AI不是答案，而是考題

AI能夠比教師更快地掌握和傳遞知識時，教育模式將發生怎樣的變化？

文｜錢麗娜

ID | BMR2004

2025年9月，在惠靈頓（中國）教育集團旗下南通惠立學校聯合“一席”舉辦的演講活動中，一名中學生拋出了一個直擊教育本質的問題：

“在AI時代，學生還需要到學校來上課嗎？”

這個問題引發了在場教師們的深思。如今，AI所能傳授的知識量，已經遠超任何一位老師。那么，學生走進校園的意義究竟是什么？

當AI能夠比教師更快地掌握和傳遞知識時，教育模式將發生怎樣的變化？

01

擁抱還是回避？

惠靈頓（中國）教育集團信息技術總監陸振其表示，惠靈頓的教育目標不僅是傳授知識，更注重學生在學術、品格與身心等方面的均衡發展。那些只需記憶的知識點在課程中所占比例很小。面對AI的快速發展，學校教育的內容與方式勢必發生轉變。

自2022年11月OpenAI的ChatGPT-3.5上線以來，全球教育領域都在討論如何應對AI。部分學校擔憂學生借助AI作弊，甚至上線了AI檢測工具，明確表示“不鼓勵使用AI”。

一方面，學生借助AI幾乎可以學到任何知識，從而質疑到校學習的必要性；另一方面，教育工作者也在反思自身的價值。

惠靈頓的態度是——擁抱AI。早在2023年4月，學校就為教師上線了惠靈頓自有的WCECGPT系統，并保持與OpenAI大模型同步升級。

陸振其認為：“在傳統教育模式中，知識點的傳遞與應用始終是核心導向。如果一份作業或一場考試，AI可以輕松拿滿分，那么教師就需要反思這種考核是否過于側重知識點，而忽略了學生的判斷力、決策力和批判性思維等高階能力的培養。”

這一思考在惠靈頓的教學實踐中已有具體探索。惠靈頓（中國）教育集團首席總校長Julian Jeffrey介紹了一種教學策略：在課堂中，教師會借助AI生成一套化學實驗步驟或一篇英語范文，但刻意在其中設置不合理或錯誤的環節。接著，引導學生分析、判斷并糾正這些問題。

這種方法巧妙地反轉了AI的使用邏輯，即不再是學生借助AI完成任務，而是將AI的產出作為素材，倒逼學生運用批判性思維進行審視與改進。比如，在化學實驗中，有時會故意讓AI寫出“用嘴吹滅酒精燈”這樣的錯誤步驟，讓學生發現并糾正。這樣的設計既能利用AI的效率，也凸顯了判斷真偽的重要性。AI可以生成海量信息，但最終的判斷與責任，仍屬于人。

在此背景下，“HAIH模型”——Human Inquiry—AI—Human Empowerment（人類探究—AI輔助—人類提升）提供了重要的實踐框架。

這一模型強調，探究式學習的起點始終是“人”：學生首先基于學習目標提出問題，例如在研究“某一個歷史事件”時，先明確要探討的事件各方立場、當時的社會輿論等；隨后借助AI收集、整理歷史資料；而最終將資料整合為論文或分析報告的過程，必須由學生親自完成、驗證與確認。

陸振其說，這一原則不僅體現在學生的課堂學習中，也貫穿在教師的日常工作里。無論是學術評價報告，還是面向家長的學期反饋，即便AI已基于學生全周期數據生成初稿，最終仍需教師全面審核、確認無誤后才能發布。

這種“AI輔助+人工終審”的模式，既發揮了AI在信息處理與整合上的效率優勢，又堅守了教育中人的判斷與責任的核心價值。

02

“AI+教育”與“AI教育”如何取舍？

在人工智能技術深度融入社會各領域的當下，教育領域的“AI化”轉型成為熱點議題。然而，實踐中“AI+教育”（又稱“AI賦能教育”）與“AI教育”兩個概念常被混淆，二者僅一字之差，卻在核心邏輯、目標導向與實踐路徑上存在本質區別。上海紐約大學交互媒體與商學助理教授王菁說：“厘清二者的邊界，不僅是教育理論研究的重要命題，更對AI技術在教育領域的精準應用具有現實指導意義。”

“AI+教育”的核心邏輯，是將人工智能作為工具與手段，嵌入現有教育體系的各個環節，以優化教學流程、提升教育質量，其本質是“用技術服務教育”。這種模式始終以現有教育生態為根基，堅守兩大前提：一是尊重教師在知識生產與傳遞中的權威地位，AI不替代教師的主導作用，而是減輕教師的重復性工作負擔；二是重視學生的學習主體性，AI通過適配性設計，激發學生的主觀能動性而非削弱其自主思考能力。

從實踐場景來看，“AI+教育”的應用聚焦于解決教育過程中的低效環節。例如，在備課階段，AI可根據教學目標自動生成教案框架、篩選適配的教學素材，幫助教師擺脫繁瑣的資料整理工作；在知識傳遞環節，AI通過虛擬仿真、動畫演示等形式，將抽象的知識點（如數學公式、物理原理）轉化為直觀的動態內容，降低學生的理解門檻；在課后輔導環節，AI借助數據分析技術，精準識別學生的知識薄弱點，推送個性化的練習與講解，實現“千人千面”的輔導效果。歸根結底，“AI+教育”不改變教育的本質，而是通過技術賦能，讓傳統教育體系的優勢得以更高效地發揮。

與“AI+教育”不同，“AI教育”的核心邏輯是將人工智能作為學習對象，圍繞AI技術的本質、原理與應用，構建專門的教育體系，其本質是“通過教育全面、立體、深入地認識并掌握技術”。這種模式的核心任務，是讓學生掌握與AI相關的知識、思維與實踐能力，使其成為AI技術的“理解者”與“調用者”，而非被動的“技術接受者”。

具體而言，“AI教育”的內容可分為兩個層次。其一，在理論認知層面，引導學生探究AI的本質屬性，從哲學視角追問AI是何種形式的“智能體”，是單純的信息處理載體，還是具備自主意識的“具身實體”；不但從技術視角理解算法、數據和算力如何造就AI與人類智能的差異，而且明晰政治、經濟、文化因素在塑造AI過程中的作用。

其二，在實踐應用層面，以“做中學”（LearnbyDoing）為核心理念，讓學生通過實操掌握AI工具的使用方法。例如，通過編程課程理解機器學習的基本邏輯，借助AI繪圖、數據分析工具完成實踐項目，在解決實際問題的過程中，培養利用AI處理信息、創新創造的能力。此時，AI不再是服務教育的配角，而是教學活動的主角。

明確“AI+教育”與“AI教育”的差異，其核心價值在于為教育實踐提供精準導航，不同教育階段、不同教學目標下，需選擇適配的模式，避免因概念混淆導致的資源錯配與方向偏差。

王菁說，以基礎教育階段（幼兒園、小學及初中低年級）為例，“AI+教育”顯然更具適用性。這一階段的學生處于知識積累期，尚未形成系統的認知框架與獨立的思辨能力，其學習核心是獲取經過驗證的“真知”，即人類社會長期積累的、體系化的基礎知識（如語文拼音、數學運算、科學常識）。這些知識的傳遞需要依托成熟的教育方法，更需要教師的引導與把關。例如，當學生詢問“什么是知識”時，若僅依靠學生自主探索，很可能陷入認知混亂；而通過“AI+教育”模式，AI可將“知識的本質”轉化為生動的動畫故事，教師再結合講解進行引導，既能讓學生高效理解，又能為其后續的借助AI工具來進行自主探索奠定知識基礎與方法基礎。反之，若在這一階段推行以AI技術為核心的“AI教育”，則是舍本逐末，學生很容易沉迷于和AI的互動過程，而忽略了學習知識的終極目標。

而對于高中、大學等高等教育階段，“AI教育”的重要性則逐步凸顯。這一階段的學生已具備一定的知識儲備與邏輯思辨能力，開始面臨職業規劃與社會適應的現實需求。此時，系統的“AI教育”能夠幫助學生構建AI認知框架：通過理論課程理解AI的技術邊界與倫理風險，通過實踐課程掌握AI工具的應用技巧，進而在專業學習（如醫學中的AI診斷、經濟學中的數據分析）與未來工作中，主動運用AI提升效率、創新方法。此時，“AI+教育”與“AI教育”可形成互補，前者繼續優化專業知識的教學流程，后者則為學生補充AI素養，共同助力學生成長為既懂專業、又懂技術的復合型人才。

03

全人教育意義凸顯

惠靈頓（中國）教育集團旗下學校在學生培養中，始終強調“學生自主性”，即學生能夠掌控個人學習、未來生活及人生選擇的能力。具備自主性，不僅能提升獨立學習能力，還能讓學生在學習過程中始終保持積極主動的態度，并擁有寶貴的終身學習意愿。

然而，自主性并非與生俱來的特質，而是需要后天培養。學校必須意識到，孩子在成長過程中需要教師的支持與引導，在教師的幫助下，學生才能逐步學會如何運用這一能力提升自我、影響他人、改變世界。這正是學校教育的深層意義所在——不僅傳授書本知識，更注重培養學生的綜合素養。

在各類學習場景中，作業完成環節最能直觀體現AI的應用價值。如今，許多作業已擺脫傳統的試卷答題模式，不再局限于機械化的知識性作答，而是更強調融合性與綜合性任務。陸振其以女兒在惠立的學習經歷為例：在地理或歷史課程中，教師并非布置傳統試卷讓學生填寫標準答案（部分地理考試甚至采用開卷形式），而是要求學生圍繞“全球各地氣候特征”“不同國家發展概況”等主題，通過自主探究撰寫小論文。

在完成這類作業的過程中，學生獲取知識的方式已發生顯著變化，他們不再單純依賴傳統搜索引擎，而是借助AI快速整合所需信息；隨后，通過自主思考，將這些信息內化為個人認知，并以小論文、主題海報等多樣化形式呈現成果。由此可見，AI在這一過程中扮演的核心角色，是“知識提供者”與“學習輔助工具”，而非替代學生完成學習任務。

陸振其指出，這也帶來了一個核心問題：學生如何判斷AI生成內容的準確性？這需要依托“批判性思維”的培養與應用。而批判性思維的形成，離不開課堂上積累的知識體系與課外書籍（尤其是教科書）的支撐。教科書經過嚴謹審定，內容具備高度權威性與可靠性，可為學生提供判斷信息真偽的基準依據。學生需要結合課堂所學知識框架以及書籍中的權威內容，對AI生成的信息進行交叉驗證，從而篩選出準確、可用的素材，最終完成符合要求的作業。

04

AI教育需聚焦兩大維度

王菁認為，AI教育的核心內容需聚焦兩大維度：其一，深入闡釋AI的本質，突破“僅將其視為技術”的認知局限，引導學習者洞悉其社會屬性、文化屬性與政治經濟屬性。此外，當前已有哲學家圍繞“AI對人類的意義”“AI與人的主觀能動性相互影響”等議題展開思辨，他們的研究發現也可以幫助教學實踐者拓寬思路。

其二，工具性應用層面的問題對高等教育而言相對易于解決。事實上，在前AI時代，學習主動權向學生轉移的趨勢已現：早在互聯網（Web2.0）時代，慕課（MOOC）的興起及部分高校免費開放優質課程資源，便已將學習的選擇權交予學生，使其能根據自身問題“按需”在網絡上獲取知識。

進入社交媒體時代，涌現出眾多知識博主（knowledge influencer），他們以非傳統的方式傳播知識。例如，有知識博主結合自身在數學、金融領域的專業背景及實務經驗，將經濟學概念與當下時政熱點結合，對知識進行重新加工后發布于社交媒體，不同于哈佛等高校的公開課模式，這類知識博主是借助平臺算法、個人影響力來充當知識中介。

總之，在當前階段，學習者的主觀能動性已得到進一步提升，“如何學”“學什么”的選擇權，更多地轉移到了學生手中。這一趨勢在AI時代尤為明顯：學生每天會接觸到各類新興工具，從傳統的計算機（PC）到OpenAI等平臺的AI工具，他們能以“解決實際問題”為導向，快速掌握相關技能。因此，在工具的應用層面，無須過多依賴外部傳授，學生往往能通過“問題驅動、邊做邊學（learn by doing）”的方式自主掌握工具使用方法。

然而，AI工具的普及也帶來了值得警惕的現實問題。這類工具具有極強的可及性，只要接入互聯網，便可輕松獲取；不少AI企業還與高校展開合作，將課件、課程相關網站等教學資源納入自身服務體系，進一步降低了學生接觸這些工具的門檻。

工具的高度普及與便捷獲取，衍生出兩方面問題，其中尤為突出的是第一點：學生在不斷嘗試各類工具的過程中，耗費的大量學習時間呈現出“高無效性”。本質上，學生相當于在以個人時間和精力為代價，免費為這些企業完成模型測試工作。盡管最終學生可能會找到自己滿意的模型或軟件平臺，但這一過程中投入的時間與精力成本極高，個人從中獲得的實際收益，遠低于其為平臺和企業創造的價值。

換個更極端的視角來看：若學生能將在各類AI平臺上反復試錯的時間，投入到閱讀相關文獻，或者通過和教授的答疑來構建一套系統的知識體系中，或許早已高效掌握相關領域的核心知識，實現更有價值的成長。

在當前AI工具廣泛普及的情境下，學生能否高效找到適配的AI模型、工具或助手，與其是否具備正統的知識體系密切相關。若學生已系統掌握正統知識體系，往往能更快篩選出適合自身的AI工具；但倘若學生尚未建立這一知識體系，也未習得判斷知識真偽的方法，其試錯過程會顯著延長，且在這一過程中為平臺貢獻的信息價值，將遠大于自身所能獲取的“真知”。

這引發了首個核心顧慮：學生通過試錯與“邊做邊學”開展的學習，究竟在何種意義上具備有效性？顯然，這種學習模式的效果存在前提差異，需結合學生是否具備基礎認知框架分場景討論。

另一重顧慮聚焦于大學生的研究方法與批判性思維能力。在研究生及博士階段，學生通常會接受系統的知識真偽辨別訓練，但本科階段的學生往往缺乏此類訓練。這導致多數本科生易將AI輸出的內容直接視作“真知”，既沒有養成通過“多源交叉驗證（cross-check with multiple sources）”確認信息真實性、排查內容瑕疵的習慣，也未意識到AI生成內容可能存在的問題。究其原因，一方面是AI工具的使用過于便捷，另一方面是其輸出內容往往看似合乎邏輯（make sense），使得學生傾向于直接采信。長此以往，不僅難以獲得真正的知識，更可能逐漸喪失辨別信息真偽的意識與能力。而這種“對AI信息的無條件接納”，正是批判性思維弱化的重要表現。

基于上述本質層面（知識體系與思維能力）和工具層面（AI使用效率）的問題，AI時代的教育需明確“教什么”“怎么教”，并直面潛在挑戰。王菁說，以上海紐約大學為例，目前學校尚未出臺適用于所有課程的統一AI使用政策。作為一所“小而全”的新興高校，上海紐約大學雖規模不大，但設有文理學院、商學院、計算機數據科學與工程學院等多個院系，不同學科、不同課程的教學目標與內容差異顯著，難以用標準化策略覆蓋所有課堂。

當前，上海紐約大學的應對方式是“教師主導、因地制宜”：各學科教師結合自身教學經驗，參考紐約總部提供的AI使用綱領性指導意見，自主探索課堂中的AI應用模式。其中，針對以“文獻閱讀”為核心的課程（這類課程的知識獲取主要依賴經典文獻、書籍及教師指定讀物），許多教師已進行教學調整，將原本課前需完成的“閱讀反饋（reading response）”或“書評”等書面作業，改為“一對一口試”形式，通過課堂內或課外的面對面對話，檢驗學生的閱讀效果與知識掌握程度。不過，這種方式存在局限性，其前提是課堂師生比低。而上海紐約大學恰好具備這一優勢：除大型基礎課外，多數課程的學生人數控制在10—25人，為一對一互動提供了條件。

另一種典型的教學調整方式，是將部分傳統作業形式升級為“項目式任務（Project）”。以往，這類作業通常要求學生依據統一標準完成作答，并集中提交至課程平臺（Course Platform）；如今則轉向個性化定制模式。學期伊始，教師會通過數周的溝通，結合每位學生的學習目標與個人特長，為其確定專屬的項目方向。整個學期中，學生需以每周迭代優化的方式推進項目，最終在期末提交完整成果。

以一個20人班級為例，可能會形成20個框架各異的個性化項目。學生需自主完成資料搜集，并將課堂所學知識有機整合、融入項目實踐。在此過程中，無論學生通過AI獲取知識，還是向教師請教學習，均不存在可直接套用的固定模式。這就從根本上避免了學生借助AI直接獲取現成答案以投機取巧的可能。

這種模式以“問題解決”和“個人發展目標”為雙重導向，將課程的核心產出聚焦于項目本身。其核心目的，正是通過任務設計的革新，最大限度規避因AI濫用導致學生錯失獲取“真知”的風險，引導學生主動參與知識的整合與應用過程。