当“学习惩罚”成为“考试惩罚”：一篇被错误解读的论文

一、论文说了什么

2026年6月，斯德哥尔摩大学的David Strömberg与香港大学的Victor Lei、Yanhui Wu发布了《生成式AI的学习惩罚：来自中国中等教育的证据》。论文追踪了中国某县26811名七至十二年级学生长达30个月的学业表现，覆盖九门学科，数据包括每月闭卷月考、作业分数与完成时长，以及中考、高考等高利害考试成绩。

核心发现如下：

• 作业端：使用AI后，作业分数提升18%，完成时间从64分钟降至45分钟，减少30%。
• 考试端：六个月内闭卷月考成绩下降20%（约1.4个标准差）；中考成绩下降24%，高考成绩下降18%，完整惩罚约需两年才完全显现。
• 分布特征：初中生损失大于高中生，男生大于女生，高成绩学生大于低成绩学生——前三分之一成绩的学生损失24%，后三分之一仅损失16%。
• 行为分层：约81%的AI使用者表现出“外包”行为——作业时间异常短、分数异常高，学习损失几乎全部集中于此；而维持原作业时长的AI使用者，考试成绩未受明显损害。
• 时间趋势：2023年初小考成绩损失约25%，到2025年中降至约16%，显示学生或教师在逐步适应。

这篇论文的方法论被同行评价为“该主题上最扎实的因果识别之一”。但问题恰恰在于：论文的结论被广泛误读为“AI损害学习”，而它真正揭示的，是应试教育在AI时代的系统性失灵。

二、论文没有说，但数据已经说了的事

2.1 “学习惩罚”还是“考试惩罚”？

论文测量的所有“学习效果”指标，无一例外都是考试成绩——月考成绩、中考成绩、高考成绩。研究者将“考试成绩下降”直接等同于“学习受损”，这是整个论述中最根本的范畴错误。

考试分数从来就不是学习的同义词，它只是学习的一种度量工具。 当度量工具本身存在严重缺陷时，工具显示“读数下降”，正确的结论不是“被测量对象坏了”，而是“这把尺子该换了”。

论文数据本身恰恰证明了这一点：AI使用者的作业分数提升了18%——如果AI真的“损害了学习”，为什么学生能在作业中表现出更高的水平？一个合理的解释是：作业考察的是在开放环境下调用资源、解决问题、组织表达的能力，这正是AI时代最核心的竞争力；而闭卷考试考察的是在信息隔绝环境下凭记忆复现知识的能力，这在AI时代正迅速贬值。 前者上升、后者下降，不是“学习受损”，而是能力结构的时代转型。

2.2 被掩盖的关键变量：教育评价体系

论文发现了一个极为重要的现象：2023年初小考成绩损失约25%，到2025年中降至约16%。研究者将其解释为“学生或教师在逐步适应”。

但这个“适应”到底是什么？ 更合理的解释是：教师和考试命题者开始调整——他们逐渐意识到AI的存在，开始在命题中减少AI可轻易代劳的机械性题目，增加需要真实理解的题目。当考试本身变得更“抗AI”时，AI使用者的成绩损失就缩小了。

这恰恰说明：所谓的“学习惩罚”在很大程度上是“考试滞后”的产物。 考试内容、形式和评价标准没有跟上技术变革的步伐，却反过来指责技术“损害了学习”——这是典型的刻舟求剑。

2.3 “外包”现象的真相：学生在用脚投票

论文最引人注目的发现是：81%的AI使用者将作业“外包”给AI。主流解读将此视为“学生的懒惰”或“认知退化”。

但换一个角度看：当一个教育体系把大量机械性、重复性的作业强加给学生，而AI能以更高效率完成这些任务时，学生选择“外包”是理性行为，不是道德缺陷。 学生不是在“逃避学习”，而是在拒绝无效劳动。

更值得注意的是那19%的“非外包”AI使用者——他们使用AI但维持了原有的作业时长，考试成绩未受损。这批人证明了：AI本身不是问题，问题在于如何使用。 当AI被用作“导师”而非“枪手”时，它完全可以与深度学习共存。

那么问题来了：为什么81%的学生选择了“外包”而非“辅助”？因为现行教育评价体系只问“答案对不对”，不问“思考过程有没有”。 当系统只奖励结果不奖励过程时，学生用最高效的方式获取结果，是系统的必然反馈。

三、应试教育在AI时代的五个根本缺陷

3.1 知识记忆的贬值

AI可以即时调用人类有史以来积累的几乎所有知识。一个中学生花三年时间记忆的公式、年代、单词，AI在0.1秒内就能生成。当知识本身成为免费商品时，以知识记忆和再现为核心能力的评价体系就失去了存在的合理性。 论文中社科类学科损失最大（约-27%），恰恰因为这类学科在现行考试中最依赖知识记忆。

3.2 信息隔绝环境的虚构性

闭卷考试构建了一个“不准查资料、不准问人、不准用工具”的虚构环境。但真实世界恰恰相反：任何有价值的工作都是在开放信息环境中完成的——工程师可以查文档，律师可以查判例，医生可以查文献，分析师可以用AI辅助决策。用“信息隔绝”环境下表现来预测“信息开放”环境下的能力，本身就是方法论谬误。

3.3 标准答案的暴政

应试教育本质上是一套“标准答案筛选系统”。但AI时代最稀缺的能力恰恰是提出好问题的能力、批判性思维的能力、在不确定条件下决策的能力——这些都是标准答案无法测量的。论文发现高成绩学生损失更大，研究者推测是因为AI“打断了他们自建知识心智模型的过程”。但另一种解释是：高成绩学生恰恰是应试教育最成功的产品，他们的能力结构与考试高度耦合；当AI改变了能力评价的底层逻辑时，他们受损最大，因为他们过去“擅长”的东西正在贬值。

3.4 “以考代教”的异化

频繁考试让教学沦为应试训练，老师只关心分数，不关心学生的全面发展。音乐、劳动等非考试科目被挤占。有学生刷的试卷堆起来超过身高。在这种体系下，AI不是“破坏学习”，而是撕下了应试教育“有效”的面具——当AI可以轻松完成大量机械训练时，人们才发现这些训练本来就没有多少教育价值。

3.5 评价改革的滞后

中国教育评价改革正在推进——从“知识本位”转向“素养本位”，增加应用性、探究性试题。但改革的速度远远跟不上技术变革的速度。论文揭示的“学习惩罚”，本质上是教育评价体系转型滞后的代价——这个代价不该由AI承担，更不该由学生承担。

四、实事求是的结论：淘汰的不是AI，是落后的评价体系

理论和现实矛盾的时候，一定要选择现实——这叫实事求是。

现实是：AI已经不可逆地进入了学生的学习生活。 2025年中国青少年研究中心的调查显示，超六成受访中小学生用过AI，其中18.3%经常使用，超过七成学生用AI辅助完成作业。研究期间，学生AI使用率从接近零涨到约80%。试图“禁止”或“隔离”AI，就像试图禁止计算器进入数学课堂一样徒劳。

现实是：AI提供的能力——信息检索、模式识别、内容生成、跨领域连接——正是未来社会最需要的能力。 一个不会用AI的学生，和一个会用AI的学生，在未来的竞争力差距只会越来越大。

现实是：考试分数从来就不等于人的价值，更不等于学习成果。 论文中“作业分数提升18%而考试成绩下降20%”的悖论，恰恰是对应试教育最有力的控诉：一个让“真实能力提升”和“考试分数下降”同时发生的体系，问题不在能力，在考试。

论文的真正结论应该改写为：

不是“生成式AI造成了学习惩罚”，而是“生成式AI暴露了应试教育的评价失效”。不是学生需要被禁止使用AI，而是考试需要被重新设计——测量AI无法替代的能力：提问的能力、批判的能力、创造的能力、在开放信息环境中解决复杂问题的能力。

淘汰的不是AI，是那个把学生关在信息孤岛里默写标准答案的评价体系。淘汰的不是技术，是那个用分数定义人的价值的落后观念。

这才是这篇论文真正应该告诉我们的东西。