Teachometry
运行

期刊 · 第 6 篇,共 7 篇观点

为什么教学难以扩展

教育最根本的约束不是信息获取,而是持续、个性化教学注意力的获取。

夜里书桌上的一只沙漏,只有一盏暖色台灯照着。
封面 · 一盏灯,一道细细的沙颈。

§1稀缺资源是注意力

一名老师可以向全班讲解一个概念,但无法持续观察每个学生、诊断每个错误概念、为每个人选择不同解释、验证真实理解,并同时为所有人调整下一项任务。即使老师非常优秀且尽责,这仍然是容量约束。

因此,K12 系统通常在群体层面运作。课堂需要保持秩序,课程要继续推进,考试要被组织,学生要跨越共同门槛。个体优化当然理想,但它必须与“同时教很多人”的现实要求竞争。

清晨阳光里的空教室,从后排角落看去:三十张课桌朝向同一块黑板。
图 1三十张课桌,一块黑板。整间教室的设计,就是让一个人的注意力被大家分着用。

§2分数构成强大的外部结构

大量 K12 学习并非完全自愿。家庭和学校通过成绩、考试、日程、期待和监督,让学习即使在学生没有内在兴趣时也能发生。表现好的学生往往获得更多认可与信心;反复落后的学生则可能经历相反过程。

这意味着教育系统至少同时承担两项工作:教学,以及创造一个让学习难以被逃避的环境。任何严肃的 AI 教育系统都必须理解这两项工作。

§3私人辅导揭示了家庭真正购买的是什么

  1. 专属注意力
  2. 对家庭的直接责任
  3. 对学生的监督
  4. 可见进步
  5. 信任信号:资历、经验、口碑或过去结果
图 2除了讲解本身,家庭请私人教师时还买到了什么(按本节列举)。

私人教师的价值不只是“讲得好”。这个产品同时包含专属注意力、对家庭的直接责任、对学生的监督、可见进步,以及由资历、经验、口碑或过去结果建立的信任信号。

昂贵之处在于,这一切都绑定在人类时间上。高质量的一对一注意力很难大规模分配,因为每增加一个学生,就需要增加一块新的人工劳动时间。

§4只有真正会教,AI 才能改变成本结构

如果 AI 系统能够可靠地诊断学生、选择合适解释、生成练习、识别虚假掌握、回访薄弱知识、随时间适应,并验证学习而不是只生成答案,那么个性化教学注意力就会变得更可复制。

§5标准不能只是“学生得到了答案”

AI 可以通过替学生完成认知工作,让学生看起来更有能力,但这并不等于学习。更强的检验是:移除 AI 后,学生是否仍能保留、迁移并应用知识。

学生

我觉得三分之一加四分之一等于七分之二。我把分子相加,分母也相加。这样对吗?

回复 A · 给答案

对,完全正确!分数相加就是把分子相加、分母相加。你理解得很好。

回复 B · 在教

你把 2/7 是怎么算出来的说得很清楚,这很有帮助。先别急着下结论:2/7 和单独的 1/3 比,是大还是小?

图 3同一条学生消息,两种回复。回复 A 是首页使用的构造对话;回复 B 为本图构造。两者都不是真实模型的输出,也都不是 TutorBench 分数。

因此,我们不应因为模型听起来聪明,或者它能解决基准题,就信任 AI 教育。只有在能够证明它的教学以持久且有用的方式改变了学生时,信任才有依据。

§6为什么要做 Teachometry

长期问题并不只是 AI 能否回答正确,而是它能否逐步承担越来越大的教学责任。这需要在多个层级上测量:可观察教学行为、真实学习有效性,以及最终跨更长时间尺度的教学自主性。

  1. 第 1 层可观察教学行为TutorBench 目前测量的层级
  2. 第 2 层真实学习有效性需要另行实证验证
  3. 第 3 层跨更长时间尺度的教学自主性需要另行实证验证
图 4本节提到的三个测量层级,以及当前基准所处的位置。

Teachometry 的存在,就是把这些主张变成可检验的问题。目标不是假设 AI 已经替代教师,而是建立证据,弄清它能可靠地做什么、对谁有效、在什么条件下有效,以及哪里仍然需要人类教学。

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 · 正在读为什么教学难以扩展
  7. 第 7 篇教学与监督是两份不同的工作