自适应系统不是家教

破除误解#

核心：模型辅导的是可判定的步骤#

认知导师的力量与限度来自同一处：领域必须被写成产生式规则或等价的可判定结构。代数变形、几何证明的某些步骤、程序编写的语法错误，较容易进入这种结构。议论文的立场是否公正、历史解释是否完整，很难被同样判定。于是自适应先占领容易判定的学科表现，再把“学习”的公共形象拉向这些表现。课程选择在软件里被重新做了一次。

布鲁姆的掌握学习强调：多数学生在足够时间和反馈下能达到规定标准。自适应系统常把这句收成：直到模型点头才放行。时间来自哪里？若课表仍是四十分钟、班额仍是四十人，放行会变成把慢的人留在软件里循环，而快的人去学系统没有的内容。循环看起来很科学，其实是分组：一组在题库里，一组在题库外。分班篇写过的轨道，这里换成了登录状态。

提示是另一处可核对的设计。提示可以降低外在负荷，也可以把解答拆成学生不必理解的点击。工作记忆研究警告：窗口有限。过度提示会让当时表现变好，延迟测验变差。系统若优化当时正确率，就会偏向过度提示。优化目标写在产品指标里，不写在个性化海报上。

现场里，自适应显形为进度条和学生互相打听“你卡在第几关”。关卡把学习变成可比较的消费进度。比较会进入同伴地位，也会进入教师的催促。教师若被要求保证全班通过某关，教学会围绕系统能看见的步骤重组。看不见的草稿、争论和错误理论，会失去时间。课堂作为被组织的时间，在此被软件的关卡表接管了一部分。

把系统写成不是家教，不是侮辱工程师。家教作为一种人际关系，包含对误解的即兴再解释、对羞辱的回避、对目标的协商。系统可以模拟其中一些表面动作，例如换一道同构题。同构题是迁移研究里的近迁移。近迁移被广告写成远迁移时，失败就会被归给学生不够适应。归咎方向又一次从设计转向人。

涉及儿童的辅导系统试验应核对该论文的伦理审查、对照条件与退出权利。本篇讨论已发表系统与构念，不提供如何对学生做未同意的算法实验。

把自适应写成路径分配，还要写失败如何被解释。学生在关卡里循环时，界面常提示“再试一次”。再试一次把责任放回个人坚持。更可核对的问题是：题目是不是测了课程真正要的技能，提示是不是提前泄漏了答案结构，先前知识是不是从未被教。系统很少把这三问显示给教师。于是教师只能看见红色进度。红色在问责里会变成催促，催促再变成家庭作业。负荷被转移到窗口已经满了的晚上。

生成式对话界面让“像家教”的隐喻更强，因为它会用完整句子说话。句子可以解释，也可以自信地讲错。流利抬升的是判断，不一定是痕迹。元认知篇写过流畅会被误当成学会。若学校把对话日志当成掌握证据，学生会学习如何让模型满意，而不是如何对质材料。那是新的 IRE：机器发起、学生应答、模型评价。话轮还在，只是评价者换成了统计补全。

教师若不能看见题目所测的技能定义，就不能判断循环是材料问题还是学生问题。系统把定义藏进专有模型，专业判断就被外包。外包之后，课堂里剩下的是催促。催促很像教学，却没有解释。

把掌握路径写成推断，就要把知识追踪的句子拆开。阿尔伯特·科比特与约翰·安德森 1995 年把程序性知识的获得写成可更新的概率：下一次答对或答错，会怎样改写“已掌握”的估计。那是对作答史的拟合。拟合可以帮教师看见哪类步骤尚未稳定。它仍不是一位家教对学生此时误解的再解释。家教会换一个比喻、改一种表征。系统会换一道同构题或加一条提示。同构题服务的是可判定步骤，不是关系。把概率仪表写成“懂了”，是把模型状态偷换成人格判断。

推荐下一题，同时就是再写一条记录。没有答题序列，自适应无法发生。记录篇已经说明日志是抽样。掌握仪表因此有两层抽样：题目只覆盖能被规则判定的步骤；日志只覆盖系统能看见的点击。两层之外的草稿、争论和错误理论，不会进入路径。路径看起来完整，是因为界面不显示它看不见的东西。看不见的东西并没有消失。它只是失去了证据位。

布鲁姆的二西格玛问题是研究纲领：如何用可扩展方法逼近一对一辅导的条件。认知导师回答的是其中一块：把解题写成产生式，对偏离给提示。范莱恩 2011 年把人类辅导、智能辅导与其他辅导放回任务与对照。离开对照谈“已经达到家教”，是把纲领写成交货单。逼近可以是真的。交货单仍是广告。

过度提示与“刷系统”是同一枚硬币的两面。提示可以降低外在负荷，也可以让当时正确率变成分数工厂。瑞安·贝克、科比特与科丁格等人在认知导师课堂里描述过：学生会学习如何让模型给出下一步，而不是如何生成下一步。那是对优化目标的理性反应。系统若奖励当时绿灯，学生就会生产绿灯。绿灯仍可能是近迁移。延迟测验会把这件事说出来。仪表盘常常不说。

欧盟 2024 年人工智能条例附件三，把教育与职业培训中“评价学习结果并引导学习过程”写成高风险用途之一。推荐下一题若只是练习，仍可能争辩。推荐一旦写入成绩、学分或是否升级，争辩空间变窄。家教隐喻暗示可退出的关怀。写入档案的路径通常不可退出。第 2026/1744 号条例把附件三这一档义务的适用日改写到 2027 年 12 月 2 日。推迟不是废止。截止日期仍可能再被改写。读者应核 EUR-Lex 的现行合并文本，不要把任何一篇解说当成冻结的日历。本篇不写如何做符合性评估，只写：法律对象是推断加上权利分配，不是界面是否温柔。

约翰·潘恩等人把认知导师代数放进真实学区做规模试验。报告提醒：效应随实施、教师准备与对照课程而变。规模不是自动放大实验室。把一次演示写成全区解放，是采购语言。采购语言可以买许可证。它买不来家教。家教作为一种人际关系，仍包含对误解的即兴再解释。系统可以模拟其中一些表面动作。表面动作不是监护。

争议#

争议的第一线，是效应能否走出原开发团队的课堂。独立复制弱于实验室内部报告时，政策仍可能大规模采购。采购依据的是演示，不是预注册的对照。

第二线是数据。要自适应，就要记录答题序列。记录篇已经说明权限问题。没有记录的自适应是矛盾的。讨论个性化而不讨论档案，是半句话。

第三线是教师知识。系统可能把教师降为督导员，也可能把步骤诊断变成教师可学的公共语言。两种前途取决于劳动组织，而不是界面颜色。下一篇写教师劳动与平台。

第四线，是掌握状态该不该进入成绩与升级。知识追踪作为研究工具，可以帮教师看见哪类步骤尚未稳定。同一数字一旦成为学分，效度论证必须单独再做一遍：你解释成学会，观察却是对特定题库路径的拟合。使用是新的声称。政策喜欢继承：绿灯已经亮了，所以可以升级。过宽的使用，是把推断写成判决。凯恩把使用写成必须再论证的环节。仪表盘不会自动完成这一环。

只放慢或放快同一条掌握路径，并不自动是因材施教。它更接近分班篇写过的轨道，只是轨道藏在进度条里。参数若再按一次能力估计分发不同天花板，个性化就变成数字分流。分流需要公开争。争的前提是技能定义、猜测假设与提示策略可被看见。看不见定义的个性化，只是不可上诉的推荐。不可上诉的推荐，不该被叫做家教。

塞尔温要求写劳动：谁在值班盯红色进度。盯进度的人若没有共同备课时间，系统只是把分组换了登录名。登录名可以很个性化。分组逻辑仍是课表与班额。课表不改，自适应只会占用已经满了的晚上。晚上的循环看起来很科学。它仍可能是把慢的人留在题库里。题库不是学校的全部课程。课程选择在软件里被重新做了一次。这一次更难被家长看见，因为看见的是进度，不是被拿掉的内容。

知识追踪里的猜测与失误参数，不是学生的性格。它们是对题目噪声的承认。参数一旦被界面写成“不认真”，推断就滑向道德。家教可以问一句：是不会，还是看错了。系统把两种都收进同一条红色。政策若再用红色催促家庭，负荷会转移到窗口已经满了的晚上。掌握学习强调足够时间。自适应常把足够时间收成：直到模型点头。课表仍是四十分钟时，时间从被拿掉的讨论里来。讨论不进题库，于是看起来像浪费。被拿掉的表征，不会出现在掌握仪表上。看不见就被当成从未存在。

欧盟把“引导学习过程”写成高风险，并没有把家教隐喻写成合法。隐喻暗示可退出的关怀。写入学分的路径通常不可退出。日历被 2026/1744 改写之后，义务仍在。学校若在推迟期内把掌握状态接进升级，档案比仪表盘更难撤回。本篇不提供如何对学生做未同意的算法实验。要核对的是：推荐加记录，是不是已经被当成判决。

跨域连接#

• 机器学习概观：统计模型可以预测谁会做错下一题，却不必理解错因。预测成功不等于教学解释。把预测当解释，是范畴错误。预测可以催促，却给不出下一步的理由。催促没有理由，教师就只能看见红色，不能看见错因。
• 注意力与变换器：生成式模型能产出看起来像家教的句子。句子的流利会抬升元认知里的虚假信心。流利不是监护。学生会学习如何让模型满意，那是新的话轮，不是理解。让模型满意是新的IRE，评价者换成了统计补全。
• 记忆系统：间隔与提取可以写入题库时间表。写入之后，仍要问延迟测验测的是不是课程真正在乎的痕迹。当时正确率优化的，常常只是近迁移。近迁移被写成掌握时，远一点的变式失败会被归给学生。
• 智力理论：个性化若按一次能力参数分发不同课程天花板，就变成数字分流。参数不是天资本质。参数来自系统能判定的步骤，天花板却可能管住一生课程。系统能判定的步骤，不该被允许规定一生课程的天花板。
• 柏拉图的洞穴：影像被当成外面的世界。仪表盘上的掌握，是洞壁上的影子之一。影子可以有用，前提是承认它是投影。政策若把影子写成解放，隐喻就变成采购令。采购令若把投影写成解放，学校会停止核对题目到底在测什么。

参考文献#

• Bloom, Benjamin S. "The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring." Educational Researcher 13, no. 6 (1984): 4–16.
• Anderson, John R., Albert T. Corbett, Kenneth R. Koedinger, and Ray Pelletier. "Cognitive Tutors: Lessons Learned." Journal of the Learning Sciences 4, no. 2 (1995): 167–207.
• VanLehn, Kurt. "The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems." Educational Psychologist 46, no. 4 (2011): 197–221.
• Koedinger, Kenneth R., and Albert Corbett. "Cognitive Tutors: Technology Bringing Learning Sciences to the Classroom." In The Cambridge Handbook of the Learning Sciences, edited by R. Keith Sawyer, 61–77. Cambridge: Cambridge University Press, 2006.
• Corbett, Albert T., and John R. Anderson. "Knowledge Tracing: Modeling the Acquisition of Procedural Knowledge." User Modeling and User-Adapted Interaction 4 (1995): 253–278.
• Baker, Ryan S., Albert T. Corbett, Kenneth R. Koedinger, and Angela Z. Wagner. "Off-Task Behavior in the Cognitive Tutor Classroom: When Students Game the System." In Proceedings of ACM CHI, 2004.
• Pane, John F., Beth Ann Griffin, Daniel F. McCaffrey, and Rita Karam. "Effectiveness of Cognitive Tutor Algebra I at Scale." Educational Evaluation and Policy Analysis 36, no. 2 (2014): 127–144.
• Regulation (EU) 2024/1689, Annex III, point 3. 教育与职业培训中的高风险用途，含评价学习结果并引导学习过程。
• Regulation (EU) 2026/1744. 将附件三高风险义务适用日改写为 2027 年 12 月 2 日；以 EUR-Lex 现行合并文本为准。

延伸阅读#

• Watters, Audrey. Teaching Machines. Cambridge, MA: MIT Press, 2021. 个性化学习的技术史，用来核对广告词的来源。
• Kane, Michael T. "Validating the Interpretations and Uses of Test Scores." Journal of Educational Measurement 50, no. 1 (2013): 1–73. 掌握状态一旦用于升级，必须单独再论证使用。