AI让孩子作业越写越好，为什么考试反而越来越差？
科
科视点 科视点约 9 分钟
科视点 科视点约 9 分钟
（加星标 ☆，
防走丢）
科学挑战直觉
生活科学
最近， 英国经济政策研究中心（ CEPR ） 发布了一篇关于 AI 和中学生学习的论文，《生成式 AI 的学习惩罚：来自中国中等教育的证据》。它追踪了中国中部某县 26811 名中学生，跨度 30 个月。
论文原文
结论很刺眼：学生使用生成式 AI 后，作业时间减少约 30%，作业成绩提高约 18%，但闭卷月考成绩下降约 20%； 使用 AI 超过两年后，中考成绩估计下降约 24%，高考成绩估计下降约 18% [1][2] 。
这组数字很容易被压缩成一句话： 使用 AI 会 害了孩子。
但真正值得追问的是：这些数字到底是怎么来的？ 它说的是 AI 本身有害，还是学生的使用方法错了？我们到底应该怎样用 AI 来学习？
在作业完成方面，AI 看起来像是学习加速器。学生使用 AI 后，作业完成时间从大约 64 分钟降到 45 分钟左右，作业成绩同时上升约 18%。但是到了闭卷考试，情况反过来了。学生开始使用 AI 后，月考成绩逐渐下滑。使用 6 到 10 个月后，闭卷月考成绩相对于没有使用 AI 的 估算 轨迹，下降约 20% [1] 。
也就是说， AI 让作业 看起来 越来越漂亮， 但 让考试 成绩 越来越难看。
打个比方，两 个孩子的 辆四驱车本来并排行驶， 突然， 其中 一位学生 喊了一声“冲啊，旋风冲锋龙卷风”。如果他喊完之后，两辆车的速度轨迹开始明显分叉，我们 就有 理由怀疑：这声喊话可能真的改变了什么。（所以 我 说，动画 里真能学到东西 ）
四驱车动画
当然，真正的研究不能只靠 看数据有没有 “分叉”。这个方法有一个重要前提：在使用 AI 之前，未来会用 AI 的学生，和一直不用 AI 的学生，成绩走势要差不多。所以研究者特意确认了—— AI 使用之前，两组学生的成绩趋势基本接近，家庭背景 等 初始成绩等也总体相似 [1] 。
如果只做普通对照——直接比“用 AI 的”和“不用 AI 的”谁分高——那很难解释：也许爱用 AI 的学生本就更努力， 或者 恰恰相反 爱用的学生 更 喜欢 偷懒，也许 接触AI的同学 家庭条件 更好等等 。这些因素混在一起，根本分不清是不是 AI 本身的 的功劳或过错。 多期双重差分法能把问题 更 聚焦到一点：一个学生开始用 AI 之后，他的成绩轨迹相对于自己原本 应有 的趋势变没变？ 这比简单对照严谨得多。
当然 ， 这依旧不是完美的随机实验——现实中没有平行世界，能让同一个学生同时过“用 AI”和“不用 AI” 的 两种人生， 所以 研究者只能尽量逼近真相。 而且这仅 是中国中部一个县的数据， 但两万多人的样本量足够大，呈现出的趋势值得 我们考量 。
它说的是一个“平均的相对差距”。打个比方：如果某 组学生的 平均分是 100 分，“下降 24%”大致是说，这 组 学生比“本来该考到的水平”低了约 24 分。那“本来该考到的水平”怎么估？中考、高考一辈子只考一次，没法像月考那样看同一个人的前后变化。
图源网络
于是研究者先比较 2025 年参加中高考的 AI 使用者和非使用者，并扣掉过去成绩、学校、家庭背景等因素。这样算出来，两群人的平均差距其实只有约 5% 到 6%，看着并不吓人 [1] 。 真正的问题藏在“用了多久”里。 月考考的是最近学的内容，一旦开始外包，成绩很快就往下掉；而中考、高考考的是好几年的积累，影响是慢慢叠加出来的。 研究者发现，只有在使用 AI 两年以上的学生身上，差距才扩大到中考约 24%、高考约 18% [1] 。
所以更准确的说法不是“用 AI 就掉 24%”，而是“长期、重度依赖 AI 的学生，在最重要的那场考试上，相对于本该有的水平，掉得最狠”。 所以测试结果的确足够警醒。
作业本来像健身训练。 你读题、回忆、推理、犯错、纠错，这些过程很慢，也不舒服，但正是它们让知识长进脑子里。
如果你雇一个人戴着你的运动手环每天去跑步，你的步数记录可以很好看。但真正长肌肉的人不是你。 你反倒会成为 AI 的素材。目前 AI 在很多学生那里，就是那个替他跑步的人。 那么， 研究者是 怎么识别这种 “ 外包 ” 的 ？
这 同样没有靠问卷。 毕竟哪个学生会承认自己的作业是外包给 AI 的呢？所以， 识别“作业外包”的思路很直观：我们都知道，只要认真花时间做作业，作业分数往往更高，考试成绩通常也更好。所以在不用 AI 的学生里，作业时间、作业成绩和考试成绩通常是正相关的。 虽然学生的学习能力各有差异，但这个趋势是相对不变的。
而 很多 AI 使用者身上出现了相反的 趋势 ：作业更快，作业分数更高，考试 成绩 却更低。 那 这就 是 “作业外包”的“嫌疑人” 了 。 据 论文估计， 学生 使用 AI 超过五个月后，约 有 81% 表现出“作业外包” 的 特征。
这说明 问题不只是“用了 AI”，而是“AI 替代了什么”。 如果 AI 替代的是抄写、排版、低质量重复，它是效率工具；如果 AI 替代的是读题、回忆、推理、犯错和表达，它替代的就是学习本身。
事实上， 认知心理学早就发现， 主动回忆和测试比单纯看答案更能促进长期记忆。 Roediger 和 Karpicke 的研究证明， 刻意的 检索练习能显著提高长期保持 ；Dunlosky 等人的综述也指出， 练习测试和间隔学习是最有效的学习策略之一 [6][7] 。
换句话说，AI 外包掉的不是写作业，而是大脑原本该走的那段路。所以，要说“AI 本身伤害学习”，并不准确。其他研究也显示， AI 的影响高度取决于使用方式。 Bastani 等人在 PNAS 的研究同样发现，不受限制地使用 AI，会让学生练习时表现更好，但撤掉 AI 后的独立考试反而更差 [4] 。而 Kestin 等人的研究则发现， 经过教学设计的 AI 辅导（AI tutor）可以提高大学物理的学习效率 [5] 。
引入 AI 课程，图源网络
同样是 AI，一个是“答案机器”，一个是“学习教练”。效果当然不同。我们真正应该做的， 不是让孩子远离所有 AI，而是尽量让 AI 成为教练。
过去，作业和考试大体是连在一起的。认真做作业，通常意味着认真学习；作业成绩好，通常也意味着考试不会太差。 但 AI 出现后，这条链断了。 学生可以快速交出一份漂亮作业，却没有经历学习过程。作业分数开始像泡沫一样膨胀，看起来很高，却未必有真实学习支撑。
另一方面， 如果考试永远完全剥夺 AI 这个重要工具 ， 考试 也会越来越 狭隘，越来越难以反应出人的真实能力 。未来很多真实工作都离不开 AI：写报告、查资料、做分析、写代码、做方案。如果真实世界允许使用 AI，而学校考试永远假设一个“无 AI 世界”，那考试衡量的就可能只是学生在工具被没收后的能力，而不是他们在真实世界中 解决问题的 能力。
所以， 我个人浅见， 这篇论文 给了我们 双重的 提醒 ：
传统闭卷考试如果完全剥夺 AI，可能低估 AI 时代人的真实工作能力；但反过来，作业如果完全放任 AI，又可能高估学生的真实学习能力。 旧作业会失真，旧考试也会 狭隘 。
学生 必须有一些不用 AI 也能独立完成的底层能力 ：阅读、计算、逻辑、概念理解、事实判断和清晰表达。 因为如果 这些能力 匮乏 ， 那 学生连判断 AI 答案对不对的资格都没有 。 同时， 学生也 必须学会在真实任务中使用 AI ：检索资料、比较观点、修改草稿、规划项目、整合信息、解决复杂问题。 这些才是他们未来会遇到的工作方式。
所以， AI时代对于人才很可能 不是降低要求，反而是提高要求。
不过，也要提醒一句： 即便没有 AI，很多传统作业也早就被“外包”了。
现在的 有些家长看到孩子作业写错，就忍不住帮他改； 甚至也 有些老师 为了途省事 会要求家长检查到全对。结果是，孩子交上去的作业很好看，但 反应的 不是孩子的真实水平。 这和 AI 外包 造成 的结果是一样的 ：作业全对，考试总错。
区别只是过去替孩子完成修正的是家长，现在可能变成了 AI。
所以， 想 要 避免这个结果，家长 也 要不断提醒自己： 我不是替孩子举重的人，我是他的健身教练 和后勤部长 。 他能做几组动作，是他当前能力的体现；我可以鼓励他，可以提醒他 ， 支持他 ，但不能为了看到一个漂亮的记录，就替他把杠铃举起来。
责编：珍豆 撰稿：冰海 排版：湘阳
参考资料
[1] David Strömberg, Victor Lei, Yanhui Wu, The Generative AI Learning Penalty: Evidence from Chinese Secondary Education , CEPR Discussion Paper DP21577, 2026。 https://cepr.org/publications/dp21577 [2] 论文 PDF： https://papers.ssrn.com/sol3/Delivery.cfm/6868618.pdf?abstractid=6868618&mirid=1 [3] Callaway, Brantly, and Pedro H. C. Sant’Anna. Difference-in-Differences with Multiple Time Periods . Journal of Econometrics, 2021。 https://www.sciencedirect.com/science/article/abs/pii/S0304407620303948 [4] Hamsa Bastani et al. Generative AI without guardrails can harm learning: Evidence from high school mathematics . PNAS, 2025。 https://www.pnas.org/doi/10.1073/pnas.2422633122 [5] Greg Kestin et al. AI tutoring outperforms in-class active learning: an RCT introducing a new research framework for learning with AI . Scientific Reports, 2025。 https://www.nature.com/articles/s41598-025-97652-6 [6] Roediger, H. L., and Karpicke, J. D. Test-enhanced learning: Taking memory tests improves long-term retention . Psychological Science, 2006。 https://pubmed.ncbi.nlm.nih.gov/16507066/ [7] Dunlosky, J. et al. Improving Students’ Learning With Effective Learning Techniques: Promising Directions From Cognitive and Educational Psychology . Psychological Science in the Public Interest, 2013。 https://pubmed.ncbi.nlm.nih.gov/26173288/
更多推荐 吃杂交水稻会“不育”？这是对袁隆平最大的污蔑 生菜依然可以放心吃，但我只会劝你一件事 央视曝光的“废桶牙刷”一定有剧毒？真相可能恰恰相反 抗生素超标37.5倍的猪肉，是怎么一步步走到你餐桌的? 钠遇水会爆炸，氯是毒气，它们怎么变成了食盐？｜化学有故事10 他的死，让卢瑟福咆哮：禁止科学家上战场！｜化学有故事09
科学挑战直觉
生活科学
最近， 英国经济政策研究中心（ CEPR ） 发布了一篇关于 AI 和中学生学习的论文，《生成式 AI 的学习惩罚：来自中国中等教育的证据》。它追踪了中国中部某县 26811 名中学生，跨度 30 个月。
结论很刺眼：学生使用生成式 AI 后，作业时间减少约 30%，作业成绩提高约 18%，但闭卷月考成绩下降约 20%； 使用 AI 超过两年后，中考成绩估计下降约 24%，高考成绩估计下降约 18% [1][2] 。
这组数字很容易被压缩成一句话： 使用 AI 会 害了孩子。
但真正值得追问的是：这些数字到底是怎么来的？ 它说的是 AI 本身有害，还是学生的使用方法错了？我们到底应该怎样用 AI 来学习？
这篇论文 写了什么 ？
这项研究不是一次问卷，也不是只看一次考试。研究者拿到的是一组长期数据：学生每个月的闭卷考试成绩、平时作业成绩、作业完成时间、中考和高考成绩，以及学生什么时候开始使用生成式 AI。 这就像给一群学生拍了 30 个月的纪录片，而不是只拍一张毕业照。 研究者看到的不是某个瞬间的分数，而是学生成绩轨迹的变化。在作业完成方面，AI 看起来像是学习加速器。学生使用 AI 后，作业完成时间从大约 64 分钟降到 45 分钟左右，作业成绩同时上升约 18%。但是到了闭卷考试，情况反过来了。学生开始使用 AI 后，月考成绩逐渐下滑。使用 6 到 10 个月后，闭卷月考成绩相对于没有使用 AI 的 估算 轨迹，下降约 20% [1] 。
也就是说， AI 让作业 看起来 越来越漂亮， 但 让考试 成绩 越来越难看。
这个研究靠谱吗？
那这个研究靠谱吗？先说结论，CEPR 本身是有学术声誉的机构。同时这篇论文的结论也是比较靠谱的。事实上， 研究者用的方法叫 多期双重差分法 （staggered difference-in-differences）。 虽然这个 名字 听起来像“多重影分身”一样酷炫 ，但逻辑不难：有些学生很早开始用 AI，有些学生晚一点开始用，还有一些学生一直没用。研究者把每个学生“第一次使用 AI 的月份”当成分界线，比较他使用 AI 前后的变化；同时，再拿同一时期还没用 AI的学生作对照 [3] 。打个比方，两 个孩子的 辆四驱车本来并排行驶， 突然， 其中 一位学生 喊了一声“冲啊，旋风冲锋龙卷风”。如果他喊完之后，两辆车的速度轨迹开始明显分叉，我们 就有 理由怀疑：这声喊话可能真的改变了什么。（所以 我 说，动画 里真能学到东西 ）
当然，真正的研究不能只靠 看数据有没有 “分叉”。这个方法有一个重要前提：在使用 AI 之前，未来会用 AI 的学生，和一直不用 AI 的学生，成绩走势要差不多。所以研究者特意确认了—— AI 使用之前，两组学生的成绩趋势基本接近，家庭背景 等 初始成绩等也总体相似 [1] 。
如果只做普通对照——直接比“用 AI 的”和“不用 AI 的”谁分高——那很难解释：也许爱用 AI 的学生本就更努力， 或者 恰恰相反 爱用的学生 更 喜欢 偷懒，也许 接触AI的同学 家庭条件 更好等等 。这些因素混在一起，根本分不清是不是 AI 本身的 的功劳或过错。 多期双重差分法能把问题 更 聚焦到一点：一个学生开始用 AI 之后，他的成绩轨迹相对于自己原本 应有 的趋势变没变？ 这比简单对照严谨得多。
当然 ， 这依旧不是完美的随机实验——现实中没有平行世界，能让同一个学生同时过“用 AI”和“不用 AI” 的 两种人生， 所以 研究者只能尽量逼近真相。 而且这仅 是中国中部一个县的数据， 但两万多人的样本量足够大，呈现出的趋势值得 我们考量 。
中考、高考下降 18% 到 24%， 是如何得出的 ？
这是最容易被误读的地方 。 它不是说同一个学生考了两次中考、两次高考，原来 700 分现在掉了一百多分；也不是说每个用 AI 的学生都会掉这么多。它说的是一个“平均的相对差距”。打个比方：如果某 组学生的 平均分是 100 分，“下降 24%”大致是说，这 组 学生比“本来该考到的水平”低了约 24 分。那“本来该考到的水平”怎么估？中考、高考一辈子只考一次，没法像月考那样看同一个人的前后变化。
于是研究者先比较 2025 年参加中高考的 AI 使用者和非使用者，并扣掉过去成绩、学校、家庭背景等因素。这样算出来，两群人的平均差距其实只有约 5% 到 6%，看着并不吓人 [1] 。 真正的问题藏在“用了多久”里。 月考考的是最近学的内容，一旦开始外包，成绩很快就往下掉；而中考、高考考的是好几年的积累，影响是慢慢叠加出来的。 研究者发现，只有在使用 AI 两年以上的学生身上，差距才扩大到中考约 24%、高考约 18% [1] 。
所以更准确的说法不是“用 AI 就掉 24%”，而是“长期、重度依赖 AI 的学生，在最重要的那场考试上，相对于本该有的水平，掉得最狠”。 所以测试结果的确足够警醒。
真正的问题：作业外包
论文最有价值的发现，不是“AI 提高了作业成绩”，而是“AI 让作业成绩变得可疑”。作业本来像健身训练。 你读题、回忆、推理、犯错、纠错，这些过程很慢，也不舒服，但正是它们让知识长进脑子里。
如果你雇一个人戴着你的运动手环每天去跑步，你的步数记录可以很好看。但真正长肌肉的人不是你。 你反倒会成为 AI 的素材。目前 AI 在很多学生那里，就是那个替他跑步的人。 那么， 研究者是 怎么识别这种 “ 外包 ” 的 ？
这 同样没有靠问卷。 毕竟哪个学生会承认自己的作业是外包给 AI 的呢？所以， 识别“作业外包”的思路很直观：我们都知道，只要认真花时间做作业，作业分数往往更高，考试成绩通常也更好。所以在不用 AI 的学生里，作业时间、作业成绩和考试成绩通常是正相关的。 虽然学生的学习能力各有差异，但这个趋势是相对不变的。
而 很多 AI 使用者身上出现了相反的 趋势 ：作业更快，作业分数更高，考试 成绩 却更低。 那 这就 是 “作业外包”的“嫌疑人” 了 。 据 论文估计， 学生 使用 AI 超过五个月后，约 有 81% 表现出“作业外包” 的 特征。
这说明 问题不只是“用了 AI”，而是“AI 替代了什么”。 如果 AI 替代的是抄写、排版、低质量重复，它是效率工具；如果 AI 替代的是读题、回忆、推理、犯错和表达，它替代的就是学习本身。
事实上， 认知心理学早就发现， 主动回忆和测试比单纯看答案更能促进长期记忆。 Roediger 和 Karpicke 的研究证明， 刻意的 检索练习能显著提高长期保持 ；Dunlosky 等人的综述也指出， 练习测试和间隔学习是最有效的学习策略之一 [6][7] 。
换句话说，AI 外包掉的不是写作业，而是大脑原本该走的那段路。所以，要说“AI 本身伤害学习”，并不准确。其他研究也显示， AI 的影响高度取决于使用方式。 Bastani 等人在 PNAS 的研究同样发现，不受限制地使用 AI，会让学生练习时表现更好，但撤掉 AI 后的独立考试反而更差 [4] 。而 Kestin 等人的研究则发现， 经过教学设计的 AI 辅导（AI tutor）可以提高大学物理的学习效率 [5] 。
同样是 AI，一个是“答案机器”，一个是“学习教练”。效果当然不同。我们真正应该做的， 不是让孩子远离所有 AI，而是尽量让 AI 成为教练。
旧作业失真，旧考试也狭窄
所以，这篇论文不能被 解 读成一份反 AI 工具宣言。它更像是把旧教育体系的裂缝照亮了。过去，作业和考试大体是连在一起的。认真做作业，通常意味着认真学习；作业成绩好，通常也意味着考试不会太差。 但 AI 出现后，这条链断了。 学生可以快速交出一份漂亮作业，却没有经历学习过程。作业分数开始像泡沫一样膨胀，看起来很高，却未必有真实学习支撑。
另一方面， 如果考试永远完全剥夺 AI 这个重要工具 ， 考试 也会越来越 狭隘，越来越难以反应出人的真实能力 。未来很多真实工作都离不开 AI：写报告、查资料、做分析、写代码、做方案。如果真实世界允许使用 AI，而学校考试永远假设一个“无 AI 世界”，那考试衡量的就可能只是学生在工具被没收后的能力，而不是他们在真实世界中 解决问题的 能力。
所以， 我个人浅见， 这篇论文 给了我们 双重的 提醒 ：
传统闭卷考试如果完全剥夺 AI，可能低估 AI 时代人的真实工作能力；但反过来，作业如果完全放任 AI，又可能高估学生的真实学习能力。 旧作业会失真，旧考试也会 狭隘 。
AI 时代需要新的尺子
所以，可能 我们 需要重新审视作业和考试的传统教育体系，也需要重 新设计 AI 的使用边界。学生 必须有一些不用 AI 也能独立完成的底层能力 ：阅读、计算、逻辑、概念理解、事实判断和清晰表达。 因为如果 这些能力 匮乏 ， 那 学生连判断 AI 答案对不对的资格都没有 。 同时， 学生也 必须学会在真实任务中使用 AI ：检索资料、比较观点、修改草稿、规划项目、整合信息、解决复杂问题。 这些才是他们未来会遇到的工作方式。
所以， AI时代对于人才很可能 不是降低要求，反而是提高要求。
写在最后
有的家长说：“我从不给孩子用 AI，因为我把握不住他会不会用 AI 偷懒。” 。 这当然有 一定 道理。 尤其是 面对自控力不佳的孩子，在无法把握使用边界的情况下，完全不用， 肯定 比任意使用 相对 更安全。不过，也要提醒一句： 即便没有 AI，很多传统作业也早就被“外包”了。
现在的 有些家长看到孩子作业写错，就忍不住帮他改； 甚至也 有些老师 为了途省事 会要求家长检查到全对。结果是，孩子交上去的作业很好看，但 反应的 不是孩子的真实水平。 这和 AI 外包 造成 的结果是一样的 ：作业全对，考试总错。
区别只是过去替孩子完成修正的是家长，现在可能变成了 AI。
所以， 想 要 避免这个结果，家长 也 要不断提醒自己： 我不是替孩子举重的人，我是他的健身教练 和后勤部长 。 他能做几组动作，是他当前能力的体现；我可以鼓励他，可以提醒他 ， 支持他 ，但不能为了看到一个漂亮的记录，就替他把杠铃举起来。
责编：珍豆 撰稿：冰海 排版：湘阳
参考资料
[1] David Strömberg, Victor Lei, Yanhui Wu, The Generative AI Learning Penalty: Evidence from Chinese Secondary Education , CEPR Discussion Paper DP21577, 2026。 https://cepr.org/publications/dp21577 [2] 论文 PDF： https://papers.ssrn.com/sol3/Delivery.cfm/6868618.pdf?abstractid=6868618&mirid=1 [3] Callaway, Brantly, and Pedro H. C. Sant’Anna. Difference-in-Differences with Multiple Time Periods . Journal of Econometrics, 2021。 https://www.sciencedirect.com/science/article/abs/pii/S0304407620303948 [4] Hamsa Bastani et al. Generative AI without guardrails can harm learning: Evidence from high school mathematics . PNAS, 2025。 https://www.pnas.org/doi/10.1073/pnas.2422633122 [5] Greg Kestin et al. AI tutoring outperforms in-class active learning: an RCT introducing a new research framework for learning with AI . Scientific Reports, 2025。 https://www.nature.com/articles/s41598-025-97652-6 [6] Roediger, H. L., and Karpicke, J. D. Test-enhanced learning: Taking memory tests improves long-term retention . Psychological Science, 2006。 https://pubmed.ncbi.nlm.nih.gov/16507066/ [7] Dunlosky, J. et al. Improving Students’ Learning With Effective Learning Techniques: Promising Directions From Cognitive and Educational Psychology . Psychological Science in the Public Interest, 2013。 https://pubmed.ncbi.nlm.nih.gov/26173288/
更多推荐 吃杂交水稻会“不育”？这是对袁隆平最大的污蔑 生菜依然可以放心吃，但我只会劝你一件事 央视曝光的“废桶牙刷”一定有剧毒？真相可能恰恰相反 抗生素超标37.5倍的猪肉，是怎么一步步走到你餐桌的? 钠遇水会爆炸，氯是毒气，它们怎么变成了食盐？｜化学有故事10 他的死，让卢瑟福咆哮：禁止科学家上战场！｜化学有故事09