AI教育白皮书：提问决定学到什么

本文性质： 观察 + 模型（Observation / Model）　证据标签： 观察 Observation／模型 Model／假设 Hypothesis／实证 Evidence

本篇涉及的证据类型：观察 Observation／模型 Model／假设 Hypothesis。凡属本院课堂观察与教学模型的部分，均不作效果承诺。

同一个 AI 工具，两个孩子用一学期，差距不在工具，在输入框里那几句话。问法决定了拿回来的是答案，还是理解。

同一个工具，问法不同，学到的东西也不同

本院在家长咨询与课堂观察里，看到两种典型用法。第一种是把题目拍照发过去，等一个结果，抄下来，结束。第二种是先自己写一遍，再把写的那一遍发过去，问哪里不对、为什么。前者用得很顺，作业完成得快，但一到考试就没有可调用的东西，因为整个过程里他的判断从未被使用过。后者用得很慢，一次要来回三四轮，但三轮之后他能把同一类题讲给别人听。这些是咨询记录与课堂观察，样本不随机，也没有做任何前后测，只能说两种用法都在发生，不能据此推算各占多少，也不能断言第二种一定提分。

提问的三层：要答案、要步骤、要理由

把提问拆开，大致有三层。第一层是要答案：这道题选什么、这个词什么意思、这段话怎么翻译。这一层最省力，也最容易被替代，工具给的答案对不对，使用者往往没有能力判断。第二层是要步骤：为什么先算这一步、这个公式在什么条件下才成立。这一层开始有学习发生，因为步骤可以对照自己的思路，找出分叉的位置。第三层是要理由：你为什么这样判断、还有没有别的解法、什么情况下这个结论会不成立。这一层最难，也最接近真正的理解，因为它迫使工具暴露依据，而依据是可以被检验的。三层的差别不在工具，在提问者愿意把问题推到多深。

三句改写，把问题往上推一层

本院白皮书框架给了一个三句改写的做法，用来把问题往上推一层。第一句：把我写的这一步改成问句，比如把这道题怎么算改成我这样算第二步为什么错了。第二句：加一个条件，比如如果这道题的数字换成小数，方法还成立吗。第三句：要一个反例，比如给我一个用这个方法会出错的例子。三句都不需要额外知识，只是换一种问法，但它把工具从答案机变成了对话者。配套还有一条核验动作：凡是工具给出的结论，至少回到教材或权威资料核对一次，核不出来的，标记为待定，不要直接写进作业。这是工作模型，用来组织使用习惯，不解释认知机制，也不保证学习效果。

四条边界：会提问不等于学会了

有四条边界。第一，会提问不等于学会了：能把问题问清楚，说明他知道自己卡在哪里，但卡住的那部分仍要靠练习与反馈补上。第二，工具的回答需要核验：生成式工具会给出看似完整却错误的推导，尤其在事实、年代、公式条件上，核验成本必须计入使用成本。第三，不把提问技巧当成新的应试套路：背几句万能提示语，与真正理解自己的困惑，是两件事。第四，本院不做效果承诺：观察来自咨询与课堂，未设对照组，不能据此宣称某种问法能提高成绩，也不能推断工具可以替代教师。

今天就能开始

今天挑一道孩子做错的题，让他把「这题怎么做」改成「我这一步为什么错」，再问一次。

本文依据

• 观察来源： 本院 2024–2026 年家长咨询记录与课堂观察转述，非随机抽样、未编码，仅作现象描述。
• 模型出处： 本院白皮书框架中的「提问三层（答案—步骤—理由）与三句改写」工作模型，用于组织使用习惯，不作效果承诺。
• 待验证项： 把提问从答案层推到理由层，是否稳定改变学习的保持与迁移，本院尚未做对照研究。
• 外部文献： UNESCO 2023（生成式人工智能教育与研究应用指南）；OECD 2021（人工智能与教育：政策展望）；Chi 与 Wylie 2014（ICAP 框架：被动、主动、建构、交互四种参与方式）；Bjork 与 Bjork 2011（学习判断与实际保持的分离）。