AI教育将碾压所有大学课程！哈佛最新研究，连“互动式课堂”都输了

大学里最常见的一幕是：几十名学生坐在同一间教室，跟着同一位老师、按同一个进度学习。有人早就听懂了，只能等；有人第一步没弄明白，后面的内容已经跟不上。再好的老师，也很难在一节课里同时照顾每个人。这恰恰是AI教育可能改写大学课堂的地方。

哈佛大学一项随机对照试验，让194名本科生分别体验专门设计的AI辅导和课堂主动学习。结果，两组共同的课前测验中位数为2.75分；课后，AI辅导条件下达到4.5分，课堂条件下为3.5分。以课前水平计算，AI组的测验成绩增量超过课堂组两倍，学习用时的中位数也从课堂安排的60分钟降至49分钟。更值得注意的是，对照课堂并非老师单方面讲授，而是包含讨论、解题和教师反馈的主动学习课程。

这个结果指向一个更大的变化：大学课程长期受制于“一对多”的教学方式，而AI可以把辅导变成“一对一”。学生可以随时提问，让系统换一种说法解释，针对薄弱之处反复练习；掌握较快的人则直接进入下一步。无论是物理公式、经济学概念，还是一门课的基础阅读与写作训练，凡是需要讲解、练习和反馈的环节，都有可能被这种方式重新组织。

一旦这样的系统成熟，大学课程之间的竞争也会改变。过去，一门课能教得多细，取决于教师有多少时间、学生能分到多少注意力；将来，学生或许可以随时获得耐心、连续、了解自己学习进度的辅导。面对一个不会因为反复追问而不耐烦、还能按个人节奏调整内容的“私人教师”，固定进度的课堂很难继续只靠讲授知识来体现价值。

当然，哈佛这项实验只检验了两节大学物理课，不能证明今天的AI已经胜过所有学科，更不能证明实验课、艺术创作或面对面的讨论都可以搬进聊天窗口。实验中的AI也不是随手打开的普通聊天机器人：教师预先设计了学习步骤和详细解答。这些条件说明，真正可能冲击大学课程的，是教师把专业知识和教学经验装进系统后形成的AI教育，而不是让学生对着模型随便提问。

但沿着这个方向看，冲击可能遍及几乎每一门大学课程。AI先接管知识讲解、基础训练和即时答疑，课堂就必须把重心转向实验、合作、争论与创造。哈佛研究展示的还只是两节课里的优势；如果这种个性化教学能够扩展到整门课程，大学今天习以为常的授课方式，恐怕都得重新接受检验。

相关研究如下：

实验发生在哈佛大学一门较大的本科物理课。研究介绍部分给出的分析样本为194人；并非“在全体学生中比较所有形式的 AI 与传统教育”。

学生分为两组，在连续两周学习两个不同主题。第一周，一组在家使用 AI，另一组在课堂学习；第二周交换条件。每节课前后都有测试，另有关于投入、动力、愉悦和成长型思维的问卷。主题分别是表面张力和流体流动。

合并两周数据后，课前测验中位数为2.75分（316次测试记录）；AI 条件下课后测验中位数为4.5分（142次记录），课堂条件下为3.5分（174次记录）。按两个课后中位数相对于共同课前基线计算，AI 组增量为1.75分，课堂组为0.75分，前者超过后者两倍。这里的“两倍”指特定测验上的中位数增量，并非 AI 组最终得分是课堂组两倍。两组课后成绩分布的秩和检验差异显著，z = -5.6，p < 10⁻⁸。

图1不同教学条件下的平均课后成绩与共同课前基线（原图）

图中纵轴是测验分数，虚线为两组共同的课前平均水平，误差线为均值标准误。原文用中位数说明“学习增益超过两倍”，而这幅图展示的是平均分，两种统计口径需要区分。

课堂活动安排75分钟，其中前后测验占15分钟，研究者把实际学习时间按60分钟计算。AI 组平台记录的学习时间中位数为49分钟；70% 的学生少于60分钟，30% 超过60分钟。时间分布很宽，说明并非每位学生都学得更快。

图2 AI 组学习时长分布（原图）

横轴为 AI 辅导用时（分钟），纵轴为学生人数，虚线代表课堂学习的60分钟。右侧有少数用时很长的学生；“更省时间”是样本的总体特征。

作者的线性回归控制了课前测试、此前的期中成绩、力学概念测验、使用 ChatGPT 的既往经验、所学主题、试卷版本及学习用时，并按学生聚类。控制后 AI 条件的课后表现仍显著更高（p < 10⁻⁸）。线性回归的标准化效应量约0.63；由于课后成绩接近测试上限，作者认为存在天花板效应，进一步用分位数回归给出约0.73至1.3个标准差的估计。模型详表 S1位于原文补充材料，不在正文三幅图内。

作者还报告，在 AI 组较宽的用时范围内，学习用时和课后成绩没有发现相关性。这不能解读为时间完全不影响学习，只能说明该样本和测量条件下未观察到明显关联。

问卷采用1至5分的同意程度量表。投入感方面，AI 组均值为4.1（标准差0.98），课堂组为3.6（0.92），p < 0.0001；学习动力方面分别为3.4（1.0）和3.1（0.86），p < 0.001。愉悦感与成长型思维两项未见统计显著差异。

图3投入感 动力 愉悦感和成长型思维的评分（原图）

蓝色为课堂主动学习，绿色为 AI 辅导。星号标示前两项的显著差异；后两项柱形高度接近，作者没有报告显著差异。误差线为均值标准误。

系统先以提示词规定教学行为，再由软件平台按练习题的小问顺序推进。研究者发现，仅靠系统提示词，模型偶尔会提前讨论后面的题目，因此用程序控制步骤。为降低科学计算和解释中的“幻觉”，系统还预先加入逐步解答，而非只让 GPT-4即兴求解。83% 的学生认为 AI 的解释至少与课堂教师的解释一样好。

研究者列出的设计要点包括主动学习、控制认知负荷、培养成长型思维、分步提示、答案准确、针对性的及时反馈以及允许学生自定节奏。其中，个别反馈和节奏调节在大班课堂尤其难持续实现。作者推测这两点是 AI 组效果较好的重要原因，但这一机制并未在实验中被单独随机检验。

在课堂条件下，仅3.8% 的学生认为节奏太快，他们在 AI 条件下均用时超过49分钟中位数；2.2% 认为课堂节奏太慢，他们在 AI 条件下均低于该中位数。这为“自行调节节奏”的解释提供了辅助观察，相关比例本身很小。

作者建议把 AI 辅导用于学生课前接触基础和较难内容，使面对面的课堂时间更多用于复杂解题、项目合作与教师亲自评价。系统还可能用于作业辅导、复习和补基础，但需要逐项设计，避免学生把它当作绕过思考的捷径。论文明确反对仅因这次成绩优势便用 AI 全面替代课堂。

研究的两节课以理解、应用和分析层面的学习目标为主，属于学生首次较系统接触该内容的阶段。结果可能依赖课程视频质量、专家编写的针对性提示词、预写答案、GPT-4对复杂提示的遵循程度、平台结构，以及学生原有知识差异。涉及多概念综合或更高阶批判思维的任务，未必也由 AI 占优。

研究主要测量学习后立即进行的测试及当时的主观感受，没有验证长期记忆、整学期表现、团队合作能力或不同学校和学科的普遍效果。未来还需评估课前、作业、实验、考前复习等场景，以及长期使用的影响。

在该校这门本科物理课的两节内容中，经教学原则和预设解答精心设计的 AI 辅导，在短时课后测验、投入感和学习动力方面优于课堂主动学习，AI 组的学习时长中位数也低于课堂安排。论文支持进一步研究和审慎应用个性化 AI 教学；它没有证明“任何 AI 教学都比老师好”，也没有证明可以取消课堂。

实验于2023年秋季在哈佛 Physical Sciences 2课程进行，课程总选课人数233人，其中194人在同意参与、完成两种教学条件及全部前后测试后被纳入分析。分组时让原本一起参加课堂同伴学习的2至3人留在同组，以免破坏课堂活动；两组的人口学特征和既有物理基础指标相近。

课程每周两次，每次75分钟，实验选在第9、10周各一次课。对照课由教师提出活动，学生分组解决，助教协助，最后教师针对问题反馈。89% 的学生在学期末认为，这门课比他们上过的其他 STEM 课程使用了更多主动学习。

研究通过哈佛伦理审查（IRB23-0797）。两种条件使用相同内容和练习单，活动导入也相同；课堂为教师现场介绍，AI 条件则以预录视频呈现。AI 学生在家完成练习，并与名为 PS2 Pal 的系统互动。所有人各经历一次 AI 和一次课堂教学，且同样获得参与学分；研究告知学生，前后测成绩本身不计入课程成绩。

测验由未参与 AI 设计与授课的团队成员编写，基于学习目标，而非照搬练习内容；两个主题彼此较独立，对先修知识要求较低，超过90% 的学生说此前没有深入学过。两周课堂由不同教师授课。由于分组以同伴小组为单位，作者也做了按小组聚类的回归检验，AI 相对课堂的显著性仍在 p < 0.001。

AI 课程制作不仅要将现有活动和答案转换为系统可用形式、反复测试题目，还包括历时数月的平台开发。因此，“学生学得更快”并不意味着教师或机构制作内容的时间成本更低。