练习分数和知识测试考的不是同一种能力
练习题通常奖励的是得出答案，而AI恰恰能帮上这一步。使用AI生成练习题目的医学生在这一练习情境中感受到了实用性和表现上的好处[3]。中国高等教育中的个性化AI学习平台也在五个科目上提高了后测分数，提升幅度因科目而异，约为13%到23%[5]。这些结果表明，AI能够提高它所用于的任务的分数。
知识测试问的是：在没有工具在场的情况下，学生能否自己产生这种理解。这里的研究没有一项直接比较同一批学生在AI辅助练习和无辅助知识测试中的表现，因此这些论文并未测量练习与知识之间的差距。证据所支持的结论要更窄：AI辅助练习可以改善练习表现，而这种改善不应被当作持久知识的证明。
为什么帮助可能止步于练习界面
一个原因是，AI工具往往充当答案提供者，而不是迫使学生重建推理过程的辅导者。那项医学生研究考察了AI生成的练习题作为学习辅助手段的效果，报告了感知实用性和表现结果，但没有测试学生能否在没有工具的情况下解决类似问题[3]。如果工具直接给出下一步，练习分数可以上升，而底层技能却原地不动。
第二个原因是，被测量的结果取决于工具原本设计来改善什么。AI闪卡被研究的是对英语作为外语的阅读理解这一特定结果的影响，而不是一般性的知识迁移[2]。一个个性化平台改善了五个科目的后测表现[5]，但这些后测与同一平台支持的教学紧密绑定。在被教过的任务上有所提高，并不等于在独立的知识测试上有所提高。
代码理解尤其难以靠提示蒙混过关
代码理解要求读者追踪程序会做什么，而不仅仅是写出一行能运行的代码。AI助手可以生成代码或建议修复方案，但学生仍然必须跟上逻辑才能回答理解性问题。这里的研究没有一项直接测量代码理解，因此问题的这一部分尚未由现有证据解决。最接近的相关结果是，在一项实验中，AI的整合使计算机科学后测分数提高了18.4%[5]，这表明AI可以影响一个技术科目的测量表现，却没有告诉我们学生能否独立阅读不熟悉的代码。
怎样才能让练习收益延续下去
以教师为对象的研究指向的是一种条件，而不是一种技巧。在一项对384名英语教师的调查中，感知到的伦理承诺和AI相关教学能力强烈预测了教师合乎伦理地使用AI的意愿，而这种意愿是学生学习结果的最强预测因素，排在报告的课堂实践之前[4]。这是相关性，不能证明意愿导致学习，但它提示：工具如何被定位和使用，与是否使用同样重要。
拉各斯州的法语教师调查补充了一个现实约束：教学上丰富的AI工具采用率很低，只有6.7%的教师经常或非常经常使用AI聊天机器人，而68.3%的教师经常使用基础翻译工具，有限的电脑和网络接入被评为最显著的障碍[1]。一个主要被当作翻译工具使用的工具，不太可能建立起知识测试或代码理解任务所需要的那种理解。因此，练习与知识之间的差距，部分上就是“用AI获取答案”与“用AI练习脱离工具的提取和推理”之间的差距。
本文引用的文献
拉各斯州法语教师使用人工智能提升中学法语学生表现的研究
在对拉各斯州60名法语教师的调查中，只有6.7%的教师经常或非常经常使用AI聊天机器人，而68.3%的教师经常使用谷歌翻译，有限的电脑和网络接入是最显著的采用障碍。
AI闪卡对英语作为外语学生阅读理解的影响：印度尼西亚高等教育的一项前实验研究
一项前实验研究发现，AI闪卡与印度尼西亚高等教育中英语作为外语学生的阅读理解分数提高相关。
医学生对AI生成练习题作为学习工具的看法
临床前医学生报告AI生成练习题具有感知实用性和表现上的好处，但该研究没有测试无辅助的知识或代码理解。
建模学校教师在英语教学中合乎伦理地使用AI工具及其对学生学习的影响：一种偏最小二乘结构方程模型方法
在384名英语教师中，感知到的伦理承诺和AI相关教学能力预测了合乎伦理地使用AI的意愿，而这种意愿是学生学习结果的最强预测因素，排在报告的课堂实践之前。
以人工智能使用为例看现代技术融入高等教育
一项针对356名中国高等教育学生的实验发现，个性化AI学习平台提高了五个科目的后测分数，其中计算机科学提高了18.4%。