AI何时代替传统教育和学习方式?要看这项能力

新闻

作者：微信文章
你好呀，我是匠程，致力于帮助专业领域工作者、企业用 AI 提升生产力和创造力。

---

AI时代，教育正面临前所未有的变革，传统的教育方式、学习方式逐渐变得低效或者失效。

AI让个性化学习的成本急剧降低——没有任何一个老师可以24小时，不厌其烦的回答你的问题。

那么未来需要何种教育？需要如何学习？

我们需要探索AI智能体来填补这一缺口。

本文作者Bethanie Maples为探讨这一议题，咨询了几位专家：斯坦福大学的Roy Pea博士（认知心理学）和Bruce McCandliss博士（教育神经科学）、NASA的Steve Fiore博士（分布式认知）以及加州大学伯克利分校的Kelly Gola博士（共情神经科学）。

以下是核心观点～
一对一辅导最有效

大量证据表明，一对一辅导是改善学习障碍最有效的方式。

无论学生在心理、生理或学习动机方面存在何种差异，一对一辅导都能增强大脑连接、提升长期工作记忆能力，并加强儿童的自上而下认知调节能力。
为什么一对一辅导如此有效？

核心原因是动机和反馈机制。优秀的老师能够及时发现并纠正知识盲点，尤其是当学生通过语气或肢体语言表现出不确定时。

这需要老师具备共情能力。
关于共情的神经科学

社会认知和情感神经科学（SCAN）研究表明，学习、记忆、注意力和决策能力与社会和情感过程密不可分。

老师比机器辅导更有效的一个主要原因可能是，老师能够对学习者共情。例如，通过面部表情来调整辅导活动中的支架式教学、反馈和模仿人类行为。
机器也能具备共情能力：

研究发现大脑激活程度与AI智能体的"人性化"程度密切相关。

虽然需要密集的算法运算，但可以可靠地检测人类情绪。

机器人技术、脑机接口（BCI）和人机交互（HCI）领域的专家正在研发共情技术——特别值得关注的是Soul Machines公司和南加州大学创意技术研究所的SimSenei项目。
人类辅导的优势

老师在几个特定领域表现卓越：完成任务、支架式教学和反馈。

老师几乎总能帮助学习者正确完成问题，而机器在这方面的成功率较低。此外，支架式教学（即"引导式提示"）在人类辅导中很常见。

支架式教学的核心是逐步将技能掌握的责任从教师转移到学生身上，这种方法效果显著。

这种微妙的互动需要复杂但并非无法实现的AI智能体编程。机器辅导近期效果不如人类辅导，很可能就是因为缺乏支架式教学的整合。
人类辅导的不足

老师经常错过许多帮助学生学习的机会。

我们谈论辅导时，往往只关注表现最好的10-20%的老师，而忽视了大多数新手老师。人类需要多年时间才能提升辅导水平，而当今教育体系中缺乏系统性的绩效反馈机制。

此外，人类对其他人类存在本能的生理和心理反应。

在辅导过程中，这意味着学习者可能会害怕老师，认为老师带有偏见、别有用心，甚至不够诚实。

机器学习的进步最近推动了AI智能体和辅导实践的快速发展。

有研究认为，纠正现有辅导系统（包括人类和机器）的教学缺陷"可能产生2个标准差的效果"，重新设计老师与学生的互动方式也极为重要（VanLehn、Jones和Chi，1992）。
AI 智能体的优势

专业知识比经验更重要。对辅导结果的深入分析发现，只要老师是该领域的专家，其经验与辅导效果之间并无显著关联。

无需通过图灵测试。机器辅导无需具备对话能力。研究发现，在辅导过程中学习者的对话主导程度较低。

这在很大程度上消除了开发完全对话式AI智能体并通过基础图灵测试的需求——尽管许多人认为这很重要，但研究表明这并不影响学习效果。

展现共情但"不带个人偏好"的AI智能体可能会被学生视为更诚实、更公正、更令人安心。

从神经科学角度看，AI智能体可能是为数学焦虑学习者（他们的杏仁核反应较强）扩大数学教学规模的理想解决方案。
未来属于共情、神经科学融合

尽管存在确凿的神经心理学关联证据，教育研究一直将重点放在认知和行为上，而非情感。

过去关于遗传和心理因素如何影响辅导效果的研究很少应用于学习技术。

通过将社会认知和情感神经科学融入辅导，我们不仅可以改善学习障碍，还能培养长期成长型思维模式和学习好奇心（这与标准化考试成绩直接相关）。

随着共情技术、社会认知和情感神经科学的融合发展，学习者如何响应AI智能体成为研究焦点。

技术和数据处理的突破将很快实现人类级别的共情表达。AI智能体可能会轻松检测到以前只有最优秀的老师才能观察到的细微线索，从而通过适应性反馈甚至情感展示来影响认知过程。

共情能力为 AI智能体在以往"仅限人类"的学习场景中与人类互动开辟了诸多可能。例如，南加州大学的虚拟现实代理SimSensi的Ellie项目。

在国防高级研究计划局（DARPA）的资助下，南加州大学研究人员发现，使用虚拟现实技术能增加抑郁症或创伤后应激障碍（PTSD）患者分享个人信息的意愿。

这一发现源于通用电气2009年的全国民意调查，该调查显示28%的此类患者向医疗专业人员隐瞒或谎报了个人情况。

我们假设，AI智能体越复杂，学习者的唤醒程度越高，神经变化和学习效果就越显著。

例如，在音乐学习、建筑、军事行动和机械装配等涉及心理动作任务的领域，观察学习至关重要。过去老师在促使学习者专注方面更有效，这得益于老师带来的社会和生理动机压力。

但随着共情表达能力的发展，机器辅导有望达到与人类辅导相当的水平。

这些研究引发了两个值得思考的观点，在考虑用机器取代人类教师时应当重点关注：

AI智能体的个性化程度会影响学习者对辅导的反应。在这里，人性化程度指的是AI智能体与人类的相似程度。

例如，有名字的类人机器人最接近人类，而没有个性的程序则人性化程度最低。具体而言，AI智能体的人性化程度会影响学习者的学习动机。这些差异与性格特征（如内向/外向）和神经特征密切相关。

害怕学习数学的人，可能在与低人性化的AI智能体学习时表现更好…… 因为他们不会将反馈与个性或情感联系在一起。这类学习者在数学焦虑时出现的异常杏仁核反应会减弱。
总 结

尽管许多人机交互和共情技术正用于精神医疗或商业零售领域，但在撰写本文时，很少有技术专注于教育领域。

软件和机器人检测、模仿，甚至可能有朝一日真正对学习者产生共情的能力，将为教育体验、辅导和学习传播开创一个全新的世界。

---

往期阅读

全球10+顶尖 AI 课程/教程，让你快速入门 AI

每天节省4+小时！我使用这5个超强提示词，分享给你～

新手如何快速入门新领域？试试这个提示词！

---

关注我，第一时间获取 AI 使用教程/AI 提效案例/工具