【建设教育强国·教育笔谈】

　　作者：王帅国（清华大学在线教育中心主任、教育部在线教育研究中心副主任）

　　人工智能正以前所未有的速度融入大学课堂。智能答疑助手、主动干预学习过程的教学智能体、为每个学生定制学习路径的个性化系统，这些在不久前还仅仅是人们的设想，但现在都已变为现实。走得越快，越不能忘了为什么出发；走得越远，越要追问一些不能被速度掩盖的问题。技术变化日新月异，教育需要思考如何在应对变化的同时守住本心；AI正在构建个性化的学习系统，而个性化学习的前提，是学生能够发现并坚定自身的禀赋和志趣，这两者之间未必能很好适配；技术的发展，使得年轻一代习惯于迅速得到答案、解决问题，但对于心智成长而言，直面困惑、缓慢探索、长周期而逐步展开的启迪和释疑必不可少。这三重张力，因AI的介入而日益紧绷。

浙江杭州钱塘区新围小学学生在操控四足机器人参加竞速障碍展示。新华社发

　　技术的节奏与教育的节奏

　　技术更新的节奏往往是以月、以周来计算的。但教育的节奏不是这样。一门课的迭代周期是半年到一年，一个本科生的培养周期是四年，一位教师从入职到真正成熟可能需要十年，一项教育改革要看到结果，往往需要十几年沉淀。

　　这两种节奏之间，存在一种张力。

　　它往往带来这样的结果：很多技术还没真正学会、没真正研究透，就已经过时了。老师们刚在暑假培训时掌握了某个工具，开学就发现学生用的已是完全不同的东西；投入大量精力建设的某个平台，两年后可能只好推倒重来；一个项目从立项、推进到沉寂，可能比一门课从开学到期末还要短。

　　更深一层来看，教育本身的姿态可能会被改变。今天不少“AI+教育”产品，严格说来并不是从教育问题出发去寻找技术解，而是反过来——技术先行，人们追着技术去找一个教育场景把它装进去。一旦这种反转成为常态，就变成不再是教育使用技术，而是教育被技术使用。

　　在这种情况下，我们需要清晰区分：究竟是“这项技术值得快速跟进”，因为它确实回应了真实的教育问题，还是“这项技术现在很热，所以要有一个相应项目，否则会显得落后”。前者是基于教育问题的判断，后者是基于技术热度的判断。如果长期对这两种性质区分不清楚，有限的资源和注意力就会被投入到一些并不能真正解决教育问题的事情上。

　　个性化系统与学生的志趣养成

　　谈人工智能赋能教育，一个普遍的预设是：通过AI实现真正的个性化学习——根据每个学生的兴趣、节奏、风格，量身定制学习路径。

北京市第十八中学时光学校学生在书法公开课上使用AI工具分析自己的书法作品。新华社发

　　这里有一个隐藏前提：它默认了学生已经有一个清晰稳定的兴趣结构。但问题是，真正清楚自己对什么感兴趣、想学什么的学生，或许并不在多数。这是许多学生的成长被家长或老师高度规划后所面临的共同处境。从小学到高中，读什么、学什么、刷什么题、报什么班，几乎全是被安排好的，学生很少去辨认自己想要什么，思考如何为自己的选择负责。如此到了大学突然对他说“由你的兴趣驱动学习、AI为你定制路径”，就显得突兀了。毕竟，自主学习不是一个开关，说开就开，而是一种需要长期养成的能力。

　　当相当一部分学生并不明晰自己的兴趣和志趣，一个关键的问题是：今天投入的资源，到底应该更多地放在建一个更“聪明”的系统上，还是更多地放在培养一个有志趣的人上？

　　这两件事并不对立，但它们在资源、人力、注意力上却真实地竞争着。大学要在两者的张力之间清醒地把握孰轻孰重，否则可能会发现：有了个性化导学的系统，但学生似乎并不知道自己是谁、要去哪里。

　　志趣的养成，依赖的是导师的言传身教、同伴间的思想碰撞，或是一段允许试错、迷茫、更换方向的大学岁月。在大学教育阶段，这些经历与感受很难被任何系统简单替代。个性化，不应当掩盖志趣养成这件大学最古老的核心工作。

　　消解困惑与享受困惑

　　第三重张力最难说清——它关乎教育如何理解困惑本身。

　　学习常被理解为不断解决问题的过程。AI在这一点上的能力空前。它可以在几秒钟之内，为学生的困惑给出一段措辞周密的回答。

　　但学习中遇到的所有困惑，都应当被尽快消解吗？

　　很多困惑本身就是有价值的，哪怕这个困惑指向的是一个早已被人类解决了、写在教科书上的知识。只要解除困惑的结论是学生自己一步步推演出来的，他就等于和先贤一起重新走过一遍那条路。这条路上，他遇到的每一个磕绊、每一次“不懂”、每一次“再试试”，都不是浪费。

　　困惑还有更高一层的形态。它是那种模糊的、整体的、说不清的不安：一个研究结论看起来很正确，可就是隐隐觉得不对劲；一组实验数据漂亮极了，可就是不敢用。这种困惑，是专业判断力、学术品位乃至健全人格生长的土壤。一个学生只有经历过足够多次这种直觉上的停滞，并且在停滞中坚持思考，将来才可能成为一个真正能独立判断的研究者和行动者。

在北京中关村（海淀）具身智能创新产业园展厅，机器人向来访者介绍园区情况。新华社发

　　由此可以把困惑大致分为两类。一类是“路障”型困惑——忘了一个公式、卡在一个术语、不确定一个表达。这种困惑内在价值不高，越快解决越好，智能助教要化解的困惑正是这一类。另一类是生长型困惑——无论是重走一遍前人的推演，还是面对挑战时那种直觉性的不安，它本身就是教育的一部分。它不是学习的障碍，它就是学习本身。

　　用AI解惑的负面影响，不在于它消解了第一种困惑，而在于它总是把第二种困惑当作第一种，用一段流畅文字迅速抚平。学生却往往无力分辨：我现在的不懂，是应该被立刻解决的“路障”，还是应该让我自己走过去的成长？

　　所以，AI时代的教育，不仅要帮助学生更快获得答案，更要教会学生判断：哪些困惑应该被迅速化解，哪些困惑值得被耐心保留。

　　从动机来看，驱动学生把一切困惑都交给AI的，往往并不是懒惰，而是焦虑。一个学生在焦灼中坐了半小时还弄不清哪里不对，他承受的不只是困惑，还有自我怀疑——“是不是我不够聪明”。AI在这种时候，提供的不只是答案，更是一种心理庇护。

　　如果学校不能营造一种允许一部分学生慢一点的氛围，许多关于AI使用规范的讨论就只能停留在表层。

　　相比用AI作弊这类已被广泛讨论的风险，另一种后果更隐蔽：多年之后，毕业生在面对一个有问题的方案、有瑕疵的诊断、有隐患的决断时，已经没有学术直觉、科学品位和判断决策能力了。这种能力的流失是缓慢、隐蔽的，几乎无法挽回。

　　三重张力背后的同一件事

　　上述三重张力，看起来分别讲的是技术、系统和学生，其实背后是同一个问题：在一切都在被加速的时代，大学是不是还有勇气，守住一些本不应被一笔带过的东西？

　　技术的节奏不应当无条件覆盖教育的节奏，所以大学需要有定力慢下来；系统的个性化不应当替代人的志趣养成，所以大学需要把更多资源投回人本身；问题的即时解决不应当消解面对困惑时的教育价值，所以大学需要在课堂里留出允许学生“不懂”的空间。

　　具体到操作，有三件事可以做。

　　让教育问题走在技术方案之前。AI赋能教育教学的立项，先回答它解决的是哪一个具体教育问题，而不是先展示它用了哪一项新技术。

　　把志趣养成重新放回教育中心。师徒制、小班研讨、跨学科探索——恰恰是AI时代大学最不可替代的价值，应当获得与个性化系统建设获得同等的重视。

　　在课程评价中为“未完成”和“想不通”留下空间。鼓励一部分课程不只以完整、流畅、可展示的产出作为评价标准，而且要看见学生真实的思考过程——他们如何提出问题、遭遇卡顿、修正判断。

　　这些问题未必已有答案。但大学真正要做的，不只是追上技术的速度，更是在技术改变世界的过程中，守住人成长的节奏。

　　《光明日报》（2026年06月23日 15版）