成绩飙升背后的隐忧：OECD报告深度剖析AI教育的核心困境

设想这样一种场景：孩子借助人工智能完成功课，成绩节节攀升，每次考试都名列前茅。然而某一天，当撤除AI辅助后——成绩急转直下，甚至不如使用AI前的水平。

这听起来像假设，但它确实正在发生。

OECD最新发布的《Digital Education Outlook 2026》报告指出，全球正大力推进教育领域的人工智能化进程，但一个被忽视的严峻问题正在浮出水面：学生的分数确实上去了，可真正的学习能力，却在悄然流失。

当全球都在拥抱AI教育

数据是最有力的佐证。

截至2025年4月，聊天机器人占据生成式人工智能平台月度流量的95%。ChatGPT仍占据主导地位，市场份额约78%——虽然从2023年的89%有所回落，但用户规模却在急剧扩大。过去一年，ChatGPT独立用户增长42%，人均访问量增加50%，平均会话时长从7分钟翻倍至15分钟。

这说明什么？人们并非偶尔使用AI，而是在深度依赖它。

在年轻群体中，AI工具的渗透更加惊人。67%的美国15至17岁青少年已在使用AI聊天机器人。法国高等教育机构的学生使用率从2023年的55%跃升至2025年的82%。德国94%的大学生使用AI工具，其中65%每天或每周都在使用。爱沙尼亚的调查数据更为极端：74%的初中生、90%的高中生都在使用AI工具。

教师群体也在快速跟进。OECD TALIS 2024数据显示，36%的初中教师已在使用AI。新加坡和阿联酋走在前列，约75%的教师使用AI；法国和日本则相对保守，不到20%。

然而，繁荣背后藏着一道深深的裂缝。

高收入国家占据全球生成式AI使用量的60%，较2024年的55%进一步上升。中等收入国家占39%，而低收入国家不到1%。数字鸿沟不是在缩小，而是在扩大。

各国ChatGPT用户占互联网用户比例（2024-2025增长热力图）

一个被所有掌声掩盖的真相

就在全球为AI教育的突飞猛进欢呼时，土耳其的一项千人随机对照试验揭示了一个令人不安的真相。

土耳其实验：用GenAI完成练习≠学习发生（柱状图对比两种条件下练习成绩vs闭卷考试成绩）

研究人员让一组学生使用GPT-4的标准界面进行练习，作业成绩提升了48%。另一组学生使用经过优化的辅导版界面，成绩提升高达127%。

听起来太棒了，对吧？

但故事的另一半才是真正的问题所在——当研究人员撤走AI之后，第二组学生的成绩反而比对照组低了17%。那些被AI"喂"得最好的学生，在失去AI之后，退步得也最厉害。

这个结果让教育研究者们倒吸一口凉气。

报告将这种现象定义为"元认知参与度下降"。元认知，简单来说就是"对自己学习过程的学习"——知道自己哪里不懂、为什么不懂、如何去弄懂。当学生过度依赖GenAI时，他们跳过了这个痛苦但必要的反思过程，直接获得了答案。长此以往，学生变得越来越擅长使用AI，却越来越不擅长学习。

更令人担忧的数据来自欧洲：31%的学生用AI直接获取任务答案，只有20%的学生将AI用于自我调节学习。

报告毫不讳言地写道：用GenAI完成任务，不等于学习发生。

这可能是这份报告最核心、也最令人不安的发现。

为什么你的AI助手可能帮了倒忙？

你可能会问：AI不是应该帮助学习吗？为什么反而会伤害学习？

答案藏在工具的设计逻辑里。

我们日常使用的通用聊天机器人，比如ChatGPT，它们的设计目标是"生成有用的回复"，而不是"帮助你学会思考"。这两件事有时候是矛盾的。

当一个学生遇到一道数学题不会做，他有几个选择：

选项A：向AI直接要答案。AI秒给答案，学生秒交作业，皆大欢喜——表面上。

选项B：向AI请教思路，但自己动手演算。慢一点，但知识可能真的变成了自己的。

选项C：绞尽脑汁想很久，即使想不出来也在努力。痛苦，但这是学习最真实的模样。

通用聊天机器人默认的交互模式，就是让选项A变得越来越容易。而一旦学生习惯了这种"秒答"模式，他们的耐心阈值会越来越低，反思意愿会越来越弱，深度思考的肌肉会越来越萎缩。

报告因此特别强调：混合系统比通用聊天机器人更有效。所谓混合系统，就是将生成式AI与明确的教学模型相结合——比如结构化辅导策略、以证据为中心的评估设计。这类系统不会直接给答案，而是引导学生一步步思考，同时在关键时刻提供支持。

报告呼吁开发者基于教育研究和教学知识来设计专用教育GenAI工具，并让教师和其他利益相关者深度参与设计过程。

哈佛物理课实验：教育型AI辅导优于课堂主动学习

老师与AI：不是替代，而是合作

那么，教师在这场AI变革中应该扮演什么角色？

报告梳理出三种协作路径，每一种都值得深思。

第一种是替代。某些重复性任务确实可以由AI来承担，比如自动批改客观题、生成练习题库等。但这需要极其谨慎，因为过度替代会侵蚀师生之间宝贵的互动——那些眼神交流、即时反馈、情感连接，是任何AI都无法复制的。

第二种是互补。将AI的高效率与人类的判断力配对。比如AI负责初步筛选和批改，教师负责最终的评判和个性化的成长反馈。

第三种是增强。这是报告最为推崇的模式：教师与AI协同工作、相互评议、持续优化。在这个过程中，AI不是教师的竞争对手，而是教师的专业伙伴。

英格兰的一项研究为"增强"模式提供了有力证据。259名教师参与了随机对照试验，他们获得了AI实践指导后，备课时间从81.5分钟减少到56.2分钟，降幅达31%。而教学质量经过评估，并未受到任何负面影响。

更有意思的是AI助教的局限性。研究表明，AI助教在清晰度、准确性和专业性方面与人类助教相当，但在动机激发和成长引导方面明显较弱。好的教育不仅仅是传递知识，更在于点燃火焰——而这，依然需要人来完成。

当AI走进小组讨论

协作学习是教育的经典场景，AI能在这里发挥什么作用？

报告归纳出GenAI在协作学习中的四大角色：信息枢纽（快速提供所需信息）、个性化材料生成者（根据每个学生的学习进度生成适配内容）、教师反馈提供者（实时监测并给予指导）、以及小组任务中的同伴贡献者（作为虚拟成员参与讨论）。

研究显示，在有AI参与的学习小组中，学科学习有"小到中等"的改善，而批判性思维和团队合作则有"较大"的改善。

但也有例外。当学生使用AI只是为了走捷径——比如让AI帮忙写报告的主要部分——学习的价值就会大打折扣。

GenAI对创造力的影响也呈现出双重面孔。报告指出，"慢用"AI——用于支持迭代探索和反思——确实有益于创造力发展。但"快用"AI——快速生成内容、直接给出答案——可能会削弱原创思维。

这再次印证了一个朴素的道理：工具没有错，错的是使用方式。

从首尔到阿姆斯特丹：全球在行动

面对AI教育的机遇与挑战，各国政府已经开始系统性的布局。

韩国走的是"国家主导"路线。教育部为教师和学校提供与国家课程深度对齐的AI辅导系统，确保技术应用服务于统一的教学目标。

爱沙尼亚则推出了雄心勃勃的"AI Leap计划"（2025-2026），系统性地整合基础设施、课程开发和教师培训三大要素。作为全球数字化程度最高的国家之一，爱沙尼亚试图将AI能力渗透到教育体系的每一个细胞。

荷兰选择了"多方共建"的路径。荷兰国家AI实验室（NOLAI）联合政府、学界、产业界和学校的力量，共同设计教育GenAI工具。这种多元参与的治理模式，旨在确保技术发展不偏离教育本质。

英国（英格兰）的做法另辟蹊径。教育部打造了一个"内容库"，整合课程指导、教案和匿名学生评估数据，用于训练AI模型。这种以真实教学数据为基础的方法，有望让AI更好地理解和融入实际课堂。

法国则着重开发"教育主权AI"，辅助教师备课，在利用AI提升效率的同时，确保数据和算法的主权可控。

希腊采取了更激进的实验姿态，在选定的高中试点ChatGPT Edu，探索大规模应用的可能性。

这些探索路径各异，但都指向一个共识：AI教育不能是野蛮生长，需要系统性规划。

技术能否弥合那道数字鸿沟？

一个令人欣慰的发现是，AI在弥合教育不平等方面展现出潜力。

巴西农村地区进行了一项大规模实验。即使在间歇性网络连接和设备极度匮乏的条件下，AI依然能够为学生提供有意义的反馈和指导。研究人员发现，移动设备上可以离线运行的小语言模型是一个有前景的方向——这意味着，即使在最偏远的地区，即使没有稳定的网络连接，AI辅助教育也并非遥不可及。

当然，我们不能因此盲目乐观。低社会经济地位家庭的学生往往缺乏使用AI工具的指导和支持，而高收入家庭的孩子可能有家长或私人家教的帮助。这种"AI鸿沟"如果处理不当，可能会加剧而不是缩小教育不平等。

系统变革：AI在机构层面的应用

GenAI的影响不仅限于课堂。

在系统和机构管理层面上，AI正在开辟新的可能。嵌入模型可以映射课程和项目之间的等价关系，使招生、转学、学分认定等行政流程更加高效。在评估领域，GenAI可以大规模生成试题，设计更真实的交互式任务。语言学习平台多邻国已经利用GenAI推出了全新的互动写作和口语评估功能。

更令人兴奋的是合成数据在教育研究中的应用。GenAI可以生成隐私保护的合成数据集，为教育研究开辟新的可能性——研究者可以在保护学生隐私的前提下，更大规模、更高质量地研究学习过程。

六条政策建议：回归教育本质

报告最终提出了六条核心政策建议，每一条都直指当前AI教育应用的核心问题：

第一，警惕形式主义。用GenAI完成教育任务，不等于学习发生。教育者和政策制定者必须警惕"做了等于学会了"的幻觉。

第二，夯实基础能力。在关键学科中，不依赖通用GenAI来获取和展示基础知识和技能，仍然至关重要。数学的基本运算、写作的基本表达、科学的基本原理——这些能力的获得，不能绕过人脑的艰苦努力。

第三，设计学习场景。GenAI工具应在教师有意设计的学习场景中使用，而不是简单地扔给学生自由发挥。

第四，保持专业判断。教师必须继续行使专业判断，对AI生成内容进行评估、修改或认可。教师的专业价值不仅不会贬值，反而会因为AI的存在而更加凸显。

第五，参与式设计。开发者应基于教育研究和教学知识设计专用教育GenAI工具，让教师、家长、学生等利益相关者深度参与设计过程。

第六，持续追踪影响。需要国际科研合作，追踪评估GenAI对师生学习和福祉的长期影响。这需要开放的跨国数据共享和持续的追踪研究

在线阅读：https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html

本文核心数据