Google DeepMind 公布塞拉利昂 Guided Learning 预注册试验结果

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，有可能绕过深度学习所需的具有挑战性但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的：它基于我们LearnLM 工作中多年的研究和积累，以教学法为基础，并经过专门调校，优先培养理解能力而非提供直接答案。

来自塞拉利昂的数据表明这种方法行之有效。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% 的回复中通过提出脚手架式问题来回应，仅在 2% 的情况下提供直接解答。这种“苏格拉底式”互动确保认知的重担始终由学生承担。

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核心。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 Gemini 也支持了他们自身的专业成长。通过使用该工具进行备课，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，支持结对的学生踏上自己的学习之旅。

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，其中包含与 Fab AI 合作创建的材料，包括本研究所使用的具体方案。

衡量影响

定量结果非常显著。使用引导式学习的学生数学成绩比对照组提高了 +0.258 个标准差。具体而言，这相当于在八周试验期间取得了大约 1.2 至 1.7 年的典型学习进步。

在教师将 Gemini 融入大约一半课程以达到试验期间 12 小时目标的课堂上，学生的进步更大——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，远远超过自愿性教育科技通常的 5%（即著名的“百分之五问题”）。这意味着学生不仅积极参与，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主动投入学习。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，而非寻求直接答案。具体而言，技能培养类提问在最后一周上升至90%——从第一周的68%增长而来——而寻求答案类问题则从25%下降到10%，证明学生们想要的不仅仅是答案，他们想理解答案是如何得出的。

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。为了推动开放科学并及时传播洞见，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情境开展更快速、可扩展的研究——从而发掘稳健的本地化证据，与技术进展保持同步。随着后续随机对照试验的完成，我们将继续发布结果和学到的经验，以构建更全面、跨国家的证据基础，我们希望这将为AI在整个学习生态系统中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”这一挑战。虽然大多数学生从中受益，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：提供能够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，并更深入地探索元认知和关系智能等领域，以更全面地捕捉学习的细微复杂性。通过将教师主导课堂中的人际关系基础与AI的个性化、支架式能力相结合，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。