AI能提高成绩，但这并不意味着学生学到了更多
最全面的证据来自一项系统性综述，该综述综合了中等教育和高等教育领域的实验、准实验及观察性研究[3]。研究发现，在大多数受控比较中，AI作业工具与显著更高的成绩和写作分数相关，尤其在语言学习领域，效应量从中等到较大不等。这听起来像是好消息，但同一篇综述揭示了一个关键权衡：AI工具在某些情境下也导致了知识保留减少、原创性降低以及批判性思维减弱[3]。换言之，AI优化的是产出（分数），而非学习过程本身。
一项在高级流体力学课程中进行的独立实验间接证实了这一点[1]。当教师将作业改为非强制性，并用频繁的课堂小测验取而代之后，大量使用AI的学生群体与专注于小测验的学生群体在考试成绩上并未出现统计学上的显著差异。完成作业的学生主要将其用于准备小测验和考试，而非为了获得分数激励。这表明，当作业不再与分数压力挂钩时，AI的优势便消失了——因为真正的学习源于思考挣扎与检索练习，而非由AI生成的完美答案。
衡量过程，而非仅仅结果
如果最终答案不再是衡量学习的可靠指标，那么应该用什么来替代？多项研究指出了几种替代方案。在流体力学实验中，研究者用频繁的线下测验取代了作业评分，这些测验旨在强化基本概念，并在受控条件下评估学生的问题解决能力[1]。这种方法完全消除了利用人工智能走捷径的可能，迫使学生展示自己的真实理解水平。研究发现，这一结构并未影响学习效果——即使没有计分作业，学生们的学习效果同样出色。
另一项研究在一门大型物理入门课程中部署了名为aiPlato的人工智能辅导平台[4]。该系统通过“评估我的作业”和“AI导师聊天”等工具提供分步反馈和迭代指导，但关键在于，它保留了“有效挣扎”的机会——即解决问题时那种混乱而费力的思考过程。更频繁使用aiPlato的学生在期末考试中取得了更高分数，即使在控制先前学业表现后，高参与度组与低参与度组之间的平均差异对应的标准化效应量约为0.81[4]。其核心在于，AI被用于支持学习过程（提供提示、检查步骤），而非直接生成最终答案。这种形成性、过程导向的评估——即追踪学生如何与反馈互动、如何修改作业、如何在困难中坚持——比一个可能由AI生成的最终答案更能真实反映学习情况。
一项关于AI工具发布前后高中生作业提交模式的研究发现，尽管作业提交总量保持不变，但学生越来越依赖AI来生成思路、编辑内容以及解决问题[7]。这一转变意味着，诸如“作业完成率”或“正确率”等传统指标已受到干扰——它们不再能衡量原本要衡量的内容。该研究呼吁修订教育政策并开展AI素养教育，以确保负责任地使用AI[7]。
AI的效果在很大程度上取决于任务和学生
证据表明，人工智能的影响并非整齐划一。系统综述强调，AI工具的有效性"高度依赖于任务特征、评估时机、实施保真度以及学习者特征"[3]。例如，在编程作业中，ChatGPT的表现相当于中等水平学生——它能生成勉强可用的代码，但并非顶尖作品[2]。经验丰富的教师难以察觉AI生成的代码，但勤奋的学生仍能超越AI的表现[2]。这意味着，对于复杂、创造性或多步骤任务，AI或许尚未对深度学习构成威胁——但对于常规化、模式化的问题，它却能轻易替代学生的努力。
一项关于初中英语分层作业的研究利用AI平台动态诊断学生学习水平，并推送个性化作业[5]。该方法基于“最近发展区”理论，旨在契合学习者现有水平，同时不增加学业负担。研究发现，该方式对学业成绩与学习兴趣产生了积极影响，但这是一项经过设计的干预措施——AI被用作个性化教学的工具，而非走捷径的手段。这一发现与更广泛的文献综述结论[3]形成鲜明对比，揭示了一个关键区别：当AI能够适应学生需求并提供反馈时，它可以成为强大的学习辅助工具；但当它仅仅提供答案时，则会削弱学习效果。
最后，一项以人为中心的作业时间管理研究发现，最有效的学习者未必是花在作业上时间最多的人，而是那些善于管理时间、避免拖延的人[6]。这表明，即便没有人工智能，单纯衡量作业时长也并非衡量学习的可靠指标。而有了人工智能后，这一衡量标准变得更加不可靠，因为学生可能仅用几分钟就借助人工智能“完成”作业，却并未真正投入学习。
关于这些来源
该回答基于7篇经同行评审的研究构建而成——发表于2022年至2026年间，其中6篇为2024年或之后发表，1篇发表于Q1期刊，累计被引用55次——这些研究是从7篇通过质量筛选的文献中选出的最具相关性的成果，而该筛选过程则源于从超过5亿篇论文数据库中检索到的51篇论文。
本文引用的文献
AI时代的流体力学作业：选择性作业如何影响学生表现？
在一门高年级流体力学课程中（两个班级共22名学生），将作业改为非强制性，并用频繁的线下测验替代，与采用大量人工智能辅助作业的传统班级相比，学生的考试成绩未出现统计学上的显著差异。这表明，以过程为导向的评估方式可以在不损害学习效果的前提下取代计分作业。
ChatGPT与Python编程作业
在Python编程入门课程的作业中，ChatGPT的表现相当于中等水平的学生，经验丰富的教师也难以识别AI生成的代码，但勤奋的学生仍然比AI表现更优，这表明AI目前还无法取代顶尖学生的努力。
AI作业工具对学生学业表现的条件性影响：基于实证证据的系统性综合
一项针对实验性、准实验性和观察性研究的系统综述发现，AI作业工具与显著更高的成绩和写作分数相关（中到大效应量），但在某些情境下也伴随着知识保留减少、原创性降低以及批判性思维削弱。该研究得出结论：AI优化的是输出质量，而非学习过程本身。
aiPlato：一种面向物理作业的新型AI辅导与逐步反馈系统
在一项针对大型物理入门课程中AI辅导平台（aiPlato）的准实验试点研究中，更频繁使用该平台的学生期末考试成绩更高（在控制先前成绩后，效应量约为0.81），其使用模式表明，学生更依赖迭代的形成性反馈，而非直接揭示答案的辅助。
“双减”与人工智能技术背景下初中英语分层作业设计研究
一项关于初中英语差异化作业的研究利用AI平台动态诊断学生水平并推送个性化作业，发现该方法对学业成绩和学习兴趣有积极影响，且未增加学生负担。
超越分钟：以人为中心的作业时间、作业时间管理与作业拖延研究
通过对541名八年级学生进行潜在剖面分析，识别出四种作业类型：高效学习者、中等学习者、低效学习者和极简主义者；高效学习者完成的作业量最多，数学成绩也最高，而极简主义者和低效学习者成绩最低，这表明作业时间管理比单纯的时间投入更为重要。
AI工具出现后作业提交模式的变化：高中视角
一项针对高中生和教师的调查发现，在人工智能工具发布后，作业提交的总量保持不变，但学生越来越依赖AI来生成创意、编辑内容和解决问题，且对使用AI的伦理看法不一。