数字学习工具
Linas Juozenas分享
将获取机会转化为能力
屏幕可以让世界的知识触手可及。真正的学习系统要做得更难：它帮助人记住、推理、练习、创造，并最终脱离系统独立完成任务。这是一份指南，帮助你选择和设计数字工具，让人离开系统时拥有更强的思维能力。
工具应当留下能力
技术可以打开一扇门、规划一段旅程，并成倍增加练习机会。但学习者的思维仍然必须发生改变。
图书馆可以容纳一生的知识，却未必能教会走进它大门的人。互联网也是如此。一个平台可以提供数千场讲座、测验、模拟活动和讨论室；但这些都无法保证学习者会理解、记住或运用屏幕上呈现的内容。
尽管如此，获取机会仍然极其重要。数字教育能够跨越国界，减少出行和时间安排方面的障碍，将人们与当地无法提供的专家联系起来，并使复杂的解释可以暂停、搜索、放大、翻译和重复学习。对于一个求知欲强但当地机会有限的人来说，这可能改变一生的轨迹。然而，联合国教科文组织的全球审查得出了一个审慎的结论：技术能够应对获取机会和质量方面的真实问题，但其收益取决于情境、治理、公平与证据，而不只是设备的存在。[1]
因此，最高标准不是“人们点击了吗？”甚至也不是“他们完成了吗？”而是：经过一段时间且移除支持后，他们现在能够回忆、解释、判断、创造或完成什么？
平台活动
登录次数、时长、浏览量、连续学习天数、帖子数、打开的页面和标记完成的模块，描述的是人与系统的互动。它们或许有助于诊断参与情况，但本身并不能证明学习者理解了内容。
独立能力
延迟回忆、准确解释、区分相似案例、解决新问题、负责任地判断以及原创产出，都表明某种有用的能力已经成为学习者的一部分。
参与度问的是：“学习者是否继续了？”学习问的是：“学习者因此具备了什么能力？”
一个是有用的信号，另一个才是目的四级证据阶梯
便利与成长并不矛盾
工具应消除不必要的障碍——令人困惑的导航、无法访问的媒体、缓慢的行政工作和延迟的常规反馈。它应保留那些能够培养能力的努力：记忆、比较、选择方法、解释、解决问题、修订和决策。
数字学习实际上包括什么
“教育科技”范围过于宽泛，无法给出单一结论。每种工具都会改变学习环境的不同部分。
课程与媒体
大规模开放在线课程、录播课程、数字教材、演示、播客和开放课程资源扩大了解释材料的供给。
练习系统
题库、抽认卡、编程沙盒和自适应练习带来反复尝试与更快纠正。
模型与模拟
虚拟实验室、情境、游戏和沉浸式环境让学习者可以操控系统并观察后果。
人员与智能
论坛、共享工作空间、辅导、AI 助手和学习分析增加了对话、指导与适应性。
这些功能并不能相互替代。视频可以展示运动或操作流程，但很容易被动观看。闪卡可以让基础事实迅速变得可调用，但孤立的卡片可能掩盖事物之间的关系。模拟可以让学习者安全地进行实验，但不现实的模型可能会传授错误的直觉。论坛可以带来批评与归属感——也可能奖励从众和速度。人工智能助手可以提供学习者所需的精准提示——也可能替学习者完成本应由其练习的思考。
这就是为什么有用的问题从来不只是“技术是否能改善学习？”一个更容易回答的问题，应明确指出工具、学习者、学科、阶段、用途、比较对象、结果和延迟。对课堂技术的独立评估同样强调，工具的使用方式比其所属的类别标签更重要。[2]
先选择机制，再选择功能
| 工具类别 | 最有力的教育用途 | 需要要求的认知行动 | 它无法保证的内容 | 值得提出的证据 |
|---|---|---|---|---|
| 视频与多媒体 | 展示变化、顺序、发音、专家示范和操作流程 | 预测、暂停、标注、重构、解决 | 注意力、理解力或之后的回忆 | 延迟评估；无障碍性；观看后的表现 |
| 提取练习与间隔练习 | 让必备知识能够快速且持久地被调用 | 揭示答案前先回忆；纠正；延迟后再次复习 | 仅凭卡片获得的深入理解或广泛迁移 | 独立测试、间隔安排、错误纠正 |
| 模拟与虚拟实验室 | 操控系统，并演练代价高昂、罕见或危险的情境 | 预测、行动、观察、解释、复盘 | 现实世界的能力或模型的保真度 | 迁移到真实任务；模型局限；对照组 |
| 自适应课件 | 调整挑战难度、顺序、示例和提示 | 在当前能力边界处进行尝试 | 关于学习者的完整或无偏模型 | 为何会发生适应；各子群体的结果；教师覆盖 |
| 协作工具 | 批评、互补性专业知识、解释、协调和支持 | 提出独立观点，然后进行检验 | 平等参与、真实性或原创性 | 对话和作品的质量——而不只是发帖数量 |
| 人工智能导师或助手 | 提示、对比性解释、练习、语言支持和反馈 | 尝试、提问、验证、重构、应用 | 准确性、署名、判断力或保留下来的学习成果 | 无辅助测试、错误率、防护机制、数据实践 |
导航与地图悖论
导航应用可以帮助旅行者抵达目的地，同时减少其构建心理地图的需要。学习工具也具有同样的双重作用：它们既能提升即时表现，也会改变学习者练习的内容。良好的设计不仅要问“在支持下，学习者能完成什么？”，还要问“这种支持会促成哪种能力的增长？”
访问：打开大门，铺设道路
数字学习降低了地点、时间安排以及有时价格方面的障碍。但它不会自动消除连接、准备、残障、语言、时间或认可方面的障碍。
在职成年人可以在轮班工作后学习。照护者可以利用较短的时间段学习。远程学习者可以接触到附近无法提供的专业学科。需要重复的人可以私下重播讲解；准备好加快进度的人也不必等待整个学习群体。采用开放许可的材料还可以被翻译、改编和重新分发，而不只是被观看，这也是联合国教科文组织将开放教育资源视为扩大访问和促进本地参与的途径的原因。[3]
但“在线”并不等同于普遍可及。国际电信联盟在2025年估计，全球74%的人口使用互联网，而仍有22亿人处于离线状态；据报告，高收入国家的互联网使用率为94%，低收入国家为23%。[4] 即使有互联网连接，也无法说明费用是否负担得起、连接是否可靠、数据是否受限、隐私是否得到保护、设备质量如何、数字技能是否足够、是否有安静的学习空间，或是否能免受打扰。
无障碍同样至关重要。WCAG 2.2 围绕可感知、可操作、可理解和稳健的内容组织网页无障碍要求，其中包括关于键盘操作、焦点可见性、目标尺寸、拖动替代方式以及无障碍身份验证的可测试标准。[5] 达到技术标准只是设计的起点，而非终点：残障学习者和辅助技术用户必须参与真实课程、媒体和评估的测试。
对时间和节奏的掌控
异步学习可以适应工作、照护、疾病以及不同的信息处理速度。录制材料可以暂停并重看，不必承受公开场合的压力。
基础设施与可用性
稳定的设备、可负担的数据费用、低带宽格式、可下载的学习材料和技术支持，决定了理论上的访问能否转化为实际参与。
先备知识与信心
学习材料可能触手可及，却在知识层面拒人于门外，因为它默认学习者掌握了从未获得的术语、学习策略或基础知识。
设计完整的访问链
- 连接：移动端优先的页面、高效的媒体、仅音频选项、文字稿、下载功能以及可打印的学习路径。
- 感知与操作：准确的字幕、文本替代内容、语义结构、清晰可见的焦点、键盘操作支持、足够的对比度以及无障碍控件。
- 理解：导航简明、先备条件清晰、配有术语表、示例、基础模块，并可调整学习节奏。
- 参与：时间安排灵活、费用透明、示例符合文化语境、提供多语言支持以及寻求人工帮助的途径。
- 进阶：可信的评估、可携带的学习记录，以及明确通向继续教育、就业或更高阶学习的路径。
无障碍设计应拓宽通向挑战的路径，而不是降低智力追求
字幕、兼容屏幕阅读器、替代输入方式、清晰的结构和灵活的时间安排，可以消除与学习目标无关的障碍。在保持高标准思维要求的同时，也可以让通向这种思维的路径更加人性化、更加多样。
在线学习有效吗？
它可以发挥极佳效果，也可能扩大失败。仅凭授课方式本身无法解释结果。
美国教育部一项重要综述发现，在其分析的研究中，在线条件的平均表现优于面对面条件，混合式设计的优势更大。作者警告说，在线条件往往包含额外的学习时间、资源或教学特征，因此不能把这一结果归因于媒介本身。[6] 这一警示仍然至关重要：将“屏幕”与“教室”进行比较，往往是在比较两套由时间、课程、支持、学生选择和评估组成的组合。
有意设计的在线学习还必须与紧急远程教学区分开来。危机期间迅速转为在线教学，是维持教学连续性的临时措施，并不能公平地证明一门经过规划的在线课程能够达到什么效果。[7]
在结构化条件下可以实现相当的结果
在三所大学的两门必修课中，被随机分配到在线、混合式或面授版本的学生，在标准化期末考试中的成绩没有统计学上的显著差异，但在线学习者的满意度略低。该发现证明了在这些条件下可以实现相当的结果，并不意味着每门课程或每位学习者都能普遍达到等效效果。[8]
一些学习者表现更差，尤其是那些原本就遇到困难的学习者
在一所大型美国高校，修读相近课程的在线学生当前成绩和后续成绩及坚持完成学业的比例均有所下降，而且低绩效学生受到的影响更大。这一证据表明，不能把灵活性视为结构和支持的充分替代。[9]
为什么看似相反的发现可以同时成立
设计各不相同
一门包含提取练习、实践、反馈和教师参与的连贯课程，并不等同于一个装有视频和 PDF 的文件夹。
学习者各不相同
先前知识、自我调节能力、语言、残障状况、工作、照护责任和学习条件，都会改变灵活性所能带来的可能性。
结果各不相同
满意度、完成情况、即时测验成绩、延迟保持、工作表现和收入是不同的问题。
绝不要把平台平均值当作学习规律
应询问每种条件下有哪些参与者、他们获得了什么、支持是可选的还是必需的、学习如何测量、效果持续了多久，以及结果是否迁移到平台之外。证据应当限定主张，而不是装饰主张。
让学习持久的机制
优秀的平台不只是展示信息。它会反复要求学习者提取、解释、建立联系、辨别、纠正并回顾。
学习不是把信息从页面传输到大脑。新材料必须得到关注，与已有知识建立联系，经过组织并变得可提取。一项对十种常见学习方法的重大综述认为，练习测试和分散练习具有广泛效用，同时指出单独使用划重点、重读和总结的可靠性较低。[10] 这并不意味着阅读或记笔记毫无价值；而是意味着接触材料应转化为一次尝试。
认知负荷理论补充了一个重要区分。当材料不熟悉时，工作记忆受到严格限制；而长期记忆中组织良好的知识，能让专家将许多细节视为有意义的结构。良好的教学会去除可避免的负荷，在需要时提供指导和例题，并随着专业能力的发展逐渐减少支持。[11]
让界面易于使用，使思考过程仍然具有挑战性。
减少导航阻力；保留智力投入提取
在看到答案前先作答，能增强之后的记忆，也能揭示熟悉感所掩盖的知识漏洞。一项对61项实验的元分析发现，测试相比重复学习具有显著优势；当初始测试要求回忆而非再认时，这一优势尤其明显。[12]
特征：填空作答、练习题、复述讲解、累积测验。间隔
一项涵盖317项实验的综合研究发现，时间上分隔开的学习接触通常优于集中学习。适宜的间隔取决于知识需要保持可用的时长；延迟更久并不总是更好。[13]
特征：安排回顾、累积复习、逐渐延长间隔。交错练习
混合相关类别可以提高学习者判断应适用哪条原理的能力。一项元分析发现，效果因材料而显著不同：对许多视觉类别和数学内容有积极作用，对说明性文本的效果不明确，而对词汇学习则有负面作用。[14]
特征：混合题集，通过比较学习辨别。反馈
一项大型元分析发现，平均效果为正，但差异极大。信息含量很重要：徽章、分数或“错误”标签可能传达的信息太少。有效的反馈会指出目标、定位错误，并明确下一次尝试应如何进行。[15]
功能：错误诊断、示范解法比较、针对性提示、再次尝试。多媒体结构
一项涵盖 29 篇综述的概览支持以下原则：将相关文字和视觉内容放在一起，标示重要关系，分解复杂内容，并排除诱人但无关的细节。[16]
功能：学习者控制、邻近原则、信号提示、克制的视觉设计。主动产出
在涵盖 225 项本科 STEM 研究的证据中，与传统讲授相比，主动学习课堂提高了考试成绩并降低了不及格率。[17] “互动”只有在活动要求进行相关思考时才有帮助。
功能：预测、计算、分类、绘图、辩论、构建、诊断。实用的间隔模式
不存在放之四海而皆准的完美安排，但工具可以把一次接触转化为一连串逐渐更加独立的回访。应根据难度、先备知识和技能所需保持的期限调整间隔。
完整的学习循环
- 确定能力明确独立成功的标准。
- 激活知识回忆已经掌握的内容，并找出先备知识。
- 先尝试在查看示范答案前先进行预测、解题或解释。
- 精确纠正诊断错误并再次尝试，减少支持。
- 稍后再回来跨越时间进行提取，并混合练习相关案例。
- 迁移与反思在没有提示的情况下应用；记录发生了什么变化。
熟悉感是数字学习最有说服力的错觉之一
精心制作的讲解在呈现出来时让人觉得一目了然。自动播放让进度感觉连贯不断。搜索让答案仿佛随时可得。关掉资料，重新建构这个概念。感到不确定并不说明课程失败；那正是诚实学习的起点。
视频、测验、笔记和模拟
不同媒介可以揭示不同类型的结构。任何媒介都无法免除思考的必要。
视频：有局限的讲解
视频非常适合呈现运动、顺序、手势、发音和实际操作流程。大规模 edX 观看数据发现，更短、更聚焦且更具个性化的制作风格与更高的观看参与度相关——但衡量的是观看时长和答题尝试次数，而不是持久的理解。[18]
设计要点：暂停一下进行预测，隐藏下一步，要求学习者画草图或解题，并在之后再次回顾这一想法。不存在普遍适用的“六分钟法则”；一个片段应当只持续实现其学习目的所需的时间。
小测验：镜子，而非惩罚
在讲授片段之间安排简短的记忆测试，可以减少受控研究中的走神并改善之后的表现，但最佳时间安排会因情况而异。[19]
设计要点：采用低风险方式，要求先回忆再识别，解释容易误选的答案，允许纠正，并在延迟一段时间后重新回到重要问题。
笔记：多加工，少收集
可搜索的资料库很有用，但收集也可能成为一种优雅的逃避形式。媒介次于行为：先选择、重组、用自己的结构表达，并在重新打开资料库前进行检索。
设计要点：每次学习结束时，要求学习者在不查看资料的情况下总结一遍，提出一个尚未解决的问题，说明与先前知识的一种联系，并举出一个自己创造的例子。
模拟：先预测，后追求视觉效果
模拟可以让不可见的系统变得可操作，并让人们反复做出在现实中罕见、昂贵或危险的决策。它的力量来自预测、行动、后果和复盘，而不只是视觉上的逼真。
设计要点：揭示模型的假设，在学习者行动前询问可能发生什么，并检验课程离开模拟环境后是否仍然有效。
一个媒体原则，六种表达方式
| 不要只…… | 要求学习者…… | 然后提供…… | 最后进行测试…… |
|---|---|---|---|
| 观看演示 | 预测下一步行动 | 专家的推理与比较 | 一个没有视频辅助的相关问题 |
| 阅读定义 | 给出一个例子和反例 | 边界情况与纠正 | 在不熟悉的情境中识别 |
| 点击选择题答案 | 先生成答案和信心程度 | 为什么每个备选项成功或失败 | 延迟后回忆 |
| 跟随示范解题 | 完成下一步 | 在完整答案之前给出提示 | 独立选择方法 |
| 探索模拟 | 提出因果预测 | 结果、模型局限与复盘 | 思考一个真实或新颖的案例 |
| 复制人工智能摘要 | 先写一份私人记录 | 问题、异议与遗漏的区分 | 在关闭助手的情况下重建 |
慕课、坚持学习与完成率陷阱
大规模开放在线课程扩大了学习机会。注册者并不是一个具有单一传统学习意图的传统班级。
一项对221门慕课的历史分析发现，按注册人数计算的完成率介于0.7%和52.1%之间，中位数为12.6%。数据集中课程时长、考核方式和早期流失情况各不相同。[20] 这个范围有参考价值，但单一的完成率仍可能掩盖的多于揭示的。
注册可能意味着“我打算获得证书”“我想查看一个单元”“我先保存下来以后再看”，或者仅仅是“这看起来很有趣”。在两门探索性慕课中，按传统完成标准计算，成功率接近6%；而根据学习者申明的目标评估成功时，估计值则高得多。[21] 这并不意味着流失是虚构的；这意味着分母必须与问题相匹配。
这些条形图说明了分母为何重要；它们不是实证百分比。严谨的报告应公布每个阶段的实际人数。
规模并不会自动带来民主化
在565次课程迭代中，参与度增长主要集中在较富裕的国家；大多数学习者在之后的年份没有回来，低完成率也没有持续改善。作者指出，慕课已从早期“向全世界提供教学”的愿景，转向面向职业教育和在线学位的市场。[22]
坚持并不只是一次性格测试
一项综述发现，辍学因素涉及课程设计、社会环境、认知要求、情绪和学习行为，而且参与度会随课程进程而变化。[23] 学习者可能需要更清晰的先修要求、更容易取得的初步成果、更好的反馈、技术帮助，或一个能注意到他们缺席的人。
当人际联系具有明确目的时，它可以发挥作用。在一项大型慕课中的随机实验里，鼓励学习者参与讨论，并让其中一部分人完成一次一对一对话，提高了他们后续的课程活动参与度和测验成绩。[24] 这证明了在该情境下，适时互动和问责制具有作用——但并不能证明论坛按钮、强制小组作业或公开发帖总能改善学习效果。
报告能够回答不同问题的结果
免费内容并不是完整的支持体系
公平的慕课设计可能需要本地学习小组、导师、语言适配、无障碍格式、基础模块、设备或流量支持、可预期的时间安排，以及愿意认可学习成果的机构。“开放”不应只意味着没有一扇锁上的门。
智力、知识与思考的自由
学习不是一种装饰性的活动。更扎实的知识、推理能力和认知技能，能够改变一个人所看到、所选择、所创造以及所贡献的内容。
学习、抽象、规划、记忆和解决问题所涉及的能力，在现实生活中都很重要。它们会影响一个人识别结构、理解陌生系统、比较不同选项以及将知识调整到新情境中的速度。当非凡的认知能力与智慧、创造力和责任感结合时，它可以引导他人，并促成原本不可能实现的贡献。
智商测试无法涵盖头脑的所有有价值特征。任何单一分数都不可能包含一个人的全部知识、原创性、品格、意识或未来。这一界限要求我们进行准确解读，而不是予以否定。当可靠的评估有效测量特定能力时，在这些被测能力上更出色的表现，就是相关能力更强的有意义证据。
认知成长也远比快捷应用的承诺更为严肃。一项对超过60万名参与者的准实验性证据进行的荟萃分析发现，额外教育对智力测验表现具有持续一致的有益影响；在所研究的各种设计中，估计每增加一年教育，智商约提高1至5分。[25] 这个估计并非对个人的保证，也不意味着每门课程或每一年受教育经历都会产生相同的效果。它有力地反驳了教育只是将内容填入一个始终不变的容器这一观点。
搜索可以找回一个事实，却无法提供使头脑理解该事实为何重要的知识网络。
内在知识并未过时；它是认知基础设施知识、熟练度与专业能力
教育与刻意练习能够培养词汇量、概念结构、策略、领域推理、速度、准确性和判断力。即使这些提升无法迁移到每一项无关任务上，它们依然是真实的。
广泛迁移营销
对商业化脑力训练的评估发现，受训任务上的提升较为可靠，在密切相关的任务上提升较少，而对于智力或日常表现的广泛提升，几乎没有令人信服的证据。[26] 具体的精通程度应当得到肯定，而不应被重新归类为某种“不受支持”的东西。
一份认知成长章程
- 培养能力，而非依赖平台。辅助应当让人能够逐步独立完成越来越困难的任务。
- 让高阶学习者继续进步。无障碍与包容并不要求拉平学习速度、深度或追求。
- 保护身心。睡眠、健康、安全、注意力，以及避免有害的醉 intoxicación 或长期超负荷，都是维护认知能力的条件。
- 尊重来之不易的专业能力。成熟的能力可能源于传承、发展、教育、机遇、牺牲以及数十年自律的学习。
- 认可杰出的贡献。原创发现和罕见的判断力应当得到致谢、支持、保护和赞扬。
- 诚实地衡量。针对明确的能力使用有效的评估；不要用点击量代替学习，也不要用一个分数代表整个人。
平等的尊严并不要求假装能力可以相互替换
人们在知识、推理、投入、原创性和贡献方面各不相同。这些差异可能十分重要，而非凡的头脑可能对家庭、领域或社会变得极其重要。诚实的认可应当加深责任感，并为更多人的成长腾出空间；它绝不能成为残酷、强迫或抹去他人的许可。
独处、原创性与共同体
私人思考和共同工作并不是竞争关系。它们在以恰当的顺序出现时，才会变得强大。
人们常把联结赞誉为一种自动带来教育益处的事，但过早看到他人的答案，可能会在好奇心形成自己的路径之前就引导注意力。指令、共识、地位和自信的声音，可能会锚定问题以及用于解决问题的词汇。没有人有意禁止原创性，但原创性可能会在无意中被挤出去。
有意识地独处，让头脑拥有一段受保护的时间去漫游、组合遥远的想法、注意不寻常的细节，并产出一个尚未获认可的初稿。关于头脑风暴的经典研究发现，与相同人数分别独立产生想法相比，互动小组的生产力会下降；产生阻塞和对评价的担忧是其中的一些机制。[27]这并不能证明独处会创造天才，也不能证明群体缺乏创造力。它说明了其他声音在何时进入可能很重要。
在想法被引导之前形成它
- 在不打开评论或示范答案的情况下接触这个问题。
- 用自己的语言写下一个预测、解读、设计或异议。
- 允许孵化、漫游以及看似遥远的联想。
- 在判断他人是否会认可之前，记录下脆弱的最初形式。
- 决定什么证据会改变你的想法。
↓
形成
↓
回归
↓
测试
↓
发展
赋予这个想法一个人的头脑无法独自提供的东西
- 让假设接受证据、批评和不同经历的检验。
- 补充知识、技艺、资源和实施能力。
- 保护少数解释，避免它们因不受欢迎而被否定。
- 致谢最初提出并实质性发展这项工作的人。
- 支持、推广并庆祝有价值的想法，让它们走向世界。
独自起草。共同测试。再独自回来整合。想与他人交流时再回到人群中——并让这种回归成为庆祝。
健康的社群是温室，而不是模板为两种模式设计数字空间
先独立，再公开
在学习者记录下自己的尝试之前，延迟展示同伴答案、热度统计和 AI 建议。这样可以保护作者身份，并减少过早形成的锚定效应。
带任务的讨论
论坛并不会仅仅因为可以发表评论就成为社群。应要求参与者比较推理、找出证据、改进提案或共同解决问题。
无惩罚地回归
允许学习者暂时离开持续的社交环境，私下工作，并在准备好后重新加入。主动选择的独处、孤独感和被排斥是不同的状态。
其他一切都会在心灵受到保护时更好地成长
一旦有了最初的尝试，值得信赖的他人就能帮助它经受错误、获得形式、找到支持，并变得有用。平衡并不是按时间一半独处、一半与人相伴，而是要有足够的隐私，让思考成为自己的思考；也要有足够的社群，让这种思考得到检验、强化和分享。
凭证、技能证明与完成的意义
在线证书可以让真实的学习成果变得可见。它们的价值取决于学到了什么、如何评估，以及谁认可这一结果。
学习者参加在线课程可能出于三种不同目的：探索，获得方向或满足好奇心；能力，培养知识或技能；或认证，向他人展示可信的证据。这些目标可能相互重叠，但不应混为一谈。完成一个有用单元后离开，对于探索者来说可能是成功；而对于需要受监管资格的人来说，则可能是失败。
凭证可能具有信号价值。在一项针对已完成 Coursera 课程人群的大型随机鼓励研究中，让学员更容易在 LinkedIn 上分享证书，适度提高了其报告的就业结果；对于原本就业能力信号较少的学习者，效果更为明显。[28] 该研究考察的是已完成凭证的可见性，而不是仅仅报名是否会带来技能或就业。
同样重要的是反面教训。哥斯达黎加的一项随机评估发现，提供免费的精选在线培训带来了大量报名，但完成率很低；大约两年后，对整体劳动力市场没有显著影响。[29] 接触课程、完成课程、掌握技能以及在劳动力市场中获得认可，是链条上的四个不同环节。
可信微证书应揭示的内容
学习声明
明确的成果、工作量、级别、先修要求以及颁发机构的身份。
证据
评估方法、辅助条件、身份认证、评分标准以及所要求表现的示例。
认可
质量保障、可移植性、失效或续期规则，以及它究竟可以在哪些情况下叠加为学分或更高层级的资格。
欧盟关于微证书的共同做法包括学习成果、学习工作量、等级、评估、参与形式和质量保障等标准描述要素，同时明确指出，可叠加性并不自动赋予获得学位的权利。[30] 这正是正确的方向：可移植性是有用的基础设施，但经过密码学验证的徽章仍然只能证明其基础评估所应证明的内容。
完成值得庆祝——也值得使用准确的表述
完成高要求的学习可以体现自律、成长和真正的成就。应当充分庆祝这一点。然后明确说明它证明了什么：出勤、经评估的知识、项目、受监督的实践、职业能力，或其他内容。诚实而具体的表述能够保护有价值的凭证，避免被装饰性的凭证稀释。
人工智能辅导工具与自适应学习
核心区别很简单：有辅助的表现不一定等于保留下来的学习成果。
人工智能可以提供耐心的解释、即时提示、对比示例、翻译、练习题、模拟对话和反馈，其规模过去只有私人辅导才能实现。教育机遇确实存在。人们也确实容易在逃避培养思维能力的过程的同时，直接获得思考的成果。
一项于2025年开展的高中数学实地实验，使这种对比格外清晰。使用通用型 GPT-4 能提高学生在练习期间的表现，但在取消使用权限后，这些学生后来的表现反而不如对照组；一款限制直接给出答案并增加防护措施的专用辅导工具，在很大程度上缓解了这种损失。[31]这一结果属于单一情境，但其启示具有足够的普适性，值得在任何地方检验：衡量学习者在辅助结束后能够完成什么。
另一面也存在令人鼓舞的证据。在一门本科物理课程的随机交叉试验中，经过精心设计的人工智能辅导工具，比主动学习课堂课程在更短时间内带来了更大的即时学习增益，同时学生报告的参与度和学习动机也更高。[32] 这是一个定制辅导工具，内容有限、时间跨度较短——不能证明任何聊天机器人都能取代课程或教师。研究共同表明，设计与防护措施能够改变教育结果。
- 苏格拉底式提问与一步提示
- 替代性解释与解题比较
- 按可调节难度生成练习
- 错误诊断与推理反馈
- 语言、阅读和交流无障碍支持
- 反驳论点、示例和模拟角色
- 形成初步模型并进行真正的尝试
- 决定哪个问题和标准最重要
- 核查事实、来源、计算结果和遗漏
- 以独立的形式重建解释
- 之后在没有同样支持的情况下应用这项技能
- 对判断、作者身份和后果负责
最少优先提供帮助协议
- 尝试私下完成工作；展示当前的推理过程和不确定性。
- 提问在获得答案前，先请求一个问题、提示、反例或诊断。
- 核验根据一手资料或权威证据核查重要论断。
- 重建关闭工具，用你自己的结构重建解决方案。
- 应用在没有帮助的情况下解决一个不同的问题。
- 反思明确哪些能力现在已经属于你，以及在哪些方面仍然存在依赖。
联合国教科文组织的指导方针呼吁采用以人为本的教育人工智能，保护隐私，按年龄适当使用，进行教学验证，并维护学习者的能动性、包容性以及语言和文化多样性。[33] 经合组织同样强调，通用人工智能可能改善即时产出，却未必促进学习；相比之下，专门构建且由教学法指导的应用更有前景。[34]
人工智能应增加学习者尝试的次数和质量，而不是消除尝试。
当学习者最终能够脱离支架独立站立时，支架才算成功个性化不等于可以无限制地进行画像
导师可以从错误中学习，而不必保留每次对话、推断敏感特征，或把风险评分变成命运。学习者应当知道收集了哪些信息、某项建议为何出现、如何更正记录，以及何时可以由人工覆盖系统的决定。
在中断经济中学习
数字媒体既可以引导注意力，也可以兜售注意力。任务、界面和周围环境都很重要。
简单地宣称屏幕是好是坏并不恰当。阅读精心设计的证明、构建模型，以及在讲座播放期间不断切换消息，属于不同的认知活动。媒介效果还取决于目的：一项荟萃分析发现，与数字阅读相比，纸质阅读在理解方面具有小幅优势，尤其是在时间压力下阅读信息性文本时；而后续研究表明，设计和情境会改变这种差异。[35] 纸质材料仍应作为可用工具；数字阅读应变得更加有意识。
一份2025年的系统综述梳理了教育领域数字分心的成因，涵盖技术、个人需求和教学环境，而不只是归因于学习者的意志力。该综述还发现，现有证据主要集中在高等教育领域，而预防策略涉及环境、技术控制和自我调节。[36]
保护会话
确定一个成果目标，关闭非必要通知，关闭无关标签页，准备好所需文件，并为学习时段设置一个清晰可见的结束点。
保护界面
移除自动播放、装饰性动态效果、操纵性的连续打卡压力、弹出窗口，以及反复引导学习者离开任务的导航。
训练持续思考
在复杂性需要时使用短片段，但也要练习较长篇幅的阅读、证明、设计和问题解决。注意力既得到适应，也得到发展。
对任何学习产品进行注意力审计
- 学习者此刻究竟应该进行什么行动？
- 哪些元素可以打断、重定向该行动，或施加社交压力？
- 产品奖励的是掌握知识，还是仅仅反复回到产品中？
- 学习者能否下载、打印、导出，或进入减少干扰的模式？
- 是否存在自然的停下提示，还是信息流会无限延续？
- 这种使用可能会挤占多少睡眠、运动、关系维护或深度工作的时间？
不要把轻松的导航与轻松的学习混为一谈
学习者不应把精力浪费在寻找下一个按钮上。但记住一个原则、同时在头脑中保留相互竞争的解释、拒绝一个吸引人的错误答案，以及构建连贯的论证，可能会因为合理的原因而困难。设计应让这个原因清晰可见。
无障碍、公平与隐私
如果最需要灵活性的学习者无法感知、操作、负担、信任学习系统，或无法对其决策提出异议，那么这个学习系统就不算成功。
通用学习设计鼓励通过多种参与、表征和行动路径，培养有目的、善于利用资源且具有策略性的学习者能动性。[37] 这并不意味着要匹配固定的“学习风格”，因为有力证据并不支持这一说法。它意味着要防止某个无关障碍——听清视频、拖动微小对象、处理快速语音、使用某一种语言，或用某一种动作方式打字——意外地变成测试内容。
数字公平同样具有多维性。经合组织的分析将基础设施和接入，与将技术转化为成果所需的技能、设计、教学和有意义的使用区分开来。[38] 没有技术支持、无障碍内容或教师发展支持的设备分发项目，可能弥合一个差距，却让其他几个差距依然未被触及。
包容性课程制作
- 准确的字幕和完整的文字记录
- 为有意义的视觉内容提供文本替代和描述
- 语义化标题、标签和阅读顺序
- 键盘操作与清晰可见的焦点
- 易读的对比度、缩放和重排
- 为限时操作、精细动作操作或仅支持音频的交互提供替代方案
- 简洁的导航与一致的位置安排
- 与残障学习者及辅助技术进行测试
公平参与
- 低带宽、可下载和可打印的选项
- 透明的先决条件与基础学习路径
- 灵活的学习进度与有意义的教师联系
- 多语言且符合当地理解习惯的示例
- 明确的总费用与公平的付款渠道
- 设备、网络连接与学习空间支持
- 不会限制高能力学习者的进阶路径
- 自动化系统失效时的人为替代方案
没有监控的反馈
学习分析可以揭示误解，或发现可能需要支持的时刻。但它们也可能把普通的学习行为变成永久档案。学生隐私指南强调目的限定、机构控制、安全性，以及限制未经授权重复使用教育记录。[39] Jisc 的学习分析准则补充了透明度、数据最小化、纠正权、有效性审查和负责任的人为干预，同时警告学习分析永远无法提供完整图景。[40]
| 指标 | 它可能表明什么 | 它无法证明什么 | 更有力的辅助指标 |
|---|---|---|---|
| 课程学习时长 | 出席情况或参与机会 | 注意力、理解程度或诚实活动 | 一段简短的、无辅助的解释或一道题 |
| 完成情况 | 坚持程度与遵守平台规则的情况 | 保持、迁移或专业能力 | 延迟进行的真实评估 |
| 快速且正确的答案 | 流利程度，或任务过于简单 | 推理质量或是否缺少外部帮助 | 新颖的变式，以及信心与解释 |
| 论坛活动 | 可见的社交参与 | 归属感、学习情况或贡献质量 | 内容分析与参与者体验 |
| 风险分数 | 需要进一步探究的模型检测模式 | 动机、能力、未来成功或成因 | 人类对话与可质疑的证据 |
最少数据，最大自主权
只收集具有明确教育目的的内容。既要说明输入了什么，也要说明推断出了什么。在适用情况下，让学习者能够查看、纠正、导出和删除相关内容。绝不能让不透明的分数悄悄限制某人的课程选择、机会或未来。
个人数字学习手册
把课程变成一个可重复的循环：保持专注、主动练习、延迟回顾，并进行独立迁移。
开始之前
明确变化
“完成课程”是平台目标。“解释模型”“写出可运行的代码”“进行对话”或“诊断故障”才是能力目标。
建立基线
学习前先尝试一项有代表性的任务。保留结果。它会揭示先备条件，也会让日后的真正成长变得可见。
少用工具
使用一个主要来源、一个练习系统和一个用于记录个人思考的地方。收集资源可能让人产生进步的错觉，同时分散注意力。
每次学习过程中
- 提取打开课程前，回想之前的观点或方法。
- 定位明确本次学习应回答的问题。
- 积极学习进行预测，标注关系，并在查看解答前停顿。
- 产出不抄袭地解决问题、解释、绘制或创作。
- 纠正与证据比较；判断错误类型并重新尝试。
- 收尾重建课程内容，并安排下一次复习。
贯穿一个月
| 阶段 | 主要目标 | 数字支持 | 需保留的证据 |
|---|---|---|---|
| 第 1–3 天 · 绘制地图 | 明确成果、基线和先备条件 | 诊断测验、课程地图和日历 | 无辅助的首次尝试和书面目标 |
| 第 1 周 · 构建 | 构建基础模型 | 聚焦课程、示范例题和笔记 | 不依赖资料的解释和经过纠正的错误 |
| 第 2 周 · 检索 | 无需提示即可调用关键知识 | 间隔提问和累积练习 | 回忆准确率、信心和错误模式 |
| 第 3 周 · 区分 | 在相关概念或方法之间做出选择 | 混合案例、对比示例和讨论 | 记录每个选择的理由，而不只是答案 |
| 第 4 周 · 迁移 | 在陌生且真实的情境中表现 | 项目、模拟或新题集 | 独立作业、批评反馈和新的基线 |
保留一份转变记录
- 我现在能做什么，而以前做不到？
- 哪个错误一再出现？
- 我最初相信什么？
- 什么证据改变了我的认知模型？
- 什么仍然缓慢、脆弱或依赖工具？
- 出现了什么新的原始问题？
保护身体状态下的学习者
完成学习的人是一个有身体的整体。当工具依赖于注意力和记忆时，规律睡眠、运动、营养、安全、定期离开屏幕，以及避免致醉物质或长期过度负荷，都不是次要话题。它们有助于保护每种工具赖以发挥作用的注意力和记忆。
当疲惫程度很高时，先缩小范围，而不是用自动化取代全部努力。一次较小但诚实的尝试，比完美地借用他人成果更有教学价值。
定期移除所有辅助。如果离开平台、笔记或 AI 后能力就消失，说明它还没有真正成为你的能力。
无辅助表现不是惩罚，而是让掌握程度清晰可见。致教育工作者、家庭和机构
从重要的独立表现出发，再选择真正服务于该表现的最少技术组合。
在采购或采用之前
- 它究竟解决了什么学习问题？
- 证据反映的是保持和迁移，还是只有参与度？
- 与哪种现实可行的替代方案相比？
- 评估纳入了哪些人，又遗漏了哪些人？
- 挑战难度能否提升，同时也能提供补救支持？
- 教育工作者能否检查、调整并覆盖建议？
- 学习者能否导出自己的作品并在其他地方继续学习？
- 实施需要教师、家庭和支持人员做些什么？
在学习设计之内
- 激活先备知识，并提供有尊严的基础学习路径。
- 示范专家思维，然后逐步减少提示和示例。
- 将检索练习和间隔学习融入课程。
- 要求先进行独立尝试，再显示同伴或 AI 的答案。
- 提供能让下一次尝试更加明智的反馈。
- 利用社会性工作进行批评、解释和构建。
- 纳入无辅助、延迟和不熟悉情境下的评估。
- 持续审查无障碍性、数据使用情况和各子群体的结果。
值得庆祝的事
精通
一个困难的结构已经变得可以理解并能够使用。
成长
一个人如今能够超越过去的基线进行推理、记忆或创造。
原创性
真正独立的贡献经受住了证据检验与修订。
慷慨
知识被用于教学、指导、建设、保护或为他人开辟道路。
人类教师并不是过时的知识传递者
它们确立目标，察觉仪表板无法发现的困惑，示范判断，校准挑战，营造知识文化，保护学习者免于过早被贴上标签，并在一个不寻常的头脑需要空间而非简化时识别这一时刻。技术可以延伸这项工作，但不应成为撤回人性关怀的借口。
值得建设的未来
更具响应性的导师、沉浸式练习、可携带的凭证和实时翻译，只有在学习者变得更有能力时才真正重要。
XR 与具身模拟
一项关于沉浸式虚拟现实的荟萃分析发现，其对学习效果的平均正向影响较小，且因情境而有显著差异。[41] 在空间表征、具身体验或安全演练能够增加价值的地方使用 XR；提前训练操作，指导注意力，进行复盘，并提供非 XR 途径。
可以迁移的能力
微证书和数字记录可以让跨越国界与机构的终身学习更加清晰可见。可迁移性应当承载透明的证据，而不是增加一堆无人能够核查标准的徽章。
未来必须保留的六种区分
最优秀的学习技术不会让学习者消失在系统背后。它帮助一个更有知识、更有能力、更具原创性的人从中脱颖而出。
获得访问权是打开大门；心智的蜕变才是更大的庆典常见问题
针对那些通常过于简单的说法，给出简短回答。
在线课程是否和课堂教学一样有效？
有时可以，在设计完善且支持充分的条件下；有时则不能。“在线”和“课堂”是授课环境，而不是完整的教学法。在将结果归因于媒介之前，应比较课程设置、练习、反馈、教师参与度、学习者群体和延迟性结果。
MOOC较低的完成率能证明MOOC失败了吗？
不——但也不应忽视它们。注册者包含不同学习意图的人。应分别报告注册者、开始学习者、活跃学习者、明确表示完成课程者和获得证书者，然后测量学习成果和目标达成情况。对于原本打算完成课程的人来说，中途退出仍然是一个真实的设计和支持问题。
每节课都应该控制在六分钟以内吗？
不。简短而集中的片段通常有助于按需观看和导航，但著名的MOOC视频研究测量的是参与度，而不是长期记忆。应在概念结构受益的地方划分材料；同时也要帮助学习者培养难学科目所需的持续注意力。
反复阅读没有用吗？
不。阅读和复习是必要的，尤其是在纠正不完整的认知模型时。问题在于把反复阅读当作全部学习方法。合上材料，回忆或应用所学内容，然后重新打开材料进行纠正和完善。
数字学习能提高智力或IQ吗？
教育可以从因果上改善智力测试表现，持续学习也能大幅扩展知识、策略和领域能力。这一点很重要，也值得庆祝。对于狭窄的商业脑力训练任务能够产生广泛迁移的证据则弱得多。应根据有效、独立的测量和持久迁移来评判每项干预，而不是根据其营销类别。
支持智力是否意味着给人的价值排名？
这意味着认真看待认知能力、努力、专长和贡献。有效的评估可以揭示具有重要影响的差异，而不必衡量一个人的全部。杰出的人才和成就应得到保护、认可与尊重；每个人也都应受到人道对待，并拥有发展的机会。
独自学习不如社交学习吗？
不。独自学习可以保护独立思考的问题和初次尝试，避免受到锚定效应或社交导向的影响。社区随后提供批评、互补知识、实施支持、帮助和庆祝。最有效的节奏往往是独自形成想法，共同检验，再独自整合。
AI导师会自动改善学习吗？
不。精心设计的导师可以增加有效练习和反馈；不受限制的答案生成可以提升辅助完成的工作，同时削弱之后独立完成任务的能力。只提供所需的最少帮助，要求先自行尝试，核实论断，并加入延迟性的独立检查。
视频、游戏和游戏化仅仅是干扰吗？
并非必然。其价值取决于它所组织的认知活动。游戏可以支持反复决策和反馈；视频可以呈现动态结构。某种媒介并不会仅仅因为具有吸引力、色彩丰富或让人难以停止使用，就天然具有教育意义。
微证书等同于学位吗？
不一定。优质微证书可以证明一项范围狭窄但实用的能力；在存在明确协议的情况下，还可以叠加到更大的项目中。在比较证书之前，应考察学习成果、学习量、评估、身份核验条件、质量保障和认可情况。
证据与来源
用于支持本文的原始研究、系统综述和官方指南。结论范围受每个来源实际研究的人群、任务和结果所限定。
- 联合国教科文组织——《全球教育监测报告 2023：教育中的技术》官方报告
- 教育捐赠基金会——运用数字技术改善学习证据指南
- 联合国教科文组织——《开放教育资源建议书》官方标准
- 国际电信联盟——《事实与数据 2025》官方统计
- W3C — 《Web 内容无障碍指南》2.2网络标准
- Means 等——在线学习中循证实践的评估荟萃分析
- Hodges 等——应急远程教学与在线学习的区别概念分析
- Chirikov 等——在线教育平台以更低成本扩大大学 STEM 教学，同时取得同等学习成果随机对照试验
- Bettinger 等——虚拟课堂：在线大学课程如何影响学生成功因果研究
- Dunlosky 等——运用有效学习技术改善学生学习证据综述
- Sweller、van Merriënboer 与 Paas——认知架构与教学设计：20 年后证据综述
- Rowland——测试与重学对保持效果的影响荟萃分析
- Cepeda 等——言语回忆任务中的分散练习荟萃分析
- Brunmair 与 Richter——相似性至关重要：交错学习的元分析荟萃分析
- Wisniewski、Zierer 与 Hattie——重新审视反馈的力量荟萃分析
- Noetel 等——学习的多媒体设计：综述概览综述的综述
- Freeman 等——主动学习提升 STEM 学生的表现荟萃分析
- Guo、Kim 与 Rubin——视频制作如何影响学生参与度平台研究
- Szpunar、Khan 与 Schacter——插入式记忆测试可减少走神实验
- Jordan——重新审视大规模开放在线课程的完成率观察性研究
- Henderikx、Kreijns 与 Kalz——重新审视慕课中的成功与辍学慕课学习
- Reich 与amp; Ruipérez-Valiente — 慕课转型平台分析
- Huang、Jew 与amp; Qi — 慕课参与度与辍学系统综述
- Zhang、Allon 与amp; Van Mieghem — 社交互动能改善学习成果吗？现场实验
- Ritchie 与amp; Tucker-Drob — 教育能在多大程度上提升智力？荟萃分析
- Simons 等 — “脑力训练”项目有效吗？证据综述
- Mullen、Johnson 与amp; Salas — 头脑风暴小组中的生产力损失荟萃分析
- Athey 与amp; Palikot — 非传统资质在劳动力市场中的价值随机研究
- Novella、Rosas-Shady 与amp; Freund — 在线职业培训适合所有人吗？随机对照试验
- 欧盟理事会 — 欧洲微证书方法官方框架
- Bastani 等 — 缺乏防护措施的生成式人工智能可能损害学习现场实验
- Kestin 等 — 人工智能辅导的效果优于课堂主动学习随机对照试验
- 联合国教科文组织 — 教育与研究中的生成式人工智能指南官方指导
- 经合组织 — 《2026年数字教育展望》官方综合报告
- Delgado 等 — 不要丢掉你的纸质书荟萃分析
- Martin 等 — 教育中的数字干扰系统综述
- CAST — 通用学习设计指南 3.0设计框架
- 经合组织 — 教育中的数字公平与包容官方报告
- 美国教育部 — 使用在线教育服务时保护学生隐私官方指导
- Jisc — 学习分析实践准则行业指导
- Coban、Bolat 与amp; Goksu — 沉浸式虚拟现实对学习的影响荟萃分析
- TEQSA — 人工智能时代的评估改革专家指导