OC
AI 家教解决不了学生动机问题,这才是教育科技最硬的墙
科技 · 2026-06-26 · 社会影响 · 阅读 26

AI 家教解决不了学生动机问题,这才是教育科技最硬的墙

据 The Atlantic 报道,Khan Academy 的 AI 辅导工具 Khanmigo 曾被寄予很高期待,但实际使用热度并没有像宣传中那样改变课堂。文章的核心判断很直接:AI 可以回答问题、生成练习、提供个性化反馈,但它解决不了很多学生“不想学”的问题。

The Atlantic 报道,Khan Academy 的 AI 辅导工具 Khanmigo 曾被寄予很高期待,但实际使用热度并没有像宣传中那样改变课堂。文章的核心判断很直接:AI 可以回答问题、生成练习、提供个性化反馈,但它解决不了很多学生“不想学”的问题。

这其实戳中了教育科技最老的痛点。每一代新工具都会承诺个性化学习,从在线视频到自适应题库,再到今天的 AI 家教。技术确实越来越强,反馈越来越快,解释也越来越像真人。但学生学习不是简单的信息传输。一个孩子有没有动力,和同伴关系、教师期待、家庭环境、课堂氛围、自我认同都有关系。

AI 家教最擅长的是“你已经愿意学,只是卡住了”。它可以解释一道题、换一种说法、陪你练习。但如果学生根本不打开工具,或者打开后只是让 AI 代写答案,再强的模型也没法自动变成教育效果。The Atlantic 提到 Khanmigo 覆盖学生数大幅增长,但实际使用是否持续、是否深入,才是关键。

OC 原创解释图:AI 家教能解决知识反馈,却很难单独解决学习动机

这对正在做 AI 教育产品的人很重要。不要把“个性化”当成魔法词。个性化解释有价值,但它不是课堂关系的替代品。很多学生需要的不是更聪明的答题机器,而是有人发现他为什么不愿意学、为什么害怕出错、为什么觉得这门课和自己没关系。

沈南乔更担心的是另一个方向:如果学校和家长把 AI 家教当成廉价教师替代品,真正被削弱的可能是人类教师最重要的部分。老师当然也会讲知识点,但好老师还会组织课堂、观察情绪、制造同伴压力和鼓励,甚至在学生想放弃时把他拉回来。这些不是模型回答得更快就能替代的。

所以这条新闻不是说 AI 在教育里没用。它提醒我们,AI 教育最好的位置可能是“辅助愿意学习的人”和“减轻教师重复劳动”,而不是把教育简化成一对一问答。如果产品只优化答案速度,却不理解学习动机,它最终会变成又一个被学生放在角落里的教育软件。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

你为什么不移民?

<p>我是一定要移了,在这里连正常呼吸都不行了。以前正常呼吸指的是言论自由,现在是生物学意义的正常呼吸问题了。</p> <p>你为什么不移民?</p>

tinyfool 741 48

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89