BigButters · 大大黄油
第 2 期

AIx教育 · 第 2 期

AI 能写完所有作业，我们到底在考什么？

2026-05-24

AI 能写完所有作业，我们到底在考什么？

「AI 时代，教育守什么」· 第 2 期 主线：凡是 AI 能「返还」给你的，都不该是教育的核心。

一个学生交上来一篇逻辑清楚、用词讲究的作文。你正想夸，一查，是 AI 写的。

比「他作弊了」更让人发慌的，是后面那个问题：如果答案随手可得，那「写作业」这件事，到底还在练什么？

上一期我们留下一把尺子：别把孩子正要练的那个能力，外包出去。这一期顺着往下问——作业，要练的到底是什么？

答案可能跟你想的不一样。我们一直以为作业是用来「检查你会不会」的，重点在那个交上来的成品。可 AI 恰恰逼出了一个更扎心的真相：作业要的，从来就不是那个成品。

这一篇，我们慢慢拆。

知识不是答案，是你走过的那条路

一百多年前，美国教育家杜威说过一句话，今天才显出分量。

他说：知识不是一件你「先拥有、再拿来用」的现成东西；它是你在解决一个真问题的过程里，一点一点做出来的。这就是他最有名的「做中学」——但重点从来不在「动手」，而在那个「做」能不能逼出「想」。光动手不动脑，在杜威看来根本不算学习。

他办过一所实验学校。孩子们不是先背「纺织史」「几何」「化学」，而是从一团羊毛开始，亲手把它织成布。这个过程里，问题自己冒出来：怎么纺才结实（物理）、染料哪来的（化学）、古人怎么穿衣（历史）、布要裁多大（几何）。知识不是被塞进去的，是从「做一件真事」里被需要、被拽出来的。

那「想」具体是怎么发生的？杜威拆过一套反思的步骤，大意是：先撞上一个真困惑 → 把问题说清楚 → 想几个可能的办法 → 推一推每个办法会怎样 → 动手试、看结果，再决定信不信。这其实就是科学家解决问题的路子，也是修车师傅的路子。教育要让孩子反复练的，正是这套「遇到问题 → 自己想办法 → 验证」的本事。

杜威还有个不爱用「真理」二字的说法，叫**「有保证的断言」：一句结论之所以算数，保证来自你亲手做过的那番探究。所以在他这里，「知识」和「探究的过程」根本是一回事——没有那条自己走过的路，就没有真正的知识，哪怕你手里那句话本身完全正确。**

他为什么这么较真？因为杜威认为，一个只会背标准答案、不会自己判断的人，撑不起一个要靠公民商量着做决定的社会。作业练的从来不只是知识本身，是一个「会自己想」的人。

AI 给的，是一个「没人走过的答案」

现在把 AI 放进来，问题就暴露了。

AI 最擅长的，恰恰是把成品直接给你，跳过那条路。它给你一篇结构完整的论证、一道工整的解题、一段漂亮的分析——可那条让它成为「你的知识」的探究，根本没发生。

哲学上管这叫**「无探究的断言」**：你拿到一句正确的话，却没做过那个为它提供保证的探究。于是按杜威的标准，这压根不算你学会了。你拥有了一个正确的成品，却没经历那个让人变聪明的过程。

这一刀很狠。它砍的不是「知识够不够多」，而是知识赖以成立的那个方式。AI 让「不探究也能交出正确产物」成了常态——而这，恰好抽掉了知识之所以是知识的那块底。

不信？看一个真实验

这听上去还是有点像哲学家的担心。但 2024 年有一个设计得很硬的实验，把它摆成了数字。

宾夕法尼亚大学的研究者，在土耳其一所高中找了近 1000 名学生上数学课，随机分成几组：一组练习时用普通版 GPT-4（跟 ChatGPT 差不多，问它就给答案）；一组用**「导师版」GPT-4**（加了限制，只给提示、不直接给答案）；还有一组完全不用 AI。

练习的时候，用 AI 的明显更亮眼：普通版那组做练习题的成绩比对照组高 48%，导师版更是高出 127%。看着像大获全胜。

可真正的考验在后头——把 AI 撤走、让他们自己考。结果普通版那组的考试成绩，比从没用过 AI 的对照组还低了 17%。研究者的解释很直白：学生把 AI 当成了拐杖，练习时一路靠它，自己那条路压根没走，拐杖一抽就露了馅。

这正是杜威那句话的活样本：成品（练习）可以很漂亮，但只要那条路不是你自己走的，等撤掉外援（考试），「学会」就原形毕露。

这里还藏着一个关键对照，先记住，下面要用：「导师版」那组——只给提示、逼学生自己想的那组——考试成绩并没有变差。 同样是 AI，一个当代笔，一个当陪练，结局天差地别。

那作业和考试，还能怎么留、怎么考？

如果「成品」不再能证明「学会」，出路其实很清楚：从看成品，转向看过程。

这些 AI 替不了——因为它们考的不是「有没有答案」，而是「那条路，是不是你自己走的」。一句话：评价要看探究的过程，而不只是最后那张交上来的成品。

几个必须给的反方

话别说过头。这件事至少有三处值得反驳。

反方一：放手让学生自己探究，效率其实很低。 没错，而且这是最硬的实证反方。认知科学家基尔施纳、斯韦勒、克拉克（2006）有篇很有名的论文，标题就很冲——《为什么教学中的「最少指导」行不通》。对新手来说，几乎没人带、全靠自己「发现」，会把脑子的工作记忆压垮，学得又慢又差；新手往往需要先把方法讲清楚。

反方二：没有基础知识，探究就是空中楼阁。 也对。教育学者赫希一直提醒：脑子里没有足够的背景知识，所谓「探究」「批判性思维」就是瞎猜——你没法对一个什么都不懂的领域做探究。

反方三：AI 完全可以当探究的陪练。 对——这恰恰是上面那个实验里「导师版」的意思。让 AI 出反例、挑漏洞、逼你把思路说圆，而不是让它替你把思路想完。它当陪练，做中学反而更强；它当代笔，做中学就只剩空壳。

那这些反方，是不是把前面推翻了？没有。它们合起来，指向同一个让步：「先打底、再放手」，不是二选一。 新东西先讲清楚、给例子（照顾反方），有了底子再上探究、项目去深化（发挥杜威）——这是同一段学习路径的两头。

还得补一句：第一个反对「放羊式」假探究的，恰恰是杜威本人。 他晚年（1938）专门写书泼冷水：不是所有经验都有教育性，有些经验是「反教育的」——零散、热闹完就完、不引向更深的东西，比不做还糟。所以这一期反对的，从来不是「动手」，而是「动手却不动脑，或干脆让机器替你动脑」。

真正该记住的一句话：AI 销毁的不是知识的「量」，而是「知识之所以是知识」的那条路。

这一期，带走第 2 把尺子

回到那篇被 AI 代写的作文。它的问题不在「用了 AI」，而在那条本该由学生自己走的探究之路，被整个跳过了。

第 2 把判准：这份作业，「探究」还在不在学生自己手里？ 在 → 他在长真知识，评他走过的过程；不在 → 成品再漂亮，也只是一次搬运。

把这把尺子也放进口袋。上一期问「会不会变笨」，这一期问「作业还在练什么」——下一期，我们换个方向：当 AI 反过来开始「研究」你的孩子，要给他定制一条「专属学习路径」——

这到底是因材施教，还是一副更精巧的数据枷锁？

取材 / 参考