Google DeepMind 在塞拉利昂开展 AI 学习效果随机对照试验

这项预注册试验的结果表明，AI 可以成为强大的教学伙伴——不是取代教师，而是扩展他们的影响力。这项研究是我们持续努力的一部分，旨在为 AI 对教与学的影响建立全球证据基础。

超越答案引擎：保护批判性思维

一个常见的担忧是，生成式 AI 可能成为学生的捷径，从而绕过深度学习所需的富有挑战性却至关重要的认知努力。引导式学习正是为解决这一担忧而设计：它基于我们LearnLM 工作中多年的研究与实践，具有教学法根基，并经过专门调校，优先培养理解而非直接给出答案。

来自塞拉利昂的数据表明这一方法正在奏效。对试验期间超过 113,000 次互动交流的分析显示，学生在 91.4% 的对话中使用该工具来构建概念性理解，而非仅仅寻求答案。Gemini 在 76% 的回复中提出脚手架式问题，仅在 2% 的情况下直接给出答案。这种“苏格拉底式”互动确保认知上的重担仍由学生承担。

教师主导的干预

这项试验的成功建立在 AI 与教育工作者之间的合作之上，教师始终牢牢处于体验的中心。教育工作者设计课程、设定目标，并引导推动学习的课堂讨论。

在焦点小组中，教师反馈称 Gemini 也支持了他们自身的专业成长。通过使用该工具备课，他们发现了讲解分数等熟悉主题的新方法。许多人描述了一种从“讲授者”到“引导者”的转变，他们在教室里走动，支持成对的学生踏上各自的学习之旅。

为帮助其他人实施类似项目，我们发布了一份教师培训指南，其中的材料是与 Fab AI 合作创建的，包括本研究所使用的具体方案。

衡量影响

定量结果十分显著。使用引导式学习的学生，其数学成绩相比对照组提升了 +0.258 个标准差。实际而言，这相当于在为期八周的试验中取得了大约 1.2 至 1.7 年的典型学习进步。

在教师将 Gemini 融入约一半课程以达到试验期间 12 小时目标的课堂上，学生的提升更为显著——大约相当于 1.8 至 2.5 年的进步。参与度也异常之高：69% 的学生达到或超过了使用目标，远超自愿性教育科技通常的 5%（即著名的“百分之五问题”）。这意味着学生不仅参与其中，而且更享受来上课。

除了数字之外，我们还看到了行为上的深刻转变。学生们报告说更喜欢数学，并且在常规教学之外积极参与学习。至关重要的是，随着时间的推移，他们的对话和问题变得更加以学习为导向，转向技能培养，而不是寻求直接答案。具体来说，到最后一周，技能培养类查询从第一周的68%上升到90%，而寻求答案类问题从25%下降到10%，这证明学生不仅想要答案，他们还想理解答案是如何得来的。

为了进一步了解引导式学习对学生学习的影响，我们正在全球范围内开展一系列额外的预注册随机对照试验。为了推进开放科学并及时传播见解，我们还发布了一本操作手册，介绍我们与Fab AI开展随机对照试验的方法，以帮助他人根据自身需求和背景开展更快速、可扩展的研究——从而发掘出与技术发展保持同步的稳健本地化证据。随着后续随机对照试验的完成，我们将继续发布结果和心得，以构建更全面的跨国证据基础，我们希望这将为整个学习生态系统中AI的负责任发展提供参考。此外，我们对全球AI学习联盟（GAILA）的支持将通过集体行动加速这些承诺及其他工作。

前行的道路

尽管这些结果令人鼓舞，但它们也凸显了“成绩差距”的挑战。虽然大多数学生受益，但那些在试验开始时数学能力较强的学生受益最大。这凸显了一个重要需求：提供能为最需要的学生带来最大收益的工具。

展望未来，我们计划将这些试验扩展到其他国家，并更深入地探究元认知和关系智能等领域，以捕捉更全面的视角，探索学习的细微复杂性。通过将教师主导课堂中师生关系的基础与AI的个性化、脚手架式能力相结合，我们可以帮助确保技术成为通往所有人有意义学习机会的桥梁。

¹ 我们还获得了Google.org和盖茨基金会的支持来开展这项试验。EducAid、Laterite和Oxford MeasurEd也与我们一起合作。