第二章 一个小时讲十个知识点，为什么未必发生十次学习
继承成熟知识是必要资源，关键是这种继承是否连同适用条件一起进入行动，而不是只剩一句脱离条件的结论。
2.1 覆盖量、理解深度与生成能力
设想一节六十分钟的数学课。屏幕上依次出现变量、函数、图像、斜率、变化率、导数、单调性、极值、优化和建模。AI为每个概念生成解释，再把它们连成一张层层递进的图。教师不必花大量时间准备图示，学生也第一次看见原来分散的知识能够组成一个整体。下课时，大家感到这一节课信息丰富，似乎已经越过原来许多课时才能处理的距离。
这种感受不应被轻蔑地否定。能够先看见知识的整体组织，可以成为进一步学习的起点。问题在于，课程覆盖了十个概念，不等于学生以同样深度获得了十种可用的理解；学生看见概念之间的联系，也不等于能够在条件变化时重新建立这些联系。覆盖是材料的属性，理解要在学习者与材料的互动中获得证据，生成能力则进一步涉及能否组织新的问题与路径。
我们可以让这张图出现一条有问题的箭头：“导数为零，所以函数在这里取得极值。”这句话看起来顺畅，也容易与其他概念连在一起。但对于函数f(x)=x³，零点处的导数为零，函数却不是在那里取得局部最大或最小。负数一侧的函数值小于零，正数一侧大于零，函数只是继续穿过零点。这是一个可以直接检查的数学反例，不依赖任何人的教学声望。
如果学生只记住图谱中的箭头，他可能把十个知识点联成一条错误的链。如果他能发现这条箭头还缺少条件，那么一次关键的学习可能刚刚开始。这里的差异不在于学生记住了第十一个知识点，而在于他开始区分必要条件与充分条件，开始知道一张整体图并不自动担保每一条局部连接都有效。
教师可以迅速替换箭头，继续展示一张更正确的图。这使课程材料改善了，却仍不能证明学生获得了检查箭头的能力。另一种安排是让学生自己比较x²与x³在零点附近的变化：两者的导数都在零点为零，为什么只有前者在这里取得极小值？学生不一定立刻掌握完整理论，但他开始进入条件、反例与图像之间的差异，知识不再只是一条已经画好的线。
理解深度在这里不是一个神秘的心理厚度，而可以表现为不同的行动范围。学生能认出术语，是一个范围；能解释一个例子，是另一个范围；能处理条件改变、指出反例并修订原说法，又是进一步的范围。我们不必把它们强行压成一张统一等级表，却应承认它们并非同一件事。讲授速度主要改变材料到达的速度，不会自动完成这些不同活动。
生成能力则不只是会回答教师准备好的检查题。学生可能由反例追问：既然导数为零不够，那么还需要什么？图像在某点变平，与函数在附近怎样变化又是什么关系？这时，原来作为教学结论出现的内容，成为新的问题来源。学习者开始参与知识关系的组织，而不是只沿教师或系统给定的线路前进。
不过，我们也不能要求每个初学者每节课都提出全新理论。教育中的生成有不同尺度：自己发现一个此前没有理解的区别，重新组织一个原本混乱的问题，或者为一个旧方法找到新的适用边界，都可能是局部发生。它是否构成学科原创，是另一个需要文献与研究证据的问题。个人那里第一次发生的理解，不应冒充人类知识史上的第一次发现。
因此，十个知识点的整体展示可以被肯定，但应该准确命名它的作用：它可能提供进入方向、帮助定位关联、让学生知道下一步需要学什么。只有当学生继续在关键关系上进行比较、检验和修订，这种展示才可能转化为更深的能力。把起点叫作起点，不是降低AI的价值，而是防止教育在最需要继续的时候提前宣布完成。
2.2 “坐车跑得快”与“腿部得到训练”的区别
“坐车跑得快，所以腿部肌肉锻炼很好”之所以荒谬，不是因为它夸大了汽车的速度，而是因为它偷换了被评价的对象。速度属于人与交通工具在道路条件下的整体表现，腿部训练则涉及另一种身体变化。一个结论可以完全正确，另一个结论却没有得到相应证据。错误发生在两者之间那句没有被说出来的“所以”。
在课堂里，这个“所以”常常不以明显的逻辑形式出现。教师说，学生现在能完成以前无法完成的项目；家长看见孩子写出更成熟的文章；平台展示每人生成了多份作品。若接着把这些变化直接表述为理解、创造和判断都提高了，就需要分别证明。复杂成果可以来自学生成长，也可以来自外部劳动增加，还可以来自二者的新组织，不能只选择最令人振奋的解释。
但比喻本身也有边界。知识活动不是肌肉活动的简单翻版，使用外部支持可能直接帮助理解形成。一个反例可以由机器提供，却使学生真正看见自己推理的问题；一段清楚解释可以减少无关困难，使他终于进入原本无法进入的概念。我们不能从运输与训练的区别，推出一切外部帮助都绕开了学习。那会用一个正确的反问，制造另一个同样不充分的结论。
更准确的类比是：车可以把人带到适合锻炼的地方，也可以使原本需要步行的路段被完全替代。教育必须检查新安排究竟保留了什么、替代了什么、创造了什么。AI若替学生做掉了本次任务要形成的判断，问题就出现了；若它节省了无关劳动，使学生有条件反复检验关键判断，关系就不同。相同的技术能力，可以在不同安排中承担不同作用。
以语言学习为例，学生已经清楚自己想表达的意思，工具帮助找到合适形式，随后他比较表达差异并在新情境使用，这可能形成真实学习。若学生连要表达什么都没有参与，工具完成内容与形式，他只把最终文本读一遍，那么“交出了更流利的文章”就不能独自证明语言能力已经发展。两个例子都使用生成式工具，关键区别在活动组织而非工具标签。
以数学为例，学生已经熟悉基础计算，让系统处理大量重复数值，可以把注意力放在模型条件上。但如果当前目标正是理解某种运算为什么成立，而系统直接给出结果，那么被节省的可能恰好是需要形成的关系。省力是否有教育价值，不能脱离学习阶段。熟练者的合理封装，可能是初学者尚未获得的能力；初学者的必要展开，也不应成为熟练者永远不能结束的负担。
由此，“保留人的工作”需要一个更精确的说法：保留并发展学习者对关键差异的参与，而不是保留所有旧操作。参与可以是提出反例、比较方案、检查来源、决定何时需要重新计算，也可以是亲自完成尚未掌握的基础步骤。其形式应随任务改变，不能由“手写更多”“点击更少”这样的表面数量统一决定。
还要警惕另一种替代：教师发现学生缺少判断，于是亲自把每一次判断都讲清楚，学生听完后更加赞同，却仍然没有机会使用。教师的解释可能准确而必要，但解释发生在教师那里，并不会因为学生点头就自动在学生那里完成。需要安排一个适当的新条件，使学习者能够以自己的行动显示他怎样接续了这段解释。
因此，本书使用这个比喻，是为了保住一条证据边界，而不是宣布一种反技术立场。更远的抵达、更好的作品、更完整的解释，都可以是教育资源；真正需要检验的是，它们有没有进入人的理解与关系组织。教育不能以苦劳代替成长，也不能以替人完成代替人成长。两种误认都值得被同样认真地拒绝。
2.3 十个知识点之间的粗粒度联系
一张知识图谱像一张道路图，能够告诉我们某些概念相邻，某条推理大致通向哪里。这个比喻的价值在于说明组织尺度，而不是暗示所有知识都是固定道路。学习者需要整体关系，否则局部事实容易成为无法使用的碎片。但整体关系也需要支撑：图上两点之间有一条线，不等于他已经知道这条线怎样建立、在哪些条件下可走，以及什么时候需要改道。
粗粒度联系常常以关系名称出现：属于、导致、应用于、推广为、与某物相对。这些名称可以帮助整理，却可能把性质不同的关系压成相同箭头。一个概念是另一个概念的定义部分，与一个变量在某项研究中预测另一个变量，不是同一种联系。若图谱只以连线数量显示知识丰富，学生可能获得很多关系词，却没有获得判断关系强度和适用范围的能力。
我们可以构造一个简单例子。一个班级中，参加某项额外阅读活动的学生，平均阅读测验分数较高。这里暂不提供真实数据，只设定一种可能观察。图谱若直接画成“参加活动导致能力提高”，就忽略了其他可能：参与者原本阅读兴趣更高，或者拥有更多练习机会。要把观察关系推进为因果判断，需要新的设计与证据，而不是把箭头画得更粗。
学生能够说出“相关不等于因果”，也仍然可能只获得一句粗粒度口号。要让这句话进入判断，他需要在具体材料中指出哪一种替代解释尚未被排除，哪些比较能够帮助区分，什么结论目前可以说，什么结论应当暂缓。由口号走向使用，必须下沉到条件与证据；由具体案例走向方法，又需要重新上升到关系结构。
这说明粗粒度与细粒度不是高低等级。对一个局部计算精确，却看不见它服务于什么问题，知识可能变成孤立熟练；能够谈论宏大结构，却无法检查其中一条关键关系，整体判断又可能悬空。教育要培养的是二者之间有目的的往返，而不是宣布机器封装了细节，人从此只需负责大方向。
什么叫有目的的往返？例如，在方案比较中，学生不必重新计算每一个无关数值，但如果结论依赖某个平均值，他需要知道这个平均值怎样形成、是否被极端值影响，以及它是否适合当前问题。展开到足以处理判断的层次，便可以重新回到整体。这里不要求无限追问每个概念的全部历史，否则任何实际行动都会停止。
决定何时展开，本身就是一种需要培养的能力。它依靠领域知识、任务风险和当前不确定性。熟悉的低风险操作可以适当封装，决定性前提出现冲突时则需要打开。学生不能只依靠“系统说可靠”决定是否核验，也不能因为任何系统都可能犯错，就无限检查所有内容。合理的审查应当与可能影响后续行动的差异相匹配。
AI可以成为这种往返的支持。它可以把抽象关系转成例子，也可以把多个例子提炼为候选结构，但候选仍然需要被检验。若系统把所有展开工作都完成，学生只是不断阅读解释，那么往返主要发生在输出之间。只有学习者的提问、选择和后续判断也受到改变，我们才有理由讨论这种支持如何进入了学习。
因此，粗粒度联系并不是假的知识，也不是足够的全部知识。它像一张尚待使用、修订和部分重画的行动图。教育不应因为图漂亮就停止，也不应因为图还不是行走就把它丢掉。更合理的问题是：学生现在能够依靠它做什么，遇到什么情况会失去方向，以及怎样安排下一次活动，使图上的联系获得更清楚的条件和边界。
2.4 被省略的条件、推理与差异路径
SDE分析要求我们不只看知识当前显露成什么，也看它经由哪些差异形成，又由怎样纠缠的条件维持[2]。在课堂里，一个简洁的结论是显露形态的一部分；学生经历的比较、排除和转向进入差异序列；题目要求、材料形式、工具默认与评价安排之间的相互制约，则进入特征纠缠。三者不是彼此独立的三个清单，而是在具体活动中互相改变。
例如，教师要求学生尽快说出正确答案，界面默认直接给结论，课堂又没有安排检查条件的时间。在这样的构造情境中，直接采纳很容易成为最符合当前任务要求的路径。随后，教师只看见整齐答案，便难以发现条件理解不足。这里不能把问题全部归咎于学生不愿思考，因为他的行动已经被某种任务组织持续推向同一个方向。
但条件分析也不能取消个人的位置。即使安排偏向快速完成，学生仍可能主动提出疑问；即使安排提供了充分机会，他也可能选择机械复制。SDE不应被理解为“环境决定一切”的另一种说法。它要求同时观察人的已有理解怎样影响可见差异，人的选择怎样改变后续条件，以及条件怎样限制或支持新的选择。解释应当使关系更清楚，而不是给任何一方提供万能免责理由。
回到导数为零与极值的例子。学生看见x³反例以后，如果只是把旧句子改成“导数为零不一定取得极值”，他获得了更准确的表述。若他进一步开始在其他推理中区分“必须满足”与“满足即可”，差异就可能进入更广的判断。若教师随后调整题目，要求说明箭头成立的条件，新显露又开始改变后续的任务组织。
这里的发生不必原样重演数学史。学生不需要重新经历概念在历史上的所有形成过程，才能理解它；也不需要被迫亲手推导一切已经可以合理继承的知识。教育应帮助他进入足以检验当前关系的关键差异。继承成熟知识是必要资源，关键是这种继承是否连同适用条件一起进入行动，而不是只剩一句脱离条件的结论。
同样，D不能被简化为操作日志。学生可能输入十轮提示，却每次只要求更简洁或更漂亮；另一个学生只提出一句“这个前提是否必要”，就使整条论证转向。两者的对话长度不同，但长度不是差异作用的量尺。需要记录的是哪一次变化改变了问题、标准、选择或修正，而不是把全部点击都视为等量的思考单位。
E也不能被缩成课堂之外的背景介绍。评分要求可以进入学生当下的选择，界面把某种答案放在首位可以进入候选形成，教师是否容许中止原题可以进入问题修订。若这些条件参与了知识行动，就不能等正文分析结束后再附一句“还受到环境影响”。发生条件应当在解释路径时就出现，而不是承担解释失败后的补充任务。
三者互生还有一个容易忽略的方向：学生当前的理解会影响他能够看见什么差异。对于尚不了解必要与充分关系的人，x²与x³也许只是两个不同公式；对于刚开始检查命题边界的人，它们则可能打开一个新问题。因此，同样的材料不会因为同时呈现，就对所有学习者产生相同作用。课程需要了解学生当前的起点，又不能把起点固定为不可改变的能力标签。
真正的回写发生在这些联系被重新组织的时候。教师并非简单增加一张反例幻灯片，而是让反例改变后续提问方式；学生并非简单记住一个错误，而是形成在类似条件下重新打开推理的能力；平台并非简单保存一段聊天，而是使被核验的限制能够进入以后生成。只要某个连接没有发生，就应准确说明哪里中断，而不是把完整过程画在图上就视为已经实现。
于是，一节课的价值可能从“讲完十个概念”转向“使一条关键联系获得可继续展开的条件”。这不要求永远慢下来。一旦相关关系已经稳定掌握，适当封装能够让学生处理更大问题。需要警惕的是，在关系尚未形成时就把它封装起来，再把封装后的流畅误记为理解。教育应当决定什么可以暂时关上，什么此刻还必须打开。
2.5 AI何时替代学习，何时创造新的学习条件
关于AI的两种说法都很容易得到拥护：一种说，它将使每个人更高效地学习；另一种说，它只会使人不再思考。二者共同的问题，是试图从技术名称直接推出教育结果。本书需要把这一捷径拆开：什么学习者，在什么任务中，以什么规则使用什么支持，随后表现出什么变化？没有这些条件，“AI有效”与“AI有害”都还不是完整的研究结论。
Bastani等人的高中数学研究提供了一项具体边界：允许使用生成式工具可以改善练习阶段的表现，但在随后没有工具的测验中，缺少学习保护设计的使用方式可能带来不利结果；加入保护性辅导安排后，这种负面影响得到明显缓解[5]。这里不能把练习时的提高直接认作个人能力提高，也不能把一种设计的结果扩展为对所有AI课堂的判断。
另一项研究展示了不同的可能。Kestin等人在大学课程情境中比较经过教学设计的AI辅导与课堂主动学习，报告前者在所研究内容的学习测验上取得更好的结果，并使用更少的学习时间[6]。这支持特定辅导设计可以有效，而不是证明教师普遍可以被替代，更没有直接测量本书所讨论的跨任务主体连续性。它与前一项研究的对象、设计和结果范围不能被抹平。
两项研究不能简单相加，得出“有好有坏，所以取决于使用”便结束。这个结论太宽，几乎不能指导行动。更有用的追问是：工具有没有把需要学习者完成的判断直接交付为答案？学生是否有适当的尝试与反馈机会？材料和提问是否根据具体教学目标组织？这里提出的是本书据问题框架形成的分析方向，不声称两项研究已经独立验证了全部SDE机制。
现在重新设计开篇那节六十分钟的课。这个安排只是可供试行的构造方案，不是已经测得效果的课程。前十分钟呈现整体图，使学生知道概念之间大致如何联系；接着十分钟让他们检查一条关键箭头，用具体例子表达初始判断。此时允许不完整答案，因为初始差异必须能够被看见，否则教师无法知道后续支持从哪里开始。
再用十五分钟比较例子与反例。学生可以让AI提供候选，但需要自己检查至少一个候选是否成立，并指出它影响原说法的哪一部分。接下来的十分钟用于修订关系：不是抄下一句更正确的话，而是说明原来的箭头为什么不能按旧方式使用。然后用五分钟保留一个真正有后续作用的条件，最后十分钟处理一个表面不同但涉及相同辨别的新任务。各阶段的时长只是示范，不是所有课程通用配额。
这个设计并不保证成功。基础知识不足的学生可能无法进入反例比较，需要更小的支持；已经掌握的学生可能觉得过慢，需要更复杂的任务；AI提供的候选也可能不适合当前目标。教师要据实际证据调整，而不是为了让流程完整就强迫所有人停留在相同环节。一个发生单元的意义，在于保留关键活动的位置，不在于每个阶段必须占据固定分钟数。
还应安排延后检查。课内的新任务可以显示即时接续，却不能独自证明较长期的保留；一周或更长时间后的相关任务，能够提供另一个时间尺度的证据。具体间隔应随课程目的决定，不能给所有知识设置同一标准。如果学生后来已经不需要反例卡仍能判断，这可能是个人内化的证据；如果仍需要卡片但能够正确使用，也应如实说明支持关系，而不是宣布没有学习。
一个尤其重要的失败结果是：学生会写条件卡，却不能在新任务中辨认该用哪张卡。此时，记录制度可能训练了材料生产，却没有形成条件选择。解决办法未必是要求写更多卡片，而可能是减少材料，增加两种相近情境的比较，使学生知道为什么这一次适用、另一次不适用。教育需要对自己设计的外部结构保持同样的批判，而不是只要求学生反思。
另一个失败结果是，教师为每名学生承担了全部回写与配置，学生只是使用越来越完善的系统。系统可能确实改善表现，但个人组织能力仍未形成。如果课程目标包含这种能力，就必须逐步把适当的配置位置交给学习者，并提供必要支持。不能因为系统具有成长性，就把系统的成长自动写在学生名下。平台自身的更新，与学生参与更新的能力，是两项不同的成果。
本章因而不以否定快结束，也不以赞美慢结束。快可以来自熟练、良好组织与有效支持，慢可以来自必要比较，也可以来自无效阻力。判断教育价值，要看哪些关系因此形成，哪些能力因此可以继续发展。一节课处理十个知识点当然可能值得肯定，但不能仅凭知识点数量就把十次理解、十次迁移和十次主体发展一并记入账本。
从上一章的一份作业，到本章的一节课堂，我们遇到的是同一种推论诱惑：可见成果增长，就被当作人的成长已经发生。SDE的追问把我们带回那些容易被省略的过程：谁看见了差异，差异怎样进入判断，判断有没有改变后续条件。下一章将进一步讨论，当这些活动需要借助工具与他人时，主体性究竟应当被理解为隔绝帮助，还是参与并改变自己所依靠的关系。