使用频率接近，学习效果却差很远：家庭条件正在拉开学习差距？

家庭条件，正在成为影响AI学习效果的关键变量吗？在设备与网络逐步普及之后，差距没有消失，而是转移到了使用方式上。

3月24日，长水实验中学迎来建校12周年。围绕“智汇长水十二载，AI赋能新未来”的主题，学校发布了《长水AI教育与学习发展白皮书》。白皮书中的的调研数据显示，在使用频率接近的情况下，不同学生在学习过程中的表现差异明显。

按家庭收入划分之后，这种差异呈现出稳定分布。家庭收入越高，学生在提问方式、追问过程和信息判断上的表现越成熟，也更少依赖单一结果。随着设备与AI工具逐步普及，差距开始从“是否使用”转向“如何使用”

不同学生、不同用法：AI进入课堂后的整体分层情况

调研数据显示，在同一课堂场景中，学生使用AI的方式已经出现差异。在使用频率接近的情况下，一部分学生会在解题过程中反复核查步骤，关注推导是否成立；另一部分学生则更多停留在获取答案，很少继续追问。

从性别维度来看，调研显示，女生在使用AI时更倾向于核对信息的准确性与逻辑关系，而男生在使用频率上整体更高。两者在行为方式上呈现出不同侧重:一部分更偏向验证，一部分更偏向效率。

从年级维度来看，调研数据显示，学生的使用情况存在阶段变化。高一阶段使用频率较高，更多表现为尝试和探索；进入高二后，部分学生使用情况出现波动；到高三阶段，使用方式趋于稳定，更多集中在核对结果和查漏补缺。随着学习压力变化，AI从“尝试工具”逐渐变成“效率工具”。

从班级类型来看，调研显示，不同班型之间存在明显差异。重点班学生在使用过程中更关注解题过程，较少直接依赖答案；高补班学生使用频率更高，但行为表现存在分化；普通班整体处于中间水平；特长班使用频率相对较低。这种差异反映了不同学习状态下对AI的使用方式不同。

从成绩分布来看，调研数据显示，AI素养与学业成绩呈正相关关系，成绩越高，学生在使用过程中表现越稳定。同时，在使用频率上，处于26%至75%区间的学生更为活跃。

整体来看，调研结果呈现出一个清晰状态：在AI进入课堂之后，学生之间的差异，不再主要体现在是否使用，而是体现在具体使用方式上。

家庭收入差异：使用频率接近，但能力差距被放大

在家庭背景维度上，调研将学生划分为中低收入、中高收入与富裕家庭三类。其中，中低收入学生3650人，中高收入学生3669人，富裕家庭学生648人。

从AI素养得分来看，不同收入群体之间呈现出清晰梯度。富裕家庭学生在认知与行为维度上得分最高，中高收入群体次之，中低收入群体相对较低。换句话说，家庭收入越高，学生在使用AI时更知道该问什么、怎么问，以及如何判断答案是否可靠。

在使用频率上，各群体之间的差异呈现出不同分布。中高收入群体使用频率最高，均值为2.60；富裕家庭学生为2.58；中低收入群体相对较低。从数据来看，大多数学生已经都在用AI，谁用得多、谁用得少，差距并不大。

进一步观察行为层面，可以看到更为明显的差异。在“核查关键步骤”这一指标中，富裕家庭学生均值为3.37，中低收入学生为2.74，两者差值达到0.63。相比之下，使用频率差值为0.21。也就是说，大家用AI的次数差不多，但在解题过程中，有人会一步步确认过程，有人更多是在看到答案后结束。

这一差异在多项行为指标中均有体现。富裕家庭学生在提问方式、追问过程、信息筛选以及学习过程关注度方面表现更为稳定，在面对复杂问题时更倾向于进行多轮验证；中低收入群体在具体操作中更依赖直接结果，过程性行为相对较少。对应到实际使用，就是有人会不断细化问题、反复确认思路，有人更倾向于快速得到答案就停止。

从整体数据来看，学生之间的差异不仅体现在是否使用AI，也体现在使用方式与过程质量上。设备获取、网络条件与家庭支持解决的是“能不能用”的问题，而提问方式、验证习惯和过程控制，开始决定“用得好不好”。

在使用频率差距逐渐缩小的情况下，行为能力差距变得更突出。不同家庭背景下，学生在AI使用中的表现，已经从“接触差异”转向“能力差异”。

水手数智教室3.0进课堂：让学习不只取决于家庭条件

在现在的课堂环境下，问题变得具体：当学生在提问方式、验证习惯和使用深度上出现分化之后，这些差异是否只能由家庭条件继续放大，还是可以在课堂中被调整。

在长水的课堂中，水手数智教室3.0被直接嵌入教学过程。系统搭载AI知识生产大模型，整合9大学科资源，支持全学科、多版本、多风格、多难度的课程生成。同一节课中，不同学生可以接触到不同难度与节奏的学习内容，分层不再依赖课后完成，而是在课堂中同步发生。

这一步的变化在于，原本需要依靠家庭条件补充的学习差异，被提前放进课堂内处理。基础较弱的学生可以从低难度内容逐步推进，反复练习；基础较好的学生可以继续延展内容，保持学习节奏。不同起点的学生，在同一课堂中获得不同路径，而不是统一进度。

同时，学习过程被完整记录下来。在不改变纸笔书写习惯的前提下，系统会采集学生的作答轨迹、停顿、修改和错误路径，并形成学情数据反馈到教师端。学生是否核查步骤、是否反复验证，这些原本依赖个体习惯的差异，被转化为可以被观察和反馈的学习行为。

（“师-生-机”三元协同的智慧课堂。图源：长水基础教育集团公众号）

对应到前面的调研数据，可以看到一个变化：一部分学生在使用中会持续追问和修正，另一部分学生更容易停留在结果。当这些行为被记录下来之后，教师可以在课堂中及时看到差异，而不需要等到考试之后才发现问题。

在学习路径上，系统基于“最近发展区”进行推送，为学生匹配不同难度和进度的内容。学生可以按各自节奏推进，也可以对同一问题进行多次回看与练习。原本依赖课外辅导才能完成的反复训练，被放进课堂与系统中完成。

学习不再只发生在课堂时间内。水手数智教室3.0提供AI伴读与智能答疑功能，使学生可以在课后继续练习和回看，同时支持校本资源的积累。假期学习中，作业从集中完成转变为按节奏推进，学习过程可以被持续记录和追溯。

（水手数智教室3.0全景图展示。图源：长水基础教育集团公众号）

在这样的课堂，学生之间在使用方式上的差异，并没有被简单放大，而是被纳入教学过程本身。内容分层、过程记录与持续反馈，使一部分原本受家庭条件影响较大的差异，开始在课堂中被逐步缩小。

教育最温暖的底色，是让慢行的孩子不掉队，让快跑的孩子不孤独。

当AI技术真正沉入课堂，原本由家庭资源决定的“起跑线”，开始被精准的教学路径所替代。这不仅是对“因材施教”千古理想的数字化还原，更是对“教育公平”的一次深度实践。