几十年来,西方学校一直面临着一个挥之不去的悖论。关于个性化学习、教学支持和尊重学生学习节奏的讨论从未如此盛行;然而,教师、学生和家长之间也从未如此普遍地感受到无力感和挫败感。一系列改革增加了课程数量,修改了评估方法,并引入了新的数字工具,却从未真正质疑学校体系的根本架构。其中一个核心矛盾仍然没有得到充分解决:知识的演进、知识重复所需的时间以及知识的评估方法之间的冲突。在实践中,这三个维度被混杂在同一个空间——同步课堂——之中,从而产生了教学和社会上的限制机制(皮格马利翁效应)[1] :快速形成稳定的学术声誉,过早地内化失败或成功,学习轨迹的僵化,以及班级群体内认知流动性机会的逐渐减少。学生很早就被分配到隐含的类别中,这些类别通常被解释为持久的特征,而教师则发现自己被迫管理超出其回旋余地的结构性异质性。
在此背景下,人工智能系统的出现重新点燃了教育领域的辩论,但这种辩论往往走向极端,在彻底变革的承诺和原则性的否定之间摇摆不定。本文的目的既非盲目追捧技术,也非维护现状,而是探讨将人工智能有限地用作重复性工具的可能性,从而更清晰地划分教学、实践和认证三者。本文旨在构想一种创新的教学法,其核心并非在于工具的堆砌,而在于对学校基本功能的重新配置。
国家和艺术和人工智能在教育中的应用
近期关于人工智能在教育领域的研究成果都集中在一个关键点上:人工智能本身并不构成一种教学模式,而是一系列技术,其效果与部署这些技术的制度、教学和伦理框架密切相关。在法国,国民教育部、国家信息与自由委员会(CNIL)以及参议院的出版物均强调,必须维护教师的核心地位,保护学生数据,并坚持认证决策不应自动化。
在国际层面,联合国教科文组织和经合组织的建议采取了类似的立场。它们既强调了人工智能在支持学习方面的潜力,也强调了设计不佳的算法个性化所带来的风险,包括控制错觉、认知依赖以及评估标准的不透明性。这些文件提倡以人为本的方法,将人工智能视为辅助工具而非评判权威。与此同时,一些批判性文献,特别是来自欧洲委员会的文献,警告说算法系统正在悄然改变教育实践,尤其是在数字工具生成的指标最终影响学生、教师和教育机构的行为,而这些指标所设定的标准却缺乏真正明确的讨论的情况下。最后,在法国的公共辩论中,不同的教育声音表达了截然不同的观点:一方强烈担忧学校可能出现非人化现象,另一方则对人工智能持激进批评态度,认为它是降低教育标准的因素。尽管这些观点可能并非基于实证研究,但它们构成了一种不容忽视的意识形态背景。
简要概述表明,尽管框架和建议层出不穷,但关于进阶、重复和认证之间关系的结构性问题仍然缺乏充分的理论探讨。本文的贡献正是在此层面展开的。
同步课堂与排练失败
当代学校的核心特征仍然是同步课堂,以年龄相仿的学生为中心组织,按照共同的课程和时间表进行学习。这种体系建立在一个虚构的假设之上:即学生的学习进度足够一致,从而能够有效地进行小组教学。然而,这一假设与认知、社交和情感差异的现实相悖,教师不得不不断地弥补这些差异。
在这种背景下,重复虽然对任何持久学习都至关重要,却也带来了问题。它被社会污名化,被解读为学习迟缓或适应不良的标志,很少被视为正当的学习方式。需要时间的学生会被公开暴露他们的困难,而那些进步较快的学生则被迫等待,这往往会导致他们逐渐失去学习动力。评估被视为一种验证,因此往往会巩固既有的立场,而非反映学习的动态变化。这些影响并非源于个别环节的故障,而是系统运作的常态。通过混淆知识传递、实践和认可的空间,同步课堂机械地制造出一种束缚的学习轨迹,学生和教师都被限制在一个并不完全适合任何人的平均节奏中。
将重复训练作为一种康复空间和学习
所有精通技能的练习,无论是智力、艺术还是体育,都依赖于漫长而往往平淡无奇的重复阶段,而错误在这一阶段扮演着结构性的角色。学校作为一种社会化机构,逐渐将这些阶段置于集体评价的截止日期之下,从而使其变得隐形或令人羞耻。要重塑重复练习,就需要承认其自身的独立空间,使其区别于课堂的公开舞台和总结性评估。这样的空间将允许学生进行练习,而不会将每一次困难都立即解读为失败。
其目的是恢复试错权、实验权和缓慢发展的权利,这是取得真正进步的必要条件。
然而,这种分离在大规模应用上带来了一个重大的实际问题:如何在不增加教师工作量的前提下,为每个学生提供个性化的复习支持?正是在此背景下,我们可以考虑有限地使用人工智能。这里的人工智能并非旨在取代教师,也不是作为自主评估工具,而是作为一种复习辅助工具,严格遵循教师设定的内容和进度。它作为一个交互式平台,允许学生练习、获得即时反馈并衡量学习进度,而无需面对社交互动。在这种模式下,主要关系存在于学生和复习辅助工具之间。人工智能提供了一个免于评判的空间,让学习过程本身得到认可。它还能将通常不可见的因素可视化,例如投入的时间、毅力、错误的性质以及所用策略的多样性。这种复习空间产生的数据并非评判,而是学习痕迹,提供给教师,由教师全权负责解读。人工智能能够揭示学生的实际学习成果,但不会取代教师的判断。
为移动学习群体授课并假设和异步
教学与复习的分离深刻地改变了教师的角色。教师完全负责构建知识体系,确保各章节内容的认识论连贯性,并解读学习轨迹。教师不再受限于人为设定的统一进度来推进整个学生的学习,而是接受一种制度性的异步学习。学生的进步速度各不相同,有的学生快速通过多个阶段,有的学生则需要更多次的复习。这种差异不再被解读为本体论上的等级制度,而是学习过程的正常特征。为了避免任何任意的偏差,这种异步学习必须受到明确的规则约束,尤其是在特定学习周期中参与的最长时长方面。决定学生是否继续学习或调整学习方向仍然是人为的判断,这种判断是公开的、可讨论的,并且基于复习数据,但并非由复习数据决定。这种结构调整的核心在于学校和大学的认证功能。学校和大学不仅指导学生,还公开认证学生达到社会认可的掌握水平。这项功能虽然常被委婉地提及,但其核心作用和政治敏感性不容忽视。所提出的模型并非质疑认证制度;相反,它通过明确区分学习时间和认可时间,强化了认证的合法性。该模型还要求明确认证的内容、认证级别和认证条件。如此一来,它便引出了一个常被忽视的问题:知识的视野。判断一个人是否达到了相关的能力阈值绝非纯粹的技术性观察,而是一项基于认识论和社会选择的规范性决策。人工智能可以帮助记录学习路径,但它无法在不过度取代集体判断的情况下界定知识的视野。
这是什么意思
让我们举两个例子,这两个例子并非旨在作为规范模型,而是为了使合理的教学架构变得易于理解。
1. 在第一种情况下,对一群14至16岁的学生进行数学学习监测。在保持传统课堂模式的同时,教师摒弃了“年级”(例如,十年级、十一年级)的概念,也避免了按年龄和学年自动晋级的逻辑——这种逻辑会导致学生不顾自身掌握程度而集体晋级——教师每周花六个小时与学生一起上课,采用讲授式教学。课程完全没有练习,只专注于知识、问题和学习进度。学生通过讨论共同理解背后的原理。教师课间不布置作业;相反,教学进度并非根据学生的学习速度,而是根据教师认为特定群体掌握概念所需的时间而调整。学习进度遵循一个全国通用的框架,该框架并非基于年龄或年级,而是基于知识获取的内在进度。如果学生在一个月或两年后达到并验证了某个级别,他们就可以晋升到下一个级别。
学习进度通过重复认证模型进行验证:每位学生在家中都会得到一个完全由课程教师控制的人工智能代理的支持。重复练习既非强制也非必要;然而,人工智能代理能够生成一份关于学生的报告,不仅评估他们在练习中操作数学对象的能力,还评估他们对成功的投入、毅力和渴望。这份报告会发送给教师,并作为评估的重要组成部分。人工智能辅助的重复练习,实际上复制了大学助教的角色,它提供了一个摆脱课堂束缚的机会,让孩子们有机会展示他们的学习成果和努力,并以可量化且真实的方式证明他们的勤奋。而所谓的“动力不足”和“缺乏兴趣”则应被正确解读:孩子无法适应所学习的科学内容。
2. 在第二个案例中,一组年龄在19至23岁之间的学生正在学习文学课程。他们采用了相同的支持系统:由教授控制的人工智能系统充当“复习助手”,为学生提供练习,并让他们有机会进行自我评估,衡量学习进度。这些练习的目的并非自动化文学解读,而是逐步培养学生进行文学解读所需的技能:识别论证结构、将作品置于语境中、比较不同的评论文本、练习问题化、重新表述,以及系统地构建评论或论文。教授会收到人工智能系统生成的学生报告,其中同样会评估学生的参与度、勤奋度、毅力和学习成果。因此,最终的评估——可以是论文、评论或口头报告——是在充分意识到自身付出的努力之后进行的。它验证了课程的框架、内容和方法。摆脱了练习和作业的负担,教授可以将全部精力投入到教学中。课堂不再迁就学习能力较弱的学生,这打击了优秀学生的积极性。相反,它促进的是客观的进步:人工智能成为真正渴望进步的学生适应学习的工具。同时,它也为最优秀的学生提供了一个证明自身价值的途径。
就学生的实际进步而言,重复练习模式无疑是最有效的。私人辅导市场空前繁荣便是最好的证明。但如今的私人教师,不正是个人重复练习的工具吗?目前,这种平行教育市场造成了不公平的差异,滋生了不平等和不满。如果由教师控制、学校向所有学生开放的人工智能助手能够发挥作用,将会开启一个理想的良性循环。
结论
沿袭下来的学校模式,基于同步学习路径和模糊的教师角色,如今正显露出其局限性。迄今为止的应对措施在怀旧的保守主义和肤浅的创新之间摇摆不定,缺乏任何结构性变革。通过明确区分教学、复习和认证,并将人工智能视为复习工具而非评判手段,我们或许能够打破束缚学生和教师的桎梏。这种变革并非技术解决方案,而是一种深思熟虑的制度和政治选择。人工智能既非致命威胁,也非万灵药。然而,它能够揭示学校已经在潜移默化地做出的选择。因此,它迫使我们重新思考我们教授什么、评估什么以及认证什么。或许,真正的教育创新就蕴藏在这种对清晰性的追求之中。
参考书目
机构框架和报告——法国
法国国民教育部。2025。“人工智能在教育中的应用框架”。2025年6月发布(演示文稿页面)。
https://www.education.gouv.fr/cadre-d-usage-de-l-ia-en-education-450647
法国国民教育部。2025。《教育中的人工智能:应用框架》。PDF 文档(克雷泰伊学院分发的版本)。
https://www.ac-creteil.fr/sites/ac_creteil/files/2025-06/l-ia-en-education—cadre-d-usage-36099.pdf
法国国家信息与公民自由委员会 (CNIL)。2025。“数据控制者:如何在教育中实施人工智能系统?”。2025年6月20日。
https://www.cnil.fr/fr/education-mise-en-place-systeme-ia
法国国家信息与公民自由委员会 (CNIL)。2025。“教师:如何在学校环境中使用人工智能系统?”。2025年6月20日。
https://www.cnil.fr/fr/enseignant-usage-systeme-ia
参议院(参议院远见代表团)。2024 年。人工智能与教育。信息报告第 101 号(2024-2025 年),报告员:克里斯蒂安·布鲁延和伯纳德·菲亚莱尔。2024 年 10 月 30 日提交。
https://www.senat.fr/rap/r24-101/r24-101_mono.html
国际组织
经济合作与发展组织 (OECD)。2026。《2026 年 OECD 数字教育展望:探索生成式人工智能在教育中的有效应用》。OECD 出版社,巴黎。2026 年 1 月 19 日。DOI。
https://doi.org/10.1787/062a7394-en
经济合作与发展组织(OECD)。2026年。《2026年经济合作与发展组织数字教育展望》——PDF。
联合国教科文组织。2023。“教育和研究中生成式人工智能的指导原则”。演示文稿。2023年9月7日;最后更新:2026年1月16日。
https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
联合国教科文组织。2023。教育和研究中生成式人工智能的指导。联合国教科文组织(UNESDOC – 通知)。
https://unesdoc.unesco.org/ark:/48223/pf0000386693
联合国教科文组织。2023。《教育和研究中生成式人工智能指南》。PDF(UNESDOC)。
https://unesdoc.unesco.org/ark:/48223/pf0000386693/pdf/386693eng.pdf.multi
权利、治理、基于事实的批判
欧洲委员会。无日期(编辑页)。人工智能与教育:从人权、民主和法治的视角进行批判性审视。欧洲委员会出版社(Book.coe.int – 目录页)。
欧洲委员会(机构网站)和“人工智能与教育”(报告的介绍和欧洲委员会价值观的框架)。
https://www.coe.int/en/web/education/-/artificial-intelligence-and-education-2
作品/摘要
Holmes, Wayne; Bialik, Maya; Fadel, Charles. 2019. 教育中的人工智能:对教学和学习的承诺与影响。课程重塑中心。(伦敦大学学院存档页面)。
https://discovery.ucl.ac.uk/id/eprint/10139722
Holmes, Wayne; Bialik, Maya; Fadel, Charles. 2019. 教育中的人工智能:对教学和学习的承诺与影响。PDF 摘录(课程重塑中心)。
https://curriculumredesign.org/wp-content/uploads/AIED-Book-Excerpt-CCR.pdf
人工智能政策背景(法国)——历史性里程碑
Villani, Cédric (编). 2018. 赋予人工智能意义:迈向国家和欧洲战略。报告(PDF)。
法国高等教育与研究部。2018 年。“Cédric Villani 的报告:赋予人工智能 (AI) 意义”。2018 年 11 月 28 日(演示文稿页面)。
[法国公众辩论(对比立场,而非“证据”,而是参照点)]
梅里厄,菲利普。2025 年。“人工智能危及我们学校的政治模式。”《世界报》,2025 年 9 月 16 日。(文章)。
布里盖利,让-保罗。 2025 年。“人工智能,或者普遍的平庸。”原因,2025 年 7 月 21 日。