无尘阁日记

无尘阁日记

AI正在惩罚那些用它写作业的中学生:它先给你18%的提分,两年后再收走24%
silcano

微信读书《AI 正在惩罚那些用它写作业的中学生》(轻纪实)· 本次逐页翻阅 38 屏,从版权页读到「全书完」,抓取标记 end=last_page,全书读完,没有遗漏章节。微信读书推荐值 85.5%,69 人点评。
说明:这是《人物》杂志做的一篇长访谈,受访者是香港大学经济学教授吴延晖,谈的是他和斯德哥尔摩大学 David Strömberg 合作的一项追踪研究。38 屏、一个下午能读完,所以我不按章节复述,只谈三件事:那些数字意味着什么、哪些结论站得住、以及它哪里没有说透。加引号的话都能在截图里核对,页码是本次截图编号。

这本书的标题已经把结论说了:AI 在惩罚用它写作业的中学生。听起来像又一篇「别让孩子碰手机」的说教。但翻到第 3 屏,它给的不是态度,是一组数:用 AI 外包作业后,学生作业成绩短期提升约 18%,六个月内月考成绩平均下滑 20%,两年后中考、高考成绩分别最多下降 24% 和 18%。

一升一降,方向相反,时间尺度不同。这一组数字比我见过的绝大多数「AI 与教育」讨论都硬。所以我把判断放前面:这本小册子的数据值得当真,它的因果解释值得打折,它给出的解决方案基本等于没有。

一、先说这研究为什么值得当回事:它挑了一个「没人管」的县

教育类研究最容易死在样本上。你在北京海淀找几所学校做实验,结论再漂亮也没法推广——那里的家长、老师、学校密度和全国不是一个物种。吴延晖的解释很直白:「中国是一个基础教育很好的国家,如果在北京上海这些教育特别发达的地方找学校,那放到世界范围就太特殊了。」

他们最后选的是中国中部一个县:人口一百多万,人均 GDP 低于全国平均水平,9 所中学,26811 名初中生,追踪三年。选它的核心理由不是「典型」,而是「没人干预」——这个县的家校管束不像大城市那么紧,学生有相当大的自由度决定自己怎么用 AI。作者把这种状态叫「自由落体」。

这一点我认为是全书方法论上最值钱的地方。你要研究一个工具的真实后果,最好的场景不是被管得最严的地方,而是几乎没人管的地方。实验室里测出来的是「工具能做什么」,自由落体里测出来的才是「人会拿它做什么」。两者差的不是一点。

还有一个数字顺手把「AI 只是少数人的玩具」这个印象打掉了:到这个县 2025 年 7 月的观测终点,学生的 AI 使用率大约是 80%,已经和英国、美国的平均水平差不多。作者补了一个对照:中国 1994 年接入互联网,到 2012 年使用率才到 40%,整整 18 年;而生成式 AI 从 2022 年 11 月算起,三年就超过了 40%。

18 年对 3 年。这个对比不需要任何修辞,它自己会说话:一项渗透速度是上一代技术六倍的东西,我们对它后果的了解,还停留在上一代技术的进度上。

二、数据长什么样:短期全线变好,长期全线变差

第 9 屏把结果一次讲完了,我原样抄下来:「使用 AI 作业外包后,学生日常作业成绩平均提升 18%,用时缩短 30%,但在 6 个月内,月考成绩下降 20%。负面影响在两年后的中考和高考上体现得更充分,中考分数下降 24%,高考分数下降 18%。」

四个数字,两个方向。作业成绩涨 18%、用时少三成,这是所有老师家长都能亲眼看到的部分;月考掉 20%、升学考试掉 24%,这是要等半年、等两年才浮出来的部分。而人做判断,用的永远是眼前那一半。

这就是「AI 学习惩罚」这个说法的分量所在。吴延晖自己把「惩罚」这个词讲得很清楚:

「在企业,你用 AI 提高了工作绩效,工作完成得更好了,涨了工资,升了职。虽然你的能力可能受到一些损害,但这不是一种惩罚,因为你的目的就是把工作快速完成。但学生的目标是为了学习,作业只是过渡性产出。使用 AI 后,你提高了中间阶段的产出,最终的考试成绩反而变差了。」

这段话是全书的分水岭。同一个动作,在职场叫效率,在学校叫作弊,在能力账本上叫透支。三者不是同一件事,而大部分讨论把它们混成一件。

再往下,24% 到底是什么量级?作者给了一个我很喜欢的换算:

「从高考成绩来说,可能就是一个本科生跟一个专科生的差异了。也就是比较平时成绩差不多的两个人,一个人在学习中用了 AI,另一个不用。用了 AI 的学生,假设不用 AI 的话可以上本科线,但现在最坏的情况是只能上专科线。」

他还很克制地补了一句:「当然,这只是大致的推断。在现实中,取决于每个省的考生有多少,相对排名如何。」——如果全省都用 AI,所有人一起掉,排名未必变。这句话很重要,它把「个人受害」和「集体受害」分开了:AI 造成的教育损失,可能不改变谁上大学,只改变这一代人上大学时的能力水位。这一点书里只点了一句就过去了,我认为它值得单独写一章。

三、最刺眼的一条:成绩越好的学生,跌得越狠

如果只记一条结论,记这条:原来成绩好的学生,考试成绩下降了 24%;排名靠后的学生,只跌了 16%。

直觉会说反了——底子好的孩子,AI 应该帮得更多才对。吴延晖的解释我服气:中国中学考试的分数差距,往往来自最后几道大题、难题,「这几道题一旦做错,分数会差很多。对学习成绩本来就比较差的学生来说,原本就容易卡在大题上,容易的题不至于完全不会,所以惩罚力度没那么大。」

换句话说,难题吃的是「反复练习才长出来的分析能力」,而这正是 AI 最容易被外包掉的那部分。基础题靠记忆和套路,抄一遍答案也还在脑子里;压轴题靠的是把一个问题拆开、试错、卡住、再试的肌肉,跳过一次就少一块。

书里还有一个更细的时间变量:开始使用 AI 的时间点,决定惩罚的深度。「比如说你高二开始用 AI,高一的内容,你学得挺好的,那么,这部分学习成果是没有受到惩罚的。但如果你高一就开始用 AI,受到的惩罚就会更大。」

这一条比 24% 更让我后背发凉。它说明这不是一次性的损失,而是复利式的欠账:你越早把「想的过程」交出去,后面需要用它的时候越还不上。等到高三发现不会做大题,缺的不是高三那一年,是前两年被跳过的每一次卡壳。

而这件事最难的地方在于,它没有任何即时反馈。作者说得很直:「月考成绩下降之后,学生隐约都感受到了,但大家并没有改变。这点对我们来说是非常惊讶的,因为在中国社会,大家普遍重视学习。」感受得到,却不改——因为改的代价是立刻回到痛苦里,而收益在两年后。这是人性,不是意志力问题。

四、全书最硬的一段:外包和辅导,用时间就能分开

这大概是全书最可操作、也最容易被忽略的一段:他们怎么区分「用 AI 学习」和「用 AI 交差」?

答案是看时间。

「没有 AI 的情况下,一个学生最快完成作业的时间是 40 分钟。如果你花费的时间小于 40 分钟,作业分数却一下子提高了很多,我们判断就是外包。外包的意思是,你打开豆包或 DeepSeek,把题目贴进去,直接复制粘贴答案。辅导作业的学生,虽然也用了 AI,但写作业的时间和没有用 AI 的情况下相近……这种情况下,AI 学习惩罚就基本没有。」

这个判据粗糙,但极其好用。它把「用没用 AI」这个没法回答的问题,换成了「省没省下思考的时间」这个可以回答的问题。时间是最难伪装的东西:答案可以复制,卡壳不能。

而且它直接推翻了「AI 有害」这种一刀切的说法。同一个工具,同样的孩子,走辅导路线几乎没有惩罚,走外包路线惩罚深重。工具是中性的,路径不是。

更细的是剂量。书里说得很实:「一开始大家用 AI 写作业,可能用的程度没那么高,一周就用一两个小时,惩罚也不太明显。但是到了后来,学生使用 AI 的时间越来越多,比如说用到五六个小时甚至十几个小时,惩罚就加强了。」

还有一个我没想到的观察:技术上更好用,反而更糟。研究者把 2023 年 8 月豆包和智谱清言上线、9 月千问上线、2024 年底 DeepSeek 这几个节点都对照过,「这些关键节点对研究结果并没有什么影响」。

「所以这里面主要还是一个动机问题。初高中阶段的作业,并不需要多么先进的 AI 技术。工具多了之后,只是外包的人数变多了,不会影响学生的使用习惯,也不会节省学生用 AI 外包作业的时间。」

这句话我认为是整本书最重要的一句,也是它最不被标题体现的一句。问题不在模型能力,在人的选择;模型变强不会让问题更严重,只会让选择它的人变多。这跟「AI 越强孩子越危险」的流行叙事是反着的。

五、为什么先倒的是政治和地理,不是英语

第 19 屏有一个我没预期的排序:从考试成绩看,社会科学学科(特别是政治和地理)受影响最大,其次是理工科,影响最小的是英语和语文。

理由很干净:「因为听说读写这类基本能力,即使不学,日常生活里还有大把机会去练习、去积累。但分析能力需要大量的练习。就说文科的论述题这一块,要写文章的结构,这种结构性的内容,AI 是非常强的,而学生恰恰最讨厌这部分,所以倾向把它外包给 AI。结果这个能力恰恰又是考点里头最重要的,受到的惩罚最大。」

这里暗含一个三层的能力模型,书里在第 18 屏列出来了:第一层是听、说、读、写、算这类基本能力;第二层是分析能力和逻辑推理能力;第三层叫「元能力」——你会不会主动学习、能不能创造性地摸索出适合自己的学习方式。

AI 打的是中间那层,而且专挑「你最讨厌、它最擅长」的交界处下手。学生讨厌写论述题的结构,AI 恰好最会搭结构,于是这块肌肉第一个萎缩。英语和语文为什么不掉?因为它们的基础层在日常里天天被使用,不给外包留空间。

这个排序也顺手给了「AI 先替代文科」的流行判断一记修正。不是 AI 先替代文科,而是AI 在最像「套路活」的地方最先吃掉人的练习机会,而中学文科的论述题恰好长得最像套路活。真正被替代的不是文科能力,是文科训练里那段本来最该自己吃力的部分。

六、「不是脑力外包,就是情绪外包」,但这一半在中国还是空的

书里有一个漂亮的对称句,出现在第 25 屏:国外研究发现,低收入家庭的孩子更容易出现作业外包,而高收入家庭的孩子会出现情绪外包——孩子只跟 AI 互动,失去了跟人互动的能力。

作者紧接着讲了一件我觉得比数据更刺人的事:AI 学校的设计「基本都在强调对孩子社交能力的培养」,「这是国外很多老师、家长特别担心的一个问题。虽然中国还没有相关研究,但我觉得这应该是共通的。」

这一段我要挑毛病。「我觉得应该是共通的」,是这本小册子里最弱的一句论证。它把两个完全不同机制的现象——一个是学业上的偷懒,一个是情感上的替代——用一个对偶句式捆在一起,听着很整齐,证据只有一半。「脑力外包」有 26811 人的数据,「情绪外包」在中国的证据是零,作者自己也承认了。整齐的句子容易传播,也容易让人误以为问题已经被证明。

不过它提的那个问题是真的:如果孩子从小学会把「不知道怎么跟人相处」的难受交给一个永远耐心、永远回应、永远不会烦的对话对象,那么他练不到的东西,不是知识,是跟一个会拒绝你的人生气、和好、再生气的能力。这个东西没有考试,所以没有分数告诉你掉了多少。

七、这本书没有说透的一件事:学校为什么没拦住

按理说,学生成绩掉了,老师最该先发现。但书里给出的现实是:拦不住,甚至看不出来。

第一个原因是账目问题:「尽管学生的考试成绩下降了,但这是一个加总的结果,不是所有学科的成绩一瞬间都下滑了。除非是班主任,很少有老师能够掌握学生所有学科的学习情况。」

第二个原因是老师内部根本没有共识。第 20 屏说得很直白:有的老师觉得「反正挡也挡不住,那就让学生用」;有的坚决抵制,「认为允许学生用 AI 是老师懒惰的表现」;还有一派在中间,「觉得可以适度地用」。甚至有一位老师从自己的经验出发给出了反方向的证据——

「有老师还提到,自己用了 AI 后,教室里抬头率变高了。所以他们从自身经验角度,觉得可以把 AI 当作一个辅助工具。」

而吴延晖对此的解释更扎心:「AI 会替代掉水平比较一般的老师。所以对这些老师来说,课堂抬头率本来就不高,用了 AI 之后,PPT 设计或者讲课的例子更生动了,学生的抬头率反而会高一点。」

第三个原因是家长这一环基本是断的:「我们也问过家长,50% 的家长是不知道小孩用什么 AI 的。」

这一节我认为是全书写得最实的一节,因为它没有把责任推给任何一个角色。老师看不到全科账、家长不知道孩子用什么、学生感受得到但改不了,三边都在,链条却是断的。

书里还给了一个很微妙的观察:最早一批重度使用 AI 的学生,「在五六个月时惩罚达到峰值,再一年后惩罚有所减弱。这个很可能是老师或家长干预的结果。但我们观测不到直接的干预行为。」——也就是说,这项研究连「惩罚会不会自愈」都还答不了。作者诚实,但这也说明结论的边界比标题窄得多。

八、它的短板

第一,一个县,一种口径,没有对照组。9 所学校全在同一个县,全县学生同期几乎都在用 AI(使用率 80%),所以严格说,这份研究测的是「这个县的学生在 AI 普及后成绩怎么变」,而不是「用 AI 的人和不用 AI 的人差多少」。作者靠「用时间判外包、用外包与否分组」来做内部比较,这是聪明的补救,但它替代不了一个干净的对照组。

第二,24% 是什么的 24%,全书没说清。是原始分数、标准分、还是排名百分位?「最多下降 24%」里的「最多」是样本极值还是分组均值?有没有置信区间?这些在访谈体里全部消失了。一个能被反复引用的数字,配上说不清的口径,是这类写作最大的风险——它会被当成结论传播,而它其实只是一个方向。

第三,识别「外包」的判据有反例。「40 分钟内交、分数还涨」确实是外包的强信号,但一个熟练的学生做题本来就快,一套简单的作业本来就该 20 分钟写完。研究靠回溯性自述和作业时长来分类,误差会往哪个方向偏,书里没有讨论。

第四,情绪外包那一半没有本土证据。用「我觉得应该是共通的」把国外发现接到中国现实上,是最省力也最不负责的一步。真要写,至少要给出一个可观测的替代指标,比如同伴交往时间、面对面冲突频率之类,而不是留在一句对偶。

第五,访谈体让方法隐身。38 屏里,抽样怎么抽、问卷怎么设计、AI 使用时长怎么测、遗漏变量怎么处理,全部没有。读者只能选择相信或者不相信,没有第三条路。这不是作者的问题——是文体的问题——但读者必须知道自己读到的是结论,不是证据链。

第六,也是我认为最要命的一点:「怎么办」这一节基本是空的。书里给的方案是「建立 AI 中心,在老师的指导下,让学生集中时间用 AI 辅助学习」,或者「回归传统黑板粉笔字的教学模式」,然后自己承认「现在都还处在盲人摸象的阶段」。最后落到一句价值观表态:

「我们要克制地使用 AI,尤其在某些任务上面,我们要敢于对 AI 说不。」

这句话我同意,但它不是一个方案,是一个姿态。让两亿中学生「敢于对 AI 说不」,靠的不是勇气,是制度:作业怎么设计、评价怎么改、老师怎么培训、家长怎么知情。书里提到了这些(有些学校要求标注 AI 使用步骤、有些加重闭卷考试比重、有些改成上台讲述),但每一件都只用一个逗号带过。而这恰恰是唯一能被落地的地方。

还有一条隐性的短板:它没有回答「如果全省都用 AI 呢」。作者自己提到,如果所有人都受影响,排名未必变。那么这场惩罚的最终形态可能不是「一批孩子被淘汰」,而是「一整代人的分析能力下移,而录取线也随之平移」。这比 24% 更值得害怕,但它只在第 10 屏出现了一次,就被放过去了。

最后说回那句我认为全书最值钱的话,来自第 31 屏,吴延晖讲他自己怎么用 AI:

「我一般用它来解决力量型的问题,比如估算一个模型,我会让 AI 帮我做计算。我不会让 AI 解决美的问题,比如这个研究是怎么设计的,文章怎么写。包括最近我正在把我之前的一项研究翻译成中文,全部都是自己写,我不想让 AI 影响语言。」

他把工作分成两类:力量型的研究和美丽的研究(beautiful research),前者是计算、编程、繁复的文本细读,后者是审美、判断、创造力。他的判断是,力量型的活最先被冲击,而一个人如果只会力量型的活,他被冲击得也最彻底。

这本书讲的是中学生,但真正被说清的其实是这件事:AI 不是在惩罚用它的人,它是在给每一个「把思考外包出去」的选择标价——先付你 18% 的利息,两年后连本带息一起收。

《AI正在惩罚那些用它写作业的中学生》核心知识图谱
38 屏的形状:一组样本、四个数字、三层能力,以及六处短板

38 屏读完,我带走的是一个判据和一个警告:判据是「省没省下思考的时间」,它可以立刻用在任何一个正在用 AI 的人身上,包括我自己;警告是那句「工具多了之后,只是外包的人数变多了」——问题从来不在模型会不会更强,而在我们有没有给「不外包」留出位置。

阅读记录
书名:AI 正在惩罚那些用它写作业的中学生(轻纪实) 来源:《人物》对话香港大学经济学教授吴延晖
本次阅读:微信读书逐页截图 38 屏,8 个章节,从版权页至「全书完」,抓取标记 end=last_page,全书读完。
未读到:无。
判断依据:样本与数据取自 p0003、p0008、p0009、p0010;「外包 / 辅导」判据取自 p0013;分科排序与三层能力取自 p0018、p0019;情绪外包取自 p0025;教师态度取自 p0020;beautiful research 取自 p0030、p0031。所有引文均可在本地 38 屏截图中核对。
关于作者 · 江天(楠哥)
AI 实战导师 / 企业 AI 落地顾问 / 智能体工程师,17 年跨界、15,000+ 小时 AI 实操、20+ 套已交付工作流。