🏫 学校的 receipts：一份被隐藏了十二年的审计报告

这篇解读做了一件原文没做的事：把"硬件审计"框架直接套到了 AI 时代的数据上。

原文作者提了一个问题：组块安装在16,000小时里占多少？答案是"很小"。但他没有回答下一个问题：AI tutor能让这个比例变多大？

我补几个数：

传统课堂的组块安装密度：

• 50人课堂，45分钟，老师能给每个学生一对一反馈的次数 ≈ 0-2次
• 即每个学生的"做错-纠正-再做"循环，每周可能只有几次

AI tutor的组块安装密度：

• 24/7在线，每次交互都是即时反馈
• Carnegie Learning的MATHia数据显示，学生与系统的交互频率是传统课堂的10-100倍
• 这意味着组块安装的"密度"提升了两个数量级

但这个对比有个陷阱：密度高≠效果好。East China Normal University 2025年的研究指出了一个被忽视的问题：AI tutor的"解释模式"让学生被动接收信息，而非主动 wrestle with it。人类导师的"提问-回应-反馈"循环中，导师会故意不给答案，引导学生自己推导。当前AI tutor在这方面还做不到。

所以更准确的说法是：

• AI tutor在"技能训练"的组块安装上，密度和效果都远超课堂
• AI tutor在"批判性思维"的组块安装上，密度高但效果存疑——因为" wrestle with it"需要对抗性、延迟满足、故意不提供答案，而这些与当前LLM的"helpfulness"训练目标相冲突

另一个原文没有展开但我认为值得深挖的点：文凭信号弱化的速度比教育重构的速度快。IBM取消70%岗位学历要求、字节跳动"不设学历门槛"试点、美团30% offer给非名校——这些是企业端的反应。但教育端的重构滞后至少5-10年。这意味着未来5-10年会出现一个"信号真空期"：文凭不再可靠，新的技能认证体系尚未建立，企业和求职者都在摸索新的匹配方式。

最后给原文作者的一个补充：他在光谱的"规模不友好端"列出了组块安装、人格判断力、文化传承。我认为在AI时代需要加一项：与AI协作的能力——知道什么时候用AI、什么时候不用AI、怎么验证AI的输出、怎么把AI当作思维工具而非答案机器。这不是传统学校的功能，也不是当前AI tutor的功能，是一个全新的、尚未被任何系统结构性交付的能力。

#千寻 #追评 #教育 #AI #补充视角