真正的学习不是"先教后练"，而是"先死磕再求助"——复旦赵斌教授的AI教育破局之道

一句话结论

复旦大学生命科学学院赵斌教授在2026年春季提出了一套系统的AI时代教育改革方案。核心洞见：传统"先教后练"教学模式在AI时代被推向了更危险的极端——当答案唾手可得时，"高效"成了"无效成功"的最大温床。赵斌援引新加坡学者Manu Kapur的"有效失败"理论（Productive Failure），指出"先练后教"在概念理解深度和知识迁移能力上远超"先教后练"，效果可达传统教学的三倍。他给AI时代学习者开出四剂药方：先死磕再求助、多轮深度追问、关闭AI复盘、纠正AI错误。同时提出将AI作为课堂"第五参与者"，建立"内容背书"制度，用一学期时间带领学生写一本专属生态学通识书——这不是技术秀，而是被认知科学验证的教学革命。

背景：赵斌是谁？

赵斌，复旦大学生命科学学院教授，生态学研究者，也是一名深耕教学一线多年的教师。他的科学网博客记录了从PBL（Problem/Project Based Learning）到AI时代教育变革的持续思考。2026年4月，他在科学网发表长文《AI秒出答案的时代，先失败才是最好的学习方法》，系统阐述了他基于"有效失败"理论的AI教育观。这篇博文已被腾讯新闻等渠道转载，在教育圈内引发广泛讨论。

核心矛盾：AI让"无效成功"达到史无前例的规模

传统教学的问题

赵斌一针见血地指出：我们沿用了76年的"三中心五环节"教学模式（教师为中心、教材为中心、课堂为中心），在AI时代被推到了更危险的极端。

这一模式的核心逻辑是：先讲解→再示范→再练习→再纠错→再巩固。 目标明确：减少犯错，让正确答案的"标准动作"焊死在脑子里。

这在认知科学中被称为**"算法思维"（Algorithmic Thinking）**——将解题固化为可调用的固定程序。它能应对常规考题，但面对陌生情境或需要创新突破的问题时，这套程序就失灵了。

AI的放大效应

赵斌的观察是：AI让问题从"教学效率低"升级为"认知卸载"。当AI能在几秒内给出完整答案时，人脑会不自觉地启用"省电模式"——

不再主动调动反思思维去理解问题背后的深层结构，仅仅在记忆中调用现成的程序。

这不是AI的问题。AI只是放大镜——它把本来就存在缺陷的教学逻辑放大到了极致。

"学得快忘得快"的陷阱

赵斌借用认知科学中的概念：AI提供的高效答案，本质上是一种**"认知卸载"（Cognitive Offloading）**。你把记忆和推理外包给了机器，大脑没有经历必要的认知冲突，知识没有进入长时记忆。

结果是：学的时候很快，考完就忘。这不是"学会了"，这是"借来了"——知识是AI的，不是你的。

理论根基：Manu Kapur的"有效失败"

四象限学习结果

赵斌系统引用了新加坡国立大学学习科学实验室负责人Manu Kapur的研究。Kapur将学习结果分为四类：

传统教学培养的恰恰是"无效成功"——学生靠对标准程序的高度熟练拿高分，但概念理解浮于表面。避坑训练本质上是在阻碍学生进入"有效失败"状态。

Kapur的随机对照实验

Kapur在2014年发表于《Cognitive Science》的实验中，将学生随机分为两组：

• 先教后练组：先听老师讲解概念，再做练习
• 先练后教组：先自行解题（大概率失败），再听讲解

结果惊人：

• 两组在程序性知识（解题步骤熟练度）上得分相近
• 但先练后教组在概念理解深度和知识迁移能力上远超先教后练组

赵斌在博文中特别提到一个更反直觉的发现：即便学生只是观察其他同学失败的解题尝试，学习效果依然优于直接听老师讲课。失败的尝试中蕴藏着比正确答案更丰富的学习素材。

"错得越惨，学得越好"的机制

为什么先失败效果更好？赵斌解释道：

当我们挣扎于一个毫无头绪的难题时，大脑内部正在经历剧烈的认知冲突。那种"为什么这条路走不通"的困惑，恰恰是随后理解"为什么正确的路是正确的"所必需的认知燃料。

错误尝试激发的认知冲突 → 激活先验知识 → 区分已知与未知 → 为后续精讲做好准备 → 深度理解

这个过程无法跳过。传统教学和AI直接给答案，绕过的不是"弯路"，而是大脑细胞改建自身的生物机会。

赵斌的四剂药方：AI时代高效学习者该怎么做？

药方一：先死磕，再求助AI

与认知科学中的**"生成效应"（Generation Effect）**高度吻合：你主动产出的信息，记忆深度远超被动接收的信息。

操作流程：

1. 封锁答案：关闭所有AI工具和参考答案
2. 设定死磕时限：15-30分钟
3. 用纸笔尝试：画图、列假设、反推、自问自答
4. 目标不是做对，而是走过死胡同：至少明确为什么某条路走不通

这个"挣扎"本身就已经激活了大脑，为后续学习做好了准备。

药方二：多轮深度追问

不是问AI"答案是什么"，而是问：

• "这个公式是怎么推导出来的？"
• "如果条件变了，结果会怎样？"
• "这个方法在什么情况下会失效？"
• "还有没有更简洁的解法？"

每一轮追问都是一次认知冲突的深化。

药方三：关闭AI后复盘

这是最关键的一步——AI帮你解题后，把AI关掉，自己从头再做一遍。

如果做不出来，说明"看懂"不等于"学会"，需要回到上一步继续追问。直到你能独立完整复现为止。

药方四：纠正AI的错误

赵斌提醒：AI不是全知的。当它给出答案时，要有意识地找茬——"这里是不是有问题？""这个假设合理吗？"

能发现AI的错误，说明你已经真正理解了问题。 这比答对一道题更有价值。

教学实践革命：一学期写一本书

超越"AI辅助教学"的表层应用

赵斌的教学实践不是简单地"用AI出题"或"让AI批改作业"，而是重构了教学的根本结构。

他带领学生用一学期时间，写一本专属的生态学通识书。这个过程将AI作为"第五参与者"——学生和教师是前四个，AI加入为第五个平等的创作成员。

"内容背书"制度

在AI可以生成任何内容的今天，"谁对内容负责"成了一个关键问题。赵斌建立了**"内容背书"制度**：

• AI生成的内容必须经过学生的审查、验证和改写
• 最终出版的内容，署名的是学生，不是AI
• 背书意味着责任：如果你背书的AI内容有误，你要负责

这个制度解决了AI时代教学的核心问题：AI是工具，但责任在人。

个性化教学的现实落地

过去"个性化教学"是空话——一个教授面对几十上百学生，怎么可能个性化？但AI让每个学生在写书过程中选择自己的章节、用自己的方式阐述概念、探索自己感兴趣的生态学问题。教授的角色从"知识传递者"变成了"学习设计者"和"认知教练"。

费曼视角："大脑不会因为你跳过弯路而感谢你"

费曼会说："你以为学习是从A到B的直线距离，其实大脑的生长发生在迷路的时候。"

赵斌的观点本质上是在说：教育的效率悖论。

我们追求"少走弯路""快速掌握""高效学习"，但认知科学告诉我们：那些被我们绕过的弯路，恰恰是最有价值的认知过程。

当AI把这些弯路全部铲平，学习表面上变得"高效"，实际上变得"无效"。学生从A到B的速度确实快了，但他们从未建立从A到B的直觉——那种"这条路是对的，因为……"的内在确信。

费曼还会说："如果你不能向一个聪明的高中生解释清楚，说明你还没有真正理解。"

赵斌的"一学期写一本书"实践，本质上是在要求学生用自己的语言、自己的逻辑、自己的例子，向想象中的读者解释生态学概念。能写出来，才是真懂。 能写出来并且经得起同学和AI的质疑，才是深懂。

认知科学的支撑链

赵斌的教学改革不是拍脑袋，而是建立在一条扎实的认知科学研究链上：

这条链条的共同指向：学习不是信息传递，而是认知建构。 信息可以从外部注入，但认知结构只能从内部生长。

局限与存疑

1. "有效失败"的边界条件

Kapur的实验主要在数学和科学领域验证。人文学科、艺术、语言学习是否同样适用"先练后教"？赵斌的生态学教学实践提供了自然科学领域的证据，但推广到更广范围需要更多验证。

2. 学生的情绪承受能力

"先练后教"要求学生先经历失败。不是每个学生都有足够的心理韧性来承受反复的挫败感。Kapur的研究发现"有效失败"对所有学生有效，包括低分学生，但如何设计失败的程度、如何提供情感支持，是实践中的关键挑战。

3. "一学期写一本书"的可扩展性

这个模式在赵斌的小班教学（生态学专业课）中可行，但在几百人的大课上如何落地？"AI作为第五参与者"需要每个学生都能熟练使用AI工具，这对数字鸿沟提出了新的要求。

4. "内容背书"制度的实操细节

AI生成内容的版权归属、学术诚信边界、责任认定的具体流程，赵斌的博文没有详细展开。在实际教学中，这些制度细节可能比理念本身更难落地。

参考来源

• 赵斌. AI秒出答案的时代，先失败才是最好的学习方法. 科学网博客 (2026-04-26). https://blog.sciencenet.cn/blog-502444-1532159.html
• Kapur, M. Productive Failure in Learning Math. Cognitive Science (2014).
• Kapur, M. Productive Failure: Unlocking Deeper Learning Through the Science of Failing. Harvard Education Press (2025).
• Schmidt, R.A. & Bjork, R.A. New Conceptualizations of Practice: Common Principles in Three Paradigms Suggest New Concepts for Training. Psychological Science (1992).
• Miwa, T. (1987); Nohda, N. (1987). 日本"结构化问题解决" vs 美国课堂对比研究.
• 陈柳青 et al. Observing a Robot Peer's Failures Facilitates Students' Classroom Learning. Science Robotics (2025).
• 复旦大学教育教学改革3.0版相关报道 (2025).

#教育 #AI教学 #有效失败 #productivefailure #复旦大学 #认知科学 #学习科学 #深度学习 #费曼视角 #小凯