• 周三. 11 月 18th, 2026

堂测.TangEST

数据驱动,精准教学,课堂互动、即时反馈工具

哈佛 AI 学习指引来了

11 月 18, 2026 #AI学习指引, #TAIWE, #哈佛

一、办公室里最常见的两难

改作业时,你很可能遇到过这样的场景。

同一道题,一个学生写得条理清楚,问到关键步骤,他能讲出自己的推演;另一个交上来的句子很漂亮,追问几句,却说不清自己是怎么想到的。

办公室里于是分成两派。一派主张干脆禁掉,省得再分辨;另一派觉得不能一刀切,那个真正借助 AI 理清思路的学生,可能正在学习更有条理地思考。

问题不在于“AI 好不好用”,而在于“这次任务里,哪一步应该由学生完成,哪一步可以交给 AI 辅助”。这两步一旦混在一起,老师很难判断:学生究竟是在借助 AI 练习,还是已经绕过了原本要练的能力。

二、先看一个能查使用边界的矩阵

哈佛大学教育学院的 Compass Collaborative 在 2026 年 11 月 10 日所在的那一周上线了 AI Guidance by Age 矩阵。Inside Higher Ed 于 11 月 12 日对它作了报道。

这个矩阵不直接回答“AI 该禁还是该放”,而是提供一套查找办法:先选角色,再选发展领域,最后选年龄段。

角色一栏共有 9 个,包括 K-12 教师、高等教育教师、职业教育教师、学生、研究者、政策制定者等。发展领域包括认知基础、社会理解与互动、语言与读写、创造力等。年龄段则覆盖 0 至 40 岁。

三个条件选完后,矩阵会返回四类内容:推荐用法、作业与评估设计建议、AI 可能帮到学习或妨碍学习的具体位置,以及延伸资源。

这套查法最值得带走的,不是某个现成答案,而是“先确定这次要练的能力,再决定 AI 站在哪里”。

它不做产品评测,也不给具体 AI 应用打分或排名。矩阵讨论的是教学环节,不是软件选购。

三、研究能提供什么,又不能提供什么

报道给出的口径是,团队梳理了 5000 多项教育、心理学与人类发展领域的研究。

这个数字需要放回研究背景里看。5000 多项研究大部分早于生成式 AI 出现,有些甚至早了几十年。关于 AI 工具本身如何影响学习效果的独立研究,目前还很有限。

换句话说,矩阵提供的是一条查找框架,不是关于每个工具、每门课程都有效的定论。

Inside Higher Ed 在 11 月 12 日的报道中还提到一项调查:85% 的大学生使用大语言模型进行头脑风暴、查找资料、写作和修改。这项调查并不是矩阵上线时引用的调查。它说明的是学生已经在使用 AI,而不同课程对这种使用的边界并不一致。

学生已经在用 AI,关于 AI 学习效果的研究还没跟上。老师眼下能做的,是把每个教学环节拆开检查。

四、年龄不同,AI 应该站的位置也不同

先看 9 至 11 岁。

这一年龄段可以借助 AI 调整练习难度,也可以让 AI 提醒学生检查错误。这些作用可能帮助学生继续练习。

真正需要防住的,是直接给出答案。若 AI 替学生完成关键步骤,就可能跳过记忆提取练习,也就是学生从记忆中主动回想、调用知识的那个过程。

这一阶段更适合让 AI 陪着练,而不是替学生想。比如学生先尝试,再让 AI 提示可能的错误,最后由学生自己订正。

再看 15 至 17 岁。

一个更具体的做法是:学生先独立完成任务,再给自己的把握程度打分,之后用 AI 的反馈检查差距。这里要保留的是推理过程,AI 给的是外部参照,不是答案。

对于高中生,矩阵给出的思路也很明确:先自己动脑,包括列提纲、列要点、做头脑风暴;完成初稿后,再让 AI 充当编辑或提供批评性反馈的搭档。

先做,再问。AI 接手的是修改和挑错,不是替学生生成内容。

18 至 25 岁的语言与读写任务,则给出了更细的分工。

AI 可以拓宽学生的阅读面,把学生的习作“映照”回来,帮助学生为一篇有难度的文本做好准备。但阅读和写作中与文本较劲的部分,仍然要留给学生。

几个年龄段放在一起看,边界逐渐清楚:低龄阶段更要防止练习被跳过;年龄稍长之后,重点转向判断和修改。无论哪一段,“先做后问”都比“先问再抄”更接近有效的学习安排。

五、四个课堂例子:AI 做什么,不做什么,老师查什么

1. 小学语文:听写和朗读

小学语文可以让 AI 辅助检查字词读音、提示易错点,也可以让学生朗读录音后,根据反馈再读一遍。

但听写本身不能交给 AI。不能提前报答案,不能由 AI 代写,也不能用 AI 生成的内容代替学生当堂默写。

老师可以这样检查:保留当堂纸笔听写,让学生在错字旁边写订正,再对照 AI 的提示看有没有反复出错。这样能看出 AI 是帮助学生改正,还是提前把答案送到了手里。

2. 初中数学:错题订正

初中数学的错题订正,可以先让学生独立重做一遍,写出错因,再让 AI 追问:“你这一步为什么这样计算?”随后根据需要提供几道同类练习。

这里不能让 AI 直接给出完整解答,更不能让它代替学生整理错题本。学生先说清错误发生在哪里,后面的反馈才有意义。

老师检查时,可以看三样东西:原始作答、学生写的错因、订正步骤。AI 对话可以作为补充材料附在旁边,但学生最初是怎么想的,不能被 AI 的漂亮答案覆盖。

3. 高中议论文:先写初稿,再请 AI 当“唱反调的读者”

高中议论文适合采用这样的流程:学生先列提纲、写第一稿,完成后再让 AI 扮演反驳者,指出论据漏洞、补充可能的反面问题。

不能让 AI 生成整篇作文,也不能让它代写开头和结尾。高中议论文要练的,本来就是提出判断、组织论据和回应反驳。

老师检查时,可以同时看提纲和第一稿,并追问一句:“AI 给出的这个反面观点,你是否接受?准备怎样回应?”如果学生只是把 AI 的反驳机械地贴进文章,说明反馈替代了他的思考。

4. 大学文献阅读:让 AI 搭脚手架,不让它代替读原文

大学文献阅读中,AI 可以帮助学生补背景、解释术语、整理作者或研究线索,让学生更容易进入文本。

学生读文献时仍要自己划重点、写摘要、提出问题。读完以后,可以再让 AI 根据摘要追问,检验自己是否真正理解了文章论证。

教师检查时,可以要求学生随机复述某一段的论证,也可以查看阅读笔记里的个人问题。不能由 AI 代替阅读原文,更不能让它直接生成文献综述。

四个例子虽然分属不同学段,分工逻辑是一致的:AI 可以搭脚手架、提供反馈、制造一点认知冲突,但不能替学生完成最需要练习的那一步。

六、下次布置作业,先划清两条边界

不用等学校给出统一规定,下一次布置作业时,就可以先把要求写清楚。

第一句写清“必须独立完成”:例如“先独立列出提纲并完成第一稿”。

第二句写清“可以借助 AI”:例如“初稿完成后,可以用 AI 检查论据漏洞,并提交修改说明”。

还可以要求学生附上使用记录,包括在哪个环节使用、问了什么、采用了哪条建议、拒绝了哪条建议。

这样,教师检查的重点就不再是“有没有用 AI”,而是“AI 用在了哪里,有没有越过任务边界”。

课堂条件不同,任务设计也要留出纸笔方案。学生设备不一致时,可以先完成纸笔部分,再在课后或小组环节使用 AI,不能让工具条件反过来决定学习目标。

七、把判断放回具体环节

AI Guidance by Age 矩阵没有替教师作出最终决定。它提供的是一种更细的检查方式:先看学习者是谁,再看要练的能力是什么,最后看 AI 会不会替代关键练习。

下次遇到作业争议,不妨少问一句“这个学生用了 AI 对不对”,多问一句“这个任务本来要练什么,AI 替他做了哪一步”。

留给你的问题只有一个:你教的是哪个学科、面向哪个年级,眼下最卡住的是哪一个教学环节?

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注