今天的通用 AI 已经能够解答常见的中小学题目，而老师尽管可以规定课堂上不用 AI，却很难知道学生离开教室以后怎么做作业。2025 年，中国青少年研究中心做了一次问卷调查，回收了八千多份有效问卷。调查结果显示，超六成受访中小学生用过 AI，其中 18.3% 经常使用；在列举使用方向时，超过七成学生选了 " 辅助完成作业 " [ 1 ] 。

学生作业是反映学生学习状态的窗口，作业交得更快、分数更高，通常会被当成学得更好。可如果学生用 AI 帮助做作业，这个推断还成立吗？在 AI 的帮助下完成作业，学生是否能学到真本事呢？

最近有一项研究发现，当中学生可以自由选择 AI 工具和用法时，他们的作业交得更快、分数更高，然而闭卷考试成绩却下滑了。换句话说，学生用 AI 做作业，可能没有真正掌握知识。这个结论虽然并不算出人意料，但反映出的问题却必须慎重对待。

作业变好了，考试却更差

2026 年 6 月，三位研究者发布了一篇工作论文，名叫《生成式人工智能的学习惩罚：来自中国中等教育的证据》。研究对象是中国中部一个 100 多万人口的县，包括当地 5 所初中、4 所高中，共 26811 名初一到高三学生，约占全县中学生的 90%。研究者取得了最长 30 个月的校内闭卷月考成绩、周末作业分数和作业平台记录，还取得了一部分学生的县统考及中高考成绩 [ 2 ] 。

2025 年 6 月，学生接受调查，并回忆自己第一次使用生成式 AI 的月份。截至调查时，约 80% 的学生报告使用过 AI，常用工具包括豆包、DeepSeek、ChatGLM、文心一言和通义千问。在使用 AI 的学科中，数学最常见，其次是英语。

研究者用的是一种叫 " 双重差分法 " 的统计方法。大概可以这样理解：原来李雷和韩梅梅的成绩走势很接近。从某个月起，李雷开始用 AI 写作业，韩梅梅没有。那么，如果李雷的成绩曲线从这时候开始明显偏离了原来的轨道，而韩梅梅仍然按原来的走势发展，那么这段额外的偏离就可能与 AI 有关。放大到两万多名学生的规模，研究者比较的正是这种 " 用 AI 前后的变化 " 与 " 没用 AI 的同龄人同期变化 " 之间的差距。

这个方法比单纯的 " 用 AI 前和用 AI 后 " 的对比更可靠，但仍然不是随机实验。学生是自己决定什么时候开始用 AI 的，而如果 " 开始用 AI" 这件事本身和其他同时发生的变化有关——比如某个阶段学习动力下降，或者是 " 因为跟不上进度，才想着找 AI 帮忙 " ——那么这些因素带来的成绩变化都可能被算在 AI 的账上。研究者用了长达 30 个月的连续月考数据去检查两组学生在用 AI 之前的走势是否确实接近，这能在一定程度上降低这种风险。

研究结果显示，在使用 AI 六到十个月后，差距就已经很明显了。周末作业分数平均提高约 18%；每次作业从领取到提交的时间，平均从约 64 分钟缩短到 45 分钟；与此同时，校内闭卷月考平均成绩下降了约 20%。

论文还报告了中考和高考结果。在累计使用 AI 至少两年的学生中，中考成绩约下降 24%，高考成绩约下降 18%。不过，因为这些数据只有很少几个结果时点，证据比较弱。

论文还发现，自由使用 AI 带来的学习损失在不同学科和性别间并不均匀。政治和地理等社会科学类科目的损失最大，其次是理科，语文和英语等语言类相对较小；按性别看，男生的降幅比女生更明显。这可能说明，AI 导致的成绩下降和具体学科的作业形式，以及不同群体使用 AI 的方式有关。

研究者注意到，一部分学生从领取作业到提交作业所用的时间很短，得分却很高，而随后的闭卷考试成绩又比较低。作者按照行为特征分类，把作业完成时间少于 50 分钟的叫做 " 外包 "，少于 45 分钟叫做 " 完全外包 "。按这种行为分类，使用 AI 超过五个月的学生中，81% 被归入 " 外包 " 组，50% 被归入 " 完全外包 " 组。

学习损失也主要集中在这些 " 外包 " 和 " 完全外包 " 组上。那些即使用了 AI、但完成作业的时间仍然和不用 AI 的同学相近的学生，学习损失很小。换句话说，问题似乎不只在于 " 用没用 AI"，还在于 AI 有没有替代学生自己的尝试和思考。

人们常把 AI 看成一种能力杠杆，以为它会让强者更强。但至少在这项研究中，结果恰恰相反：原来成绩较高的学生，估算出的成绩降幅反而更大。

研究者按照学生尚未使用 AI 时的平均考试成绩，把他们从低到高平均分成三组。论文估算，开始使用 AI 六到十个月后，原来成绩排在前 1/3 的学生，月考成绩下降约 24%；原来排在后 1/3 的学生，下降约 16%。把中考和高考合并估算后，两组的降幅分别约为 18% 和 11%。

研究者还发现，自称每周使用 AI 不足一小时的学生，月考成绩估计下降约 5%；自称使用五小时以上者下降约 30%。初中生的成绩降幅也比高中生更大。

不过需要注意，这是一项观察性研究，研究对象也局限于一个县。学生何时开始使用 AI 的数据来自事后回忆，可能存在误差；论文中的百分比是统计模型估算的平均变化，而不是每名学生都会出现的固定降幅。

AI 究竟替学生做了哪一步

虽然数字很吓人，但仅凭这项研究，并不能推出 " 只要使用 AI，中学生就一定学得更差 "。毕竟，同样是使用 AI，实际发生的事情可能完全不同。

让 AI 查找一个数据、调整文档格式，是使用；让 AI 检查自己的答案、指出遗漏和错误，也是使用；要求 AI 提示一个难懂概念、换一种方式讲解，仍然是使用；让模型生成解题步骤、写好作文，直接交出可以复制粘贴的成品，也叫使用。

一种更有用的分类方法，是看 AI 在作业中扮演什么角色。它可以是资料助手，帮助搜索、整理和排版。它也可以是编辑，评价学生已经完成的答案。它还可以是导师，只给提示、追问和反馈。AI 可以是共同作者，和学生讨论不同方案。但 AI 也可以是枪手，从理解题目到生成答案全部包办，留给学生的任务只剩提交。

因此，与其问学生有没有用 AI，不如继续问：是在动笔前就索要答案，还是做完以后请 AI 检查？AI 给的是完整成品，还是继续思考的提示？关掉 AI 以后，能不能解释答案，再独立完成一道相似的题目？

最后一个问题尤其重要。关掉 AI 后还能够解释、重做和举一反三，才是学习的重要证据。前面的数据与 " 助手、编辑、导师 " 式使用和 " 枪手 " 式使用的区别相一致，虽然使用了 AI 但作业完成时间没有明显变化的学生，学习损失很小。

今天的通用 AI 很擅长快速组织答案，但作业的目的不只是得到答案。学生先尝试、发现自己的薄弱点，再寻找办法、检查错误并重新完成，这些步骤构成了学习过程。

学习科学早就区分了 " 表现 " 和 " 学习 "。表现是做当前任务时的速度、正确率和流畅度；学习则是比较持久的变化——过一段时间还能想起来，换一道题还能做出来。更顺畅地完成作业，不一定意味着真正掌握知识；而有些练习虽然在当时更困难，但以后留下的东西反而更多 [ 3 ] 。

学生自己不一定能察觉这种差别。AI 把答案直接放到屏幕上以后，" 眼前已经有答案 " 很容易被误认为 " 我已经会了 "。

可以把一次学习粗略地看成回路：先尝试，找到自己卡住的地方；复习或搜索，得到一个暂时答案；再验证、发现错误，修改自己的理解；最后重新做一遍。

而 AI 可以在每一步给提示、出反例、检查错误，也可以直接跳到终点，交出完整成品。如果学生放弃自己尝试，那么答案不会变成学生自己的能力。看懂一道数学题的解答，并不等于合上屏幕后还能做出来。

宽泛地讲，学习的目的是让我们形成一些知识框架和基础信息，能够提出一个好问题，能把新信息放进已有框架中，能看出错误和不合理之处，以及能做出良好的决策。要形成这些能力，学习者需要反复回忆、理解、判断、纠错和迁移。如果 AI 直接越过这些环节交出答案，学生就失去了形成能力所需的练习。

当然，学习的关键从来不是 " 动脑越累越好 "，无意义的重复也不会因为痛苦就自动变成有效学习。学习的重点是通过获取和理解新信息而改变大脑加工能力。卡住、犯错、检查和重做，正是这些加工能力的改进过程。

这是学习过程中的必要摩擦，而这些摩擦必然不会愉快。所以容易理解，如果评价只看结果而不看过程，最省力的使用方式——使用 AI 做作业——就会更受学生欢迎。

那么，是否应该一刀切，彻底禁止 AI 进学校呢？

这恐怕也不是个好答案。在教师规定用法、安排练习并检查学生是否真正掌握的实验中，AI 确实可能帮助学习。

一项综述分析了 2022 至 2024 年间发表的 69 篇 ChatGPT 相关实验研究，发现平均效果为正 [ 4 ] ；另一项聚焦 " 批判性思维、创造力、问题解决 " 等高阶思维能力的三层元分析，综合了 19 项实验研究，也得到中等程度的正面结果 [ 5 ] 。不过，这些研究大多持续时间较短，以大学生样本居多，不同研究之间的结果差异也很大。

这两项研究和之前我们看到的那篇论文都是成立的。两者回答的问题并不相同：一个问 " 精心设计的 AI 教学干预有没有用 "，一个问 " 让学生自由使用 AI 会发生什么 "。

AI 既能辅助教学，也能代做作业。区别不在于工具，而在于学生是否自己尝试、判断和纠错。

为什么还要闭卷考试？

如果一份作业只要求从公开材料中拼装格式固定的文字，那么作业设计显然有问题。禁止使用 AI，也不会让这样的机械劳动变成有效学习。

但由此得出 " 以后总能使用 AI，现在就不必练习独立完成 "，又走得太远了。即使使用 AI，人也要拥有判断问题是什么、答案大概应当是什么样，以及哪里必须检查的能力。

学校和职场对一项任务的要求并不相同。工作任务要求成品按时交付且质量合格；而学校布置一道题目，则是希望学生在做题过程中更熟练地掌握方法。

职场里常说 AI 会让 " 强者更强 "。一位资深人士可以把重复步骤交给 AI，把精力投入到检查和取舍上；而一个新人如果把同样的工作交给 AI，却会失去学习的机会。

所以，AI 时代的教育需要把两类任务分开：一些任务可以允许学生与 AI 一起完成，用来练习提问、选择和核验；另一些任务需要不使用 AI，用来判断学生是否掌握了所需的知识和方法。

可以用三个问题作判断：

1. 这项任务首先要求尽快交付成品，还是要求学生学会一种以后要独立使用的方法？

2. AI 替代的是搜索、排版等辅助劳动，还是本应由学生完成的设计、分析、判断和纠错？

3. 不使用 AI 时，学生能不能解释、重做，并把所学用到一道稍有变化的新题上？

落实到一次具体学习中，可以先让学生独立尝试，写下自己卡住的地方；遇到困难后，再让 AI 提示、追问、举反例或指出错误，而不是直接交出成品；最后关闭 AI，由学生重新解释、独立完成，再尝试一道变式题。这样，AI 提供了认知支架和反馈，而不是替学生踏过整条学习回路。

美国康涅狄格州的柴郡学院正在做类似尝试。一名法语教师会让学生先用 AI 修改作业，再逐条检查哪些地方确实改对了，哪些虽然变得更 " 标准 "，却抹掉了自己的表达。AI 只给出修改意见，学生仍然要自己判断 [ 6 ] 。

这家学校还给不同作业标上 " 交通灯 "：绿灯允许充分使用 AI，红灯禁止使用，黄灯则由教师确定哪些工具和步骤可以交给 AI。例如，一份作业可以允许使用 AI 做拼写检查，却不允许直接问聊天机器人。这种方式也许可以给我们一些启示：学生开始做作业前就知道，当前任务是在练习人机协作，还是在检验自己能否独立完成 [ 6 ] 。

中国《中小学生成式人工智能使用指南（2025 年版）》已经提出分学段、以人为本和避免过度依赖，明确不应把生成内容简单复制为作业，也不能把 AI 作为替代性教学主体。这与上述判断大体一致 [ 7 ] 。

进入职场以后，使用 AI 的理由会更加充分，但人仍然需要知道什么时候可以委托，什么时候必须接过判断权。一项针对管理咨询顾问的实验发现，在模型擅长的创意、分析和写作任务中，AI 可以让参与者完成得更快、更好；换成表面相似但模型不擅长的任务，使用 AI 的人反而更容易答错。研究者把这种忽高忽低的能力边界称为 " 锯齿状技术前沿 "。能判断什么时候可以相信 AI，成了重要的能力 [ 8 ] 。

因此，学校不能只培养一种与工具隔绝的考试能力。没有 AI 时，学生应当能够回忆、解释、判断，并把学过的方法用到新问题上；有 AI 时，学生还要会提出问题、交叉核验、发现 AI 的错误或幻觉，并为最终答案负责。

AI 可以参与作业，但不能让学习者完全不做作业。判断 AI 是否真正帮助了学习，应该看在不使用 AI 工具以后，学生还会做些什么。作业成绩和完成速度无法证明是否真正学会，只有关掉 AI 之后，才见分晓。

[ 1 ] 孙宏艳 . 调查发现超六成受访中小学生用过 AI [ N ] . 中国青年报 , 2026-03-26 ( 08 ) .

[ 2 ] Str ö mberg D, Lei V, Wu Y. The Generative AI Learning Penalty: Evidence from Chinese Secondary Education [ R ] . CEPR Discussion Paper No. DP21577, 2026-06-02.

[ 3 ] Soderstrom N C, Bjork R A. Learning Versus Performance: An Integrative Review [ J ] . Perspectives on Psychological Science, 2015, 10 ( 2 ) : 176-190.

[ 4 ] Deng R, Jiang M, Yu X, Lu Y, Liu S. Does ChatGPT Enhance Student Learning? A Systematic Review and Meta-analysis of Experimental Studies [ J ] . Computers & Education, 2025, 227: 105224.

[ 5 ] Liu X, Guo B, He W, Hu X. Effects of Generative Artificial Intelligence on K-12 and Higher Education Students' Learning Outcomes: A Meta-Analysis [ J ] . Journal of Educational Computing Research, 2025, 63 ( 6 ) : 1460-1492.

[ 6 ] Hall P, Santos R. How to Encourage Smarter AI Use in the Classroom [ EB/OL ] . MIT Technology Review, 2026-08-24. https://www.technologyreview.com/2026/08/24/1142630/ai-school-classroom-policies/

[ 7 ] 教育部基础教育教学指导委员会 . 中小学生成式人工智能使用指南（2025 年版） [ Z ] . 2025-05-13.

[ 8 ] Dell'Acqua F, Mollick E, Lifshitz-Assaf H, et al. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality [ J ] . Organization Science, 2025.

作者丨猛犸 哈尔滨理工大学教师

审核丨于乃功 北京工业大学教授 中国人工智能学会理事

苏哲伦 上海市语文高级教师