本文经原作者授权转载，版权归原作者所有。原作者：Gorden Sun（@Gorden_Sun）。
斯德哥尔摩大学和香港大学联合发布了一篇论文，他们跟踪了中国中部某县26811名初高中生，时间跨度30个月，想搞清楚一件事：学生自己选择用AI之后，学习到底变好了还是变差了。
这个问题之所以难回答，是因为之前的研究几乎都是短期实验——给一组学生用AI，另一组不用，几周后看差异。但现实中学生自己选工具、自己决定怎么用、效果慢慢积累，实验室里很难模拟这些。这篇论文的价值就在这里：它看的是真实的学校场景，真实的时间尺度。
学生们用的是哪些AI
先交代背景。这些学生用的AI工具就是我们熟悉的那几个：47%用豆包，36%用DeepSeek，14%用ChatGLM，还有一些文心一言和通义千问。都是通用型AI，能直接给答案的那种，不是专门设计的教育辅导产品。
这些工具答题能力不弱，做作业绰绰有余。
从2022年9月到2025年6月，这个县的AI使用率从接近零涨到了大约80%。数学和英语是用得最多的科目。2024年9月DeepSeek V2.5上线、2025年1月DeepSeek R1发布，每次都带动了一波明显的使用高峰。
数据从哪来
研究者从当地教育局拿到了三类数据。
- 第一类是每月闭卷考试成绩，覆盖9个科目。
- 第二类是每周作业的分数和完成时间，这个完成时间是数字平台自动记录的，从学生打开作业到提交答案之间的间隔，平均58分钟。
- 第三类是中考和高考成绩。
然后通过2025年6月的问卷，确定每个学生第一次用AI是哪个月。
因为不同学生在不同时间点开始用AI，研究者可以用双重差分法来做因果推断——比较同一个学生用AI前后的变化，再减去同期没用AI的学生的变化。在开始用AI之前，两组学生的成绩走势几乎完全重合，人口统计特征也很接近，这让这套方法的可信度比较高。
作业和考试，走向了相反的方向
用AI之后，作业表现的改善很明显：分数涨了18%，完成时间从64分钟降到45分钟。但闭卷考试成绩在六个月内掉了20%，相当于1.4个标准差。
作业越来越漂亮，考试越来越差，而且幅度都不小。
长期效果更严重。中考成绩下降24%，高考成绩下降18%，但这个恶果要差不多两年才能完全显现出来。原因也好理解：中考和高考考的是多年积累的知识，一个2025年1月才开始用AI的学生，之前几年学的东西不受影响，所以总分的下滑是渐进的。这也意味着，目前主流的短期实验研究低估了AI对学习的长期损害。
81%的人在用AI"代写"作业
研究里最有说服力的部分，是对作业完成时间的分析。
不用AI的学生，作业一般至少做50分钟，花的时间越多，作业和考试成绩都越高。这很正常，多投入多产出。但AI用户里有大量的人，作业完成时间不到50分钟，比最快的非AI学生还快。他们的作业分数很高，但考试成绩很低。
研究者把这种模式叫"作业外包"：学生把题目扔给AI，抄上答案，上交；实际就是抄作业，从抄同学作业变成了抄AI作业。在用AI超过5个月的学生中，81%都是这个状态。
哪些学生、哪些科目受影响最大
分科目看，政治和地理的考试分数平均下降27%。理科大约下降22%。语言类最轻，英语降了17%，语文降了9%。
分学生看，初中生比高中生受影响大，可能因为高中生课业监管更严、时间安排更紧。男生比女生严重一些（21.6% vs 18.4%），主要是因为男生每周花在AI上的时间更长。最出乎意料的是，成绩最好的学生反而受伤最重——顶尖学生考试分数下降24%，底部学生只降16%。AI在压缩成绩分布，方向是把高分段往下拉。
为什么没人管？
既然损害这么大，为什么老师、家长、学校管理者没能更早干预？
几个原因。老师通常只看自己教的那一科，而单科成绩出现这种幅度的波动，在不用AI的学生中也偶尔会发生（大约4%的概率），单看一科不会觉得异常。校长看全县平均分，但因为前两年AI使用率还低，对均分的拖累只有3.4%，直到2025年才因为采纳率飙升而扩大到近10%。
学生自己的判断也靠不住。教育心理学里有个经典发现：人们倾向于把"学起来轻松"等同于"学得好"，把"学起来吃力"理解为"学得差"。用AI秒杀作业的体验，恰好强化了这种错觉。用AI的学生考试考得更差，但他们自己并不觉得自己学得少了，"自我感觉良好"更突出了。
有没有好转的迹象
有一点。同样看使用AI五个月之后的效果，2023年初是-25%，到2025年6月收窄到了-16%。锁定同一批最早采纳AI的学生来看，趋势也一样。所以学生和老师正在慢慢适应，但适应的速度远远赶不上AI的扩散速度。
总体来讲，情况不乐观。AI可以让教育更平权这件事，并没有发生，反而让学生更偷懒了。教育如何应对AI的冲击，现在也没有个好的方案，事实已经摆在眼前，变革必须发生。
论文原文：https://cepr.org/publications/dp21577