一百年前，教学机器就想把老师解放出来

1920 年代，心理学家普雷西做出了一台教学机器。学生看着小窗口里的选择题，按下四个按键中的一个。在教学模式下，答错了，题目留在那里；选对了，才出现下一题。机器还会记录尝试的次数。普雷西教学机的馆藏说明

批改和反复练习占去了老师不少时间。普雷西希望，机器接过去以后，老师就能多一些时间和学生讨论，帮助那些遇到困难的人，做更有启发性的教学。他在 1926 年的文章里，已经把这些用途写了出来。研究中引述的普雷西原文，第 6—8 页

他的机器没能广泛进入学校。制造商生产了 250 台，卖出约 160 台后，便搁置了项目。推广记录

一百年过去，这个愿望仍然很容易理解。老师有太多事情要做。如果工具能接走一部分，腾出来的工夫会用在哪里？

老师确实省下了时间

2024 年，英国一项涉及 68 所中学、259 名教师的试验，按学校随机分组，让一组教师使用 ChatGPT 和配套指南备课，另一组不用生成式 AI。结果，在英格兰七、八年级科学课的备课与材料准备上，使用 ChatGPT 的教师平均每周少花约 25 分钟，降幅 31%。这是特定课程的准备时间，不是教师全部工作时间。EEF 的试验说明

省下的时间去了哪里？报告里有一位教师，起初很怀疑这会不会又给自己添一项工作。同事建议他试着用 ChatGPT 准备自己缺席时的代课材料。他尝试后觉得确实省了工夫，并说自己把时间用来丰富科学课、让内容更适合学生，也处理另一学科的事务。

其他教师报告的用途还包括行政工作、批改，以及减少总工作量。评估报告，第 73、76 页

老师少加班，或者有工夫把课准备得更好，都是实际的好处。普雷西的愿望，已经有了一部分现实。

我想接着看的是，哪些工作会优先用掉老师省下的时间。

一份作业，老师为什么要看三遍？

2007 年，教育研究者 Harry Torrance 发表了一项关于英国多种课程与职业培训评价方式的研究。这项研究与 AI 无关，但记录了老师为什么愿意在一份作业上花那么多工夫。

一名学生说，每个模块开始时，会拿到一张纸，上面写着各个等级需要做到什么。

一位受访老师会读学生的初稿、做笔记，再逐个谈哪些要求已经满足、哪些还缺。另一位老师说，同一份作业，自己可能要看三遍。工作量很大，但还是想为学生争取好结果。研究原文，第 285—286 页

学生也有很具体的理由需要这些帮助。一名汽车维修学徒把取得资格证书和今后找工作联系起来。另一名学生谈到额外任务时，首先关心它与考核有没有关系：他没有时间做不相关的事。研究原文，第 290 页

这就不难理解老师为什么愿意一遍遍看作业。学生需要资格，老师希望他通过，评分要求又指出了还差什么。 多花些时间指导，就有机会帮学生取得他需要的结果。

学校会怎样安排省下的时间？

假如一所学校引入了更快的备课和批改工具，便把一部分省下的时间安排为每周的个别辅导。学校要向家长交代教学效果，辅导能帮到谁、补上什么，都比较清楚。一旦成绩有所改善，就有理由把这项安排保留下来。以后再腾出时间，也可以继续照着做。

学校也许原本还想多安排一些自主探索，让学生去研究自己发现的问题。但这要花多久、最后能弄明白什么，暂时说不清楚。眼前需要完成的辅导已经排进课表，新的尝试就可能往后推，甚至一直没有开始。

原本希望技术能给不同的学习留出时间，最后新增的安排却仍然主要围绕既定考核。这是我所说的「被吸收」。 老师可以少加班，学生也可以得到更好的辅导；自主探索却未必因此增加。

如果连提问题也要打分

学校当然可以进一步改变要求，把自主探索排进课表，让学生自己选题。接下来还有一个问题：这门课的成绩怎么算？

假如评分看的是问题是否新颖、有意义、能够完成，老师就可能逐项帮学生检查：这个题目够不够新，意义怎么写，范围是不是太大。这些指导有用，学生可以因此把问题想得更清楚，也更有机会把研究做下去。

如果这份成绩又关系到评优、升学，选题时就多了一个很难忽略的考虑：什么样的问题更容易得分？一个自己很想弄明白、却暂时说不清有什么用的问题，可能就会被放下，换成一个更符合评分要求的选题。老师希望学生拿到好成绩，也有理由帮他作这样的调整。

当得分要求开始主导选题，“自己提出问题”就可能变成一道新的题：怎样提出一个能得高分的问题？ 老师腾出来的时间，也可以用来把这道题辅导得更细。

这正是我对“把老师解放出来”的担心。老师可以少做机械劳动，也可以增加讨论和个别指导；但如果学校仍然主要按考核成绩判断这些工作的价值，老师就有充分的理由继续把时间花在帮助学生达标上。即使这一次考的是“自己提问题”，也一样。