学校在 AI 上投入数十亿美元，却未见可衡量的学习成效

Google News 在 8 月 30 日呈现了一个尖锐矛盾：学校正在采购 AI 工具，但许多学校无法证明这些工具带来了可衡量的学生学习提升。

这一标题来自一篇 MarketScale 简报，其中汇总了有关教育技术采购的报道。它传递的信息比围绕作弊或屏幕使用时长的常见争论更为尖锐：在供应商、学区或研究人员尚无法可靠说明哪些产品能改善学习之前，学校已经投入了有限资源。

这为教育领域的 AI 提出了严苛考验。学区必须区分能为教师节省时间的工具与真正帮助学生学习的工具。供应商必须用独立证据支撑其承诺。Google News 的读者正在看到采购热潮与一个从未为如此快速变化的软件而设计的问责体系发生碰撞。

Google News 标题实际揭示了什么

关键进展不只是学校正在采购 AI，而是采购速度已经超过了有意义评估的速度。

这篇 MarketScale 文章概述了一份于 2026 年 8 月发布的教育采购报告。学区官员描述了一个拥挤的市场：产品纷纷承诺提供个性化服务、更快的备课、辅导、评估和行政减负。

这些功能并不产生同一种价值。能够起草家长邮件的系统，解决的是教师工作负担问题。辅导产品则提出了更强的主张，因为它旨在改变学生的知识或技能。

学区往往将两类产品都归入广义的 AI 标签之下。这可能模糊运营便利性与教育有效性之间的界限。教师节省备课时间当然很有价值，但这并不能证明学生更理解分数、能写出更好的论证，或能记住所学的新概念。

“投入数十亿美元”这一说法同样需要背景说明。它描述的是更广泛的教育技术经济，而非一个经过核实、仅用于生成式 AI 订阅服务的全国总额。公开报道很少将 AI 功能与更大的软件合同、设备项目、学习平台或云服务区分开来。

这一核算问题很重要。许多成熟产品如今已在既有合同中加入 AI 功能。因此，学区可能在未批准一项明确标注为 AI 的采购时，就增加了对 AI 的使用。

反过来也可能发生。一个被宣传为 AI 导师的产品，可能主要只是传统教学材料上的对话界面。这个标签本身几乎无法说明教学质量。

这使学校的 AI 支出难以衡量，也更难评估。学区领导者需要知道采购了什么、谁在使用、使用频率如何，以及原本期望改变哪项结果。

这些问题听起来很基础。然而，软件合同往往强调访问权限、许可证、部署、运行时间和支持服务。它们较少定义可信的学习目标，或明确学区将如何衡量这些目标。

使用情况仪表板无法弥合这一缺口。登录次数、提示词数量、生成的课程和完成的会话都属于活动指标。它们无法证明一名学生比未使用该产品的可比学生学得更多。

因此，Google News 的叙事揭示的是证据问题，而不是对所有学校 AI 工具均已失败的判决。有些工具尚未被研究足够长时间；另一些工具在部署时没有可用的基线或对照组。

不过，缺乏证据不能被视为正面证据。当学区无法说出一项采购所对应的结果时，也就无法判断续约代表成功、惯性，还是对落后的担忧。

市场正朝相反方向发展。生成式 AI 功能越来越容易添加，演示效果看起来颇具说服力，产品周期也在缩短。证据的产生仍然缓慢，因为有意义的研究需要审慎实施，并留出足够时间观察学习情况。

这种错配正是核心事件。学校被要求对产品作出长期教育判断，而这些产品可能在一个学期与下一个学期之间就发生变化。

学校 AI 支出正在给采购方和供应商带来压力

学区技术负责人如今面临双向压力：既要快速采用 AI，也要证明每一次课堂使用都值得占用稀缺的教学时间。

采用 AI 的压力来自学生、教师、政府倡议和职场预期。学生在校外已经接触生成式 AI。教师则使用它来创建示例、修改材料、起草沟通内容，并减少重复性工作。

联邦政策也鼓励负责任地采用 AI。一份 2025 年的教育 AI 指导文件指出，现有拨款资金可支持教学材料、辅导、咨询和 AI 素养教育。

这份指导并没有要求学区购买所有可用产品。它将允许的 AI 使用与改善结果、负责任部署、隐私保护和利益相关者参与联系起来。

这种区分至关重要。获准使用公共资金，并不等于某个具体产品已经被证明有效。联邦层面的鼓励可以加速试验，但学区仍有责任选择、监测和淘汰工具。

家长和教师则从另一个方向施加压力。他们希望学校解释，为什么学生需要又一个数字系统，以及该系统收集哪些数据。他们还想知道，该系统是在培养学生思维，还是在取代它。

在疫情时期课堂技术迅速扩张之后，这种紧张关系变得更加明显。学校以极快速度增加了设备、平台、数字课程和远程学习服务。许多社区如今正在重新评估学生接受屏幕教学的程度。

AI 带着更大的承诺和更复杂的风险进入了这一环境。传统的练习单应用提供的是预设内容；生成式系统会创造新的回应，而这些回应可能不准确、不恰当，或出乎意料地具有说服力。

产品在不同提示词和不同用户面前的行为也可能不同。这种可变性使一次性批准并不足够。学区需要持续监测、明确的升级处理路径，以及针对重大模型变更的规则。

采购团队并不总是为这项工作配备充足人员。一个学区可能拥有能力出色的课程、法律、隐私、安全和技术专家，却缺少贯穿这些职能的共同审查流程。

课程负责人可能会问产品是否符合学习科学。安全团队关注账户访问和数据处理。律师审查合同条款，而教师则判断其在课堂中的实用性。

每一个问题都很重要，但通过一项审查并不能弥补另一项审查的失败。安全的工具可能教学效果薄弱；吸引人的导师可能不当处理学生数据；节省时间的助手可能生成带有偏见或不准确的材料。

供应商也面临相应挑战。快速采用曾经奖励宽泛的主张、精美的演示和便捷的上手流程。下一阶段将奖励那些界定更狭窄使用场景、并允许接受严肃评估的公司。

这意味着要明确产品的目标用户和预期效果，也意味着要将关于教师效率的主张与关于学生学业成就的主张区分开来。

企业可以通过结构化日志、任务比较和用户研究来衡量教师时间。关于学习的主张则需要更强的研究设计，包括合适的评估和有意义的比较条件。

实施数据同样重要。一个产品可能在受控试点中展现出令人鼓舞的结果，但在整个学区推广时仍可能令人失望。培训、日程安排、设备可及性、学生出勤率和教师信心，都会影响实际进入课堂的内容。

因此，采购决策并不止于选择一个模型。学区采购的是一种干预措施，其中包括软件、专业发展、课程对齐、支持服务、安全保障措施和本地实施。

Google News 可能会将这种冲突包装成醒目的标题。然而，对学区领导者而言，实际问题没有那么戏剧化：在扩大使用或续约之前，必须具备哪些证据？

承诺与现实之间的差距正在扩大

AI 承诺以软件规模提供个性化支持，但学校获得的往往只是泛化的访问权限，缺乏改善学习所需的教学结构。

个性化是市场最强有力的承诺之一。一个系统可以即时回应、调整解释、生成示例，并在课后继续可用。当这些能力服务于健全的教学策略时，它们能够有所帮助。

它们也可能制造学习的表象。学生可能更快完成作业，因为系统提供了答案、改写了一段文字，或建议了下一步计算。

完成任务与真正学习并不能互换。学习要求学生建立能够在没有同样支持的情况下提取和应用的知识。有效的工具必须保留足够的有效努力空间，让这一过程得以发生。

一项涉及高中数学的重要实验说明了这一问题。研究人员比较了对通用 GPT 界面的访问，与一种限制更严格的辅导设计。

在仍可获得帮助时，使用 AI 的学生表现更好。然而，与从未获得该访问权限的学生相比，拥有无限制访问权限的学生在无辅助评估中的表现更差。

已发表的数学研究报告称，通用 GPT 条件下的无辅助表现下降了 17%。这种受限导师通过引导学生而非直接提供答案，减轻了这一伤害。

一项实验无法解决教育领域 AI 的全部问题。它涵盖的是特定学科、人群、实施方式和评估设计。但它确实说明了产品设计为何重要。

底层模型并非唯一变量。教学护栏决定了这种帮助是鼓励推理，还是绕过推理。

这一区分让采购工作面临不适。学区不能只通过询问产品使用哪一种基础模型来评估它，还必须审查围绕该模型构建的学习体验。

有用的问题包括：系统是否要求学生解释自己的推理过程。审查者还应测试它是否过快揭示答案、是否会针对误解作出调整，以及是否会在不依赖学生自我报告信心程度的情况下检查理解情况。

产品还应披露教师能够观察到什么。如果教育者只能获得汇总的使用统计数据，他们就无法判断学生是在进行有成效的挣扎，还是将工作交给了系统。

一个有前景的导师工具还需要具备明确的课程关系。它应了解教学目标、预期的先备知识，以及任务边界。泛泛的对话不能替代这种对齐。

证据可以支持经过精心设计的应用。 OECD education outlook指出，在明确教学原则的引导下，生成式 AI 能够支持学习。报告还描述了可减少日常事务性工作的行政应用。

这比笼统地说 AI 能改善教育更为准确。其益处取决于谁使用该系统、用于何种任务、在何种条件下使用，以及与哪种替代方案相比。

当营销宣传抹去这些条件时，承诺与现实之间的差距就会扩大。演示可以展示 AI 导师给出一段精炼的讲解，却无法说明学生下个月是否还记得这一概念。

面向教师的产品也存在同样的问题。生成的教案或许能节省时间，但教师仍需核查其准确性、无障碍性、与标准的一致性以及是否适合相应年龄。

如果审查所花的时间比直接制作材料更长，效率方面的主张就会减弱。如果教师因信任界面而跳过审查，错误就可能传递给学生。

这并不意味着 AI 辅助没有价值。这意味着买方必须针对所销售的具体主张要求提供证据。

声称能缩短起草时间的产品，应根据工作量、质量和纠错成本来评判。承诺提升学习成效的产品，则应通过衡量独立表现的评估来判断。

当学区购买的是一种收益，随后却用另一种收益来为其辩护时，学校的 AI 支出就会变得浪费。高使用率无法弥补薄弱的学习成果。教师的积极态度也不能证明学业有所提升。

因此，核心冲突并不是技术与教育之间的冲突，而是宽泛的 AI 承诺与负责任课堂决策所需的更严格证据之间的冲突。

这些数字仍无法证明什么

当前的证据基础既包含令人鼓舞的结果，也有严肃的警示，但不足以对所有 AI 产品作出单一结论。

课堂 AI 研究仍不均衡。产品在学科、年龄群体、教学设计、模型行为和教师参与程度方面各不相同。研究采用的衡量指标和时间跨度也不一致。

短期试点可能衡量参与度或即时任务表现。更有力的评估则会检验学生是否保留知识，并能将其迁移到陌生问题中。

这种差异可能改变表面结果。某个助手或许能在使用过程中改善答案质量，却可能削弱之后的独立表现。另一种工具则可能因给予学生更多引导式练习而带来适度提升。

缺乏统一答案，并不是停止评估的理由，而是应让主张更具体、研究更有针对性的理由。

RAND 开展的一项具有全国代表性的 teacher survey记录了 K-12 教育阶段早期采用模式。调查发现，教育工作者往往聚焦于面向教师的用途和减轻工作负担。

这些证据有助于解释需求，但并不能证明同样的工具能改善学生成果。调查描述的是行为和认知，而因果研究估计的是某项干预带来了哪些变化。

学区需要这两类信息。使用情况研究显示产品是否适合日常工作；结果研究则显示这种适配是否产生了预期的教育成果。

本地评估能够弥补部分缺口，但薄弱的评估也会制造虚假的信心。将今年的使用者与去年的学生相比，可能会把产品效果与教师、课程、出勤或评估难度的变化混为一谈。

自愿参与还带来另一项挑战。选择参加 AI 试点的教师，可能拥有更强的技术信心、更充分的支持，或面对与未参与者不同的学生群体。

即使是随机研究也需要解读。一个环境中的结果，并不会自动适用于师资、时间安排、政策或学生需求不同的其他学区。

负责任的应对方式不是停滞不前。学区可以采取分阶段部署，从一个明确问题和有限群体开始。在产品进入课堂前，他们可以先建立基线。

评估应包括供应商所承诺的结果，也应追踪意外影响，例如独立练习减少、教师审查增加、获取机会不均或学生困惑。

隐私和安全结果也应纳入同一流程。若一个系统改善了某项学业指标，却暴露了敏感的学生信息，那么它就不能算是成功部署。

无障碍性同样需要直接测试。产品应能服务残障学生、多语学习者以及依赖辅助技术的用户。泛泛而谈的个性化主张，并不能证明其具备无障碍设计。

成本分析应包含实施时间。培训、账户管理、故障排除、内容审查、政策制定和与家长沟通都会消耗员工能力。

当学区只计算合同费用时，这些成本就会被隐藏。它们也解释了为何一个前景不错的试点在扩大规模时可能陷入困境。

最大的未知数涉及长期行为。学生和教师会适应工具，供应商也会更新底层模型。随着新鲜感消退或功能演变，早期结果可能发生变化。

这造成了一个不断移动的目标问题。数月后接受评估的产品，可能与实际部署的产品不同。因此，合同应涵盖重大更新及重新审查。

学校还需要退出方案。当学区终止某项产品时，数据导出、记录保留、账户删除和课程连续性都很重要。

缺少这些条款，转换成本就可能维系一个表现不佳的工具。教师围绕它建立工作流，学生把作业存放在其中，管理人员则不愿扰乱运营。

这种动态会让早期试验变成默认基础设施。随后，续约可能在无人证明原始前提的情况下发生。

MarketScale 的标题捕捉到了真实的问责缺口，但“没有可衡量的影响”不应演变为“完全没有影响”的断言。在许多情况下，学区尚未充分衡量正确的结果，因此无从得知。

这种不确定性仍将举证责任置于供应商和买方身上。公共机构不应因缺乏反证而推断其具有教育价值。

更好的合同可以改变教育 AI 市场

学校可以通过围绕成果、实施、透明度和停止使用权来制定合同，从而缩小证据缺口。

传统软件采购往往以访问权限为中心。供应商提供账户和支持，学区则在约定期限内付款。

当产品被作为教育干预措施销售时，这种结构效果不佳。访问权限只是开始，学区需要可行的实施方案和可观察到的结果。

以成果为导向的合同首先应界定问题。“使用 AI”不是问题陈述。减少教师备课时间或提升代数掌握程度，才足够具体并可衡量。

合同应明确目标群体和使用环境。面向小学生的读写辅导工具，需要的证据和保障措施应不同于供学区员工使用的行政助手。

成功指标必须与主张相匹配。工作负担工具可以追踪任务耗时、修正次数和用户留存。面向学生的工具则需要不依赖持续 AI 辅助的独立评估。

学区还应明确最低实施条件。当产品获得的培训太少、使用不足或教师支持不一致时，评估就会产生误导。

这并不意味着供应商应仅因登录次数而获得报酬，而是双方都必须了解，令人失望的结果究竟反映了产品、实施，还是两者兼有。

合同可以要求披露证据。供应商应说明已完成的研究、研究资助方、相关人群、局限性，以及研究人员是否评估了当前版本的产品。

独立证据应比供应商案例研究更具分量。不过，即使是独立研究，也需要审查其设计质量和相关性。

协议应涵盖模型变更。供应商可能会在合同期内更换模型、修改保障措施、增加数据处理，或改变响应行为。

当这些变更影响风险或教学功能时，学区需要获得通知、文档和审查权。否则，批准所针对的产品已不再以相同形态存在。

审计访问权也是另一项重要条款。学区应获得足够的数据来评估使用情况和结果，同时不暴露不必要的学生信息。

这些数据应区分主动教育使用与被动的账户可用性，也应帮助教师了解学生如何与系统互动。

透明度不要求公开专有模型权重，而是要求提供足够信息，以判断预期用途、已知局限、数据处理方式和重大更新。

续约标准应在部署前确定。学区可以明确哪些指标将决定继续、修改、扩大或终止使用。

这能降低沉没成本的影响，也能保护员工免于仅因实施投入大量精力，就被要求为某个工具辩护。

合同无法解决所有教学问题，也无法把通用聊天机器人变成设计良好的导师。但它们可以让缺乏支持的承诺更难出售。

它们还可以重塑竞争格局。拥有可信证据、聚焦使用场景和透明局限性的供应商，会获得一条更清晰的信任路径。

主要围绕新奇性构建的产品将面临更艰难的市场。这是一种健康压力，因为学校系统不能把学生当作永久的 beta 测试者。

采购改革也能使小型供应商受益。明确的要求会降低模糊品牌宣传和庞大销售体系的价值。一款聚焦的产品可以通过证明明确结果来竞争。

学区之间的协作会强化这种效果。共享评估框架和证据库，可以避免每个学校系统重复进行相同审查。

学校仍应考虑本地环境。不过，针对隐私、无障碍性、透明度和证据的共同标准，可以减少重复工作。

评估期间的知识管理同样重要。学区团队需要一个可搜索的记录，涵盖合同、研究、课堂观察、政策决策和模型变更。

维护完善的 AI knowledge base 可以帮助审查人员在各部门间保留这些证据。用于保存该记录的工具，应遵循学区自身的安全和治理要求。

目标是形成机构记忆。当员工岗位变动时，学区应保留批准、限制或拒绝背后的理由。

没有这类记录，每个续约周期都可能重新开始争论。供应商保留详细的产品知识，而买方却失去质疑其主张所需的背景。

因此，学校 AI 支出的下一阶段将不仅取决于模型能力，也取决于采购设计。更好的合同可以将教育目标转化为证据要求。

Google News 这一时刻后值得关注的三个信号

未来几个月将显示，学校是会将怀疑转化为可衡量的采购规则，还是会仅凭惯性继续续订 AI 工具。

第一个信号是学区续约标准的质量。买方应公开发布或清楚记录决定试点是否扩大的成果指标。

更强有力的流程会区分教师效率、学生成绩、参与度、无障碍性和安全性。每种收益都需要各自的证据。

如果学区开始要求基准线和独立评估，MarketScale 的批评就将改变采购行为。如果续约仍主要取决于使用情况，问责缺口依然会存在。

第二个信号是供应商发布的证据。企业应超越推荐证言和精选案例，转向说明参与者、对照组、评估方式及局限性的研究。

与独立研究人员合作可以提升可信度。披露不利或结果不一的发现，也将表明市场更加成熟。

关键在于相关性。一项涉及大学志愿者的研究，并不能自动支持为小学课堂采购相关产品。证据应与拟服务的用户和教学环境相匹配。

关注供应商如何描述为教师节省的时间。他们应将核验和纠错工作计算在内，而不是只计算初稿生成更快所节省的时间。

对于面向学生的系统，应关注在无法使用 AI 的情况下进行的测试。研究人员可以借此判断，学生究竟学到了知识，还是仅仅完成了获得支持的任务。

第三个信号是屏幕时间和 AI 治理规则的普及。各州和大型学区已经在审查数字工具应如何融入课堂教学。

这些政策可以削弱不加甄别的采用，但生硬的限制同样存在风险。每日时间上限无法区分被动观看的视频与具有无障碍支持的辅导课程。

有效的治理会关注技术是否服务于明确的教育目的。它也会在清晰的安全与证据边界内保留教师的专业判断。

一项简单禁止 AI 的政策，可能会将学生的使用行为推向缺乏监督的环境。允许所有获批产品的政策，则可能将行政许可与教学价值混为一谈。

更有用的路径是结合适龄边界、透明审查、教师培训、学生 AI 素养和可衡量的目标。

由于基础证据仍然参差不齐，Google News 将继续呈现成功案例与警示报道。读者应审视每篇报道实际衡量的是什么。

结果是任务完成得更快、在辅助下给出了更好的答案、独立学习能力更强，还是获得了积极的问卷反馈？这些结果彼此相关，但并不等同。

学校管理者应要求供应商明确提出一项核心主张，并提供直接支持该主张的证据。教师则应同时报告节省的时间和新增的审查负担。

家长可以询问哪些学生信息会进入系统、产品要解决什么问题，以及学区将如何决定是否续约。

研究人员应优先考虑真实的课堂条件和更长的后续追踪期。他们还应记录实施过程，因为工具所处的教学环境往往会影响其效果。

供应商拥有最明确、也最迫切的行动方向：收窄承诺范围，披露局限性，并帮助客户衡量促成采购决策的结果。

标题传达的核心警示并不是学校必须避开 AI，而是热情不能替代教育证据。

经得起检验的部署应从学习或工作负荷问题出发，而非从产品类别出发；它应以在结果到来之前就设定好的决策规则收束。

这一标准会让人感觉比追逐每一次模型发布更慢。但它仍比花上数年维护无人能够证明有益的系统更快。

下一条 Google News 标题不应庆祝规模最大的部署，或最新的课堂助手。真正有意义的里程碑，将是某个学区展示在何种条件下、为哪些人带来了怎样的改变。

在那之前，学校的 AI 支出仍是一场风险异常高的实验。每位采购方都应面对一个简单的问题：什么证据会让你扩大、调整或停止使用？