MIND ARENA · INSIGHT

大学为什么开始办小学？一所 AI 学校开进了大学校园

当基础学科学习被承诺压缩到两小时，学校余下的时间、大学的角色和教师的工作，都会被重新提问。

今年秋天，美国新泽西州的 Drew University 校园里会多出一所 1—8 年级学校。它叫 The Drew School，与 2HR Learning 合作，后者是 Alpha School 所采用的 AI 驱动学习平台。Drew 把这个项目放进一个很大的叙事里：不是只办一所附属小学，而是把大学想象为一条从 6 岁延伸到 60 岁以上的学习路径。孩子在大学校园里使用自适应学习工具、接受学习教练支持、参与真实项目，并接触大学设施与部分教师资源。来源：Drew University

“大学办小学”当然不是前所未有的事。但在 AI 时代，这次组合的不同之处在于：它不是把一所传统小学搬到大学旁边，而是试图把基础学科学习的效率、人际指导和大学校园资源重新编排成一整天。这个反常的组合，值得我们先不急着问“AI 教得好不好”，而是问另一个问题：如果知识练习真的更个性化、更高效，学校要把腾出来的时间还给什么？

这所学校卖的，不只是“两小时学习”

2HR Learning 的说法很直接：学生以自适应软件和 AI 支持完成核心学科学习，约两小时后，把下午留给公开表达、金融素养、领导力、运动、创作和真实项目。Alpha School 将这种安排称为“2 Hour Learning”，并把成人从讲课、批改和备课中部分抽离出来，转为“guides”或学习教练，更多承担激励、情绪支持、项目陪伴与生活技能指导。来源：Alpha School

这恰好触到传统学校最难改变的一件事：时间表。许多关于 AI 教育的产品，仍是在原有课表里加一个助手——更快备课、更快练习、更快答疑。The Drew School 的设想更激进：假定核心技能训练可以被压缩，于是整个下午都可以重新分配。

这使它看上去不像“AI 小学”，更像一场关于学校时间的试验。被腾出的时间到底用于什么，比屏幕上的模型名称更重要。如果下午真的只是在做更多可量化的“未来技能”活动，学校只是换了一种更紧的生产率叙事；如果它能让学生长期做项目、接触真实问题、和不同年龄的人合作、形成兴趣与责任，那么 AI 可能第一次不是挤占学校生活，而是为学校生活留出空间。

大学为什么要把这件事接到校园里？

Drew 的官方表述里有一个很值得咀嚼的词：60-plus-year learning trajectory。它意味着大学不再只把自己理解为一个向 18—22 岁学生颁发学位的机构，而是尝试成为一个跨年龄的学习场域。The Drew School 的学生能使用校园、接触专家和导师；大学则把自己的空间、师资网络与“真实问题”叙事提前开放给更小的学习者。

这未必意味着每所大学都要开小学，也不能据此推断它是一种新的招生管道。它更像一个信号：当标准化内容越来越容易被数字工具交付，教育机构开始重新估价那些不容易被压缩的东西——一个有关系的社区、长期的导师、可以动手的场所、跨年龄协作，以及把抽象知识放进真实任务的机会。

从这个角度看，AI 的作用不是让大学“下沉”到小学，而是迫使大学回头回答一个老问题：除了课程和文凭，校园究竟提供什么不可替代的学习价值？

最大的悬念，不在 AI，而在“被腾出来的时间”是否公平

2HR Learning 及 Alpha School 公开主张，学生能在两小时内更快掌握核心学科，甚至以内部 MAP 数据宣称更快增长。这些是机构自身的宣传与内部分析，不等同于独立、同行评审的因果证据。外部实践观察也提醒，关于该模型的独立评估仍有限，尤其难以区分学习软件、学生家庭选择、学校资源与教学组织各自带来的影响。来源：Ormiston Trust

因此，The Drew School 值得观察的不是“它能否证明两小时胜过六小时”——这个结论现在还没有足够公开证据支撑；而是它能否证明另一件更难的事：被释放的时间是否真的转化为更好的关系、探索和成长，并且不是只对高度自律、资源充足的学生有效。

第一，谁能在高自主学习中获益？ 自适应练习需要学生持续设定目标、处理挫败、延迟满足。学习教练能否为需要更多结构、语言支持或特殊教育支持的学生提供足够帮助，决定了个性化是扩大机会，还是放大原有差异。

第二，教师角色变化后，专业性放在哪里？ 把成人称为“导师”并不会自动产生高质量指导。真正的难题是：他们是否理解学科、儿童发展与项目学习，能否在学生卡住、冲突或形成错误概念时做出专业介入？AI 可以减少重复性工作，但不能自动补上这种判断。

第三，下午是否真的是学生的？ 项目、创业、领导力和“真实世界影响”听起来都很好；但若目标、指标和节奏都由成人或平台设定，学生得到的可能只是另一种包装得更漂亮的任务清单。真正有价值的“腾出时间”，应当允许学生提出问题、花较长时间失败、与人协商，而不是更快地完成下一份展示。

放到全球版图里：AI 不是一种学校，而是在催生几种“重组学习”的路线

把 Drew 当成一所孤立的“AI 学校”，反而会看窄它。它只是最近、也最醒目地把问题推到台前的一个样本：如果知识练习、资料检索和反馈能被软件部分承担，学校到底该保留什么，新增什么，又该怎样安排一天？目前全球至少出现了四条相邻、但不能混为一谈的路线。

第一条路线：不是少上课，而是把时间当作教育资源重新分配

Alpha School 的模型最激进：用自适应、掌握式学习完成约两小时的核心学科任务，再把其余时间交给项目、公开表达、户外活动、金融素养、设计思维等。Drew 与 2HR Learning 的合作，就是把这条路线带进大学校园。它的价值不在于“两小时”这个口号，而在于逼学校回答：当练习效率提高，腾出的时间究竟归谁？ 来源：Alpha School 项目说明

这类模式不只在美国被讨论。例如，安哥拉一个 AI 学习试点也采用上午 AI 辅导、下午教师主导讨论、项目和巩固的安排；但这是实践方发布的案例，记录的是教师与学生的阶段性观察，不能等同于独立的学习成效证明。来源：Edu-Impact Alliance

因此，更可信的表述不是“AI 能把六小时课变成两小时”，而是：AI 可能为重新安排学校时间提供一个假设，尚需用学习结果、学生福祉、教师劳动和公平性去验证。英国 Ormiston Trust 对 Alpha 的外部观察也用了谨慎措辞——这是一个值得思考时间、技术与丰富学习机会的提示，但仍属于证据有限的实验。

第二条路线：学校先成为“会判断 AI 的共同体”

芝加哥大学 Laboratory Schools 提供了一个重要的反例。它没有承诺缩短课时，而是先成立 AI and Learning Committee，把 AI 的教学角色、学生能力、教师发展、家长沟通、采购和使用规则放在一起讨论；并上线带有边界的校内工具 Alice。它先问的是：在这一节课里，AI 是导师、教练、同伴、模拟对象，还是一个需要被质疑的工具？来源：University of Chicago Laboratory Schools

夏威夷大学马诺阿分校的 University Laboratory School 也值得放在这里。它与教育学院合作，同时承担 K—12 教育和课程、教学、评价的研发使命。其启发不在 AI 产品本身，而在一种制度能力：新做法要能被记录、研究、修正和传播，而不是让一届学生成为一次性试用者。来源：University Laboratory School

第三条路线：从“教 AI”转向用 AI 面对真实问题

中国的惊奇 AI 探索空间，恰好提示了另一条与学校不同、却很值得借鉴的路。根据其公开报道，这个在成都的学习空间并不把自己包装成一所用 AI 提分的学校，而是围绕未来数十年人类面对的挑战，构造不同主题的“虚拟学园”，把书籍、AI 工具、硬件体验、分享和讨论放进同一个空间；团队把这种按问题触发、即时调用资源的方式称为 OLL 学习法。这里最有价值的不是其概念是否已经成熟，而是它把学习的起点从“今天要上哪一课”，改成“我正在面对什么问题，需要调动哪些人、书和工具”。来源：惊奇 AI 探索空间公开报道

同样的思路也开始进入校内空间。香港中文大学（深圳）人工智能与机器人学院面向 K—12 提供的实验室方案，把空间、课程、教师发展、赛事、研学和成果展示放在一起，强调学生要在真实问题中经历观察、设计、编程、调试、协作与展示。它仍属于建设方案而非成效评估，却比“开一门 AI 通识课”更接近学校组织方式的改变。来源：AIRS

第四条路线：中国公办学校不是复制新物种，而是在原有系统中重新编排

中国并不缺少“新模式”的萌芽，只是它们往往不是以一所完全不同的 AI 学校出现，而是在公办学校的课程、课题、教师协作和学校治理中慢慢长出来。

上海的公开案例中，华东师范大学第四附属中学尝试以学习轨迹和评估反馈形成数据闭环，同时重构学生自主管理、教师教学和校园管理三个空间；杭州春晖小学则把 AI 放进科学探究、英语任务、跨学科项目和教师教研，学生不只是使用工具，而是完成从问题到作品的学习链。它们与 Drew 的相同点，是都在改变“课堂之外的组织方式”；不同点是，它们没有宣称用 AI 取代半天课堂，而是从学科教学和教师判断开始渐进改造。上海案例　杭州春晖小学案例

北京的中小学 AI 教育工作方案也把 AI 学伴、个性化自适应学习放进跨学科、大单元和项目式教学的语境，并强调“师—生—机”关系，而非“机器替代老师”。这更接近中国当下的现实命题：不是另起炉灶，而是让 AI 同时帮助学生学习、教师备课和教研，同时保留学校对目标、过程和价值的主导权。来源：北京市中小学人工智能教育工作方案

对中国学校的启发，不是复制一所“AI 学校”

中国大多数学校不可能也不需要把小学直接开进大学校园。但这个案例可以反过来帮我们检查自己的 AI 使用：如果一个工具每周替教师节省了几个小时、替学生缩短了部分重复练习，我们有没有明确把这段时间还给什么？

1. 哪些练习适合交给自适应工具？ 重复巩固、即时反馈和因人而异的节奏，可能适合得到支持；首次理解、复杂讨论、合作表达和价值判断，不能轻易被压缩为屏幕任务。
2. 省下的时间留给谁？ 是增加新的可量化练习，还是留给阅读、实验、运动、项目、同伴讨论和教师的一对一交流？没有这一步，AI 的“效率”只会变成更密集的课表。
3. 怎样知道学生真的成长了？ 除了答题速度和完成量，还要看学生能否提问、解释、合作、持续投入并在新情境中解决问题。

The Drew School 还没有给出答案，它只是把一个原本藏在产品功能里的问题摆到了校园中央：如果 AI 能更快地教会一部分知识，教育最值得被保留下来的时间，究竟应该拿来做什么？

未来学校的竞争，可能不在于谁拥有更聪明的学习软件，而在于谁更认真地对待被软件腾出来的每一个下午。