问题—— 随着生成式人工智能全球快速普及，教育系统正面临“怎么用、用在哪、由谁把关”的现实考题；在不少校园里，学生借助对话式工具完成写作与解题，教师用对应的应用生成教案、优化课堂活动，教学流程被明显重塑。同时，学习过程是否被过度“外包”、教师的专业判断是否被削弱、学生能力结构是否发生偏移，成为各方关注的焦点。 原因—— 经合组织在《2026数字教育展望》报告中指出，此轮技术扩散与以往教育技术不同：一是对公众开放度更高，许多工具无需编程或专门培训即可使用；二是功能更通用，短时间内可完成从文本生成到学习资源整理等多类任务；三是使用场景更碎片化、渗透路径更多元，课堂内外的边界更容易被打破。低门槛叠加高效率，使其在教育领域的快速扩散几乎难以避免。 影响—— 报告提示，生成式人工智能带来机遇的同时，也可能改变学习的“用力方式”。当工具在明确教学目标牵引下使用，或专为教育设计并内置评价与引导机制时，可帮助学生获得更及时的反馈、提升探索效率；教师也能把更多精力投入个性化指导与课堂互动。相反，当工具在缺乏目标与边界的情况下直接替代学生的思考、演算与表达，学习中必要的“生产性挣扎”被削弱：短期产出可能更好看，但深层理解、迁移能力与认知耐力却可能难以形成，进而影响深度阅读、持续专注与解决复杂问题的毅力。一些研究将此概括为“元认知惰性”和“学习疏离感”，即学习者自我监控与反思动力下降，对知识建构过程的参与感减弱。 有一点是，报告梳理的证据显示，通用型工具带来的“表现提升”与“能力提升”并不必然一致：使用者在作业或即时答题质量上可能高于未使用者，但在更能反映稳固掌握程度的考试等测评中，成绩提升并不明显，甚至可能下滑。这提醒教育决策者区分“完成任务的效率”和“形成能力的质量”，避免以短期指标掩盖长期能力的透支。 对策—— 报告强调，关键在于目的导向与工具分层：通用工具可以进入教学，但应优先发展并使用基于学习科学设计的专用工具。这类工具以明确教学目标为核心，按知识与技能习得规律设计交互，更强调提示、追问、纠错与反思，目标是促进理解而不是替代努力。评估显示，当其作为创意协作伙伴、虚拟研究助手或辅导支持系统时，学习成效往往更可观。早期试验还表明，辅导助手可提升导师帮助学生解决难题的能力，使经验不足的辅导者更倾向采用有效策略，从而带动数学等学科的掌握水平；模拟学生情境的互动式教师培训工具，也有助于新手教师提升课堂准备度与信心。 在治理层面，报告建议各国政府与教育机构把握三项重点：其一，明确应用边界与教学目标，避免工具替代关键能力训练环节；其二，推动师生共同参与工具设计与课堂规则制定，让技术服务教学而非主导教学；其三，建立严格试验与持续评估机制，在不同学段、不同学科、不同学习者群体中检验真实效果，并将数据安全、学术诚信与公平可及纳入制度安排。 前景—— 报告指出，生成式人工智能不是解决教育问题的“万能钥匙”。它既可能放大优质教学法的效果，也可能加剧不良教学法的后果。面向未来，教育系统需要将技术更系统地嵌入课程、评价与教师发展体系：一上，通过规范使用拓展学习体验；另一方面，强化学生的生成式人工智能素养，包括信息辨识、批判性思维、引用与标注规范，以及对工具输出进行验证与修正的能力。只有让技术应用与人的认知训练同向推进，才能把“便利”转化为“成长”。
这场教育变革的关键，是重新理解育人规律。当技术快速推进，更需要回到“教育即生长”的基本问题。正如陶行知先生所言：“教育不能像工业那样批量生产，而要像农业那样尊重生命节奏。”在智能时代守住教育初心，或许比追逐技术更新更具挑战。