这项预注册试验的结果表明，AI 可以成为强大的教学伙伴——不是取代教师，而是扩展他们的覆盖范围。这项研究是我们 持续努力的一部分，旨在为 AI 对教学与学习的影响建立全球证据基础。

超越答案引擎：保护批判性思维

一个常见的担忧是，生成式 AI 可能成为学生的捷径，使他们绕过深度学习所必需的、虽有挑战却至关重要的认知努力。Guided Learning 正是为解决这一担忧而设计的：它建立在我们 LearnLM 项目多年研究与实践的基础上，以教学法为根基，并经过专门调优，优先帮助学生建立理解而非直接提供答案。

塞拉利昂的数据表明这一方法是有效的。对试验期间超过 113,000 次交互的分析显示，学生在 91.4% 的对话中使用该工具来构建概念理解，而非仅仅寻求答案。Gemini 在 76% 的消息中通过提出引导性问题作出回应，仅在 2% 的情况下提供直接的解答。这种“苏格拉底式”互动确保认知上的重担仍然由学生自己承担。

由教师主导的干预

这项试验的成功建立在 AI 与教育者的合作关系之上，教师始终稳居这一体验的中心。教育者设计课程、设定目标，并组织推动学习进程的课堂讨论。

在焦点小组访谈中，教师们表示 Gemini 也促进了她们自身的专业成长。通过使用这款工具备课，她们发现了讲解分数等熟悉主题的新方法。许多教师形容自己从“授课者”转变为“引导者”，在教室里走动，支持学生 pairs 在各自的学习旅程中探索。

为了帮助其他人实施类似的项目，我们正在发布一份 教师培训指南，其中包含与 Fab AI 合作制作的材料，以及本研究使用的具体方案。

衡量影响

定量结果十分显著。使用 Guided Learning 的学生相比对照组，数学成绩提高了 +0.258 个标准差。从实际角度看，这相当于在八周的试验期内取得了约 1.2 至 1.7 年的典型学习进步。

在试验期间，教师在约一半课程中使用 Gemini 以达到 12 小时目标课堂的学生，进步更为显著——约相当于 1.8 至 2.5 年的学习进步。参与度也非常高：69% 的学生达到或超过了使用目标，远超自愿使用教育技术产品 5% 的典型比例（即著名的“5% 问题”）。这意味着学生不仅参与其中，而且更喜欢来上课了。

超越数字本身，我们还观察到了行为上的深刻转变。学生们表示他们更喜欢数学了，并在常规教学之外主动投入学习。关键的是，随着时间推移，他们的对话和提问变得更加以学习为导向，从寻求直接答案转向技能培养。具体而言，技能培养类的提问在最后一周上升到了 90%——高于第一周的 68%——而寻求答案类的问题则从 25% 下降到 10%，这证明学生们不只是想要答案，他们更想理解得出答案的过程。

为了进一步了解引导式学习对学生学习的影响，我们正在全球范围内开展一系列额外的预注册随机对照试验（RCT）。为了推进开放科学并及时分享洞见，我们还将发布一份关于与 Fab AI 开展 RCT 方法论的操作手册，帮助其他人根据自身需求和场景开展更快、更具可扩展性的研究——以获得与技术进步同步的、可靠的本地化证据。随着后续 RCT 的结束，我们将继续发布研究结果和经验教训，构建更全面的跨国证据基础，希望能为学习生态系统中负责任的 AI 开发提供参考。此外，我们对全球 AI 学习联盟（GAILA）的支持将通过集体行动加速兑现这些承诺及其他目标。

前进之路

尽管这些结果令人鼓舞，但它们也凸显了“成绩差距”的挑战。虽然大多数学生都从中受益，但那些在试验开始时数学能力就较强的学生获益最多。这凸显了一个重要需求：提供能为最需要帮助的学生带来最大提升的工具。

展望未来，我们计划将这些试点扩展到其他国家，并更深入地探索元认知和关系智能等领域，以获取一个更全面、能探究学习微妙复杂性的视角。通过将教师引导学生课堂的关系基础与 AI 的个性化、脚手架式支持能力相结合，我们可以帮助确保技术成为一座桥梁，为所有人带来有意义的学习机会。