AI 不只會改變學校；它將迫使我們重新思考學習本身

\ 關於人工智能在教育中的討論無處不在，充滿了大膽的樂觀和深深的焦慮。每當有人預測學習將迎來革命性的新時代，就會有人擔憂作弊、批判性思維能力喪失以及公平差距擴大的問題。這種持續不斷的爭論可能會讓學生、教育工作者和家長對這一深刻的技術變革對教室未來的真正意義感到不確定。

本文從Google的人工智能和教育專家最近的深入研究中提煉出五個關鍵且往往違反直覺的要點，超越表面噪音，揭示真正重要的細微挑戰和機遇。這些見解不僅強調了人工智能將如何影響學校，還強調了它將如何迫使我們面對關於學習本身的基本問題。

1. 在人工智能能"修復"教育之前，它必須面對全球性的下滑

人工智能並非進入一個穩定、蓬勃發展的教育環境；它被引入的系統已經面臨著重大阻力。全球學習成果在過去二十年呈下降趨勢，這一事實被經濟合作與發展組織(OECD)的國際學生評估計劃(PISA)鮮明地突顯出來。

2022年PISA調查顯示，81個國家和經濟體出現了"前所未有的表現下滑"。與僅僅四年前的2018年相比，數學平均成績降低了15分，而閱讀分數降低了10分。這一背景至關重要，因為它為人工智能設定了真正的考驗。其成功不會以其新穎性來衡量，而是以其幫助解決已存在危機的能力來衡量。專家估計，到2030年，世界將需要增加4400萬名教師才能提供普及教育，人工智能的真正挑戰是支持一個已經因學習損失、資源不平等和關鍵勞動力短缺而承受巨大壓力的系統。

2. 人工智能的真正承諾：為每位學習者提供個人導師

人工智能在教育中最具變革潛力的一點是其最終實現長期追求的目標的能力：大規模的個性化學習。數十年的研究表明，"高劑量"的個人人類輔導對學生成績有著最大的積極影響之一，但對絕大多數人來說仍然無法獲得。

雖然人工智能導師無法取代優質教學中必不可少的人際連接，但它們可以作為強大的補充或橋樑，尤其是在人類支持不可用時。這項技術允許每個學生在其"最近發展區"內工作；這是一個挑戰足夠困難以促進成長，但又不至於導致挫折的最佳點。這是一種個性化定制水平，傳統的一對多教室模式本質上難以實現。

3. 忘記"作弊" 真正的對話是關於重新發明評估

學生會使用人工智能在作業中作弊的恐懼是教育工作者最常見的擔憂之一。然而，一個更具生產性的視角建議將此視為不僅僅是一系列"個人不良決策"，而是一個"集體行動問題"。這種強大的重新框架將焦點從監管學生轉移到重新思考我們如何在人工智能無處不在的世界中評估學習。

人工智能的存在挑戰我們超越測試死記硬背的評估，轉向測量真正理解的方法。這可能意味著更加強調人工智能不容易複製的評估形式，如課堂辯論、展示學生隨時間推移過程的作品集項目，以及口頭考試。遠非僅僅是一種威脅，創建"防人工智能"作業的挑戰已經證明是一個催化劑，推動教育工作者開發更真實、更有意義的方式來衡量學生真正知道的內容；常常"導致新穎且令人興奮的結果"。

4. 目標不是消除掙扎，而是消除無效的掙扎

一個常見的擔憂是人工智能會使事情變得過於容易，導致"元認知懶惰"，阻止學生參與學習所需的深度思考。然而，這是基於所有掙扎都有益的錯誤前提。目標不是為了掙扎而最大化掙扎，而是，正如教育心理學家John Sweller的認知負荷理論提醒我們的，"將努力集中在重要的心理工作上"。

人工智能可以成為減少無效認知負荷的強大工具；例如，通過幫助學生理解零散的文本或過於複雜的圖表。通過卸載這些外部任務，學生有限的心理能量可以被引導到更高階的任務，如批判性推理、分析和創造性問題解決。因此，核心機會是設計能夠促進而非取代深度思考的人工智能工具，通過支持學習者自己參與更複雜的推理。

5. 人工智能最大的公平挑戰可能不是獲取，而是動機

在考慮公平性時，對話常常集中在設備和連接的獲取上。但現實更為微妙，這從某些中等收入國家人工智能使用率總體上相當高的事實可以看出。這表明一個更深層次的挑戰正在浮現："5%問題"。這是指那些最有效參與人工智能學習工具的學生是那些已經高度積極的學生的風險。如果關於人工智能有效性的研究主要基於這個自我選擇的群體，它可能會創造對工具潛力的偏見視角，並無意中擴大而非縮小成就差距。

正如教育研究員Mary Burns在她為聯合國教科文組織所做的工作中指出的，"傳統上，將新的數字技術引入教育往往會創造一種分層，其中最富有的學生可能獲得更新形式的在線學習，而較貧窮的學生往往繼續依賴較舊的技術……或者根本沒有。"這強調了確保真正公平需要的遠不止提供獲取；它需要深入關注如何支持所有學生（尤其是最不積極參與的學生）有意義且安全地使用人工智能。

結論：一系列新問題

最終，人工智能不是教育面臨挑戰的簡單解決方案。相反，它是一個強大的催化劑，迫使社會提出關於教學本質、知識定義以及在快速變化的世界中成功指標的基本問題。從面對學習下滑到重新發明評估和解決動機差距，人工智能的主要角色不是提供簡單的答案，而是迫使我們提出更好的問題。

隨著人工智能融入我們日常生活的結構，我們面臨著現在必須共同回答的終極問題：人工智能會改變我們需要學習的內容，甚至改變學習的意義嗎？

• 完整論文：HERE
• Apple播客：HERE
• Spotify：HERE
• Youtube：HERE

\ \