佛蒙特州教师直面课堂 AI 的学习取舍

佛蒙特州教师在新学年伊始，便面对一场正在 Google News 上发酵的冲突：学生可以利用人工智能更快地学习，也可以借此完全逃避学习。两者的区别听起来简单，但要将其落实到不同年龄、学科、作业和软件中，却并不容易。

WCAX 于 9 月 1 日发布的一篇课堂 AI 报道，通过佛蒙特州及周边地区教育工作者的经历呈现了这一分歧。一些教师引导学生审查 AI 生成内容中的错误与偏见；另一些则希望课堂几乎不用、甚至完全不用 AI，尤其是在高中之前。

这并非技术爱好者与传统教师之间常见的争论。双方都承认，学生会在校外接触 AI。他们的分歧在于：何时接触才能成为教育，何时帮助会变成替代，以及应由谁来作出决定。

佛蒙特州已经发布了全州指导意见，但有意没有替每一间教室作出所有决定。学区、学校管理者和教师仍须将宽泛原则转化为实际规则。这使他们不得不在教育判断与政策一致性之间协调张力。

眼下的问题并不是 AI 是否应在教育中占有一席之地，而是学校能否界定出既能保留作业原本要培养的思维能力、又合理使用 AI 的方式。

佛蒙特州的课堂争论已超越“是否禁止”

新的进展在于，问题已从学校是否应屏蔽 AI，转向哪些使用方式能够支持特定学习目标。

WCAX 报道称，圣迈克尔学院教育学教授 Claudine Bedell 要求学生批评由 AI 工具生成的材料。她表示，学生很快就能发现其中的错误和潜在偏见。这项练习将评估而非生成，置于作业的核心。

这一差异很重要，因为生成式 AI 会根据训练数据中的模式创建文本、图像、音频或代码。它能够给出流畅的答案，却无法证明这些答案准确无误。当学生拥有足够的学科知识来质疑输出内容时，课堂活动便能揭示这一局限。

Bedell 的方法将 AI 素养视为批判性素养。学生必须识别缺乏依据的主张、被遗漏的视角，以及看似令人信服却不可靠的表述。模型成为研究对象，而非隐形作者。

位于 Burlington 的非营利组织 Hack Club 联合创始人 Christina Asquith 则提出了更严格的立场。Hack Club 向青少年教授计算机科学，参与者会使用 AI 编写代码。不过，Asquith 告诉 WCAX，学生有时会提交自己并不理解的项目。

Hack Club 会拒绝这些项目。Asquith 表示，其中四分之三的学生会在一两周内重新提交，对自己的代码有了更好的理解。该组织允许使用工具，但拒绝把输出本身视为学习的证据。

这个例子抓住了核心问题。一个能运行的程序只能说明软件产出了可用结果，不能证明学生能够解释该程序、调试它，或重建其中的逻辑。

Asquith 表示，Hack Club 的参与者编写代码的速度约为 2023 年的 100 倍。这一数字来自该组织的说法，并非对学习成果的独立衡量。更快的产出速度可以与更弱的理解并存。

因此，她划定了更为狭窄的课堂边界。Asquith 告诉 WCAX，AI 在幼儿园至八年级不应发挥作用，在高中阶段也应仅有非常有限的作用。

分歧确实存在，但双方也有共识。Bedell 和 Asquith 都反对被动接受机器输出。两人都希望学生理解眼前的作品。

一种方法通过结构化批评来培养这种理解，另一种则限制接触，直到学生拥有更扎实的基础。Google News 将这一分歧呈现为一则及时的本地新闻，但佛蒙特州学校仍须将其转化为可长期执行的规则。

Google News 突出全州指导意见的缺口

佛蒙特州虽已有全州框架，但关键决策仍落在学区、学校管理者和个别教师身上。

佛蒙特州教育署于 2026 年 1 月 23 日发布了一份长达 50 页的AI 教育指南。该指南涵盖行政工作、个性化学习、AI 素养、负责任使用、工具审查，以及符合发展阶段的访问权限。

该文件提供了方向，但并未宣布一项放之四海皆准的课堂政策。它要求教育工作者参考获批准的软件清单、学区技术团队、学校管理层及适用的隐私要求。

这种灵活性尊重本地教育判断，但也可能导致相邻学区中修读相似课程的学生得到不同答案。

州指南按年级范围区分了预期。小学教育工作者应主要关注利用 AI 简化自身工作；初中被描述为一个过渡阶段，学生需要结构化指导；高中生则可在形成 AI 素养后承担要求更高的 AI 辅助任务。

这些区分使发展成熟度成为核心。一种适合高中编程练习的工具，可能并不适合小学写作课。即使在同一年级内，学生、学科和任务之间的准备程度也各不相同。

该框架还区分了访问权限与监督。某个学区可能批准一款面向教育的聊天机器人，但批准本身并未界定教师应如何使用它。教学上的问题仍是：该工具是否强化了目标技能。

以写作作业为例。AI 可以建议提纲、提供反馈，或生成完整回答。这些操作通过同一个界面完成，却会带来不同的教育后果。

一名教师可能允许头脑风暴，但禁止生成文章；另一名教师可能要求学生将 AI 草稿与自己的草稿进行比较；第三名教师则可能禁止使用该工具，因为该作业衡量的是不借助外力的推理能力。

当学校只沟通 AI 是否“允许”时，这些差异就会造成困惑。学生需要任务层面的预期：他们可以做什么、必须披露什么，以及哪些部分的工作必须保持原创。

全国性报道显示，这种模糊性并不限于佛蒙特州。美联社一篇关于学术诚信的分析描述了学生在不同课堂中面对不同 AI 规则的情况。语法修正、列提纲、改写和创意生成经常处于界限不清的地带。

因此，有效的政策应描述行为，而不是品牌。屏蔽一个聊天机器人，并不能回答学生是否可以使用嵌入搜索引擎、写作软件、文档编辑器或学习平台中的 AI 功能。

同样的原则也适用于教师使用。学校可以允许借助 AI 进行课程规划，却不允许自动评分或反馈。政策必须明确哪些职责需要直接的专业判断。

佛蒙特州的指导意见为学校提供了作出这些决定的词汇，但并未消除落实这些决定所需的艰巨工作。

真正的分野在于学习还是替代

主要冲突并非教师对抗技术，而是 AI 辅助学习与 AI 辅助替代之间的冲突。

当工具完成了一项作业原本意在衡量的认知工作时，替代便发生了。如果学生需要构建论证，生成整篇论证便替代了这一过程；如果他们必须学习语法，直接接受生成的代码便可能掩盖他们是否理解这种语言。

辅助则是在不取代目标的前提下支持过程。学生可能要求聊天机器人生成练习题、解释一个错误，或质疑某项结论。学生仍须评估回应，并证明自己独立理解了内容。

这一界限会随作业而改变。计算器可以支持高等数学，同时也可能削弱旨在培养算术熟练度的练习。佛蒙特州 2024 年的AI 政策报告在讨论生成式 AI 时使用了这一类比。

这一类比有用，但并不完整。计算器执行的是结果可预测的既定运算；语言模型生成的是概率性回应，其中可能包含事实错误、偏见或虚构细节。

这种差异提高了验证的重要性。学生需要具备足够的知识，才能识别一个措辞精致的答案何时是错误的。没有这样的基础，“检查 AI”可能只会沦为接受它展现出的自信。

Bedell 的课堂练习直接应对了这一弱点。学生先审查生成材料，再指出其中的缺陷。学习价值来自批评，而非更快地获得文本。

Hack Club 则采用不同机制。它在学生借助 AI 构建项目后测试其理解程度。拒绝无法解释的项目，会迫使学生回到代码本身，进而必须说明系统究竟产出了什么。

这两种案例都改变了评估方式。教师不能把完成的文档或正常运行的程序视为充分证据，他们需要审查其背后的过程。

这可以包括草稿、来源笔记、口头说明、版本历史、课堂内完成的工作，或简短反思，以说明工具是如何被使用的。这些方法比 AI 检测评分更具参考价值。

检测软件试图估计一段文字是否由模型生成。这类估计无法揭示学生学到了什么，误报还可能损害信任。过程性证据能为教师评估作者身份与理解程度提供更坚实的基础。

明确披露同样重要。学生应知道何时必须说明某一步骤获得了 AI 协助，以及这种披露应有多详细。使用 AI 生成材料的教师也应遵循相当的预期。

这种互惠正成为佛蒙特州的重要议题。Seven Days 发布的一项佛蒙特州教育工作者调查显示，当教师布置 AI 生成的材料时，一些学生会感到动力下降。学生质疑：为什么自己的作业受到更严格的规则约束，而教师的工作却不是如此。

这种担忧不只是象征性的。一份不准确的练习单可能将错误传播给整个班级。一堂千篇一律的课程也可能无法反映教师亲自了解的学生、课程内容或课堂讨论。

因此，教师监督的含义不能只是按下按钮后读一遍输出。教育工作者仍须对准确性、可及性、教学适配度以及学生信息的处理负责。

透明的课堂可以让这种责任变得可见。教师可以说明 AI 何时帮助准备了某项资源、自己修改了哪些部分，以及为何最终材料适合这堂课。学生也可以按照同样的原则记录自己获准使用 AI 的方式。

该模式并未赋予学生与教师相同的责任。教师负责设计教学并评估学习成效。但它确立了一项共同标准：任何一方都不应将未经审查的机器输出当作原创且经过验证的成果呈现。

隐私与年龄限制令课堂 AI 更复杂

即便学习活动本身设计合理，只要 AI 工具收集敏感数据，或超出学生的发展准备程度，就可能变得不可接受。

生成式 AI 系统通常会保留提示词、生成使用记录，或将互动与用户账户关联。学生可能在一次普通对话中透露个人细节、学业困难、残障信息或尚未发表的作品。

这使得工具审批成为一项数据治理决策。学校必须了解供应商收集哪些信息、保留多久，以及是否利用输入内容改进其模型。

佛蒙特州的指导意见引导教育工作者使用经学区批准的工具，并与技术团队协作。该文件提及联邦隐私要求，包括《家庭教育权利和隐私法案》以及《儿童在线隐私保护法》。

教师无法独自解决每一个合同或技术问题。在开始课堂使用前，学区需要建立审查流程，覆盖数据处理、安全性、无障碍支持、账户控制和年龄限制。

产品设计又带来另一层复杂性。通用聊天机器人可能鼓励开放式对话，而面向教育的应用则可以将模型限制在特定学科或活动中。范围更窄的系统能降低部分风险，但无法消除这些风险。

该州指南列举了读写能力筛查和围绕课程的辅导等示例。它也提醒，学校领导者必须审查实际应用，而不能因为带有教育标签就默认其安全。

监督能力仍然有限。佛蒙特州的指南讨论了管理员在一些广泛使用的平台内审查学生对话时面临的缺口。如果工作人员无法看到学生如何与工具互动，学校就无法承诺提供有意义的监督。

年龄会使这些限制带来更严重的后果。低龄学生在评估说服性表达、事实不确定性和模拟情感语言方面经验较少。他们可能会把理解力或权威性赋予一个能够生成对话式回复、却没有人类意识的系统。

这有助于解释 Asquith 为何呼吁幼儿园至八年级课堂不使用 AI。她的立场强调，在学生接触能够代替他们完成作业的工具之前，应保护其基础学习与发展。

佛蒙特州的州级指导采取了更分阶段的做法。它将小学阶段的使用聚焦于教育工作者的任务，在初中阶段引入结构化的 AI 素养教育，并在学生展现出准备程度后，允许高中阶段开展更广泛的使用。

这两种立场都尚未得到长期课堂证据的定论。生成式 AI 工具直到 2022 年末才广泛可用，因此学校关于学习、依赖性和发展的纵向研究仍然有限。

这种不确定性应当收窄双方的主张。学校不能假定早期接触必然会培养素养，也不能假定不在课堂使用工具就能阻止学生在其他地方使用它们。

公平性又增加了一层压力。拥有付费账户、个人设备或家庭中更强支持的学生，无论学校规则如何都可能获得使用机会。因此，简单的禁令可能会把 AI 使用推向缺乏监督的环境，而不会让它消失。

反过来，强制使用也可能加重那些担忧隐私、偏见、屏幕接触或无障碍问题的家庭的负担。它还可能使那些更适合通过人类教学和直接练习学习的学生处于不利地位。

一项站得住脚的政策需要提供替代方案。如果作业允许或要求使用 AI，学生应当能够在不向未经批准的服务交出个人数据的情况下，实现同样的学习目标。

学校也应避免把每一项便利措施都视为允许不受限制生成内容的许可。无障碍支持可以围绕学生已记录的需求进行严格界定，同时保留作业的目的。

一个棘手的事实是，“安全 AI”并不是永久不变的产品类别。供应商会改变功能、政策、模型和账户控制。每当这些条件发生变化，学区的批准都必须重新审视。

教师如今成为压力焦点

佛蒙特州的灵活做法将专业判断置于核心，但它也要求教师承担任何单一课堂都无法独自解决的责任。

教师必须决定某种使用是否支持学习，向学生解释这一决定，执行学术诚信规则，审查输出中的错误，并保护学生信息。他们还必须在 AI 功能不断融入熟悉软件的同时完成这些工作。

全面禁止看似更易管理。然而，学生仍可通过个人账户、搜索界面、写作助手和手机访问工具。执行禁令随之会变成一项不断扩张的监控任务。

不受限制的访问避免了这种执行负担，却带来另一个问题：学生可以将学校本应培养的推理能力外包出去。

可行的中间路径需要更多设计，而不是更少。作业需要明确的 AI 边界、有意义的过程证据，以及能够揭示理解程度的评估方式。在减轻任何工作量之前，这会先提高备课要求。

因此，专业发展十分重要。教师需要时间在自己深刻理解的学科中测试工具。这样他们才能看到常见错误、薄弱引用、带有偏见的假设以及泛泛而谈的语言模式。

培训还必须涵盖何时不应使用 AI。只聚焦提示词的培训，容易把采用 AI 当作既定目标。教育工作者需要有权在工具不服务于学生时拒绝使用它。

本地报道显示，佛蒙特州各学区处于不同阶段。Champlain Valley School District 已制定以公平学习、支持教育工作者和合乎伦理的使用为核心的原则。Harwood 的教育工作者则努力形成共同理念，以减少规则不一致的情况。

这些努力表明，州级文件不可能成为最后一层安排。学区需要作业指导、获批工具清单、披露做法、家庭沟通，以及审查争议作品的程序。

学校领导者还需要明确责任归属。教师应知道由谁批准新工具，以及一旦学生数据泄露由谁响应。学生应知道如何对与 AI 相关的指控提出质疑，或在提交作业前请求澄清。

家庭需要获得有关工具功能的通俗说明。产品名称和关于个性化学习的宽泛说法，并不能回答学生是否会与模型对话、上传作品或获得自动反馈。

这场争论也会影响供应商。教育公司面临提供管理可见性、适龄控制、无障碍支持和清晰数据实践的压力。面向成年人的聊天机器人不能仅靠品牌包装就变得适合课堂。

Google、Microsoft、OpenAI 以及专注教育的供应商都在争夺学校工作流程中的一席之地。它们的产品各不相同，但制度层面的问题是相同的：学区能否在不将教育权威转交给软件的前提下控制使用？

学校应依据本地学习目标评判这些系统。一个能节省备课时间的功能，并不必然适合学生使用。一个辅导界面，也不必然可靠到足以供学生独立使用。

教师仍然承担着软件无法提供的关系责任。他们会察觉挫败感、已有知识、社会背景，以及学生作品随时间发生的变化。AI 可以处理输入，但它不会承担这种专业职责。

这就是为什么当前压力无法仅靠采购解决。佛蒙特州的试验能否成功，取决于机构是否为教师提供足够的政策、培训和时间，让他们行使被要求提供的判断力。

佛蒙特州学校接下来应关注什么

下一阶段的衡量标准将是学区政策、课堂证据和学生信任，而不是采用了多少 AI 工具。

第一个信号是，学区是否将宽泛指导转化为作业层面的规则。学生应看到明确的类别：禁止、有限、需披露和必须使用。如果这些类别在不同学科中出现，佛蒙特州将朝着一致性迈进，同时不会为每一堂课强加同一条规则。

第二个信号是，评估是否发生变化。继续只评定最终成品的学校，将难以区分学习与替代。更多口头说明、记录在案的草稿和课堂演示，将表明政策正在影响教学实践。

第三个信号是，教师和学生是否报告获得了更清晰的理解。一项政策可能看起来很完整，却让日常问题仍无答案。学区应询问学生是否理解允许的使用方式，以及教师是否知道如何作出一致回应。

这些信号比采用数据更重要。高使用率并不能证明存在教育效益。低使用率也不能证明学生在校外没有借助 AI 学习。

佛蒙特州立法者同样仍是这幅图景的一部分。州参议员 Seth Bongartz 告诉 Seven Days，他希望制定一项示范政策，同时对全面禁止持保留态度。未来的立法行动将揭示该州是继续维持自愿性指导，还是建立更明确的要求。

供应商的变化值得持续审查。学区可能依据某一隐私政策批准工具，之后却遇到新功能。对话分享、自动代理、记忆功能或社交功能，都可能改变风险评估。

学校应记录审查日期和触发条件。当供应商实质性改变面向学生的功能、数据实践或管理控制时，批准应到期或重新进入评估流程。

教育工作者也应收集具体的课堂证据。学生在 AI 支持的练习后是否保留了概念？他们能否解释生成的代码？反馈是否改善了修改，还是用它取代了与教师的交流？

这些问题比统计登录次数更难，但它们直指教育的目的。它们也能保护学校，避免把活动误认为学习。

学生应参与评估过程。他们可以说明规则何时显得不一致、AI 何时让作业失去意义，以及结构化使用何时帮助他们练习。他们的反馈不应决定每一项政策，但将其排除在外会掩盖课堂现实中至关重要的一部分。

佛蒙特州的公开辩论很有价值，因为它拒绝了一个简单的采用叙事。通过 Google News 被关注的教育工作者并非在判断 AI 是否令人印象深刻，而是在判断它何时具有教育意义。

这一标准为不同课堂答案留下空间。编程社团可以允许 AI 生成代码，并要求进行技术性答辩。写作课可以禁止生成的散文，同时允许比较来源。小学课堂则可以将面向学生的 AI 完全排除在课程之外。

一致性应当关注决策过程，而非结果完全相同。每一种获准使用都应具有学习目的、年龄依据、隐私审查以及检验理解的方法。

对于管理研究资料、笔记和来源材料的学生，私密的学生工作空间可以支持整理，而不会取代作业所要求的推理。无论使用何种工具，学生都应能够解释最终成果。

因此，对教师而言最有用的问题是具体的：学生在这里必须练习什么思维，又有哪些部分必须由他们亲自完成？

如果佛蒙特州的学校能在选择工具之前回答这个问题，那么即使产品不断变化，其政策仍将保持实用性。若无法做到，随着学生学着在这些空白地带中摸索，课堂之间的注意事项和禁令也将持续变化。