OpenAI:弥合教育中的 AI 指导鸿沟,靠的不只是普及工具
OpenAI 于 11 月 10 日发布新的教育指导建议,指出一个不匹配现象:受访学生中,79% 曾使用 AI 完成作业,但只有 47% 获得过相关指导。弥合教育中的 AI 指导鸿沟是该报告的核心关注点,报告借鉴了 ThinkYoung 的研究和 OpenAI 的区域合作经验。其发现促使教育领导者将工具可及性与教学连接起来,而非把可用性本身当作教育成果。
核心矛盾在于:借助辅助完成学业,与培养学生能够独立运用的知识之间存在差异。这两种结果可以重叠,但一份出色的作业并不能证明作者真正理解了材料。当提交的作业变得更难解读时,教师会直接承受后果。
Google 的 Guided Learning 提供了一个有用的行业参照:供应商越来越多地通过提问、解释和参与来描述教育 AI。OpenAI 的报告则将这一讨论延伸到教师培训和公共实施层面。困难的判断在于,这些安排是否真正改善学习,以及学校在扩大应用前应要求哪些证据。
OpenAI 将指导鸿沟置于工具可及性之前
OpenAI 的 教育指导建议总结了其在欧洲、中东和非洲地区合作项目的经验。报告将教师培训、本地化适配、AI 素养和评估列为重点。该公司将这些经历呈现为因地制宜的经验,其中既有令人鼓舞的实施信号,也有关于自主学习尚未解决的问题。
该公告为教育领导者提供了一份实施议程,但并未确立一种普适的课堂模式。
这一差异使该出版物比一则简单的采用公告更有价值。学校可以分发账号,却仍让教师不确定哪些辅助方式可以接受。学生可以成为高频用户,却未必形成判断何时应信任答案的能力。
因此,报告提出了一个实际的问责问题:在获得工具访问权限之后,谁来对教育体验负责?技术供应商会影响产品行为,而教育主管部门负责制定预期,教师则在具体学科中加以诠释。当这些责任仍然模糊时,一项计划就更难评估。
调查数字同样需要谨慎解读。OpenAI 将 79% 的作业使用率和 47% 的指导覆盖率归因于 ThinkYoung。ThinkYoung 公开的 教育研究介绍了一项更广泛的研究,涵盖该地区 12 个国家的 5,000 名学生和 600 名教师。
不过,OpenAI 的配套报告称,其引用的学生调查覆盖十个欧洲国家。因此,公开描述在地理范围上存在差异。读者应保留这一归因,而不应假定所有已公布的统计数据都描述同一个样本。
将报告中的百分比相减,可得出 32 个百分点的差距。这一计算描述了报告中使用率与指导覆盖率之间的距离。它并不能准确识别哪些个体用户没有接受指导,因为这需要关于回答重叠情况的信息。
这一差距也不能说明为何缺少指导,或现有指导是否有效。向学生展示如何使用工具,可能意味着从入门演示到持续的学科特定教学等任何形式。这些醒目的数字提出了一个值得调查的问题,而非完整诊断。
对学校而言,这意味着在使用率成为最显眼的衡量指标之前,推广计划需要先定义教育成功的标准。没有这一定义,参与度可能会悄然成为所有人报告的结果。最初的目标——帮助学生理解并独立行动——则会变得更难评估。
这也改变了应如何在该地区以外解读这则公告。这些合作关系提供的是制度选择的案例,而非北美学校可以原样照搬的一套方案。本地的评估规则、人员安排和课堂预期,仍决定这种方法是否适用。
因此,这则新闻关乎机构如何围绕学习来组织 AI 的使用。产品访问权限仍是这项工作的一部分,但报告将注意力引向围绕它的人员和证据。
教师承担着让 AI 使用具有意义的压力
面临最直接压力的是教师、学校领导者和负责评估的人。他们必须判断经辅助完成的作业能在多大程度上揭示理解,同时维持学生能够遵循的预期。一项笼统支持负责任 AI 的声明,并不能解决这些课堂决策。
教师支持决定制度层面的指导能否成为可用的课堂实践。
设想一项允许在初步研究阶段使用 AI 的历史作业。一名学生提交了逻辑清晰的论证,却无法解释其来源为何支持结论。教师需要一种评估方法,以区分有益的辅助与缺失的理解。
这一问题不能仅通过识别 AI 是否曾在过程中出现来解决。教育问题在于学生完成了哪些推理,以及他们保留了什么。披露声明有助于建立透明度,但它本身并不能回答这一问题。
同样的区别也适用于数学。帮助学生完成一道练习题的解释可能很有益。当学生在没有等量支持的情况下遇到另一道题时,这种辅助是否建立了可迁移的理解会更清楚。
这些既是评估选择,也是技术选择。教师需要空间,根据活动目的规定可接受的帮助方式。适合复习某一主题的辅助,可能会损害一项旨在揭示独立推理能力的练习。
OpenAI 的区域报告提供了一些具体案例,但该公司的叙述仍需保留归因。在爱沙尼亚,受访的 828 名教师中有 794 人报告将 AI 用于专业工作。另有 723 名受访者估计,平均每周可节省 1.8 小时。
这些数字描述的是报告中的体验,而非独立测量的工作量减少。即便如此,它们指出了一种相关可能性:教师或许能获得更多时间处理需要其关注的工作。这是否会发生,取决于生成材料需要多少检查与修订。
该区域实施报告还描述了学生对爱沙尼亚 ITI tutor 较不积极的反馈。受访者称其提问过多、交流缓慢,并希望获得更清晰的解释。这些反应针对的是该特定应用,并不能证明其学习效果。
OpenAI 介绍斯洛伐克使用 AI 起草更新后的教师标准、再交由专家审阅的做法,展示了另一种行政应用。其对希腊的描述则强调了明确的监督和学校责任。这些例子针对不同的制度问题,不应被视为可相互替代的证据。
综合来看,这些例子表明,节省备课时间与改善学生理解之间存在分析上的区别。学校可以实现前者,却未必证明了后者。将两者归于同一个成功标签之下,会掩盖决策者所需的信息。
教师培训同样存在机会成本。花在学习一个系统上的时间,会与备课、反馈及其他专业发展活动竞争。因此,实施方案应像衡量其希望减少的工作一样,仔细核算它所创造的工作。
对教育领导者而言,必须作出的回应是组织层面的。他们需要连接课堂预期、实际支持和评估决策。让每位教师独自解决同样的不确定性,会使一致性变得困难,并削弱全机构指导的价值。
弥合教育中的 AI 指导鸿沟意味着保护学生的投入
贯穿这些合作关系的主要冲突,关乎辅助与智力投入之间的关系。AI 可以让信息更容易获得,却仍让学习者完成了多少推理变得不确定。教育设计决定一项任务的哪些部分仍由学生完成。
完成一项任务与学会一项技能是不同的结果,即使它们产出同样可见的答案。
这种差异很重要,因为学校作业承担多种目的。有些活动通过练习培养熟练度,另一些则暴露误解或检验独立判断。一个不加区分地消除困难的系统,可能会消除该活动原本旨在创造的关键工作。
这并不意味着任何情况下困难都有价值。由不清晰的解释造成的困惑,可能阻碍学习而非支持学习。教育决策在于,哪些障碍能帮助学生思考,哪些障碍只是阻止他们前进。
例如,设想一名科学课学生让 AI 用更简单的语言解释陌生术语。这种辅助能够保留评估证据这一更大的任务。若要求系统给出完整评估,则会将更多预期中的推理从学习者身上转移出去。
这种区别取决于具体情境,而非绝对划分。在复习时有用的解释,在评估同一概念时可能并不合适。因此,学校需要描述辅助目的的语言,以及识别何时允许使用的规则。
AI 素养,即评估 AI 能力、局限和适当用途的能力,应属于这一讨论的一部分。知道如何获得一个回答只是技能的一部分。学生还需要判断其相关性,并认识到何时需要进一步验证。
因此,弥合教育中的 AI 指导鸿沟,需要关注学生的决策,而不仅是他们对界面的熟悉程度。相关能力包括知道何时寻求帮助、何时质疑帮助,以及何时继续独立完成。仅凭使用频率很难推断这种能力。
Google 提供了一个有用的对照,但并未改变核心冲突。其于 2025 年 8 月推出的引导式学习设计,采用提问、分步骤解释和互动材料。Google 称,该方法旨在鼓励参与和更深入的理解。
这是一项产品设计主张,而非跨课堂持久学习效果的证明。它的相关性在于,供应商认识到交付答案与支持推理之间存在区别。学校仍需要证据,说明某项具体实施对本校学生的表现如何。
提问本身也需要判断。缺乏必要背景知识的学习者,可能需要先获得直接解释,才能展开有益的对话。当系统尚未提供足够信息以供开始时,反复要求推理可能会令人沮丧。
相反,即时解决方案可能令人满意,却几乎不给学生留下练习的机会。因此,产品满意度无法单方面回答教育问题。一种体验可以令人愉快,却未必带来理解;也可以要求很高,却不一定产生有价值的学习。
对于需要处理阅读与研究任务的学生而言,个人知识管理提供了一个相邻视角:保留可随时获取的来源材料,有助于日后复习。其教育价值仍取决于学习者如何使用这些材料。收集信息并不等于建立理解,正如生成答案也不等于理解。
更广泛的启示是,学校应在具体学习活动的层面评估辅助工具。追问 AI 总体上是好是坏,会掩盖真正重要的决策。更有用的问题是:一项工具支持、保留或接管了哪些智力劳动。
独立研究挑战了从使用到学习的简单推断
OpenAI 在教育领域的采用中具有商业利益,因此,除了独立证据外,其合作项目报告也需要接受审视。这种利益关系并不会否定所报告的体验,但会使清晰归因和公布不利发现成为评估这些体验的必要条件。
使用情况、满意度、报告中的节省时间,以及独立学习,回答的是不同问题。
Hamsa Bastani 及其同事开展的一项经同行评审的数学实地实验说明了这一区分为何重要。该研究于 2025 年 6 月发表于 PNAS,比较了以不同方式设计的 AI 辅助。学生在获得辅助的练习期间表现有所提升,但当辅助被移除后,这种提升未必能够持续。
研究发现,缺乏防护措施的辅助可能损害后续的独立表现。专为学习设计、具备保障措施的辅导工具在很大程度上缓解了这一损害。这些结果针对的是特定数学场景,并不能确定 OpenAI 当前区域合作项目的结果。
其分析价值在于评估方法。研究人员考察的是辅助消失后发生了什么,而非将获得辅助后的更强表现视为充分证据。这使该研究与学生是否形成日后可独立运用的技能这一主张直接相关。
对采购而言,关键教训是先明确结果目标,再选择衡量方法。如果学校希望提升独立推理能力,获得辅助后的作业质量只能提供不完整的证据。如果其目标是更便捷地获取解释,可用性则更具直接相关性,不过学习效果仍需另行检验。
OECD 教育主管 Andreas Schleicher 在其 2026 年 10 月对学生学习证据的讨论中补充了另一种视角。他描述了报告中的聊天机器人使用情况与科学成绩之间的复杂关系,同时警告这些关系未必能够证明因果关系。
这种警示在两个方向上都很重要。学习遇到困难的学生可能会寻求更多 AI 辅助,使使用情况看起来与较弱表现相关。群体间的其他差异也可能使比较更复杂。观察到的模式本身无法确定某项干预造成了什么结果。
尽管如此,Schleicher 仍主张提供更清晰的指导并持续开展教师发展工作。他的立场强化了 OpenAI 报告所提出的制度性问题,同时更强调谨慎。仅仅提供可用性,并不能解决某项应用是否有益于特定学习活动的问题。
对于决策者而言,这形成了一套应当保持清晰可见的主张层级。参与者调查可以描述感知到的有用性。受控比较则能就特定条件下某项干预的效果提供更有力的证据。两者都无法自动证明其在不同学科和人群中具有持久益处。
证据还需要经受产品变化的考验。关于某一种辅导设计的结论,未必适用于修订后的界面或不同的课堂工作流程。评估应识别学生实际使用了什么,以及活动是如何组织的。
学校还应区分 AI 回应的质量与其对学习者的影响。准确的解释仍可能来得过早,或取代必要的练习。因此,系统的事实表现仅涉及其教育适切性的一部分。
因此,弥合教育领域 AI 指导缺口,既是证据问题,也是培训问题。学校需要以观察到的教育效果为基础的指导。若培训只围绕产品功能开展,可能会教会人们自信地使用,却无法证明何时这种使用真正服务于学习。
本地实施决定谁能获得有用的指导
区域化框架之所以重要,是因为教育 AI 进入的是语言、资源和预期各不相同的机构。产品在技术层面的表现可以保持一致,却可能带来截然不同的课堂体验。本地支持会影响教师能否将一般性指导转化为恰当的活动。
平等获取工具,并不保证平等获取有用的教育辅助。
设想两所假设中的学校采用同一系统。一所为教师提供时间,共同审阅材料并修改作业;另一所仅提供账户,不给予额外支持。相同的软件访问权限会掩盖学生学习条件上实质性的差异。
当一项活动依赖校外帮助时,这一区分尤其相关。学生可获得的成人指导不同,学习所处的条件也不同。因此,机构政策应考虑一项作业隐含假定了何种支持。
语言又增加了一层复杂性。流畅的回应仍可能使用与课堂材料冲突的术语,或以不适当的层次解释概念。教师需要判断解释是否契合学科和学习者,而不能把流畅性当作质量信号。
本地适配还涉及评估预期。一份看似完整的回应,可能遗漏课程要求学生展示的推理过程。缺少这种背景时,系统可以帮助产出表面上合格的作业,却无法支持预期技能的发展。
这些问题为实施负责人带来了工作量问题。如果教师必须反复修正解释或协调相互冲突的术语,支持负担就应纳入评估。关于初稿节省时间的主张,并未涵盖之后的每一项任务。
技术可靠性同样具有教育维度。无论模型质量如何,依赖不可用账户或无法访问材料的活动都会中断课程。为常见故障做好规划,决定了教师能否在有限课堂时间内自信地使用工具。
同样的原则也适用于替代方案。当参与依赖特定技术时,若访问失败或使用不合适,学生需要一条可行的替代路径。否则,一项访问倡议可能会在必修课程中制造新的依赖。
公共机构还需要具备足够的专业能力来解读供应商证据。缺乏这种能力时,采购决策可能会依赖供应商最容易提供的那些衡量指标。教育优先事项应决定向产品提出哪些问题。
对供应商而言,这扩大了竞争要求。一场精美的演示无法回答有关教师支持、本地相关性或独立评估的问题。这些制度性要求会影响教育系统能否负责任地使用底层能力。
对于知识工作者和企业采购方而言,这种模式足够熟悉,因而具有参考价值。辅助可以改善即时产出,却仍会留下专业能力是否得到保留的不确定性。教育使这种不确定性尤为重要,因为培养专业能力正是活动的核心目的。
对学校领导者而言,这意味着应将实施条件视为干预的一部分。产品结果不能脱离其周围的教学、支持和评估来解读。本地经验应为决策提供参考,但不应被提升为普遍结论。
下一阶段需要账户激活之外的证据
在下一个学期,最有用的信号将涉及教师准备、独立学习和机构响应能力。这些是观察重点,而非已公布的发布日期。每一项都检验了扩展教育 AI 的论据中的不同部分。
下一阶段应当展示:指导改变了什么、谁从中受益,以及当方法效果不佳时机构采取了什么行动。
第一个信号是教师准备是否形成可用于课堂的预期。参加培训能够证明参与,但其实际效果仍不确定。更具信息价值的证据应展示教师如何调整作业、说明可接受的辅助方式,以及解决反复出现的困惑。
这类证据将强化这样一种论点:指导确实在弥合 OpenAI 所识别的缺口。如果学校扩大访问范围,而教师对评估仍感到不确定,那么对实施的信心将会减弱。这里的区别在于支持的效果,而不是培训项目的可见度。
学生对规则的理解也属于这一信号。政策对管理者而言可能看起来清晰,但在实际作业过程中仍可能令人困惑。关于允许何种辅助的反馈,将揭示制度意图是否转化为学习者能够作出的决策。
第二个信号是在无法获得相当辅助时的表现。评估应考察学生是否保留知识,并将其应用于陌生任务。这些结果比获得辅助后的提交质量更直接地反映独立学习。
更强的独立表现证据,将支持在已测试条件下采用某种特定方法的论点。若提升仅限于获得辅助的工作,则需要提出更有限的主张。混合结果应促成对活动和学习者的区分,而不是得出平均化的成功宣言。
时机同样重要。即时评估回答的问题不同于学生已离开原始课程一段时间后进行的评估。教育领导者在就持久学习作出结论前,需要知道项目报告的是哪一种结果。
第三个信号是合作项目是否会透明地回应不利反馈。对于解释令人困惑、追问过多或增加教师工作量的报告,应推动可审查的改进。只公布积极体验,会使人们更难判断机构是否在从实施中学习。
有说服力的回应,应将已记录的问题与调整措施及后续评估联系起来。这一序列将展示教师和学生体验如何影响项目。仅宣布改变而不检验其效果,仍会让最初的不确定性悬而未决。
这些信号也有助于确立边界。一个项目可能成功支持某项活动,却仍不适合另一项活动。教育系统需要有权在证据支持时缩小、修订或停止某些用途。
在扩大教育 AI 计划之前,先问清楚:当辅助消失后,学生应当具备哪些能力?然后审视教师准备、课堂活动和评估是否都服务于这一目标。缩小教育中的 AI 指导差距,不仅需要提升可及性和参与度,也需要有关这些关联的证据。请结合本机构的评估实践来理解这些合作经验,并将所报告的便利性与已被证实的理解程度区分开来。还应追问:谁的经验尚未被纳入?哪些结果仍未得到衡量?不利的发现能否影响下一次决策?对于考虑扩大规模的学校而言,最有价值的问题应当具体明确:什么样的证据能够表明学生正在成为更有能力的自主学习者?



