程的方法。研究人员将这种方法应用于与 Title I 学校学生的 700 次带注释的真实世界辅导对话的数据集。他们发现，当GPT-4获得有关专家教师决策过程的信息（包括错误类型、教学策略和反应目标）时，AI 系统对学生数学错误的反应，比 GPT-4 在没有专家指导的情况下必须做出反应的情况要好76%。这项研究证明了将专家知识纳入 AI 模型以用于辅导和其他用途的重要性。

在一项随机对照研究中，与主动学习课堂中的学生相比，使用 AI 导师的学生在更短的时间内表现出显着更大的学习收益。与60分钟的讲座相比，使用人工智能的学生在任务上花费的时间中位数为49分钟。使用 AI 的学生展现了更高的参与度和动力， 83% 的学生认为 AI 的解释与人类教师的解释一样好或更好。AI 导师的有效性归功于其对教学最佳实践的细致遵守，包括主动学习、认知负荷管理、成长心态、脚手架、准确性、及时反馈和自我步调。

一项研究表明了AI 导师如何充当教育专家，成功复制已知的教学原则，创建与教师判断高度一致的改进数学工作表。这些能力表明，AI 可以加快课程设计，同时强调人类专业知识和真实学生测试的持续重要性。

土耳其一所高中，对近 1000 名学生进行了一项实地实验，在涵盖 15% 课程的三节辅导课程中使用了 GPT-4。研究人员发现，获得 AI 导师的帮助显著提高了数学成绩（48% 到 127%），但随后在取消访问权限时，损害了教育成果（减少 17%），这表明学生将 GPT-4 用作「拐杖」，而不是真正去学习关键技能。然而，GPT 导师中的保护措施在很大程度上减轻了这些负面影响，突出了在部署生成式 AI 时需要谨慎，以通过持续的人类学习来确保长期生产力。

不久的将来，人工智能驱动的辅导系统可能会比今天的系统功能更强大。当批评者谈论 GenAI 没有完全理解学生或未能在学生以前的学习基础上建立时，他们忽视了这些模型变得越来越关系化的速度。AI 导师将获得更大的内存和上下文窗口，包括阅读和分析学生以前的作业的能力，以更好地为辅导课程提供信息。他们很快就能看到和倾听学生的声音，开辟吸引他们并评估他们对概念的理解的新方式。有理由相信，这些系统的未来版本将具有更强的同理心能力，使它们能够更好地激励和吸引学生。

也就是说，虽然 GenAI 是一个强大的工具，但它只是一个工具。价值不是来自工具本身，而是来自它的使用方式和时间。教育工作者应该有针对性地实施 AI 导师来解决特定的教学挑战，而不仅仅是为了他们自己而采用它们。这些工具应该用于支持和增强教育工作者的能力，而不是取代他们。最重要的是，GenAI 的使用必须与培养学生集中、保持注意力的能力需求相平衡，而当今的数字干扰越来越威胁到这些技能。

这些 GenAI 工具和功能，在教育行业迫切需要创新解决方案的时刻出现。2022 年，长期缺勤率激增至 28% 的 K-12 学生，2023 年仅略有改善。沃尔顿家庭基金会-盖洛普「Z 世代之声」研究发现，25% 至 54% 的 Z 世代 K-12 学生报告说他们在学校缺乏引人入胜的经历。普通学生只恢复了大流行期间损失的一小部分学习，只有三分之一的数学损失和四分之一的阅读损失得到了恢复。根据西北评估协会的研究，学生平均需要四个月的额外学习才能赶上，在某些情况下，甚至需要九个月。

也许更传统的改革和辅导将能够应对这些挑战。我当然希望它们会有所帮助，但我怀疑它们是否足以应对我们面临的挑战的深度和广度。当务之急应该是呼吁试验和试验新方法，探索如何最好地深思熟虑和有目的地利用 GenAI 的功能。我们需要更多而不是更少的 AI 导师实验。我们需要付出更多努力，使用 GenAI 来减轻经常分散教师最重要工作注意力的行政负担：与学生建立深厚、有意义的关系，这是学业成功的基础。

Khan 在《勇敢的新词》（Brave New Words ）中呈现的愿景不是一个遥远的梦想，而是一个正在展开的现实，需要我们的关注和积极参与。GenAI 的快速发展为改进教学开辟了一个充满可能性的世界，但我们必须以兴奋和谨慎的态度接近这一新领域。要充分发挥 AI 在教育领域的潜力，需要的不仅仅是技术创新；它需要集体承诺，确保以真正使所有学生受益的方式利用这些强大的工具。Khan 的路线图可能不会在不久的将来完全实现，但它为值得追求的目的地设定了方向——在这个世界里，每个学生，无论背景如何，都可以获得他们需要的个性化支持、引人入胜的学习体验和高质量的教育，从而茁壮成长。我们学生和社会的未来，取决于我们在这个关键时刻是否愿意采取果断和创造性的行动。

约翰·贝利（John Bailey）是美国企业研究所（American Enterprise Institute）的非常驻高级研究员。

作者：John Warner

John Warner

我被要求提供怀疑论者对手头命题的看法，我很高兴这样做，因为我确实非常怀疑像 Khanmigo 这样的生成式 AI 驱动的家教机器人是否会彻底改变教育。

但我不想只持怀疑态度。

我也不想透露我自己的结局，但早在生成式 AI 出现之前，我就认为我们在教育方面走错了方向——我的书《为什么他们不能写作：扼杀五段文和其他必需品》中概述了一个案例。像Salman Khan的《勇敢的新词》（ Brave New Words ）中提到的ChatGPT 导师，机器人 Khanmigo 这样的教学机器，有可能更深入地巩固过去30年来一直是教育改革核心的反学习行为。

新泽西州纽瓦克市第一大道小学的教师谢丽尔·德雷克福德 （Cheryl Drakeford） 观察她的三年级数学学生在 2023 年与 Khanmigo 导师互动。

指导这些失败努力的人，包括《勇敢的新词》（ Brave New Words ） 的一些著名支持者：比尔·盖茨、劳伦·鲍威尔·乔布斯和前教育部长阿恩·邓肯。我不否认他们希望改善学生教育成果的诚意，但我确实质疑他们的成功，并且必须想知道——为什么我们继续如此重视他们的观点。

归根结底，我要指出的是，对教育革命的追求正是导致学生对学校越来越不投入、压力和焦虑的原因，而你所说的任何措施都没有改善结果。

但首先，让我提出我的怀疑论点，这主要基于这样一个事实，即在发明教学机器方面，Khanmigo 是最新的例子，许多人以前都尝试过但都失败了。

在20世纪二三十年代，西德尼·普雷西 （Sidney Pressey） 未能实现他的「自动教师」愿景，这实际上是一台测试机器，旨在用糖果奖励孩子们的正确答案。行行为主义教父 B. F. Skinner 在 1950 年代接过了接力棒，他确信自己训练鸽子的工作可以转化为教育儿童。

行为心理学家 BF Skinner 在 20 世纪因其对动物的实验以及它们如何应用于儿童行为而声名鹊起。

我借鉴了奥黛丽·沃特斯 （Audrey Watters） 不可或缺的教育技术史《教学机器》（Teaching Machines），她在书中展示了有远见的人（他们都曾是男人）的梦想是如何在学习的复杂性和人类的多样性的浅滩上反复破灭的。我们不是鸽子。

最近，我们有了 Knewton（「天空中的读心机器人导师」）和 Amplify，它们将鲁伯特·默多克 （Rupert Murdoch） 的 10 亿美元现金付诸东流，然后转向新的生活，作为主要用于全班情况的教学补充。IBM 花了五年时间尝试在其 Watson 平台上构建个性化的学习界面，然后在 2017 年放弃了它，因为这是一个无望的追求。

从概念上讲，Khan 的愿景与他的前辈相同。他的目标是提供一个「人工智能但令人惊叹的个性化导师」。以前的教学机器和 Khanmigo 之间的唯一区别是 ChatGPT 能够根据学生输入生成响应式语法。那些相信生成式 AI 力量的人会争辩说，这些足以让 Khanmigo（及其同类）超越过去的尝试。

我对此持怀疑态度，因为与所有其他个性化学习尝试一样，Khanmigo 依赖于一种算法学习模型，其工作原理如下：

1. 确定学生需要学习什么，并勾勒出我们认为重要的不同概念和技能之间的关系。将此称为地图。

2. 做一些诊断，让我们把学生放在地图上，他们身后的一切都是他们所知道的，他们面前的一切都是他们应该学习的。

3. 让学生接触「学习对象」，使用算法在适当的时间将适当的对象放在学生面前。

4. 让学生使用学习对象。

5. 根据这种互动衡量学生知道什么。

6. 在地图上重新定位学生，冲洗干净，然后重复。

这种教学方法可能会在许多不同的地方开始崩溃。

首先，学生在这个模型中工作时，与其说是在地图上，不如说是在一条线上，一个连续体，他们被期望在那里学习，并且通常沿着规定的路线移动。但学习不是连续体发生的。在给定时间，学生可以向任意数量的方向缩放。不是向前或向后，而是向上、向下、侧向、倾斜以及您能想到的任何其他方式！学生可能会（在精神上）绕圈子，或者他们可能会做出你没有理由预料到的跳跃。为了表示学生在学习过程中可能移动的位置，我们不需要一条线或一张地图，而需要一个具有无限扩展边界和无限数量可能占据的不同点的球体。

学习（至少）是一个三维问题，而不是二维问题。

导师机器人所能提供的功能与学生和老师之间的人类交流之间的另一个脱节是，学习不仅仅是关于某人知道什么，而是关于某人如何思考。一个错误的答案可能有很多不同的来源，诊断这个问题需要运用自己的判断，这是大型语言模型无法做到的，但人类教师每天要做数百甚至数千次。

例如，在我 20 多年的教学生涯中，我经常问学生：「这有意义吗？他们的嘴里说「是」，但脸上说「不是」的次数已经数不清了。在这些情况下，我必须继续运用我的判断力，让学生继续学习。

然而，最大的障碍是第四点：让学生使用学习对象。

负责 IBM Watson 辅导项目的 Sataya Nitta 解释了团队注定要失败的原因，「我们错过了一些重要的东西。教育的核心，任何学习的核心，都是参与。

劳伦斯·霍尔特 （Laurence Holt）在《教育下一步》上撰文描述了他所谓的「5%问题」。霍尔特观察到，在许多情况下，在线数学程序（现代教学机器）在研究对象中显示出很大的积极影响。例如，可汗学院的数学练习网站被证明为「按照推荐使用该计划的学生」贡献了相当于「几个月的额外学校教育」。

尽管这些计划被广泛采用并取得了明显的效果，但学生的整体成绩并没有提高。为什么呢？

只有 5% 的学生按照建议使用这些程序。正如霍尔特所说，「想象一下，一位医生为 100 名患者开了一种复杂的新药，发现其中 95 名患者没有按处方服用。这就是当今 K-12 教育中许多在线数学干预的情况。它们是5%的人的解决方案。其他95%的人看到的收益很小，如果有的话。」绝大多数学生选择不使用该软件。正确使用它的5%是一小部分学生，他们似乎会做老师布置给他们的任何事情。

我想 Khanmigo 可能有一些确保学生参与的秘密公式，但 Khan 在他的书中没有提供任何证据。相反，他从事猜测，比如当他建议伦勃朗·范·莱茵的聊天机器人问你是否喜欢画画时，一定很有趣。鉴于Khanmigo的测试版于2023年3月推出，Khan的书于2024年5月出版，这本书中缺乏证据是可以理解的。由于起草、修订、编辑、复制编辑、打印和分发一本书需要花费大量时间，因此没有时间收集有关学生如何使用 Khanmigo 的任何真实数据。Khan对猜测做出了预测，这些猜测源于对大型语言模型似乎能够做到什么的可以理解的惊讶，而不是现实世界的试验。

人们渴望在大型语言模型的输出中找到智能和推理能力，但这些都是 Baldur Bjarnason 所说的「智能幻觉」的副产品，这是一种将代理权分配给自动语法生成机器的自然冲动。就大型语言模型可以「推理」的程度而言，我们知道它的推理形式与人类完全不同。

还有其他一些概念层面的问题，Khan似乎没有考虑过。例如，始终可用的导师机器人被吹捧为能够提供「实时」反馈，但没有证据表明「实时」（而不是更有用的「及时」）反馈有助于学习。实时反馈是提高效率的工具，但在什么世界里，学习一定是有效的呢？

事实上，当涉及到写作教学时——我教书时关注的领域——实时反馈会造成重大伤害。写作必然是一个在修辞情境中，对一篇文章的交际目的进行思考和考虑的缓慢过程。实时写作辅助工具指导学生尽可能高效地完成作业，可能会缩短培养写作技能所需的摩擦。

有时，在与学生合作时，我会详细地来回谈论他们写作的意图，以及我作为读者的经历。其他时候，我会读一篇学生文章，然后简单地说，「还没该喝汤」，意思是我知道（学生也知道）这篇文章还没有完成。知道该对学生说什么来让他们保持学习，源于我建立的人际关系，和我随着时间的推移收集的学生写作知识——这些都是聊天机器人还无法模拟的，更不用说真正做到了。

Khan 还将 AI 定义为自动化所谓的低级教师任务（如课程计划和评分）的辅助工具，但只有没有教过的人才会称这些为低级任务。管弦乐队指挥会将表演节目的制作外包给 AI 吗？

有时，在与学生合作时，我会详细地来回谈论他们写作的意图，以及我作为读者的经历。教授写作课程并外包评分，就像管弦乐队指挥只听到观众的掌声，而不是听表演本身，或者足球教练知道比分但不看比赛。这简直是无稽之谈。

虽然我对我们即将经历一场 AI 驱动的教育革命持怀疑态度，但我确实认为我们应该积极而广泛地尝试所有可能有助于学生学习的方法。让一百朵、一千朵、一百万朵花盛开。

但这些实验应该是明智的和相称的。据报道，截至 2024 年 3 月，Khanmigo 已被 65,000 名学生使用。微软已经提供了资源，让所有学生免费使用Khanmigo，这是一项难以衡量的投资。但鉴于我们对 ChatGPT 的「计算成本」的了解，我们必须谈论数百万美元。

相信生成式 AI 将具有变革性，就需要抛开我们对先前转型尝试如何以及为何失败的了解。这让人想起电影《This Is Spinal Tap》中的场景，当时克里斯托弗·盖斯特 （Christopher Guest） 饰演的奈杰尔·塔夫内尔 （Nigel Tufnel） 向马蒂·迪·贝尔吉 （Rob Reiner） 展示了他的「特殊」马歇尔放大器，该放大器的最大音量为 11 而不是标准的 10，迪·贝尔吉 （Di Bergi） 问道：「你为什么不把 10 调大一点，让 10 成为最高数字？Tufnel 思考了一两下，然后说：「这些会变成 11。」

将生成式 AI 分层到个性化学习模型上就像 Tufnel 说的「这些数字达到11」，这表明这项技术之所以不同，仅仅是因为它的数字更高。

这些创新将带来变革的理论是建立在一厢情愿的基础上的。目前的证据很少，大量的先前经验表明，这种模式注定会撞上人类行为的现实。

如果我们要帮助学生学习，我们需要从什么让我们成为人类开始，而不是被 AI 自动化冲昏头脑。

学生在学校学习的头号障碍是缺乏参与度。参与度是学习的门户，但它是缺乏的。

盖洛普 （Gallup） 在疫情之前的数据显示，我们在学校遇到了「参与危机」，5-12年级的学生中只有不到50%的人表示他们与学校「互动」。整整四分之一的学生呈现出「积极脱离」。

由沃尔顿家庭基金会赞助的盖洛普 2024 年的一项调查发现，只有 11% 到 33% 的学生「强烈同意」他们拥有八种引人入胜的课堂体验中的哪怕一种（例如，有支持性的老师，感到有动力和挑战）。2023 年至 2024 年期间，几乎所有的学校参与度指标都下降了。不到五分之三的学生报告说，在给定的一周内，他们学到了 「一些有趣的东西」。

学生的学业每增加一年，脱离参与度就会增加。对于不打算接受高等教育的学生来说，这个问题尤其严重。

盖洛普询问学生是什么让他们对学习感到兴奋。排名靠前的回答是：

• 这个话题是我想更多地了解的东西。（60%）

• 老师让它变得令人兴奋和有趣。（60%）

• 我能够以动手实践的方式学习，例如进行实验、模拟或演示。（46%）

倒数第二个是：

• 这节课使用技术来帮助我学习。（23%）

虽然据说这一代人痴迷于屏幕，但他们似乎对学校里基于屏幕的体验并不特别热衷。参与来自于帮助学生与材料建立联系，然后给他们一些有意义的事情去做。

盖洛普还要求学生思考他们遇到过的最好的初中或高中老师，以及是什么让他们成为最好的老师。排名靠前的答案是：

• 他们关心你这个人。（73%）

• 他们使理解他们所教的内容变得容易。（62%）

• 他们是你信任的人。（58%）

正如之前在个性化学习方面的实验所证明的那样，教学不仅仅是把教育活动放在学生面前。教学需要同时意识到并回应学习者的关系和认知目标。学生必须感觉自己被关心，老师必须知道如何以一种让学生学习的方式传达材料。

正如我在教写作时发现的那样，实现这种复杂平衡的方法是不断变化的，一个任务到一个任务，一个学生到一个学生，一个学期到一个学期。适应这些变化是教学的一项持续工作。这是一项美妙但显然困难的工作，由于许多教师在不太理想的环境下工作，这项工作变得更加困难。

教育历史学家大卫·拉巴里（David Labaree）在他的著作《有人必须失败：公立学校教育的零和游戏》（Someone Must to Fail：The Zero-Sum Game of Public Schooling）中，审视了比尔·盖茨（Bill Gates）等人或美国企业研究所（American Enterprise Institute）等智库所吹捧的学校改革，并说：「改革者在努力看待学校教育时所绘制的地图只有一件事是确定的：它几乎遗漏了一切。课堂的复杂生态消失在简化的汇总统计栏中。」

我们过去30多年的经验应该足以表明，学习不是由算法决定的，学习的许多意义都无法量化。

我们创造了一个系统，在这个系统中，学校以我所说的「无限期的未来奖励」为基础，在这个系统中，现在的经历并不重要，重要的是未来的回报（大学、职业等）。这种风气主要是为了让学生痛苦，绝对没有帮助他们学习。

根据哈佛大学教育研究生院的研究，经历过这种学校教育的一代人（18 至 25 岁）的焦虑和抑郁率是当今青少年的两倍。

他们焦虑的主要来源是 「缺乏意义、目的和方向」。

我见过几代人中最优秀的人才在熟练程度的严峻旅程中变得迟钝，无聊、焦虑，并为追求缩小 B+ 和 A- 之间的差距而感到压力。我们的学校没有采取更多措施帮助学生找到目标感和方向感，这应该是一个丑闻。

学生们显然渴望人际交往。为什么我们如此抗拒提供给他们？如果一个老师有太多的学生来满足他们的需求，为什么我们不投资数百万甚至数十亿美元来改变这个等式，而不是将我们的人性外包给算法？

我们应该为学生提供比最神奇的教学机器所能提供的更多的东西。

约翰·华纳 （John Warner） 是 《为什么他们不能写作：杀死五段论文和其他必需品》以及即将出版的 《不仅仅是文字：如何看待人工智能时代的写作》的作者，他是查尔斯顿学院的附属教师。

原文链接：https://www.educationnext.org/ai-tutors-hype-or-hope-for-education-forum/

12月11日-12月12日，2024多鲸EE年会，深圳见！