这几百年搭起来的教育机器,
被 AI 底朝天翻给你看——
它除了能造一组用来排序的分数,
已经不大会做别的事了。
教育系统面对 AI 的反应,呈现出一种奇怪的焦灼。一面是技术乐观主义:AI 将实现个性化学习,解放教师,让因材施教从理想变为现实。另一面是制度性恐慌:各校紧急更新学术诚信条例,教师被要求学习 AI 检测工具,考试形式被连夜重新设计。这两种反应看似对立,实则共享同一个从不被言明的预设——我们得赶紧把那个被 AI 踢烂了的等式修好:"分数"必须继续等于"能力",否则筛选机器就转不下去了。
这个预设之所以从不被质疑,是因为它背后站着一整部教育制度史。近两个世纪里,教育系统已把自己建成一台巨型筛选机器。它的核心功能不是培育——那只是它讲给自己听的故事——而是通过一系列标准化评价,把人群区分为不同等级,并将等级与社会位置严密挂钩。AI 提出的正是这样一个问题:如果一套体系的核心功能就是批量筛选人,而那套筛选工具突然被一种人人用得起的机器轻松瓦解,这套体系接下来靠什么证明自己的存在?
本文将论证,AI 给教育带来的不是一次"技术冲击",而是一次功能裸露——它把教育机器底朝天翻给你看,让你清清楚楚看见,这台机器除了能制造一组用来筛选人的分数,已经不大会做别的事了。而要理解这种裸露何以致命,必须回到筛选机器自身的发生史:是什么力量、在什么节点、通过什么中介,把"筛选"从"培养的辅助手段"推到了"培养的替代品"的位置。
它切开的,是既有理论装不下的哪一面
"筛选压倒培养"这个判断,很容易被归入两条经典脉络。一条是布迪厄的"文化再生产":学校通过看似中立的评价,实为统治阶级文化资本的合法化,完成阶层的再生产。另一条是柯林斯的"文凭社会":教育膨胀源于阶层竞争驱动的文凭通胀,主要功能是提供进入特权阶层的通货,而非传授实用技能。二者都锐利地揭示了筛选如何压倒培育。那么本文的"功能裸露",究竟切开了它们装不下的哪一面?
区别在视角的方向。布迪厄和柯林斯做的,本质上是一种横向的结构功能分析——在给定的社会结构中,教育实际执行的功能是什么。这极其锐利,但它把"筛选如何压倒培育"处理成了一个已经完成、可反复指认的静态事实。本文要做的是纵向的发生追踪:筛选机器的代理指标——分数——不是一开始就凌驾于培育之上,它是怎样从"描述学习的工具"一步步变成"定义学习的权力"的?AI 的特殊作用在于:它击穿的不是筛选的"功能",而是筛选的"代理指标"——那个维系整个装置运转的符号等式。当分数等于能力的等式断裂,这不是阶层复制功能的失败(它仍在运转),而是筛选机器赖以自我证明的那层符号皮,被一把扯掉了。这就是"功能裸露"切出的新辨别面:不是"筛选替代了培养"这个事实,而是"筛选突然失去了合法性外衣"这一事件。
吞噬的生成史:标准化评价如何从工具变成主人
教育本来不是一台筛选机器。在前工业社会的漫长历史中,教育的原型是"手工作坊"式的师徒制:学徒在真实劳作场景里学习,"教"和"评"是同一个过程的两面——师傅看着徒弟干活,随时纠偏。评价不需要标准化,也不需要量化:一个人学没学到家,成品会说话。这种教评一体意味着一个关键事实:在教育的原初形态中,评价是服务于培养的手段,它没有独立的制度生命。
工业革命把这一切连根拔了。到二十世纪初,评价发生了第一次质变——这不是"工业时代的必然",而是四股具体力量数十年互相校准、层层加固的产物。第一股来自心理学:智力测验运动向社会展示了一种全新的人口管理技术——用一个可量化、可比较的数字对大规模人群快速排序。第二股来自管理科学:泰勒的效率崇拜溢出工厂,选择题因评分高效而迅速普及,作文口试等"高成本"方式被边缘化;标准化的初衷是更高效地服务教育,但"高效"本身很快变成了目标。第三股、也是最被忽视的一股,来自人力资本理论:当教育被整个社会接受为一种"投资",评价就从"判断一个人学到了什么"变成"判断一个人值多少钱"——而"值多少钱"要求可比性,要求把所有人放到同一条数轴上。第四股是政治的:标准化考试被赋予了"公平"叙事——面对赤裸裸的裙带与特权,一张匿名的试卷确实是进步;但"公平"这个概念被缓慢窄化了,它不再首先意味着"每个人都能充分发展潜能的机会",而是"每个人都在同一条尺子前被测量"。
值得停下来看清这次质变的深层结构。所谓"分数等于能力",做的其实是一件事:把一个学生一整段漫长的、充满试错与徘徊的学习过程,压缩成一个可以清点、可以比较的符号,然后用这个符号来代表那整段过程。这本是一种不得已的简化——任何大规模评价都需要某种简化。但危险在于,当这个符号被使用了几十年,它不再仅仅"代表"那段过程,而是反过来替代了它:人们不再追问"这个人经历了怎样的成长",只追问"他考了多少分"。教育因此长出了一个极其丰饶、却悄悄停止发育的符号层——分数、排名、证书堆积如山,而它们本应指向的那段真实成长,在这套符号的丰饶里被遮蔽了。这种停滞是看不见的,恰恰因为它被符号的繁荣所掩盖。
一位教师被锁住的瞬间
一位语文教师教了十二年书。某个星期三上午,她正带学生读《故乡》,一个学生突然举手:"老师,闰土叫'老爷'那一段,作者到底想说什么?为什么小时候没有这个隔阂,长大了就有了?"这是一个真正的问题,没有标准答案,通向阶级、记忆、成长与失落。教师心里很清楚,这恰恰是文学教育应有的时刻。但她没有展开——她没有时间展开。这节课的进度表规定她必须在四十分钟内讲完"场景描写的作用",那是期中考试的必考点;她的学校去年本科上线率百分之四十三,今年目标百分之四十八,她的绩效、职称、面子都跟那个数字挂着钩。于是她说:"这个问题很好,我们课后有时间再讨论。"然后翻到下一页。学生没有再追问,课后也没人来。学生学会了那个信号——"这个不考",就是"这不重要";她也学会了自己的权衡——先保住进度,良心可以等一等。
这不是一个"坏教师"的故事。她被锁住的那个瞬间,恰恰是她看见了真正教育可能性的瞬间。她不是在"选择"不回应,而是在一套早已预设好的制度参数下,做出了一个被结构锁定的决策。那个参数就叫"筛选压倒培养"。这台机器的运转不需要她的同意,只需要她的配合。而在当代中国,以高考为核心的评价体系,是这台机器最极致的具象化——它最初是服务于培养的(考试内容引导教学方向),质变发生在八十年代以后:公平诉求把标准化推到最高、命题技术把区分度精确化到考"识别出题人意图的速度"、教育内卷把"刷题"变成压倒性方法论。至此,高考评价的就不再是"掌握了什么知识与思维",而主要是"在多大程度上被成功训练成一台高效的应试机器"。筛选吞噬培养,完成了它的逻辑闭环。
三次收编,机制各不相同
过去四十年,技术曾三次以"颠覆教育"的承诺进入这场困局,结果出奇一致:不仅没松动筛选机器的根基,反而使其更牢固。但"收编"不是一个可以笼统使用的口袋词——三次收编的机制各不相同,不拆开它们,就会误以为"技术从未改变教育"是一种命定的循环。个人电脑被收编,靠的是"课程制度"这道防火墙:它被安插成一门"信息技术课",纳入会考,学生像背历史年代一样背操作系统版本号。互联网被收编,靠的是"教学控制策略"这个缓存区:面对信息泛滥,学校不是教学生筛选批判,而是更严格地圈定权威材料、"把手机收起来"——因为在考试已严重挤压教学时间的条件下,教师没有制度空间去教那些"不考"的能力。慕课被收编,靠的是用户结构对不平等的忠实复刻:获益最多的不是缺乏资源的人,而是本就有很强自学能力的中产。
三次冲击,三次收编,收编机制各不相同——这说明"收编"不是筛选机器的神秘免疫力,而是一套分层次、有程序的制度回应:课程制度是防火墙,教学控制是缓存区,用户结构是社会不平等的镜像。看清了层次就会发现:每一次冲击都逼近过机器的关键部位,只是没击中最核心的那根轴。然后 AI 来了。AI 不是来冲击防火墙、缓存区、用户结构的——它来冲击代理指标本身。
AI 的致命一击:当代理指标被掏空
过去,学生要拿到一个高分,总得自己做点什么:刷题要花时间,写作文要动脑子。这条路再窄,它至少保留着一条脆弱的因果链——一个分数背后,或多或少有这个人真实的能力痕迹。生成式 AI 把这条链剪断了:任何一个有手机的学生,几秒钟就能生成一篇足以乱真、无法被查重检测的课程论文。这是"作弊"概念在技术层面的质变:它不再是规则边界内的偶发越轨,而是规则体系赖以运行的底层假设被直接掏空。
王琳(化名)是一所普通高校社会学专业的大三学生。期末要写一篇三千字论文,分析"寒门难出贵子"。她不是不会写——大二写外卖骑手研究综述得了八十七分。但那门课老师给了详细评分标准、两周周期、课上示范了如何建立文献对话;而这门社会分层课,老师只在开学发了一份大纲,之后再没提论文怎么写,没有分步提交、没有初稿反馈。她打开 AI,反复调了四十分钟提示词,删掉一句"过于博士化的句子",加了个老师课上随口提过的案例。交上去后没有下文——老师没说这是不是 AI 写的,她也不知道为什么得了八十四分而不是七十五或九十二。整个课程就像一台输入输出机器:学生提交文本,机器返回分数。交换的介质是"文本",不是"学习"。
教育系统的反应——禁止、加强检测、回归闭卷——从制度视角看高度理性,但有一个致命困境:当师生关系从"我相信你在学习"变成"我默认你可能在作弊,我需要技术手段来验证你的清白",教育中最珍贵的那层信任,已经先于任何检测结果而死亡了。AI 没有摧毁教育,它只是让我们看到:我们在绝大多数时间里,并不是在培育人,而是在用一套日益精密的方法,生产一组用来排序的数字。
出路:从可比的分数,到可验证的成长
如果困境的根源在于一个不靠谱的代理指标被赋予了过高的社会权重,那么走出困境的唯一方向就是:逐步把教育的核心,从"可比的分数",转向"可验证的成长"。这不是"回归教育的本质"那种应然口号,而是被旧范式的失败逼出来的出路——当代理指标已被 AI 击穿,旧范式的持续运转已失去技术前提,新范式的雏形恰恰在裂缝中获得了前所未有的制度可欲性。
这里有一个必须讲透的结构。人们通常把"退出比较、走向多元评价"当作一种更人性、但也更奢侈、随时可能被现实拉回的改革姿态。但顺着 AI 击穿代理指标这一事实往下推,会发现"退出可比性竞赛"根本不是一个可选姿态,而是一个被逼出来的结构终点。推演是这样的:第一步,"可比"要求把所有人放到同一条数轴上,而"放到同一条数轴上",必须先把每个人一整段学习压缩成一个可比较的符号(分数)。第二步,AI 做的事,恰恰是让"符号"变得可以零成本伪造。第三步,于是能够继续锚定筛选的,就只剩下发生过程本身——而发生过程之所以不可伪造,是因为它带着一个内在一致、无法事后编造的时间结构:初稿、卡壳、失败记录、一次次修改的理由,前后必须逻辑自洽,你无法在交稿前一夜把它"补"出来。第四步,可是这样的发生过程,本质上是不可比的——每一段真实成长都是一条独一无二的轨迹,你无法把两条不同的轨迹放到同一把尺子上分高下。
这也顺带交代了新范式为何能抵御"被筛选逻辑再度收编"的老命运——档案袋、表现性评价实践了几十年却从未动摇标准化,原因正是它们一旦与升学挂钩就被工业化(家长代做、机构优化)。免疫机制恰恰内建在上面那条推演里:其一,过程性取代结果性——要的不是一本编辑好的作品集,而是一段带着失败与修改痕迹的完整档案,因为终稿只需"看起来像",过程却需要不可事后编造的时间结构。其二,主体性取代客观性——学生要在有追问压力的答辩里,解释他的问题如何形成、失败过几次、下一步想做什么,这份陈述无法由家长代劳。其三,去中心化——让评价不再是一次大考的裁决,而是多个独立评价者跨时间的交叉认证,操纵一组高度分散的证据集,成本远高于操纵一次考试。至于最尖锐的公平之辩——"没有分数,穷人家的孩子怎么跟富人家的孩子拼"——回应有两层:标准化考试的"公平"本身深嵌阶层偏见(考题的文化预设、家庭的备考资源),它完成的是公平的仪式,却验证了起跑的优势;而新范式若把核心证据的生产放在学校、在课堂、在教师公共指导下完成,家庭背景的比较优势反而被大幅熨平——前提是学校间资源大致均衡,因此评价改革必须与教育资源再分配捆绑推进,这是一句必要的诚实交代。
被推迟已久的功能清算
把全文收拢:AI 给教育带来的不是一次可以靠技术升级消化的冲击,而是一次结构性的功能裸露。它暴露了近两个世纪演化中形成的根本矛盾——筛选功能对培养功能的系统性吞噬。这一吞噬不是某个单一节点由某个单一政策决定的,而是四股历史推力层层加固、被装置锁定的一段发生史。AI 与前三次冲击的真正不同在于:它不再冲击外围防御工事,而是直接击穿了机器赖以运转的最核心符号基础——分数与能力之间的因果关联。
旧机器已经不灵了,新系统尚在远处的可能性中。夹在中间的教育,不是被 AI 打垮的,而是被它照出了自己早已走形的身影。