ChatGPT让学生答案更好，但批判性思维训练让想法更宽：OpenAI发布博科尼大学随机实验结果

博科尼大学与 OpenAI 进行的随机实验发现，ChatGPT 能使学生作业更完整、更接近专家答案，而批判性/因果推理训练则提升想法的多样性与原创性；两者结合呈现互补效果，但也提示学校需重构作业与评估以衡量不同学习目标。

一项由博科尼大学研究人员与 OpenAI Economic Research 合作开展、涉及1000多名一年级本科生的随机实验显示，ChatGPT 和批判性思维训练并不一定产生同一种收益：前者让学生的作业更完整、更连贯，也更接近专家答案；后者则促使学生提出更多样、更具原创性的想法。

研究结果把“学生应该使用人工智能，还是应该自己思考”这一常见的二选一争论，转化成了一个更具体的问题：学校需要培养哪些能力，又该用什么方式衡量这些能力。

一项围绕真实商业任务的实验

根据 OpenAI公布的研究说明，参与者是博科尼大学一年级本科生。他们需要围绕该校纪念品商店制定营销建议，目标包括提高商店的知名度和使用率。

学生按上课时段被随机分配到四组：

这里的批判性思维训练并不是教学生如何使用人工智能，而是通过游戏、案例、提问和反馈，帮助他们理解因果关系，解释一个方案为什么可能有效、又可能在什么情况下失效。

研究人员随后采用两种方式评估作业。一方面，经过训练的人类评分员使用五分制标准评价作品；另一方面，自动化文本分析考察每份作业包含的想法数量和多样性、因果推理迹象，以及作业与三名专家建议之间的相似程度。

ChatGPT缩小了新手与专家之间的表达差距

在传统评分标准下，获得 ChatGPT 使用权限的学生得分比没有使用权限的学生高出接近一分（满分为五分）。他们提出了更多想法，论述逻辑更清晰，作业也更接近专家撰写的建议。

这并不意味着学生把任务完全交给了模型。OpenAI对实验的描述称，学生仍需要决定向 ChatGPT 提出什么问题，评估模型返回的内容，并选择哪些内容进入最终作业。换句话说，实验呈现的更像是“带有人工智能辅助的决策和编辑”，而不是简单复制模型答案。

这一结果说明，ChatGPT最直接的作用可能是提升成品质量，特别是帮助经验较少的学生更快组织材料、扩展方案并形成更连贯的表达。这样的帮助也带来一个教育上的难题：如果最终文本更像专家作品，仅凭成品本身，教师就更难判断学生究竟掌握了多少。

训练没有明显提高标准分数，却带来了另一种收益

因果推理训练组的情况不同。接受训练的学生能够更清楚地解释自己的想法为什么可能有效，以及哪些条件可能导致方案失败，但他们在只衡量“是否实现两个营销目标”的传统评分表上，并没有取得更高分数。

不过，文本分析捕捉到了评分表遗漏的变化：这些学生提出的想法范围更广，与同学作品相比也更加不同。也就是说，他们未必更擅长给出最符合标准答案的营销建议，却更可能提出不一样的路径、质疑既有假设，并考虑多种可能性。

这一区别反映了两种能力之间的张力：清晰、完整和符合要求的答案容易被传统评分标准识别；原创性、想法的多样性，以及对失败条件的分析，则可能需要额外的评价工具才能呈现出来。

两种能力叠加，而不是相互替代

同时获得 ChatGPT 和因果推理训练的学生，表现出两者的组合效果。他们的想法多样性与单独接受因果推理训练的学生相近；在评分、想法数量和逻辑连贯性方面，则总体保留了 ChatGPT 组的优势。与此同时，他们的作业显示出更强的逻辑连贯性，也更经常解释因果关系和质疑前提。

OpenAI据此将两种干预描述为“互补”：人工智能帮助学生把答案做得更好，批判性思维训练帮助学生把思路拓展得更宽。随机分组设计也使研究人员能够相对清楚地区分单独使用 ChatGPT、单独接受训练，以及两者结合的效果。

但这项实验仍有边界。它针对的是一所大学的一年级学生和一项营销案例，测量的是一次作业中的表现，不能直接推导出 ChatGPT 对所有年龄段、学科或长期学习效果的影响。研究说明也没有证明，短期内写出更接近专家的答案，就等于学生在没有人工智能时拥有同等水平的知识和能力。

学校可能需要重新设计作业与评价

这项研究最重要的影响，或许不在于给 ChatGPT 在课堂中的使用“背书”，而在于提醒学校：当人工智能降低了高质量表达的门槛，单独查看最终答案的价值就会下降。

OpenAI过去推出的 Study mode 也沿着类似方向设计：通过引导性提问、分步骤解释、知识检查和自我反思，减少“直接给答案”的使用方式。公司当时表示，这一功能旨在支持真正的学习，而不只是帮助用户完成任务。

在更近期的研究工作中，OpenAI还与塔尔图大学和斯坦福大学 Accelerator for Learning 的 SCALE Initiative 合作，开发用于长期追踪学习结果的测量框架。该框架试图同时关注考试成绩之外的指标，包括自主学习动机、持续投入、元认知、记忆和学习过程中的互动质量。OpenAI称，相关验证工作正在爱沙尼亚等教育环境展开，涉及近2万名16至18岁的学生。

博科尼大学自身的教育实践也显示出类似趋势：学校有关 人工智能促进包容性教学 的介绍提到，教师可以公开说明模型的局限，通过匿名反馈和“无法在有限时间内独立完成”的任务，让学生比较不同模型的回答并识别可能出现的错误。

这些做法并不意味着教师可以把判断交给模型。相反，它们把教师的工作从检查一份看似完整的答案，推向设计更能暴露思考过程的任务：要求学生解释选择、展示不同方案、记录修改过程，或者在没有人工智能帮助的情况下完成部分验证。

“更好”究竟指什么，仍然取决于教育目标

这项实验没有给出一个适用于所有课堂的人工智能使用规则。它显示的是，在特定任务中，ChatGPT与因果推理训练改善了不同维度的表现；如果学校只用单一分数衡量学生，部分变化就会被掩盖。

对于教育机构而言，接下来的问题不是是否允许学生使用 ChatGPT，而是要先明确希望学生学会什么：是更快形成结构清晰的答案，是提出没有标准模板的想法，还是能够解释证据、检验假设并承担判断责任。不同目标需要不同的课堂设计和评价方式。

在人工智能可以帮助学生写出更成熟文本的情况下，真正困难的部分可能不再是区分“像不像机器写的”，而是判断学生是否仍然参与了问题定义、证据评估和最终决策。OpenAI这项研究提供了一个起点，但这些能力能否长期保留，以及实验结果能否推广到其他学校和学科，仍需要更长期、更多独立研究来回答。

原始来源： OpenAI：Better answers, broader thinking: What students gain from ChatGPT and critical-thinking training