技术与工具
Linas Juozėnas分享
扩展心智而不取代思考的工具
屏幕可以教学、提示、翻译、组织、测量或提供受监管的治疗——但这些是不同的任务,需要不同的证据。最好的技术能够保护人的自主权,让困难的工作更易于完成,并在工具被移除后让学习者更有能力。
“数字化”不是一种证据类别
在线课程、提醒工具、屏幕阅读器、睡眠监测手表和受监管的医疗器械,可能共用一部手机,却需要不同的证据。应通过延迟的无辅助表现来评估学习,通过现实世界中的参与来评估辅助,通过与参照标准的一致性来评估传感器,并根据确切的临床终点来评估疗法。
便利与能力是不同的成就
技术可以在使用期间提升表现;而学习关注的是移除支持后还剩下什么。通用智力、专业能力和判断力仍然需要提出问题、检查答案并预见后果。强大的工具或许能放大罕见的洞见,但它不会让每一项贡献都变得可以互相替代。
六种任务,六项证明标准
营销常常衡量一种结果,却宣传另一种结果。在选择证据之前,先明确要完成的任务。
| 类别 | 主要测试 | 成功并不能证明 |
|---|---|---|
| 内容平台 | 理解、可及性和后续知识。 | 被动观看会产生掌握。 |
| 练习系统 | 延迟后的表现,以及超出训练项目的迁移。 | 智商或执行功能的广泛提升。 |
| 外部记忆 | 更少错过意图,并能可靠地提取。 | 所存储的材料已在内部被学会。 |
| 辅助技术 | 更强的功能、沟通能力或独立性。 | 这种支持会降低能力,或应当被撤除。 |
| 测量设备 | 与相关参照标准的一致性,并显示误差。 | 对某个分数进行诊断或因果解释。 |
| 数字疗法 | 针对目标人群预先规定的临床终点。 | 一种治疗方法、独立治疗方案或更广泛的益处。 |
评估整个系统
一个产品可能结合视频、测验、提醒、社会比较和人工智能。效果可能来自某个组件、额外练习、周围的教师或新鲜感。应保持内容和支持条件具有可比性,在新鲜感消退后进行测试,并在界面之外进行测量。
技术不会推翻学习科学
精致的界面可以高效地提供薄弱的教学。强大的系统仍然需要费力的提取、解释、反馈、间隔和迁移。
- 定位明确目标并激活先前知识
- 尝试在获得帮助前先作答
- 反馈纠正具体错误
- 提取不重读而重建
- 间隔在有所遗忘后回来
- 迁移在新的情境中运用这一理念
练习测试和分散练习通常比反复重读更有利于持久学习。1 提取练习能强化之后的提取,而间隔学习有助于在许多言语学习条件下保持记忆。23 软件只有在安排并调整这些过程,而不是把识别伪装成掌握时,才能增加价值。
必须将传递媒介与教学法分开。一项大型系统综述发现,与没有视频或使用效果较差的媒介相比,视频通常能改善高等教育学习,但效果大小取决于视频的整合方式。4 暂停点、解题示例和嵌入式问题很重要,因为它们将信息流转化为学习者必须作出的决策。
视频
分段呈现解释,移除装饰性杂乱,提供播放控制,并插入预测或回忆环节。一项系统综述发现,连贯性、分段和学习者控制得到了反复支持。5
适应性
应根据已展示的知识调整节奏、示例、提示或难度,而不是依据固定的“学习风格”。有益的挑战应接近努力至关重要且仍可进行纠正的边界。
分析
点击次数、分钟数和连续学习天数描述的是平台行为。应通过延迟后的独立解释与应用来判断学习效果。
混合式学习应在最需要人的地方发挥人的作用
技术可以大规模提供重复练习、即时纠正和灵活访问。教师、导师和同伴则能提供解读、挑战、鼓励,并了解学习者更广泛的经历。优秀的课程让软件负责常规练习,同时由人来诊断持续存在的误解,将知识连接到真实项目,并注意到困难源于语言、残障、恐惧或先备知识缺失,而非缺乏努力。
游戏化可以支持练习——但积分不会教学
奖励只有通过其塑造的行为,以及在奖励消失后仍保留的学习,才具有意义。
荟萃分析发现,游戏化对认知、动机和行为结果具有小幅正向平均影响,但效果会因设计和对照条件不同而显著变化。6 这支持谨慎设计,而非认为游戏化普遍具有优势。
后续的一项综合分析同样报告了积极的平均效果,但也显示学科、时长、用户特征和设计选择会改变结果。7 奖励应让能力变得可见,而不是取代能力。在公开排名主要展示既有优势的情况下,合作目标或许更能支持坚持。
| 要素 | 适用情形 | 风险 | 更好的问题 |
|---|---|---|---|
| 连续打卡 | 它会促使人有意义地回来,并允许恢复进度。 | 匆忙完成活动,或在中断后因羞愧而受挫。 | 生活中的突发情况能否在不受惩罚的情况下打断学习? |
| 积分 | 它们代表真正的里程碑。 | 点击次数和速度取代了理解。 | 分数代表了什么能力? |
| 挑战 | 随着支持减少,难度随之提高。 | 无休止的轻松成功会最大化参与度。 | 有效的努力是否得到保留? |
| 竞争 | 参与自愿,进步才重要。 | 排名会暴露数据,或奖励既有优势。 | 私人目标还是合作目标更有效? |
以胜任且独立为目标
平台希望人们留下来;学习者则应能离开,并在其他地方运用所学技能。提供诚实的进度反馈、灵活的停止点、可导出的成果,并避免人为施压让人继续。
AI 导师可以搭建思维脚手架——也可以在思维成形之前替你完成思考
同一个模型既可以教学、翻译,也可能过早给出答案或生成流畅但错误的内容。教学设计决定会诱发哪种行为。
结构化辅导可以提供帮助
在哈佛一门物理课程的 2025 年交叉试验中,194 名符合条件的学生在即时测试中学得更多,而且通常比参加涵盖相同材料的主动学习课堂花费更少时间与一位精心设计的 AI 导师互动。8 该辅导工具使用了专家内容、循序渐进的支架式教学和有针对性的反馈;这一结果不会自动推广到不受限制的聊天机器人或每一门学科。
更好的辅助作业可能掩盖更薄弱的学习效果
在近1,000名高中数学学生中,GPT-4提高了练习表现,但当移除工具后,无限制的界面使学生的表现反而不如不使用人工智能的对照组。辅导式防护措施基本缓解了这种损失。9
一项对涉及4,597名学生的28项K–12智能辅导研究的综述发现,总体效果较为积极,但相较于非智能辅导的优势较小;许多研究持续时间较短或采用准实验设计,而且很少考察伦理结果。10
人类教师仍会决定哪些内容值得关注,发现提示之外的误解,回应情绪和情境,并判断一份经过润色的答案是否确实代表学习者的成果。人工智能可以扩展反馈和翻译能力,但不应仅仅因为工具使用方便,就上传学生的私人作业、残障信息或评估数据。
- 在我尝试解决问题之前,暂缓给出最终答案。
- 提出诊断性问题,并根据我的回答进行调整。
- 区分事实、推断和不确定性;引用可供检查的来源。
- 最后解决一道我独立完成的迁移题。
验证是一项认知技能
联合国教科文组织将能动性、包容性和隐私置于教育人工智能的核心。11 NIST同样强调治理、情境、测量和风险管理。12 对于重要结论,应检查来源,在可能的情况下重新计算,并由具备资质的人类负责。
评估规则:分别记录借助工具完成的表现和之后独立完成的表现。对于高风险学习,要求学习者进行解释、检查来源,并在必须由学习者而非模型承担推理的条件下解决一道新问题。这既能保障诚实的评估,也能让学习者发现自己仍需练习的部分。
技术改变了智能能够完成的事情——而不是智能为何重要
工具拓展了能力边界。只有当思维能够提出、检查并整合时,工具的最大价值才会显现。
知识促成检验
内在知识提供了可据以评判输出的模式。搜索可以找到公式;专业能力则决定其假设是否适用。
判断决定目标
系统会优化交给它的目标。人们必须注意不完整的目标、隐藏的成本、伦理边界,以及值得调查的不确定性。
原创性需要安静
持续不断的建议可能会将探索限制在熟悉的模式上。需要时进行私下思考,保留不寻常的问题,然后利用技术检验并传达这些问题。
数字素养不只是操作软件。它还包括评估信息、负责任地创作、保护数据、解决问题,以及认识到自身知识的边界。欧盟委员会的 DigComp 2.2 框架同样将知识、技能和态度结合起来,而不是把能力等同于设备访问权。13
外部记忆可以提高可靠性,而不会因此变成内部知识
日历、笔记、闹钟和清单都是认知工具。关键能力在于决定外置什么、学习什么,以及系统会如何失效。
认知外置是利用某个行动或外部资源来减少内部处理,例如设置提醒,而不是让某个意图持续占据注意力。14 关于意图外置的研究表明,外部提醒可以提升前瞻记忆表现,尤其是在内部记忆不确定时。15 然而,记录下来的事实并不会仅仅因为可以被找到,就变成已理解的事实。
| 适合外部化 | 在内部保留 | 原因 |
|---|---|---|
| 日期、地址、准确剂量和长序列。 | 含义、优先事项和危险信号。 | 记录保存精确性;知识识别误用。 |
| 例行清单和中间计算结果。 | 假设,以及该方法不适用的情况。 | 自动化可以执行有缺陷的流程。 |
| 来源、决策和对话记录。 | 关于可信度、同意与后果的标准。 | 档案保存证据;判断解读证据。 |
可执行提示
用时间、情境和第一个行动替代“项目”。只使用能可靠改变行为的最少提醒。
平稳失效
确保重要记录可导出并已备份。了解电池、账户或服务提供商失效时会发生什么。
复盘
将捕获的材料转化为决策、持久参考资料、主动学习内容或删除项。未经整理的存储只是另一种遗忘形式。
辅助技术可以显现出界面原本掩盖的能力
印刷文字、语音、动作、记忆负担或身份验证,都可能阻碍理解任务的人完成任务。消除这些障碍,可以更真实地衡量并发挥相关能力。
WHO 将辅助技术描述为能够维持或改善认知、沟通、听力、行动能力、自理和视力等方面功能的产品、系统和服务。WHO–UNICEF 全球报告强调了未满足的需求,以及在整个提供过程中让用户参与的重要性。16
数字化示例包括语音识别、字幕和时间管理软件,但提供辅助技术是一个过程,而非一次购买。17 评估、定制、培训、维修和后续支持决定了一项工具能否融入日常生活,还是被弃用。
感知
字幕、文字稿、文本替代内容、放大、对比度和可调节的呈现方式。
表达
语音转文字、替代键盘、开关、眼动和辅助沟通。
组织
视觉日程、计时器、分步提示和简化的工作流程。
理解
通俗易懂的语言、可预测的导航、示例、帮助和可逆操作。
WCAG 2.2 为可感知、可操作、可理解且稳健的网页内容提供可测试的指导,包括键盘访问、字幕、可见焦点、对比度和无障碍身份验证。18 W3C 的认知无障碍指南补充了明确目的、熟悉的模式、帮助、错误预防,以及对记忆和注意力的支持。19
- 让用户控制节奏、动效、提醒和信息披露。
- 提供不止一种输入和输出途径。
- 发生错误后保留用户的工作成果和上下文。
- 除非时机确实至关重要,否则避免设置时间限制。
- 与将依赖产品的人一起进行测试。
- 自动化失效时,应保留人工处理途径。
支持应增强自主性,而不是实施监控
对于位置提醒、用药提示或照护者仪表板,应明确谁能查看数据、共享是否可以暂停、如何处理意见分歧,以及采用侵入性更低的设计是否可行。
数字疗法不是普通的健康应用
阅读确切的预期用途、适用人群、终点、对照方案和局限性。
狭窄的声称也可能意义重大
FDA 在 2020 年的 De Novo 决定中,将 EndeavorRx 归类为 II 类医疗器械,作为临床医生监督下治疗的辅助工具,适用于特定的 8 至 12 岁 ADHD 儿童及其注意力问题。其声称改善的是通过计算机测量的注意力功能;多动等行为症状可能不会改善,而且该设备并非独立治疗手段。20
这项为期四周的关键研究将 348 名儿童随机分组,并达到了主要的 TOVA 注意力终点,但次要临床结果的结论不那么明确。21
“获准上市”并不意味着“什么都能改善”
FDA 关于这款成人非处方产品的 2024 年文件同样使用了具体表述:针对患有 ADHD 且存在注意力困难的特定成年人;在数字化评估的注意力指标上有所改善;行为获益可能不存在;并且应作为更广泛方案的一部分使用,而不是替代该方案。22
产品名称和用户证言不能替代监管措辞或试验中的对照方案。
| 询问 | 检查 | 为什么 |
|---|---|---|
| 谁? | 年龄、诊断、严重程度和排除标准。 | 经过筛选的样本可能无法代表每一位用户。 |
| 与什么相比? | 等待名单、假干预、常规护理或主动治疗。 | 优于什么都不做,只是一项有限的测试。 |
| 改善了什么? | 训练任务、相似测试、症状或日常功能。 | 近迁移不等于远迁移,也不等于具有临床意义。 |
| 效果能持续多久,代价多大? | 随访、不良反应、时间、费用以及被挤占的护理。 | 一个积极的终点并不能代表完整的决策。 |
脑力训练:改善必须迁移
练习通常会改善所练习的任务。综述认为,将效果远迁移到相距较远的能力或一般智力上的证据要薄弱得多。2324 一项针对老年人的 2024 年荟萃分析纳入了 55 项试验,发现跨领域效果的平均幅度较小,且存在显著异质性。25 训练真正需要的能力,并在训练界面之外进行测量。
临床提示:不要使用软件自行诊断突然的认知变化、神经系统症状、严重睡眠问题或精神疾病。产品标签和专业人士的评估优先于应用商店的宣传。
可穿戴设备适合发现规律——但不太可靠,不能当作神谕
传感器记录信号;算法推断类别;界面将不确定性压缩成分数。
一项 2024 年的伞形综述涵盖了 24 篇综述和 249 项不重复的验证研究。只有少数商用设备甚至针对单一结果进行了验证,而且准确性各不相同:心率通常优于活动强度、能量消耗或睡眠时长,而睡眠时长常被高估。26
一项比较消费级腕戴式睡眠追踪器与多导睡眠监测的 2025 年荟萃分析发现,尽管这类设备有助于了解个人的大致趋势,但在关键睡眠指标上存在有意义的不一致。27 验证针对的是特定模型、固件、指标和人群;算法更新后,可能不会继承早期版本的证据。
运用规律
比较相似的周,而不是只看某一晚的图表。记录疾病、旅行、饮酒、运动、佩戴贴合度和固件版本。
区分信号与意义
心率是一种观察结果;“压力”是一种解释,也可能反映运动、温度、药物或误差。
根据症状升级处理
持续嗜睡、晕厥、胸痛、呼吸暂停或神经系统变化,即使某项评分令人放心,也值得接受评估。
智能家居既提供支持,也带来权力
跌倒警报、运动传感器和语音助手可能支持独立生活,同时也会暴露日常规律和人际关系。尽量减少数据,明确接收者,并保留住户参与决策的权利。
保护注意力,免受本应帮助它的工具干扰
分心源于人的定向系统、环境,以及让打断几乎无需成本的产品。
即使没有回应的通知,也可能损害需要集中注意力的任务。28 目标不是零技术,而是减少未经选择的情境切换,尤其是在困难的工作期间。
- 禁用促销通知和徽章。
- 进行高要求工作时,使用全屏或单标签页模式。
- 在选定的时间段集中处理日常沟通。
- 记录无关想法,但不要立即采取行动。
- 在有帮助时,将娱乐和工作环境分开。
- 衡量完成的工作,而不是显眼的忙碌。
采用工具前使用 PURPOSE 测试
选择在当前情境下能改善此人明确结果、且负担最小的系统。
什么会失败?
他们能控制它吗?
证据是否匹配?
哪些内容会离开?
如何测试?
工作能否离开?
| 问题 | 有力的回答 | 警示信号 |
|---|---|---|
| 确切的问题是什么? | 可观察到的失败:错过行动、无法阅读印刷内容或记忆力差。 | “增强大脑”或其他无法证伪的承诺。 |
| 谁的目标? | 用户的优先事项、同意和可接受的付出。 | 另一方想要不必要的数据。 |
| 与什么相比? | 当前方法或更简单的替代方案。 | 只有用户评价,或仅与什么都不做进行比较。 |
| 有什么证据? | 相似的人群、结果和产品版本。 | 在无关设备上进行的研究或测试。 |
| 负担与退出? | 设置、成本、误报、导出、删除和备用方案。 | 被锁定在其中,或围绕该工具重新安排生活。 |
从一个问题的一种工具开始。建立基线,只配置必要功能,并在最初的热情之外进行测试。当相关结果以可接受的成本得到改善时保留它;当管理负担、焦虑、监控或分心超过支持作用时,修改或移除它。
优先选择足够小的干预
纸质清单、浏览器无障碍设置或重复的日历条目,可能胜过复杂的订阅服务,因为它们可见、可修复,也容易退出。只有在能够解决简单选项无法解决的限制时,复杂性才有价值。
隐私、公平和伦理设计是功能性要求
一个教学有效但排斥、操纵或暴露他人的系统是不完整的。
尽量减少数据
只收集功能所需的信息,说明保留期限,并确保真正可以删除。即使没有姓名,语音、位置、残障和健康模式仍可能暴露敏感信息。
让影响可见
解释推荐结果和难度变化。不要把操纵、披露压力或无休止的参与伪装成个性化。
允许更正
人们需要更正记录、对重大决定提出异议并联系负责任的人工人员的途径。
测试包容性
报告在相关语言、年龄、残障情况、设备和连接条件下的表现。
规划连续性
考虑订阅费用、硬件寿命、维修、离线使用、培训和长期支持。
保护,但不要抹去声音
对儿童或弱势用户应采取更强的保障措施,同时保留解释权、隐私和参与权。
不要以不必要的监控作为接受教育、就业或获得归属感的条件
学习者可以在不交出每一次击键记录的情况下获得反馈;员工可以在不接受持续情绪推断的情况下展示工作;辅助支持不必转移对个人日常生活的所有权。
公平还取决于宽带、设备质量、语言支持、数字素养以及学习使用系统所需的时间。一个在使用新硬件的流利使用者身上得到验证的工具,在嘈杂的房间、低成本手机上,或面对训练数据中缺失的方言时,可能会失效。应报告这些适用边界,而不是让被排除的用户承担责任。
XR、自主代理和脑机接口
只有当独特能力能更好地解决实际问题时,新颖性才有意义。
沉浸式现实
系统综述发现,沉浸式 VR 对教育具有令人鼓舞的效果,但设计和证据质量差异很大。29 XR 可以呈现空间尺度、危险练习和具身交互。学习研究结果令人鼓舞,但存在差异;比较往往将沉浸感与不同的内容、时间或教学混为一谈。30 当移动或三维关系属于目标的一部分时使用它。
自主代理
代理可以搜索、安排、起草并执行操作。应要求权限范围明确,对后果重大的操作提供预览,保留日志,设置限制,并提供便捷的停止方式。建议不得悄然变成不可逆的决定。
未来的检验仍由人来完成
系统是否提升了理解、表达、安全性或自由?当事人能否拒绝、更正并退出?系统失效时,是否仍能保留有用的能力?
为期四周的技术审计
测试工具是否改善了你重视的结果,而不只是它所记录的活动。
| 周 | 行动 | 决策 |
|---|---|---|
| 1 · 建立基线 | 使用当前方法记录错误、耗时、中断和负担。 | 在采用之前,确定一个结果和一项成本。 |
| 2 · 配置 | 引入最简单的工具;关闭非必要提醒、社交功能和分享功能。 | 如果隐私、安全或感官成本不可接受,就停止。 |
| 3 · 质疑 | 使用真实且多样的任务;对于学习,测试延迟后的无辅助迁移。 | 仅凭应用内评分是不够的。 |
| 4 · 复核 | 不使用工具进行测试,并检查导出内容、费用、误报和依赖性。 | 保留、重新设计、替换或移除。 |
- 学习:之后你能否在没有提示的情况下解释并应用它?
- 组织:是否遗漏了更少的重要意图?
- 无障碍:参与是否变得更容易、更独立?
- 测量:趋势是否能指导有用的行动?
- AI:你是否在尝试更具挑战性的工作,而不只是润色输出?
- 总体:这个工具带来的自主性是否多于它消耗的自主性?
谨慎解读:一个月内的改善可能反映了新鲜感、额外关注或日常安排的改变。当决策很重要时,请重复比较;绝不要仅为证明独立性而撤除无障碍辅助工具。
值得摒弃的迷思
技术可以提供帮助;但这一事实并不能为每一项数字化主张提供正当性。
最好的技术会留下更多自主权、知识和可能性
数字工具可以提供出色的教学,保留意图,翻译声音,为屏幕阅读器打开页面,揭示有用的模式,或为治疗作出贡献。当一种成功被宣传成另一种成功时,混乱便开始了。
应根据支持结束后仍保留的内容来评估学习;根据参与度和控制权来评估辅助工具;根据经过验证的准确性来评估传感器;根据治疗手段所作出的确切声明来评估治疗效果。保护注意力、隐私、数据导出权以及停止的权利。技术应让更多知识和表达能力触手可及,同时让人保持质疑、创造和决策的自由。目标不是过一种没有工具的生活,而是建立一种关系:工具始终可检查、可替代,并对人类目的负责。
来源及延伸阅读
支持本指南的主要研究、综述、标准和监管文件。
- Dunlosky 等。通过有效的学习技术改善学生的学习(2013 年)。
- Karpicke 和 Roediger。学习期间的重复提取是长期保持的关键(2008 年)。
- Cepeda 等。言语回忆任务中的分散练习:综述与定量综合(2006 年)。
- Noetel 等。视频能够改善高等教育中的学习:系统性综述(2021 年)。
- Fyfield、Henderson 和 Phillips。改进教学视频设计:系统性综述(2022 年)。
- Sailer 和 Homner。学习的游戏化:一项荟萃分析(2020 年)。
- Li、Ma 和 Shi。考察游戏化作为促进教学与学习工具的有效性(2023 年)。
- Kestin 等。人工智能辅导的效果优于课堂主动学习:一项引入基于研究的设计的随机对照试验(2025 年)。
- Bastani 等。缺乏防护措施的生成式人工智能可能损害学习:来自高中数学的证据(2025 年)。
- Létourneau 等。K–12 教育中人工智能驱动的智能辅导系统系统综述(2025 年)。
- 联合国教科文组织。教育和研究领域生成式人工智能指南(2023 年)。
- Tabassi。人工智能风险管理框架(AI RMF 1.0)(NIST,2023 年)。
- Vuorikari、Kluzer 和 Punie。DigComp 2.2:公民数字能力框架(2022 年)。
- Risko 和 Gilbert。认知卸载(2016 年)。
- Gilbert 等。将记忆外包给外部工具:意图卸载综述(2023 年)。
- 世界卫生组织和联合国儿童基金会。全球辅助技术报告(2022 年)。
- 世界卫生组织。辅助技术(2024 年概况介绍)。
- 万维网联盟。Web 内容无障碍指南(WCAG)2.2(2024 年建议)。
- 万维网联盟。让认知和学习障碍人士能够使用内容(2021 年)。
- 美国食品药品管理局。EndeavorRx 的 De Novo 分类申请,DEN200026(2020 年)。
- Kollins 等。一种积极降低儿童 ADHD 严重程度的新型数字干预:STARS-ADHD(2020 年)。
- 美国食品药品监督管理局。EndeavorOTC 的上市前 510(k) 通知,K233496(2024 年)。
- Gobet 和 Sala。认知训练:一个寻求现象的领域(2023 年)。
- Simons 等。“脑力训练”项目有效吗?(2016 年)。
- Li 等。参与度、坚持性和依从性对老年人认知训练结果的影响(2024 年)。
- Doherty 等。跟上可穿戴设备的发展:关于测量准确性的持续性综述(2024 年)。
- Lee 等。消费级腕戴式睡眠追踪设备与多导睡眠图相比的表现(2025 年)。
- Stothart、Mitchum 和 Yehnert。接收手机通知的注意力成本(2015 年)。
- Conrad、Kablitz 和 Schumann。沉浸式虚拟现实在教育和培训中的学习效果:系统综述(2024 年)。
- Lawson 等。混杂还是受控?涉及沉浸式虚拟现实用于 STEM 教育的媒体比较研究(2024 年)。
- Moses 等。用于解码构音不能的瘫痪患者语音的神经假体(2021 年)。
- Card 等。一种精准且能快速校准的语音神经假体(2024 年)。
教育提示:本文比较一般类别,不为任何产品背书,也不能替代教育、无障碍或临床评估。产品功能、隐私条款和监管状态可能发生变化;在进行重要用途之前,请核实当前版本。