BigButters · 大大黄油
第 3 期

AIx教育 · 第 3 期

个性化：是因材施教，还是给孩子套上数据枷锁？

2026-05-24

个性化：是因材施教，还是给孩子套上数据枷锁？

「AI 时代，教育守什么」· 第 3 期 主线：凡是 AI 能「返还」给你的，都不该是教育的核心。

你给孩子买了台 AI 学习机，好几千块。开机没多久，屏幕上就跳出一行字：「已为您的孩子定制专属学习路径——哪里不会学哪里。」

听着真贴心。可你有没有想过一个问题——这条「专属路径」，是谁、用什么、为了什么，给你的孩子画出来的？

前两期，我们站在孩子这一侧问：用 AI 会不会变笨、作业还在练什么。这一期换个方向：当 AI 反过来开始「研究」你的孩子。

「个性化」几乎是 AI 教育里最动听的承诺，听上去全是好处。但好处底下，压着一个很少有人问出口的问题。这一篇，我们慢慢拆。

先承认：个性化是个两千年的好理想

把丑话留到后面，先把好话说够。

「因材施教」不是 AI 发明的。孔子两千多年前就在做——对不同的学生，同一个问题给不同的答案。后来加德纳讲「多元智能」，说每个孩子的聪明长得不一样；维果茨基讲「最近发展区」，说学习发生在「会」与「不会」之间那道窄缝里，需要刚好合适的脚手架。

最有分量的是教育学家布鲁姆 1984 年的发现，叫**「2 Sigma 问题」：一个学生若能得到一对一辅导**，成绩能比普通大班课高出整整两个标准差——好得惊人。问题是，一对一请不起，没法普及。

AI 的承诺，恰恰击中这里：它第一次让「一对一」有望被规模化——给每个孩子配一个不知疲倦、按他节奏来的辅导者。这不是画饼。智能辅导系统的实证综述显示，它的效果确实是正面的（虽然没广告说的那么神，是「正面但有限」）。

所以，别一上来就骂个性化。它指向的那个理想，是真的好。 我们要拆的，是这个好理想在 AI 手里，多出来的一个前提。

但「个性化」有个前提：先把孩子变成数据

要「懂」你的孩子，系统得先做一件事：把他拆成一份可计算的数据画像。

每道题对错、每页停留几秒、几点开始走神、卡在哪、甚至语气和情绪——全被采集、建模、打分。这有个专门的词，叫**「教育数据化」（datafication）**。

这一步，看着只是技术细节，其实悄悄改了一样东西：孩子，从一个「人」，变成了一份持续被采集、被预测的「档案」。

哲学家福柯早就讲过这种事的机理。他说，现代社会里最有效的控制，往往不是惩罚，而是**「了解」——一套越能把你看穿、越能预测你的系统，也就越能塑造你、安排你。他管这叫规训与治理术**。

把这话放到今天：一个号称「最懂你孩子」的系统，同时也是一个最有能力悄悄塑造你孩子的系统。 「个性化」未必是更少的控制，它可能是更精细、更隐形的控制。

镜子问题：它只把「你已有的样子」还给你

还有一层，更隐蔽。

个性化的底层逻辑是迎合：根据你已有的水平、偏好、点过的、停留过的，推给你更可能接受的东西。短视频、电商都这么干，而且干得很好。

可这恰恰和教育的方向相反。

教育哲学家比斯塔（Biesta）有个提醒：真正的教育时刻，往往是某种从外部闯进来、打断你既有循环的东西——它逼你转向世界，转向那个你还不懂、还不是、本来不会主动去碰的东西。教育要带你出去，不是把你圈回你自己。

而纯粹的个性化，是一面镜子：它把「已有的你」不断地、越来越精准地，返还给你。越照越舒服，越照越像你自己——却很难让你撞见那个陌生的、会真正改变你的东西。

这正撞上我们这个专题的主线：AI 最擅长返还你「已经是」的样子；可教育最要紧的，是那个你「还不是」的样子。 一面只照得见你自己的镜子，养不出一个会转向世界的人。

当「懂你」是为了「留住」和「预测」你

所以关键的追问只有一个：这个「懂」，到底为了谁？

商业产品的个性化，「懂你」是为了留住你——让你多停留、多点击、多续费。教育产品如果照搬这套逻辑，「懂」就变成了「黏住」。

而比「留住」更狠的，是**「预测」**。

举个真事。2020 年英国，疫情取消了高考（A-level），政府临时用一套算法给学生定成绩。这套算法很大程度上不看你这个人，而看你所在学校过去几年的成绩——等于用一份数据画像，预测「你这种学生，大概能考成什么样」。

结果：约 40% 的成绩被算法压低。重灾区，是那些好学校少、底子薄的地区里的尖子生——一个穷学校的优等生，被算法以「你们学校历来不行」为由打了回去；与此同时，私立名校的分数反被抬高。愤怒的学生涌上街头，对着教育部大喊那句后来出了名的话：「去他的算法。」最后政府撤回算法、改回老师评分，考试局和教育部的高官接连辞职。

这件事最可怕的地方，不在它算错了，而在它「算对了」——它精准地把每一个孩子，锁进了一条由数据画出的、关于「你这种人」的预测轨道。

个性化最深的风险，就是这条轨道。它不再问「这个孩子能成为谁」，只回答「数据预测他会是谁」——然后，按这个预测来安排他。

真正该记住的一句话：不是所有「懂你」，都安着好心——尤其当那个「懂」，是为了「留住」和「预测」你。

几个必须给的反方

话别说过头。这件事至少有两处值得认真反驳。

反方一：个性化真能照顾差异，帮到落后的孩子。 对，而且有证据。前面说过，智能辅导系统的效果是正面的。对一个在大班里彻底跟不上的孩子，一个有耐心、肯按他节奏一点点来的系统，可能就是雪中送炭。这个好处是真的，不该被一笔抹掉。

反方二：「因材施教」是两千年的好理想，凭什么说它坏？ 没说它坏。坏的从来不是「因材施教」这四个字，而是由谁、用什么数据、为了什么目的来「施」。孔子因材施教，是一个活生生、懂学生的老师，面对面地判断；算法个性化，是一套你看不见、改不动、还可能在别处被变现的系统，替你判断。同样四个字，主语一换，性质就变了。

那这两条，是不是把前面推翻了？没有。它们合起来，指向同一个让步：问题不在个性化本身，在三件能问清楚的事——目标谁定、数据归谁、过程透不透明。 这三条问清楚了，个性化可以是解放；问不清楚，它就是数据枷锁。

这一期，带走第 3 把尺子

回到那台学习机许诺的「专属学习路径」。

它是好是坏，不取决于它多智能、多贴心，而取决于一件事：它在扩展这个孩子的可能，还是把他锁进一条算法预测的轨道。

第 3 把判准：这个个性化，是在扩展学生的可能，还是把他锁进一条算法预测的轨道？ 看三件事：目标谁定、数据归谁、过程透不透明。

把这第三把尺子也收进口袋。前三期，我们一直在问「AI 怎么改变学生」。下一期，换个主角——

如果 AI 能 24 小时在线、无限耐心地教，那「老师」还剩下什么？AI 什么都会教，但有一件事，它永远做不到。

取材 / 参考