Teachometry
运行

期刊 · 第 7 篇,共 7 篇观点

教学与监督是两份不同的工作

教师的工作把教学、权威、监督、安全、社会协调与责任绑定在一起。AI 也许能够把这些职能拆开。

绿色黑板槽上的一支粉笔,墙上挂钟的影子落在黑板上。
封面 · 钟的影子和粉笔:两份不同的工作。

§1今天的教师其实把多种工作合在一起

  1. 讲解内容
  2. 诊断错误
  3. 准备练习
  4. 批改作业
  5. 回答问题
  6. 激励学生
  7. 管理行为
  8. 与家庭沟通
  9. 对一屋子的未成年人负责
图 1本节列出的“打包”:一个成年人,九项工作。

课堂教师要讲解内容、诊断错误、准备练习、批改作业、回答问题、激励学生、管理行为、与家庭沟通,还要对一屋子的未成年人负责。这些职能之所以被打包在一起,是因为历史上同一个成年人必须在场才能完成教学。

这种打包方式不应被误认为自然规律。如果教学可以由另一套系统可靠提供,那么剩余的人类职能就可以被单独设计。

§2AI 本身没有天然权威

学生可以无视 AI Tutor、关闭页面、直接向它索要答案,或者干脆停止学习。因此,监督必须成为一等设计问题。把 AI 人设成“严厉老师”并不会创造真实权威。

更现实的模型是由家庭或学校提供正当规则,再由软件透明执行:规定学习时间、必做任务、掌握检查、进度记录、未完成时的升级机制,以及让负责的成年人清楚看到状态。

§3如果教学变得自主,用工经济结构就会改变

学校目前需要大量学科教师,是因为教学容量随教师时间线性扩展。如果 AI 系统能够独立处理每个学生的诊断、解释、练习、反馈、评估、复习与适应,那么教学所需成人数量就不必再以同样方式扩展。

这并不意味着学校会变成“没有成年人”。监督、儿童保护、冲突处理、体育活动、实验室工作、特殊需求、社会发展和责任承担仍然可能需要人。但人员配置模式可能从“很多成年人教群体”转向“很多 AI Tutor 教个体,更少的成年人负责监督和处理例外”。

现在“很多成年人教群体”
可能“很多 AI Tutor 教个体,更少的成年人负责监督和处理例外”

仍然可能需要人

  • 监督
  • 儿童保护
  • 冲突处理
  • 体育活动
  • 实验室工作
  • 特殊需求
  • 社会发展
  • 责任承担
图 2本节所说的人员配置可能如何转变,以及文中点名仍可能需要人的工作。这是假设,不是预测。

§4岗位减少可能是结果,但不应是测量目标

足够有能力的 AI 可能减少某些常规教学劳动需求,这是合理的可能性。但把 50% 或 90% 这样的数字直接变成今天的预测并不负责任。更有用的问题应更精确:哪些教学任务可以委托、面向哪些学生、在哪些学科、持续多久、需要多大程度的人类监督?

这些问题的答案会自然改变劳动结构。如果一个成年人可以安全地监督一个学习环境,而每个学生都从 AI 获得高质量个性化教学,那么实现同等或更好的教学产出,可能只需要更少的人类工时。

§5真正值得测量的是教学自主性

未来的评测系统应超越单一 Tutor 分数,转而询问:在不需要人类教师持续修补工作的情况下,AI 能独立承担多少教学过程?一种可能的层级是:

真正影响结构变化的是最后一个层级。如果它变得可靠,教学与监督就不必继续由同一个人完成。

  1. 辅助回答问题并提供解释。
  2. 引导式辅导在人类设计的课程中进行诊断与适应。
  3. 独立课程交付端到端教授一个边界明确的学习目标。
  4. 长期适应维护学生模型,并跨多个会话进行规划。
  5. 教学自主性在有人类监督但没有常规人类教学的情况下,长期维持学习结果。

§6这是一项研究计划,不是一则预测

目标是让高质量个性化教学能够通过计算方式扩展。最终它会自动化很小一部分还是很大一部分教学工作,应当成为经验结果,而不是口号。

Teachometry 的角色,是把边界变得可见:今天 AI 能可靠地教什么,什么仍然需要人类干预,以及随着系统进步,这条边界如何移动。

期刊 · 7 篇文章

  1. 第 1 篇当你赢过所有人之后呢?
  2. 第 2 篇傲慢是你所不需要的
  3. 第 3 篇为什么优质教育资源没有抵达需要它的人?
  4. 第 4 篇当学习开始让人感到失败
  5. 第 5 篇课堂不需要 30 个机器人
  6. 第 6 篇为什么教学难以扩展
  7. 第 7 篇 · 正在读教学与监督是两份不同的工作