OECD AI 学业研究发现分数较低，而非 AI 导致 1.5 年学习损失

OECD 关于 AI 学业的发现发出了明确警告：在特定作业中使用聊天机器人的学生，整体得分通常低于不使用此类工具的学生。

这一发现旁边还有一个更大的数字。2015 年至 2025 年间，OECD 平均阅读成绩下降了 28 分，相当于约 1.5 年的学习进度。数学成绩下降了 22 分，略高于一年的学习进度。

这些数据并不表明聊天机器人造成了长达十年的成绩下滑。面向公众的生成式 AI 工具直到 2022 年末之后才开始广泛普及。下滑更早便已开始，反映了多重压力，包括家庭支持减弱、缺勤、注意力分散以及疫情冲击。

不过，这种时间上的重叠仍然重要。AI 进入课堂时，基础学业表现已经在下滑。学校如今面临艰难选择：是在限制捷径，还是在教导学生有意识地使用这项技术之间取得平衡。

亚洲教育体系尤其清楚地展现了这一选择。新加坡、韩国、澳门、泰国、越南和菲律宾的聊天机器人使用十分普遍。然而，多个亚洲教育体系仍位居全球表现最强之列。

正在形成的分野并不只是 AI 使用者与非使用者之间的区别，而是生成答案的 AI 与教学引导型 AI 之间的区别；教师决定这一工具是替代努力，还是强化努力。

OECD AI 学业研究实际表明了什么

PISA 2025 发现聊天机器人使用与学业表现之间存在关联，但并未证明 AI 导致分数下降。

OECD 于 2026 年 9 月 8 日发布了最新一轮国际学生评估项目结果。PISA 测试 15 岁学生如何将阅读、数学和科学知识应用于陌生问题。

2025 年评估覆盖了 91 个国家和经济体的 76 万名学生，是迄今规模最大的 PISA 测试。科学是其主要评估领域。

本轮测试还询问学生如何使用 AI 聊天机器人完成学业任务。问题涵盖概括指定文本、研究新主题、起草书面作业，以及获取一般性学习帮助。

聊天机器人已覆盖大多数学生。OECD 国家中，只有 14% 的学生表示，他们从未或几乎从未将 AI 用于任何受调查的学业用途。

约 46% 的学生每周至少使用一次 AI 辅助学习。这一数字表明，教育体系研究的是一种已成常态的行为，而非仍处于试验阶段的课堂趋势。

对于若干特定作业用途而言，学业表现模式并不乐观。未使用 AI 进行概括、研究或起草的学生，在科学成绩上通常优于使用者。

使用频率同样重要。适度使用者的得分通常高于很少使用或几乎每天使用聊天机器人的学生。与其他任务相比，适度使用在起草作业方面呈现出的优势较弱。

一般性学习帮助则呈现出不同结果。在调整社会经济背景后，每周使用 AI 辅助学习的学生，其表现与非使用者大致相当。

完整的学业分析明确警告，不应将这些关系视为因果关系。不同学生出于不同原因、在不同条件下采用 AI。

学习吃力的学生可能因为作业本身已经困难，而更频繁地求助于聊天机器人。这一模式会导致使用者的分数较低，却无法证明 AI 造成了最初的困难。

使用机会也使比较更加复杂。从不使用 AI 的学生往往来自更弱势的背景。频繁使用者则更可能来自优势家庭背景。

社会经济调整可以减轻这种不平衡，但无法消除所有未被衡量的差异。动机、既有知识、教师实践、评估设计以及单个提示词的质量，都可能影响结果。

最稳妥的结论比耸动标题更为有限：将特定学术任务外包与较弱的测试知识相关，而以学习为导向的适度使用并未显示出同样的负面影响。

这一差异引出了真正的政策问题。学校不能只通过统计登录次数来评估 AI，而需要审视哪些认知工作仍由学生完成。

1.5 年这一数字描述的是十年的阅读能力下滑

被广泛引用的 1.5 年学习损失，指的是自 2015 年以来的阅读表现，而非 AI 所导致的经测量惩罚。

2015 年至 2025 年间，OECD 国家平均阅读表现下降了 28 分。该组织将这一差距换算为约一年半的学习进度。

数学成绩在同一十年间下降了 22 分。科学表现十年间的下降较为温和，并且在 2022 年至 2025 年期间大体保持稳定。

PISA 结果还显示，五分之一的学生在科学、数学和阅读三项上表现不佳。2022 年这一比例为 16%。

时间线排除了围绕 ChatGPT 或类似服务的简单解释。更广泛的下滑在生成式 AI 成为常见消费产品之前就已经开始。

PISA 并不在十年间追踪同一批个体学生。它抽样选取可比的 15 岁学生群体，因此提供的是体系层面的视角，而非个人学习时间线。

它也只测量某一时点的表现。该评估无法观察学生的聊天机器人活动与其在测试中展示的知识之间的每一个环节。

因此，OECD 提出了两项应当保持区分的发现：学业表现已在十年间下滑，而当前 AI 使用模式与不同的表现水平相关。

两者的交汇仍值得关注。生成式 AI 在一场长期学习危机期间进入课堂，当时许多学生已经缺乏稳固的阅读和数学基础。

即使使用者无法独立构建论证，聊天机器人也能起草一段连贯的文字。它可以概括一章内容，而不要求读者识别其中的核心主张。

这在完成的作业与保留的能力之间造成了衡量缺口。作业质量可能提高，而无辅助表现却停滞或下降。

教师因此会收到误导性信号。一份润色完善的作业，可能代表更扎实的学习、有用的编辑支持、大量机器协助，或几乎完全的代办。

学生也会面临类似的错觉。快速完成会让人感觉已经掌握，因为即时产出看起来正确。只有在无辅助测试或之后的任务中，这种误解才会显现。

这并不意味着每一次与聊天机器人的互动都有害。它意味着教育价值取决于 AI 是否保留了提取、推理、修订和解释等过程。

OECD 秘书长 Mathias Cormann 清楚地阐释了这一差异。他表示，技术可以增强学习，但前提是它不能替代注意力、努力与理解。

这一表述将责任扩展到学生之外。产品设计、教师指令、作业结构和学校政策，决定了 AI 多么容易成为一种替代手段。

1.5 年的下滑提高了风险，因为学校几乎没有余地再容纳另一种浅层投入的来源。它并未提供对这一来源的因果估计。

为什么概括和起草会产生最尖锐的冲突

当 AI 完成了一项作业原本旨在训练的心理操作时，它就会带来教育风险。

概括作业很少只是为了产出一份更短的文档。它的学习目的，是让学生筛选证据、区分主要观点并重构意义。

当聊天机器人完成这些步骤时，学生得到了可见的成果，却未必练习了隐藏其中的技能。初步研究也存在同样的问题。

研究作业培养的是提出问题、比较来源、管理不确定性和选择证据的能力。要求获得一份现成概览，可能会将这些决策从学生的工作流程中移除。

起草呈现出更明确的冲突。写作不仅是知识的最终表达，它还帮助人们发现薄弱的推理、缺失的证据和未解决的矛盾。

生成的初稿可能消除这种富有成效的阻力。学生从流畅的文字开始，在形成自己的论点之前就已成为编辑者。

这一机制有助于解释 OECD 关于 AI 学业的发现。非使用者在特定任务上的表现通常优于使用者，而适度使用者有时优于极少使用者或高频使用者。

这种模式更像一条曲线，而不是“禁用或采用”的二选一。一些辅助可以支持学习，但大量代办会减少形成持久知识所需的努力。

OECD 单独发布的数字教育评估得出了相似结论。当教学原则引导其使用时，生成式 AI 可以发挥帮助作用。

教育工具可以要求学习者在获得反馈前先解释某一步骤。它们可以提供提示、生成练习题，或质疑缺乏支撑的主张。

通用聊天机器人通常以满足请求为目标。如果学生要求答案，系统几乎没有理由保留作业原本设定的难度。

这一区别划分了辅导与代办。辅导者会管理辅助程度，使学习者仍对推理负责。答案引擎则能立即移除这种责任。

问题并不局限于作弊。学生可能在宽松的校规下公开使用 AI，但练习量依然少于课程要求。

学术诚信政策处理的是署名、披露和被禁止的辅助。学习设计则提出一个更深层的问题：哪些思考仍必须由学生自己完成？

学校需要这两个层面。披露可以告知教师 AI 曾参与其中，却不能说明这种互动是否强化了理解。

过程证据会更有价值。学生可以保留笔记、来源轨迹、连续草稿、提示词历史，以及对被拒绝建议的简短说明。

一个学生知识库可以支持这种可追溯的过程。教育价值来自回顾证据与推理，而不是收集生成的答案。

评估还需要比较有辅助与无辅助的表现。学生可以完成一篇 AI 辅助的文章，随后口头辩护其论点，或在无辅助情况下写出一篇相关段落。

这类设计既让 AI 使用变得可见，又不会将每次互动都视为不当行为。它们还可以揭示这种支持是否转化为独立能力。

这正是核心的反转。AI 可以改善作品本身，却可能削弱该作品原本应当代表的学习过程。

亚洲表明，高采用率与高表现可以并存

亚洲的结果挑战了这样一种说法：频繁获得聊天机器人必然导致较弱的学业表现。

新加坡提供了最清晰的反例。该国学生在报告广泛将 AI 用于各类学业任务的同时，仍然位居全球表现最强者之列。

约 66% 的新加坡学生每周至少使用一次聊天机器人辅助学习。OECD 平均水平约为 46%。

每周在具体任务上的使用率也很高。在新加坡，46%的学生使用 AI 进行初步研究，41%用于总结，45%用于起草书面作业。

仅有4%的学生表示，在所调查的活动中完全不用或几乎不用 AI。相比之下，OECD 国家这一比例为14%。

该国的 PISA profile 提供了另一项重要数据。约81%的学生在学校课程中学会了评估 AI 生成的信息。

OECD 在这项课堂活动上的平均比例约为63%。在参与系统中，报告过相关接触经历的比例从31%到超过80%不等。

因此，新加坡将高可及性与异常广泛的评估教育结合在一起。学生会接触 AI，但许多人也会练习质疑其输出结果。

韩国呈现了这一模式的另一种版本。其整体学校作业 AI 使用指数高于 OECD 平均水平，同时仍位居表现最佳的系统之列。

韩国和新加坡都推行了广泛的数字化学习政策。新加坡的国家级方案明确纳入了人工智能工具。

其他亚洲经济体表明，宽泛的地区标签依然存在风险。日本报告的学校作业 AI 使用率相对较低，而新加坡则报告了极高的使用率。两者的表现都很强劲。

中国台北将优异表现与较低的平均 AI 使用率结合在一起，并自2021年起实施大规模数字学习政策。中国澳门则兼具优异表现与广泛采用。

中国大陆的结果涵盖北京、上海、江苏和浙江，而非整个国家。读者不应将该样本视为全国估计值。

更恰当的比较涉及教学控制。多个高表现系统让教师在根据课堂目标调整数字工具方面发挥核心作用。

OECD 教育主管 Andreas Schleicher 曾描述过一个中国书法课堂：学生仍用毛笔和墨水书写，而教师随后使用 AI 分析笔迹。

这一课堂案例很有启发性，因为技术并未替学生完成作品。它只是对学生已完成的作品提供反馈。

这种结构保留了关键练习。学生逐字书写，教师界定学习目标，软件则增加一层诊断支持。

这与让聊天机器人起草一篇文章形成对比。后者将写作这一核心行为转交给了模型。

这正是为什么“教育中的 AI”过于宽泛，无法作为结果变量。书法反馈、自动起草、引导式辅导和即时总结，是不同的干预方式。

国家平均值也可能掩盖课堂差异。一名教师可能要求核查证据并进行口头答辩，另一名教师则可能允许不受限制的生成，且监管有限。

因此，亚洲的采用情况并未推翻 OECD 在学生层面观察到的关联。它表明，系统设计能够改变采用 AI 的含义。

高表现的亚洲系统对那些将政策框定为“禁止”与“不受限制开放”二选一的国家构成压力。第三条路径已经显现：在教师权威下进行引导式接触。

这些数据仍然无法告诉我们的事

PISA 识别出一个警示信号，但其观察性设计无法将 AI 的影响与使用 AI 的学生和学校本身区分开来。

该调查依赖学生对使用频率和目的的自我报告。它无法记录围绕这些互动发生的每一次提示、回答、修正或课堂规则。

两名学生可能选择相同的频率类别，却以截然不同的方式使用 AI。一人可能请求解释，另一人则可能仅做极少审阅便提交生成文本。

“帮助我学习”这一宽泛表述带来了额外的不确定性。它可能指辅导、翻译、头脑风暴、生成练习、核对答案，或直接请求解答。

科学成绩是本轮 PISA 的主要结果指标。它无法代表对写作质量、创造力、自信心、研究能力或长期记忆的所有影响。

该评估也无法确定因果方向。表现较弱的学生可能因为需要帮助而采用 AI，这意味着 AI 使用在一定程度上是对困难的反应。

高频使用者可能面临鼓励自动化的繁重任务量。支持体系薄弱的学校也可能将消费级聊天机器人作为低成本替代方案。

另一种可能则指向相反方向。反复委托任务可能减少练习，并削弱之后无辅助情况下的表现。PISA 无法确定每种机制各自的作用。

即使是 AI 素养教育与成绩之间的关系，也需要谨慎解读。处于优势地位的学生更常报告获得过这些学习机会。

能够有效教授核验的学校，也可能拥有更强的教师、更好的资源和更支持学生的家庭。这些因素可以独立影响表现。

尽管如此，OECD 发现了一种有前景的模式。经常将 AI 用于一般学习、且在课堂上评估过 AI 信息的学生，其科学表现略高于低频使用者或非使用者。

这一结果支持引导式使用，但并不能证明某一节特定课程导致了这种差异。报告描述的是复杂学习环境中的一种关联。

另一个不确定因素在于产品变化。2025年使用的聊天机器人，与后来的系统在准确性、界面设计、个性化和教育保障措施上存在差异。

未来的工具可能成为更好的辅导者，也可能更擅长隐蔽地完成作业，从而扩大表面产出与实际保留能力之间的差距。

学校无法等待完美证据，因为采用已相当普遍。但它们也应避免将初步相关性转化为普遍禁令。

一刀切的禁令可能迫使使用行为转入隐蔽状态，也可能剥夺学生在监督下练习使用未来会在高等教育和工作中遇到的工具的机会。

不受限制的采用则带来相反风险。它让产品默认设置决定教学法，而消费级聊天机器人并不是围绕个体课程设计的。

谨慎的政策回应是开展受控实验。学校可以界定允许的任务，保留无辅助评估，教授核验方法，并持续比较结果。

它们应衡量的不只是提交作品的质量。有用指标包括延迟回忆、独立迁移、来源准确性、修订质量，以及解释推理过程的能力。

这些指标能够检验 OECD 关于 AI 学校作业发现背后的机制。它们将揭示聊天机器人是在支持认知工作，还是仅仅掩盖了认知工作的缺失。

三个信号将显示学校是否正从 PISA 中学习

下一阶段将由评估设计、教师主导的 AI 素养教育，以及引导式使用能否迁移为独立表现的证据决定。

第一个信号是转向关注过程的评估。学校应披露 AI 的使用方式，并要求学生在无辅助情况下展示同样的知识。

值得关注的是口头答辩、监督写作、提示词记录、来源日志和分阶段草稿。这些方法将精致的产出与真实理解区分开来。

如果学校系统广泛采用这些做法，OECD 的警告将更有力地支持重新设计而非禁止。若作业保持不变，隐形委托仍将难以衡量。

第二个信号是扩大对生成信息评估的教学。约六成 OECD 学生已经报告称，自己在学校课程中进行过此类活动。

这种教学的质量比是否完成勾选更重要。学生需要检验主张、寻找原始证据、识别不确定性，并辨别看似有说服力但缺乏依据的表述。

新加坡81%的接触率提供了一个有用的基准，但并不能完整解释其结果。其他系统必须证明评估练习能够改变学生行为。

如果 AI 素养扩展的同时，独立表现有所提升，那么引导式使用将获得支持。若接触率上升却没有带来更好结果，学校将需要更强的教学设计。

第三个信号是比较不同辅助形式的纵向证据。研究人员需要区分辅导、反馈、头脑风暴、总结、研究和起草。

他们还需要进行延迟测试。即使学生一周或一个月后保留的知识更少，眼前的任务表现仍可能提升。

下一轮 PISA 将有所帮助，但学校不应仅依赖一项每三年进行一次的评估。学区和教育部门可以在现有课程中开展受控评估。

OECD 已在为 PISA 2029 准备媒体与 AI 素养领域。该评估应揭示学生能否批判性地处理由 AI 介导的信息。

产品开发者也面临一项明确检验。教育模式应避免在学生尝试解决基础问题之前就给出完整答案。

教师需要能够控制提示深度、来源要求、年龄适宜性和活动记录。没有这些功能，“AI tutor”仍更像是一种营销类别，而非教育保障。

家长和学生现在也可以采用同样标准。应问一问：聊天机器人是在延展思考、核查思考，还是取代思考？

对于总结，应先阅读并起草要点，再请求反馈。对于研究，应先收集原始来源，再让 AI 进行比较。

对于写作，应先形成论点并完成初步结构，再使用模型进行批评。应保留关键练习的无辅助版本。

报道中的 OECD 警告值得严肃对待，但对其最戏剧化的解读缺乏支持。AI 并未在 PISA 中获得因果意义上的1.5年惩罚。

真正的发现更有价值。当聊天机器人替学生完成特定学校作业任务时，学生的得分往往较低；而引导式、适度的学习用途则呈现不同模式。

这给学校留下一个紧迫问题：它们的 AI 政策是在保护创造知识所需的努力，还是仅仅改善学生提交的作品？