人工智能前沿的开拓性学校

课堂应用

WLA 的教师们已通过多种创新方式将 AI 应用于教学中。

例如，在 Giani Clarkson 的 AP 政府课上，学生们通过设计一个国家的资源来抵御由 Clarkson 控制的虚构国家“Clarksonia”的征服，以此研究帝国主义。他们将自己国家的数据输入聊天机器人，看看是否能在针对 Clarksonia 的为期 3 年的模拟战争中幸存下来。他们需要将人口分配给士兵、科学家、艺术家和教育工作者，并选择一种关键的自然资源。机器人对每个模拟国家给出裁决，并展示 Clarksonia 的资源以供比较，但不解释获胜或失败的原因；这迫使学生们自己思考其中的缘由。“仅仅告诉他们‘事情就是这样发生的’是不够的，”Clarkson 说道。“他们必须实时亲眼目睹并亲自尝试。”

除了教授学生 AI 的工作原理及使用方法外，WLA 还让学生了解 AI 的局限性。

该校数学教学教练 Niyesha Coleman 开发了一款游戏化聊天机器人，引导学生完成练习题，并以模仿她声音的语调提供提示和反馈。学生必须解释每个答案的推理过程，Coleman 注意到，有时机器人会给出错误答案，而学生必须针对错误的回应为自己的思路辩护。这既是一堂数学推理课，也是一堂关于 AI 局限性的课。

WLA 的学生们似乎已经领会了这一点。在 2025 年秋季的一项调查中，该校三分之二的学生表示，他们已经学会了有效使用 AI 工具的策略，如编写提示词、评估输出结果以及选择合适的工具——这些都是 AI 素养的关键组成部分。但 70 percent 的学生表示，他们认为 AI 在他们的学业中既有帮助也有害。

这引出了一个显而易见的问题：AI 是否有助于学生学习？2026 年 3 月 Stanford 对 14 项 AI 研究的综述显示，结果喜忧参半：当学生能够在学业中使用 AI 工具时，他们在数学、写作、经济学和物理方面的表现更好。但当他们无法使用 AI 时，这些进步往往会消失。综述还发现，AI 可以减轻学生的“认知负担”，使学业任务感觉更轻松，但有时会以牺牲深度思考和长期记忆为代价。综述发现，设计有“护栏”的工具——例如为学生提供提示而非直接答案的辅导聊天机器人——在支持长期学习方面比直接给出答案的通用聊天机器人更有前景。教训不在于 AI 本身对学习有利还是有弊，而在于其效果取决于它如何被设计和应用。

WLA 的领导者认为，现在对 AI 影响学生学习得出结论还为时过早，AI 使用与考试成绩或其他正式衡量标准之间的关系尚不明确。但一些教师对他们在课堂上看到的情况感到鼓舞。自从在数学课上引入练习题聊天机器人以来，Coleman 看到曾经难以投入内容或任务的学生变得更加自信，更愿意冒险，并对学习投入更多——她相信这些变化随着时间的推移将转化为更好的学业成果。与此同时，WLA 的教师们正在利用 AI 以以前不可能的方式支持学生。