轉(zhuǎn)載于：世界銀行 ｜ 作者：世界銀行教育全球發(fā)展實(shí)踐局局長(zhǎng) 詹米?薩維德瓦-錢(qián)都維、世界銀行教育全球發(fā)展實(shí)踐高級(jí)經(jīng)濟(jì)學(xué)家Ezequiel Molina、世界銀行高級(jí)經(jīng)濟(jì)學(xué)家Horacio Alvarez Marinelli、世界銀行高級(jí)教育專家Cristóbal Cobo｜題圖來(lái)源: Adobe Stock

這里有一個(gè)令人不舒服的事實(shí)：學(xué)生做課堂作業(yè)每次都成績(jī)優(yōu)異，卻幾乎什么也沒(méi)學(xué)到。相反，他們可能做作業(yè)很吃力，卻學(xué)到了很多東西。這個(gè)由加州大學(xué)洛杉磯分校研究人員羅伯特·比約克（Robert Bjork）和尼古拉斯·索德斯特羅姆（Nicholas Soderstrom）記錄下的悖論揭示了關(guān)于學(xué)習(xí)的一個(gè)關(guān)鍵問(wèn)題——而當(dāng)我們談?wù)撊斯ぶ悄軙r(shí)，這個(gè)問(wèn)題尤為重要。

他們的洞見(jiàn)看似簡(jiǎn)單卻很深刻。表面上看起來(lái)好（表現(xiàn)）與真正改變大腦里長(zhǎng)期儲(chǔ)存的東西（學(xué)習(xí)）是不同的。當(dāng)學(xué)生用 ChatGPT 寫(xiě)出一篇完美無(wú)瑕的論文時(shí)，他們的表現(xiàn)看起來(lái)很出色。但他們真正學(xué)到東西了嗎？答案往往是否定的。

大腦實(shí)際是如何學(xué)習(xí)的

芭芭拉·奧克利（Barbara Oakley）的研究影響了億萬(wàn)人，她將真正的學(xué)習(xí)過(guò)程描述為從有意識(shí)的、費(fèi)力的思考轉(zhuǎn)向自動(dòng)化的專業(yè)知識(shí)技能。每當(dāng)你初次學(xué)習(xí)新知識(shí)時(shí)，你用的是科學(xué)家所說(shuō)的“陳述性記憶”（declarative memory）：每一步都需要集中全部注意力。經(jīng)過(guò)反復(fù)練習(xí)，這些大腦神經(jīng)通路轉(zhuǎn)變?yōu)樽詣?dòng)化執(zhí)行，轉(zhuǎn)向“程序性記憶”（procedural memory）。例如，當(dāng)你第一次學(xué)開(kāi)車(chē)時(shí)，每一個(gè)動(dòng)作都需要全神貫注。而現(xiàn)在，你可以一邊開(kāi)車(chē)一邊交談。

奧克利及其同事應(yīng)用這種神經(jīng)科學(xué)來(lái)理解人工智能的影響。當(dāng)人工智能代替我們思考時(shí)，這一關(guān)鍵性的大腦轉(zhuǎn)變就永遠(yuǎn)不會(huì)發(fā)生。創(chuàng)建真正專業(yè)知識(shí)技能的大腦神經(jīng)通路根本無(wú)法形成。

理解的錯(cuò)覺(jué)

我們舉一個(gè)例子。想象一下，你在周一教了一個(gè)概念，并在當(dāng)天對(duì)學(xué)生進(jìn)行測(cè)試。他們的平均分?jǐn)?shù)是90分。但如果一周后對(duì)同一班學(xué)生在不復(fù)習(xí)的情況下再次進(jìn)行測(cè)試，平均分?jǐn)?shù)下降到60分。這些知識(shí)從未進(jìn)入長(zhǎng)期記憶。學(xué)生周一的測(cè)試成績(jī)很好，但他們并沒(méi)有真正學(xué)到東西。

一周的間隔迫使大腦去檢索信息，而這種努力回憶的心理過(guò)程正是學(xué)習(xí)形成的過(guò)程。這就是認(rèn)知科學(xué)家所說(shuō)的“有效掙扎”（“productive struggle”）或“合意困難”（“desirable difficulty”）。研究表明，人工智能也能造成類似的錯(cuò)覺(jué)：學(xué)生可能利用人工智能立即提高成績(jī)，但這些短期的成績(jī)提升往往無(wú)法轉(zhuǎn)化為更好的長(zhǎng)期記憶。

當(dāng)你把思考交給人工智能——不僅是計(jì)算，而是弄懂某個(gè)問(wèn)題的腦力勞動(dòng)——你的大腦就無(wú)法建立產(chǎn)生真正理解的連接。正如羅伯特·邦迪思修（Robert Pondiscio）所說(shuō)，“依賴人工智能寫(xiě)論文的學(xué)生可能交出優(yōu)秀的作業(yè)，但他們并未完成優(yōu)秀的思考?！?/p>

相同的技術(shù)，截然不同的結(jié)果

相同的人工智能技術(shù)可以加速學(xué)習(xí)，也可以摧毀它。區(qū)別不在于技術(shù)本身，而在于它的設(shè)計(jì)和使用方式。

當(dāng)人工智能設(shè)計(jì)不佳時(shí)：2024年在土耳其開(kāi)展了一項(xiàng)研究，讓高中生在沒(méi)有教學(xué)指導(dǎo)的情況下不受限制地使用人工智能工具。他們的成績(jī)比沒(méi)有使用人工智能的學(xué)生下降了17%。另一項(xiàng)研究發(fā)現(xiàn)，使用ChatGPT的學(xué)生雖然交出的作業(yè)看起來(lái)更好，但顯著減少了推動(dòng)學(xué)習(xí)過(guò)程的規(guī)劃和自我評(píng)估。

當(dāng)人工智能設(shè)計(jì)良好而且教師做好充分準(zhǔn)備時(shí)：哈佛大學(xué)的一項(xiàng)研究發(fā)現(xiàn)，使用設(shè)計(jì)良好的人工智能教輔的學(xué)生學(xué)到的知識(shí)是普通學(xué)生的兩倍多，而且用時(shí)更短。人工智能教輔系統(tǒng)促進(jìn)積極思考，并通過(guò)支架式教學(xué)提供支持。斯坦福大學(xué)的研究人員也得出了類似的結(jié)果——人工智能增強(qiáng)教師的專業(yè)能力，而不是取代教師的判斷力。尼日利亞的研究顯示，學(xué)生在六周內(nèi)取得了通常需要一年半到兩年時(shí)間才能取得的成就。關(guān)鍵細(xì)節(jié)在于，取得這些結(jié)果需要經(jīng)過(guò)培訓(xùn)的教師對(duì)每一節(jié)課進(jìn)行指導(dǎo)，提出問(wèn)題，并要求學(xué)生進(jìn)行深入思考。

前進(jìn)之路

人工智能本身對(duì)學(xué)習(xí)既非好事也非壞事。決定結(jié)果的是人工智能工具的設(shè)計(jì)和教育者如何引導(dǎo)其使用。關(guān)鍵是保持推動(dòng)學(xué)習(xí)過(guò)程的腦力活動(dòng)，無(wú)論是通過(guò)任務(wù)設(shè)計(jì)還是戰(zhàn)略性地利用現(xiàn)有平臺(tái)，都要確保人工智能促進(jìn)思考，而不是取代思考。

當(dāng)人工智能代替你思考時(shí)，你甚至不知道自己不知道什么。學(xué)習(xí)科學(xué)專家卡爾·亨德里克（Carl Hendrick）的研究顯示，學(xué)習(xí)需要有對(duì)錯(cuò)誤的反饋。但如果人工智能替你解答了問(wèn)題，你就失去了從錯(cuò)誤中學(xué)習(xí)的機(jī)會(huì)。你從未掙扎過(guò)，因此也沒(méi)有糾錯(cuò)的必要。用認(rèn)知心理學(xué)家丹尼爾·威林厄姆（Daniel Willingham）的話來(lái)說(shuō)，記憶是“思考的殘留物”。如果人工智能消除了思考的必要，它也就消除了記憶的機(jī)會(huì)。這就是為什么設(shè)計(jì)良好的人工智能和經(jīng)過(guò)培訓(xùn)的教師至關(guān)重要。二者相結(jié)合可以確保學(xué)生進(jìn)行認(rèn)知活動(dòng)。

但僅培訓(xùn)教師是不夠的。決策者們——從學(xué)校校長(zhǎng)到教育部官員——都必須理解成績(jī)和學(xué)習(xí)效果之間的區(qū)別。這需要有新的評(píng)估方法來(lái)評(píng)估在使用和不使用人工智能情況下的學(xué)習(xí)效果。在進(jìn)行人工智能投資時(shí)，領(lǐng)導(dǎo)者需要問(wèn)一問(wèn)：學(xué)生以后能夠獨(dú)立思考嗎？他們能夠?qū)⑷斯ぶ悄軕?yīng)用到新的環(huán)境嗎？

真正的投資是通過(guò)以下方式在教育系統(tǒng)進(jìn)行全面的能力建設(shè)：

• 培訓(xùn)教師提升技術(shù)能力和教學(xué)知識(shí)，以期在學(xué)習(xí)過(guò)程中保持認(rèn)知努力；

• 培養(yǎng)學(xué)校領(lǐng)導(dǎo)和教育部門(mén)官員學(xué)會(huì)分辨優(yōu)異的成績(jī)與實(shí)際學(xué)習(xí)效果之間的差異；

• 確保政策制定者理解有效實(shí)施人工智能的必要條件——充足的培訓(xùn)時(shí)間、持續(xù)的支持和適當(dāng)?shù)馁Y源；

• 創(chuàng)建實(shí)踐社區(qū)以便教育工作者建立集體專業(yè)知識(shí)技能。

在發(fā)展中國(guó)家，這些挑戰(zhàn)更為嚴(yán)峻。教育工作者和政策制定者對(duì)學(xué)習(xí)科學(xué)的認(rèn)知仍然有限，使得基礎(chǔ)性技能較差的學(xué)生處于最脆弱的狀況。他們?nèi)狈ψR(shí)別人工智能錯(cuò)誤的先驗(yàn)知識(shí)，而他們恰恰又是最需要通過(guò)“有效掙扎”來(lái)建立專業(yè)知識(shí)技能的群體。但來(lái)自尼日利亞、哈佛大學(xué)和斯坦福大學(xué)的證據(jù)指明了一條前進(jìn)之路：人工智能在增強(qiáng)人類專業(yè)能力時(shí)能發(fā)揮作用，但不能代替人類判斷。我們必須把關(guān)鍵投資放在培養(yǎng)教育工作者理解真正的學(xué)習(xí)是需要認(rèn)知努力的。通過(guò)適當(dāng)?shù)臏?zhǔn)備，人工智能可以支持 “有效掙扎”以建立持久的專業(yè)知識(shí)技能，使學(xué)生不僅能做出聰明的答卷，還能成為更聰明的思考者。

本博客的靈感來(lái)源于智利2025年researchED會(huì)議上的精彩演講，芭芭拉·奧克利（Barbara Oakley）、湯姆·班尼特（Tom Bennett）、尼迪·薩克德瓦（Nidhi Sachdeva）、格雷格·阿什曼（Greg Ashman）、羅德里戈·洛佩茲（Rodrigo López）以及其他教育領(lǐng)域的領(lǐng)軍人物在會(huì)上探討了循證實(shí)踐如何指導(dǎo)我們應(yīng)對(duì)教育領(lǐng)域的新興技術(shù)。

THE END

轉(zhuǎn)載聲明：本微信公眾號(hào)刊登的文章僅代表作者本人觀點(diǎn)，不代表中國(guó)普惠金融研究院及本微信公眾號(hào)觀點(diǎn)