作业陷阱：当更漂亮的成绩意味着更少的学习
一项针对 26,811 名中国学生的 CEPR 研究发现，使用 AI 让作业分数上升约 18%，而考试分数最多下降 24%。原因是"作业外包"。本文解释它意味着什么、学习科学如何早已预示了这一点，并给出一个在家就能用、比考试更早发现问题的简单测试。
简短的答案
一份漂亮的作业成绩，一直都是令人安心的消息。它意味着任务完成了，而且通常意味着背后的学习也发生了。一篇新的经济学工作论文却说，这份安心已不再可靠。当学生用 AI 来做作业时，他们的作业分数上升了约 18%，而考试分数在六个月内下降了约五分之一，在关键的升学考试中甚至下降了约四分之一。作业看起来最出色的那批学生，往往正是学得最少的。下面解释为什么会这样、四十年的学习研究如何早就预示了这一点，以及一个您本周就能在家用上、能提早发现问题的简单测试。
把作业外包给 AI 对中国中学生的影响：作业分数上升约 18%，六个月内月考分数下降约 20%
Strömberg、Lei 与 Wu（2026），CEPR 第 21577 号工作论文
这项研究，以及那条走反了的曲线
研究者测量了什么
2026 年 6 月，经济学家 David Strömberg、Victor Lei 与 Yanhui Wu 通过经济政策研究中心（CEPR）发布了工作论文《生成式 AI 的学习惩罚：来自中国中学教育的证据》（第 21577 号讨论文件）。他们追踪了 26,811 名 7 至 12 年级、约 12 至 18 岁的学生，覆盖 30 个月的面板数据。这个规模和时长很重要。这不是一次五十名大学生、一个下午的实验室练习，而是数万名真实学生，做着真实的功课，在生成式 AI 进入他们生活的两年半里被持续追踪。《经济学人》在其图表栏目的文章《AI 会阻碍孩子学习吗？》（2026 年 8 月 18 日）中引用了这一结果。
那次逆转
结论并不是笼统的"AI 对孩子有害"，而是更微妙、对家长也更有用的一点。论文报告，当学生用 AI 做作业时，有三件事一起发生：作业分数上升约 18%，花在作业上的时间下降约 30%，而月考分数在六个月内下降约 20%。在真正决定孩子前途的升学考试上，跌幅更大，介于 18% 到 24% 之间。
| 使用 AI 带来的变化 | AI 使用者的变化幅度 |
|---|---|
| 作业分数 | 约 +18% |
| 作业完成时间 | 约 −30% |
| 月考分数（六个月内） | 约 −20% |
| 关键升学考试分数 | 约 −18% 至 −24% |
资料来源：Strömberg、Lei 与 Wu（2026），CEPR 第 21577 号讨论文件。这是一篇尚未经过同行评审的工作论文。
《经济学人》的图表把这种逆转呈现得很清楚。它以作业分数为横轴、考试分数为纵轴，并以"从不使用 AI 的平均学生"为基准指数化到 100。对从不使用 AI 的学生来说，两者一起上升：作业更好，考试更好，正是我们从小熟悉的关系，在他们的高分段达到约 108。使用 AI 的学生，曲线一开始也一样，在作业分数约 105 处见顶，随后向下弯折。在作业分数最高的那批 AI 使用者中，平均考试成绩掉到了约 62。这些数字是从图中读出的近似值，但曲线的形状才是重点所在。
对 AI 使用者而言，考试分数只在某一点前随作业上升，之后开始下降
按作业分段的平均考试分数，AI 使用者（无 AI 平均值 = 100）。从不使用 AI 的学生则持续上升，在其高分段达到约 108。数字为从《经济学人》图表读出的近似值。
Strömberg、Lei 与 Wu（2026），CEPR 第 21577 号
关键不是"用了 AI"，而是"外包"
这篇论文里最重要的数字，不是上面任何一个，而是这一个：使用 AI 的学生中，约有 80% 用作者所称的方式"外包"了作业，即完成得比过去快得多，分数却在上升。正是这批学生在考试中损失最大。而那些保持正常做题节奏的 AI 使用者，损失很小。所以伤害并没有平均分摊到每一个接触这项技术的人身上，而是集中在作业看起来最亮眼的那批孩子身上。请记住这一点，因为正是它让这个发现变得可以行动，而不只是令人警觉。
为什么作业不再是一个信号
作业是一个代理指标，而这个指标失灵了
作业本身从来没有价值。没有哪所学校因为孩子周二晚上的练习本工整就录取他。作业之所以重要，是因为它是一个可靠的"代理指标"：一个廉价的、日常的信号，替我们衡量那件我们真正在意、却无法直接看到的事，也就是学习是否真的发生了。如果作业做得好，学习几乎一定在那里，因为过去做出好作业的唯一办法，就是真的动脑。
经济学里有一个词，专门描述过度依赖代理指标时会出什么问题，那就是古德哈特定律（Goodhart's Law），源自 Charles Goodhart 在 1975 年的观察：一个统计规律一旦被用于调控，往往就会失效。那句家喻户晓的表述——"当一个衡量指标变成目标，它就不再是好的衡量指标"——其实是 Marilyn Strathern 在 1997 年对这一思想的推广。生成式 AI 把作业变成了一个学生不必真正学习就能命中的目标，而学习正是这个指标当初想要衡量的东西。这就是为什么那条线不只是变平，而是发生了逆转：能外包最多的学生就外包了最多，于是极高的作业分数越来越像是对工具依赖最重的标志，而不是理解最深的标志。
破绽在于速度
完成时间这个发现，把一个听起来合理的故事变成了可测量的事实。过去要花一晚上的作业，现在几分钟就做完，分数却还上去了。真正的破绽是速度，而不是分数。真正借助工具在学习的孩子，通常花的时间差不多，甚至更多，因为他在核对、重试、发问。而外包的孩子，会在同一时刻变得又快又高分。"更快且更好"这个组合，正是研究者用来把崩掉的学生和没崩的学生区分开的模式，也是你在自家餐桌旁就能留意到的模式。
AI 会悄悄拿走的那部分学习
对研究记忆如何运作的人来说，这一切并不新鲜。这项研究只是在极大规模上，印证了四十年认知研究本就会预测到的事。有四个发现值得了解，因为它们合在一起就解释了整条曲线。
费力是机制，不是障碍
努力去回忆一个事实、去重建一个只记得一半的方法、在答案出现之前先与问题相处，这些都不是妨碍学习的摩擦。它们在很大程度上就是学习本身。Robert 与 Elizabeth Bjork 把制造这种有益挣扎的条件称为"合意难度"（Bjork 与 Bjork，2011）：例如把练习分散开、混合不同题型、以及自我测验，这些都让学习在当下显得更慢更难，却让它牢固得多。一个消除了难度的工具，也就消除了这个机制。
被测验是知识留存的方式
与此相关，也是这个领域最稳健的结论之一：从自己记忆里把东西"提取"出来，而不是重读一遍，才是让它留下来的原因。在一个经典实验中，Roediger 与 Karpicke（2006）发现，做自我测验的学生一周后记住的内容，远多于只是重新复习的学生，尽管后者当时感觉更有把握（测验效应）。作业做对了，本身就是一种提取练习；而交给机器去做的作业，没有提取任何东西。
把任务外包给工具，就会记得更少
关于"指望工具替我们记住信息"会发生什么，也有直接证据。Sparrow、Liu 与 Wegner（2011）发现，当人们相信某些信息会一直存在电脑里可查时，他们对信息本身记得更差，却更记得去哪里找（《谷歌对记忆的影响》，常被称为"认知卸载"）。AI 是把这个效应的音量调到最大：它不只是替你存下事实，而是替你完成整项任务，于是大脑更没有理由记住任何东西。
孩子觉得自己"懂了"，而这种感觉会骗人
最残酷的一点是，外包来的学习感觉就像学习。孩子读到一个干净的 AI 答案，跟着走一遍，随即产生一种温暖的"是的，我懂了"的感觉。心理学家称之为"流畅错觉"，而它有真实后果：Dunlosky 与 Rawson（2012）发现，高估自己已学会多少的学生，接下来会学得更少、成绩更差。过度自信并非无害，它会主动压制那份本可以弥补差距的努力。一个制造"流畅感却无理解"的工具，从这个角度看，正是在制造过度自信，而这比什么都不制造更糟。
这不只是孩子的问题
如果这纯粹是发育中大脑的问题，我们或许还能寄望孩子长大后自然摆脱。但早期证据并不乐观。2025 年一项针对知识工作者的研究发现，对生成式 AI 越有信心，批判性思考越少，而这项工具倾向于把精力转向核对它的输出，而不是自己去做原创思考（Lee 等人，2025）。人群不同，形状相同。让工具替你思考，不是一个会过去的阶段，而是一种会因不用而退化的能力，任何年龄都如此。
真正的分界不是"用 AI"与"不用 AI"
这是这项研究交给家长的关键区分，也是本文最重要的一句话。受损的并不只是用了 AI 的孩子，而是那些用它来替代自己思考的孩子。
一端是把 AI 当作导师。孩子卡住了，请它换一种方式解释某个概念，自己再试下一步，检查自己的推理，追问为什么某个错误答案是错的。努力仍然留在孩子身上，工具消除的是困惑，而不是思考。这样用，AI 可以成为一位耐心的、随时在线的老师，是大多数家庭原本负担不起的，这里面有真正的潜力。
另一端是把 AI 当作枪手。把题目贴进去，把答案抄出来，翻篇。作业做完了，学习却从未开始。这正是完成时间数据所捕捉到的行为，也是几个月后在考场里显形的行为。
一句诚实的提醒。这是一篇尚未经过同行评审的工作论文，描述的是一个国家的学校里发生的事，而不是一条自然法则。但它做的不只是指出相关性。通过识别"外包"这一模式，即极短的完成时间搭配虚高的作业分数，它把损失最大的学生和其他学生区分开来，而这种区分，恰好与上面那些学习科学会预测的结果高度吻合。
本周就能做的事：导师测试
你不需要禁止 AI，对大多数家庭来说那也行不通。你需要的是一种办法，能穿过作业分数看到底下的学习，就像考试终将做到的那样，只是更早、也更温和。下面是我与合作家庭分享的框架。四项检查，没有一项需要你自己懂那门学科。
1. 复述测试。 一份作业做完后，请孩子合上屏幕和笔记，用自己的话大声解释其中一道题，包括为什么这样是对的。真正动过脑的孩子通常能做到，哪怕笨拙："我两边同时除，是为了把 x 单独留出来，我又把数代回去检查了一遍。"而外包的孩子会说出一句自信的开场白，但你一追问"为什么"或"如果换成……呢"，它就散了："就是套公式啊"，底下什么都没有。这是你手上最接近一次家庭考试的东西，其实它就是换了名字的提取练习。
2. 盯住差距，也盯住时间。 这项研究的全部洞见就是作业强、考试弱之间的差距，而它的破绽是速度。把最近的作业分数和随堂测验、考试分数放在一起看：如果作业一直很强，但凡是闭卷、限时的都落后，这个背离就是你的早期预警。同时留意用时。作业突然只用平时零头的时间就做完、分数还一样或更高，是外包最清楚的信号，因为这正是研究者所用的那枚指纹。
3. 要看到"乱"。 学习是乱的：涂改、走弯路、第一次没成功的尝试。外包来的作业干净得可疑，是一份没有可见挣扎的成品。不带指责地请孩子给你看看草稿和演算过程。它们的缺席本身就很说明问题。
4. 换个问法，别换工具。 与其问"你是不是用了 AI"（这只会招来防御式的是或否），不如问"它是怎么帮你的"。答案会立刻把导师和枪手分开。"它解释了我的方法为什么错，我才能重做"是导师。"它把答案给了我"是枪手。你不是在管制工具，而是在教孩子分辨"卡住后被帮着解开"和"被人代做"之间的区别，这个区别他一辈子的工作中都用得上。
这四项的目的相同：让看不见的东西显形。考试也做这件事，但它只做一次、来得晚、且分量很重。而你可以每周都做，成本很低，态度温和，而且来得及调整方向。
这对你正在做的决定意味着什么
如果你正在选学校，这项研究重新框定了一个值得在每次参观时都问的问题。这也是我们在 BrightKey 帮家庭权衡候选名单时会提出的问题。不是问"你们课堂上用不用科技"，这个问题每所学校都答"用"。而要问：学校如何分辨一个"借助 AI 学习"的孩子和一个"把学习外包给 AI"的孩子；它如何用工具无法伪造的方式评估理解；以及闭卷的、面对面的作业是否仍然占有真正的分量。认真想过这件事的学校，是在保护你孩子的学习。只是把自己包装成"AI 驱动"的学校，可能在无意中，庆祝的是更快的作业和更薄的学习。
这与我们在《人工智能让孩子更聪明，还是只是更快？》中从另一个角度探讨的，是同一种张力。工具在变，底层的问题没变。产出很容易被抬高，理解不会。而理解，是唯一会跟着你的孩子走进考场、面试和第一份工作的东西。
我们也是父母，我们知道把一份漂亮的作业成绩当作"任务完成"然后翻篇，是多么让人心安。这项研究最有用的地方，就是拿走了这份心安，同时给了我们更好的东西：一个往下多看一层的理由，以及一个简单可行的办法。
如果你希望有人帮你的具体情况再看一眼，无论是学校候选名单、某个怎么都对不上的科目，还是如何在家里建立健康的 AI 使用习惯，欢迎通过 WhatsApp 直接联系我：+65 9656 2770。
资料与说明。作业、完成时间与考试效应的数字为论文报告的结果：David Strömberg、Victor Lei 与 Yanhui Wu，《生成式 AI 的学习惩罚：来自中国中学教育的证据》，CEPR 第 21577 号讨论文件，2026 年 6 月，尚未经过同行评审的工作论文。考试与作业对照图中的数值为从《经济学人》所刊图表读出的近似值。学习科学参考文献：Roediger 与 Karpicke（2006）关于测验效应；Bjork 与 Bjork（2011）关于合意难度；Sparrow、Liu 与 Wegner（2011）关于认知卸载；Dunlosky 与 Rawson（2012）关于过度自信；Goodhart（1975）与 Strathern（1997）关于"指标变成目标"；Lee 等人（2025）关于成年人使用 AI 与批判性思考。请把核心发现当作一个有力的、经过识别的信号来对待并采取行动，而不是最终定论。