AI时代，课堂的不可替代价值——从"传递知识"到"校准认知"的教育变革

来源：环球网

生成式人工智能正以前所未有的速度走进大学校园。当学生们习惯了向AI索要答案、由AI代笔完成作业，课堂这一传承数百年的教育场景，正在经历一场静悄悄的功能变革。问题不在于AI"教得好不好"，而在于：当答案变得唾手可得，"学会了"这件事本身，是不是已经变得模糊了？

从"工具"到"认知参与者"：AI改变了课堂的底层逻辑

过去两年，生成式人工智能进入大学课堂的速度，超出了几乎所有教学改革的预案。麦可思研究院2025年对近三千名大学生的调查显示，79.2%的学生遇到过看似合理实则错误的"AI幻觉"内容，37.3%的学生承认技术依赖已导致自主学习能力下降。英国高等教育政策研究所同年的数据更为直观：使用生成式AI完成学业任务的学生比例，一年之内从53%跃升至88%，而接受过学校系统使用训练的学生仅占36%。

几乎人人都在用AI，却几乎没有人被认真地教过该怎么用。

长期以来，教育技术学对课堂学习的理解，在"知识传递"与"认知建构"两大范式之间展开。前者关注知识如何经由技术更高效地到达学习者，后者关注技术如何支持学习者主动建构意义。两种范式共享一个隐含前提——认知劳动的主体是学习者，技术至多提供提示与反馈。

生成式人工智能改变了这一前提。它不再只是传递的通道或建构的支架，而是以"认知参与者"的身份直接进入学习过程：筛选信息、组织逻辑、生成成品答案，代行了部分本应由学习者完成的建构劳动。当"谁来建构"本身成为问题，学习者如何判断自己"建构到什么程度"，就从教学的辅助环节，上升为必须正面回应的时代命题。

流畅的答案背后，藏着怎样的认知陷阱

真正被改变的，并非知识传授这项职能本身，而是它的两个前提。就知识的存在状态而言，网络与终端早已让知识高度泛在、随手可取，课堂不再是知识的主要存放地；就学习者的感知而言，外部存储的便利悄悄改写了"什么是我的知识"的判断——心理学实验早已证实，人们把记忆交给搜索引擎之后，记住的是"去哪里找"而非"是什么"。生成式AI把这两重变化推到极致：它既是泛在知识最顺手的接口，又以零摩擦的成品交付，强化了"存在即拥有"的错觉。

与书本、搜索引擎相比，AI在认知特征上有三个关键差异。

一是即时性。传统学习从提问到获得答案之间存在明显的时间差，翻文献、比对观点、试错验证，这些"认知摩擦"本是深度加工的催化剂；AI把这一时延压缩到秒级，知识以零摩擦的方式直接交付。

二是流畅性。AI输出高度结构化、语言顺畅，而这种流畅恰好对应元认知判断中的一条系统性规律：加工越顺畅，个体越倾向于高估自己的掌握程度。心理学研究早已证实，学习者会系统性地高估未来的记忆与理解水平，产生"胜任力错觉"。

三是全能性。AI倾向于对任何问题给出确定、完备的答复，不主动揭示问题本身的模糊性、前提的边界与观点的分歧，而这些被省略的部分，恰恰是"合意困难"的来源——短期降低流畅感、长期提升保持与迁移的学习条件。有求必应的应答方式，会系统性地消解这类学习增益。

三个特征叠加，形成闭环：流畅的答案制造"学会了"的幻觉，幻觉使元认知监控失准，失准的监控反过来削弱深度加工的动机，阻断从"知道"走向"理解"的通道。这能解释一个反复出现的课堂场景：学生拿着AI生成的解题过程，觉得每一步都看懂了，可要求独立复现或换个条件重做时立即卡壳——看懂的是AI的表述流畅性，而非问题的结构本身。

课堂校准功能，正在被悄然架空

大学课堂的功能危机，根源不在AI"教得更好"，而在课堂原有的校准功能正在失去作用场景。传统课堂借助即时追问、当堂检验与师生对话，天然承担着校准学生认知判断的职能：学生必须当堂暴露困惑，教师因此获得诊断偏差的机会。心理学将元认知监控概括为计划、监控、评估三个环节，并进一步指出，人对自身理解水平的判断高度依赖加工流畅体验——顺畅即高估，阻滞则下调。

以此观照AI环境：AI替学习者完成了信息筛选、逻辑组织与答案生成，学生不再需要当堂暴露困惑，教师不再有机会即时诊断偏差；极高的加工流畅度又持续向元认知系统发送"我已经掌握"的错误信号。两类效应叠加，课堂看起来还在，但它最核心的功能正在被架空。

教学实践中积累的问题印证了这一点。教师"使不上力"与学生"看似都会"并存：学生手边都有答案，一经追问就露出理解的裂缝，一听就懂，一问就倒。政策要求培养高阶思维，课堂评价却仍以知识复述为主，学生用AI生成的作业恰好能在这套评价里拿到高分，评价在无意中奖励了认知外包。而AI使用率一年翻倍，针对性的元认知训练却几乎没有进入任何一门课的教学设计。

"认知校准"：AI时代课堂的新定位

课堂在AI时代的不可替代功能，应当被重新界定为"认知校准"。心理学中，"认知校准"原指个体对自身理解水平的自我评估与客观能力的匹配；将其扩展为人机协同学习环境中的调节框架，就是由教师的诊断性对话与技术的结构化支持共同构成调节回路，帮助学生识别并修正"自以为懂"与"实际懂"之间的偏差。借用测量学的隐喻：元认知是学生的"认知测量工具"，AI使用容易使其产生系统性偏差，认知校准就是提供外部参照，把这只仪表重新对齐到真实刻度。

校准通过三条路径切断幻觉闭环：一是教师借助反例、条件变更与边界追问制造认知冲突，打破流畅幻觉、激活分析性思考；二是以追问把学生的隐性思维过程外化为可言说的对象，让学生第一次"看见"自己的推理，经过反复训练，外部监控逐步内化为面对任何AI输出时自带的批判性警觉；三是学生在对话中习得专家的提问方式、推理路径与评判标准，这些思维工具经由反复参与，内化为个体的认知装备。

技术不只是风险源，也可以是校准工具

同一个AI，何以既是风险的来源，又是调节的工具？答案在于技术介入认知过程的两种设计取向。

当前主流产品的默认逻辑是"交付取向"：对任何问题给出确定、完备、即刻可用的成品，这种零摩擦正是流畅性幻觉的来源。与之相对的是"调节取向"，其要义不是回答得更快，而是让问题的复杂性重新可见：生成对立观点与反事实案例，主动打破单一答案的确定性；对输出标注不确定性来源与隐含前提，把被省略的边界条件重新显性化；延迟应答与分步提示，把"给答案"改为"留推理"，为深度加工保留认知摩擦。这些功能在现有大模型能力范围内均已可实现，缺的不是技术，而是把"可校准性"作为设计目标的理论自觉。

当然也应承认，调节取向的技术存在边界：对深层误解的诊断、对话中情感与价值的把握、对学科文化特殊性的敏感，仍依赖教师。技术能够替代的是调节中的信息处理环节，而非教育性关系本身。

教师的新权威，建立在认知诊断能力之上

信息差被AI抹平后，教师的角色随之从知识权威转向校准教练。教师的新权威不再来自"我比你懂得多"，而是来自"我能诊断你的认知偏差、设计追问的梯度、引导有深度的对话"。这恰是当前教师队伍最欠缺的能力，仅靠个体自发转型并不现实，学校须以教研培训、集体备课与课堂观摩作制度配套。

评价机制也须从结果检验转向过程追踪：让学生记录课堂对话中卡住、挣扎、突破的时刻，既是学习成果的载体，本身也是元认知训练；考察重点则应从知识复述转向迁移能力，看学生能否把经过校准的理解用于陌生情境。

知识来得越容易，真懂的门槛反而越高。大学课堂最该做的，不是比AI讲得更多，而是把学生从"看懂了"带回"真的懂"。这件事，只有课堂能做。

数据来源：麦可思研究院《2025年中国大学生AI使用现状调查》；英国高等教育政策研究所（HEPI）2025年度报告。

作者：孙强 系北方工业大学经济管理学院学院教授、副院长、硕士研究生导师。

牛天勇 系北方工业大学经济管理学院高级实验师，实验中心主任。

李洪梅 系北方工业大学经济管理学院经济系副主任。