26000名学生追踪结果出炉：AI这把双刃剑，两年后才会见血

上个月，国际教育成就评价协会（IEA）在《2024年全球数字化学习脉搏报告》中抛出一枚深水炸弹：一项覆盖14个国家、追踪26000名中学生的研究显示，那些高频使用生成式AI作为学习助手的学生，在头半年的成绩提升非常明显，甚至平均GPA高出对照组0.7个点。但当研究者把时间轴拉长到两年后，另一组数据浮出水面——这批学生的独立解决复杂问题的能力得分下降了14%，知识迁移的准确率下滑了21%。

报告的名字很克制，叫《当脚手架变成拐杖》，但结论毫不客气：AI辅助学习的隐藏成本，平均需要24个月才会真正侵蚀到认知地基。这不是某个科技博客的夸张标题，而是由斯坦福学习加速器实验室和多伦多大学安大略教育研究所联合设计、现场执行的真实研究。它让全球那些已经把ChatGPT塞进课堂的学区，开始踩刹车。

前6个月的甜蜜陷阱

我们得先承认，最初的成绩提升是真实的。IEA的研究者把学生分成三组：完全禁止使用AI的对照组、允许用AI查阅资料但禁止直接生成答案的辅助组，以及可以自由使用包括ChatGPT、Claude和Khanmigo在内的全功能AI工具的实验组。实验组学生面对的界面和市面上常见的AI家教很相似，能即时解答数理题、帮忙列出作文提纲，甚至为化学实验提供步骤解析。

结果不出所料，实验组在标准化测试中的表现一骑绝尘。一个典型的场景是：当几何题需要证明三角形全等，AI能把“边角边”和“角边角”的条件拆解得像乐高说明书一样清晰。学生不需要在脑中反复回溯公理体系，靠着提示就能完成作业。在挪威奥斯陆的四所中学里，实验组学生的数学随堂测验成绩增加了11%，作文的结构评分更是飙升了18%。

但研究负责人桑德拉·奥尔特加在报告发布后的研讨会上点破了一个细节：这些进步几乎全部集中在“近迁移”任务上——也就是那些和AI给出的样例高度相似的问题。一旦题目稍微变形，比如把题干里的已知条件打乱顺序，或者换一个从未出现过的生活场景，实验组的正确率就断崖式下跌。AI给的脚手架太顺手了，以至于学生自己连砖长什么样都快忘了。

断裂发生在第二年

真正令人不安的数据出现在追踪项目的第四学期末，也就是学生接触AI的第18到24个月。研究人员引入了一套由剑桥大学认知科学系开发的“知识废墟”评估工具，用来检验学生对核心概念的深层理解。比如，他们会让学过牛顿定律的学生解释为什么滑冰运动员收拢手臂会转得更快，而不是直接套用角动量守恒的公式。

实验组的表现让很多支持AI的教育者措手不及。有将近40%的学生出现了研究者所说的“认知捷径依赖”——当他们遇到陌生问题时，大脑中与主动回忆和推理相关的背外侧前额叶皮层活跃度显著降低，而负责默认模式网络活动的区域则代偿性增强。用大白话说，就是这些孩子的大脑已经习惯了等答案，而不是“挖”答案。

更让人后背发凉的是元认知层面的损伤。在复盘解题过程的访谈中，实验组学生频繁使用“我感觉做对了”而不是“我能说出每一步的依据”。他们对自己的知识边界产生了误判，总以为看懂AI的推导就等于自己掌握了。这种“流畅性幻觉”在认知心理学中早有预警，但直到这26000名学生的脑成像数据摆在眼前，产业界才真正把它当回事。

工具越聪明，人类越被动？

问题不在于AI本身，而在于使用的时机和方式。这份IEA报告无意中揭开了教育科技公司一直避而不谈的窘境：目前绝大多数AI家教产品的优化目标，是让学生“尽快完成这道题”而不是“彻底搞懂这类题”。

可汗学院推出的Khanmigo是个典型例子。它基于GPT-4打造，设计之初就刻意避免直接给答案，而是用苏格拉底式提问引导学生。这种克制在业界很难得，但即便是Khanmigo，在教学实践中仍难以摆脱效率至上的引力。当学生反复卡在同一个知识点时，系统会在第三轮对话后自动放大提示力度，实质上还是把思考的苦活替掉了。更别提那些毫无节制的通用型AI——多邻国年初把GPT-4植入日语课程后，用户完成单元的速度快了22%，但30天后的复习正确率反而下降了8个百分点。公司不得不在6月份的更新里收缩AI的干预深度，把更多精力放回间隔重复和主动回忆这些老办法上。

麻省理工学院教学系统实验室的贾斯汀·赖克教授用“认知电扶梯”比喻这种困境：你有自动扶梯可用，就不会去走楼梯。短期看省了力气，长期看腿部肌肉必然萎缩。教育领域的“肌肉”就是神经突触的髓鞘化——每一次挣扎着把碎片拼成整体，都在物理层面加固大脑的联结。AI把挣扎的过程优化掉了，髓鞘自然就薄了。

两年窗口期背后的神经科学

为什么是两年？研究者给出了一个符合发育神经科学的解释。青少年大脑中负责高阶认知的前额叶皮层要到25岁左右才完全成熟，而12到18岁正是突触修剪和髓鞘化的关键期。学习的本质不是往硬盘里拷贝文件，而是通过反复提取、试错和重构来修剪神经网络，让信息通路更高效。

用AI代劳相当于跳过了修剪步骤。第一年里，学生靠着AI提供的结构化知识框架，的确能更快地通过考试，因为考试本身还没脱离课内例题的范围。但随着知识网络扩增到第二年，之前没有被自己亲手搭建过的概念节点开始松动，新信息找不到可以挂靠的支点。就像在一栋没有钢筋的房子里加盖楼层，表面看升高了，其实一推就倒。

加拿大麦克马斯特大学的研究团队通过fMRI扫描对比了部分受试学生，结果清晰得让人沉默：高频使用AI组在解决新问题时，海马体与内侧前额叶皮层的功能连接强度明显低于对照组。海马体负责把短期记忆固化为长期知识，而前额叶负责把知识抽象为规则。这两块区域如果协作不畅，人就会陷入“学过就忘，换个问法就懵”的致命循环。

监管与教育的赛跑

这份报告在一个微妙的节点发布。就在三周前，美国教育部刚刚更新了《国家教育技术计划》，首次对生成式AI进入K12教室提出“谨慎推进”的具体建议，要求所有使用AI助教的学校必须配套开展“元认知训练”。芬兰国家教育署则更激进，从今年秋季学期起，要求初中阶段所有AI辅助类应用必须嵌入“挣扎指数”监测——系统会追踪学生在给出最终答案之前进行了多少次自主尝试，如果挣扎时间少于30秒，AI将拒绝提供解题路径。

产业界的反应也很快。就在上周，谷歌旗下的教育平台Google for Education宣布，将在明年新版的Google Classroom中整合一个名叫“沉思模式”的功能，AI会故意在每个提示后插入15秒的强制等待，并弹出一句：“你确定自己已经想不出来了吗？”微软的Reading Coach工具也加入了类似机制，当检测到学生频繁点击AI生成的阅读理解答案时，它会自动把屏幕调成灰度模式，温和地施加一点感官上的阻力。

这些设计的共同指向，是把学习的主动权交还给大脑本身。它们背后的逻辑很简单：AI可以是很好的画布，但不能替代画家枯坐灯下的那无数个小时。

从“替代思考”到“增值思考”

当然，不是所有AI教育应用都被钉在耻辱柱上。IEA的研究同时指出，那些把AI定位为“认知对手”而非“认知拐杖”的项目，取得了截然不同的效果。例如，杜伦大学开发的AI辩论系统“Socrates-2”，让学生先自行构建论点，然后用GPT-4生成反驳意见，迫使学生不断修正自己的逻辑。用了两年之后，这些学生的论证严密性指数提高了17%，并且这种提升在AI完全移除后依然稳定保持。

这提示了一个清晰的路线图：AI最大的教育价值，不是替学生节省思考的辛苦，而是把那种辛苦引向更高阶的维度。就像计算器普及之后，数学教育并未消亡，反而释放了更多精力去理解抽象概念。现在的问题是，我们错把大型语言模型当成了全自动洗衣机，但其实它更应该是一台跑步机——能调节坡度和速度，但脚下的每一步，还得你自己去跑。

报告末尾有一句话值得所有教育者和父母默念三遍：“技术负责让看见答案变得廉价，而教育负责让提出问题的能力变得昂贵。”26000名学生的两年轨迹已经告诉我们，一旦混淆了这两件事，账本迟早会被翻出来。