AI时代，学生应该如何学习？|教师|教育|科学

5月10日，《AI驱动学习革命：主动学习的原理与策略》一书在“中小学人工智能课程暨智能教育学科研讨会”上发布。

新书发布会由中国人工智能学会主办，江西省哲学社会科学重点研究基地教师发展与数字化研究中心、上饶师范学院师范教育协同提质计划办公室等单位承办。华东师范大学陈向东教授、李峰教授，华东师范大学党委学生工作部部长李彦垒，宁夏大学张玲教授，华中师范大学张屹教授，以及华东师范大学出版社编辑吴伟等出席活动。

本次活动由上饶师范学院研究生与学科建设处处长陈发云主持，上饶师范学院副校长饶爱京教授与本书译者万昆副教授围绕本书的核心要点及其对中小学教师提高人工智能素养的作用作出了介绍。另外，此书日前入选全国哲学社会科学优秀成果展。

《AI驱动学习革命：主动学习的原理与策略》

[美] 斯蒂芬·科斯林著

万昆等译

978-7-5760-6551-0

69.80元

本书基于AI的具体应用，围绕五大学习原则（深度加工、组块策略、建立关联、双重编码、刻意练习），为教育者、课程设计师和终身学习者提供了一套以学习科学原理为基础的系统、可操作的主动学习框架。

学者推荐

人工智能正在以前所未有的速度重塑教育生态，但无论技术如何迭代，教育的落脚点必须回归到人类认知与学习的本质规律上。斯蒂芬·科斯林教授凭借其深厚的认知科学积淀，在本书中为我们展现出一个极具前瞻性的图景：生成式人工智能不仅仅是提升效率的工具，更是激发学习者内在动机、促进知识深度建构的“认知引擎”。

本书不仅透彻解析了主动学习背后的科学原理，更为我们提供了一套将人工智能转化为“认知支架”的实操策略，指引教育者如何真正让学生从知识的被动接收者转变为意义的主动建构者。在教育数字化转型的关键时期，这是一部兼具理论高度与实践指导价值的佳作。强烈推荐给每一位关注教育未来、致力于技术与教学深度融合的研究者、教育管理者和一线教师。

——尚俊杰（北京大学教授）

本书是一部真正打通学习科学、主动学习与人工智能三大领域的前沿力作。斯蒂芬·科斯林将数十年的学习科学积淀，与生成式AI的最新发展深度融合，为教育者、课程设计师和终身学习者提供了一套系统、可操作、有原则的主动学习框架。它不是零散的AI应用技巧，而是围绕五大学习原则（深度加工、组块策略、建立关联、双重编码、刻意练习）构建的完整方法论。它将AI从新奇工具升维为教育变革的引擎，为每一位教育者提供通往未来课堂的清晰路线图。

——赵建华（南方科技大学教授）

这不是一本关于AI技术的操作手册，而是一本关于“如何学习”的书。斯蒂芬·科斯林基于数十年认知科学研究，将学习科学的相关核心原则——深度加工、组块策略、建立关联、双重编码、刻意练习——与生成式AI深度融合，构建了一套可设计、可实施、可评估的主动学习方法论。书中提供了大量可操作的提示词设计与评分标准方法，让每一位教师、课程设计师乃至终身学习者，都能在这场“教育革命”中找到自己的位置。

——赵健（华东师范大学教授）

有主动学习的理论，也有可操作的策略，还有具体的课堂案例，全书深入浅出，兼具实用性和启发性，在新一代人工智能技术教育应用如火如荼的当下，为教师和学生提供了宝贵的指南！

——焦建利（华南师范大学教授）

我们都是教育者，其中有些人是教师，有些人是课程设计师，有些人是家长，还有些人是终身学习者——主动地、持续地进行自我提升和知识更新。甚至我们中有些人同时拥有以上所有身份。当下，我们正面临着人类历史中的一个重要时刻：人工智能（AI）正在深刻改变每一个行业，同时为每一位教师和学习者带来新的机遇。我们中许多人正在努力追赶，或制定策略以确保自己走在这场变革的前沿。不论是从个人还是整个社会的角度出发，如果我们不能正视AI，那么人类的繁荣与自由或将面临严峻的挑战。

如果您是一名教师或课程设计师，您需要快速了解AI能带来什么，并思考如何适应这一全新的现实。本书正是为此而作。我邀请您与我一同保持“初学者心态”，以开放而新鲜的心境，去接触本书所涵盖的理念、方法和实践。本书旨在帮助各类教育者利用最新的、突破性的AI技术，来设计、实施和评估主动学习（active learning）。本书基于丰富多样的研究成果，向您展示如何在主动学习的各个环节融入AI，并且这些方法都经过了科学验证。

本文节选自《AI驱动学习革命：主动学习的原理与策略》前言

内容概览

第二章。AI在主动学习中的应用。我们可以轻松地利用AI来辅助我们完成主动学习的所有阶段，包括：设计、实施和评估。在这里，我们回顾了以这种方式使用AI的优势，然后呈现了一个详细的例子：使用AI进行辩论。随后，我们探讨了AI的局限性以及在教育中使用AI时，人类必须扮演的关键角色。通过创建合适的提示词，你可以规避或大大降低AI的许多局限之处。

第三章。学习科学。本书以证据为基础，根植于认知功能的关键事实。这些事实为本书的核心原则奠定了基础。特别是在本章中，我们回顾了“学习”与“记忆”之间的关系，并探讨了存在于人脑中的几种不同类型“记忆库”的作用。我们还考察了学习不同阶段背后的过程——从组织和解释我们遇到的事物，到存储和保留这些信息，再到日后提取这些信息。这些是主动学习所依据的五项原则的基础（接下来的五章将分别阐述这五项原则）。这些原则又反过来指导我们运用AI来设计、实施和评估主动学习。

第四章。深度加工。从本章到第八章，每章分别总结了学习科学的一个原则。这一首要原则所体现的核心观点是，一个人在心理上对信息加工得越多，他习得这些信息的可能性就越大。这一原则促使我们引导学习者关注并深入思考与学习目标相关的材料。深度加工原则是主动学习的核心，因此我们将其作为基础展开讨论。在本章及接下来的四章中，我们将探讨如何使用AI来引导学习者参与某一特定类型的心理加工——并列举一些能够引发此类加工的提示词示例。要求AI仅基于某个单一学习原则创建主动学习活动，则会催生出一系列具体的活动。与人类一样，当AI必须在特定的约束条件下工作时，它们才会展示出更强的创造性。

第五章。组块策略。人们一次只能接收大约三到四个有组织的信息单位，即“组块”。因此，在教学时尽量减少组块的数量至关重要。组块——即将材料组织成单元的过程——适用于各种形式的信息，包括感知信息（例如视觉、听觉）、概念信息（例如导致某种状况或情境的不同因素，如全球变暖）和技能（例如运动所需的技能）。在本章中，我们将看到AI如何助力于材料的组块化处理，并教授各种组块化规则。

第六章。建立关联。在个体初次接触信息时，心理联系在组织和解释信息，并将信息整合到已有知识体系中以便良好保持，以及在需要时提供线索且从记忆库中提取信息等方面起着至关重要的作用。在本章中，我们将探讨如何使用AI来引发和建立这些联系，以及如何助力解决学习科学中一个最大的难题：迁移问题，即学习者如何将其在一个情境中学到的信息（例如，在课堂上）应用到其他情境中（例如，在工作和日常生活中的情况）。

第七章。双重编码。当信息以多种模态（如视觉和语言）呈现时，学习和记忆的效果会更好：图文并茂、视听结合比单独使用感知或语言模态更有效。这一原则反映了我们的大脑具有多个不同的记忆存储区域，当我们以多种存储方式输入信息时，学习效果会更好。我们将看到AI的图像解释和图像生成能力如何以多种方式助力实现这一原则。

第八章。刻意练习。刻意练习不仅仅是重复做同一件事。相反，刻意练习要求我们利用反馈来识别学习中最难的部分（针对每个特定的学习者），然后投入相应更多的时间和精力来掌握这些部分。或许有些反直觉的是，当学习者犯错误时，学习效果最佳，因为这能让他们识别出需要集中努力的地方。本章解释并展示了使用AI设计和实施促进刻意练习活动的优势。

第九章。整合原则。虽然我们可以单独利用每一条原则，但当它们结合在一起时，力量会更大。在本章中，我们考虑了一系列实践，从测试的力量到助记法的应用再到游戏化策略，并探讨了AI如何设计并实施结合了这些原则的主动学习活动，从而增强学习效果。

第十章。内在动机和外在动机。学习科学的原则只有在学习者参与并投入到活动中时才会发挥作用。本章讨论了基于内在动机理论和外在动机理论来激励学习者的方法。我们探讨了如何将这些动机因素融入与AI结合的主动学习中。

第十一章。活动的创建、情境化与评估。最后一章中，主动学习贯穿始终。我们首先回顾了许多特定类型的关于主动学习的具体例子，并设计了一些提示词，这些提示词将帮助你利用AI来设计和实施不同的学习活动。这些例子和提示词也是一个起点，将帮助你在每堂课中有效地使用与AI结合的主动学习。随后，我们回顾了如何在构建课程环节时利用主动学习，以及如何创建评分标准，以便评估学习者实际学到了什么。

第一章主动学习和AI

主动学习是什么？

如何使用本书

内容概览

第二章 AI在主动学习中的应用

AI如何改进主动学习

示例：使用AI进行辩论

AI在主动学习中的局限性

创建和调整提示词

第三章学习科学

学习科学原理

组织和口译