AI教育白皮书：校内的分层

本文性质： 观察 + 模型（Observation / Model）　证据标签： 观察 Observation／模型 Model／假设 Hypothesis／实证 Evidence

本篇涉及的证据类型：观察 Observation／模型 Model／假设 Hypothesis。凡属本院课堂观察与教学模型的部分，均不作效果承诺。

AI 工具进校后普遍要做的一件事是分层：同一个班分成不同的练习。分层本身不是问题，按什么分才是问题。

分层一旦按分数做，工具最容易变成放大差距的那一环

本院在课堂走访中反复看到同一种情形：分层依据来自最近一次测验的分数，系统按错题量推送不同难度的练习。两三个月之后，靠前的学生做到更难的题，靠后的学生一直在做同一类基础题。拉开差距的往往不是练习的量，而是接触内容的种类。这不是 AI 独有的问题，但 AI 让分层变成了一套自动的默认设置。以上是课堂观察，样本有限，没有对照设计。

三层做法：按卡点分、按权限分、按时间分

本院把分层拆成三条线。第一条，按卡点分：不看总分，看卡在哪一步。同样阅读题错，有人卡在词，有人卡在句子结构，有人卡在不知道要回答什么。三类该拿的练习不同，分数却可能一样。第二条，按权限分：不是难易，而是工具能替你做什么。有人适合直接给示范，有人适合只给提问不给答案。它不改变难度，却改变练习的性质。第三条，按时间分：同一名学生在不同阶段该用不同层级。新单元开头允许工具带一遍，熟练之后必须独立走一遍。三条线里第一条最难，因为它要求先能诊断。

一张分层审查表：四个必答问题

白皮书框架里给了一张分层审查表，用于课程设计，不用于评价学生。四问：第一，依据是总分还是具体卡点。第二，每层差异是难度还是任务性质。第三，多久重看一次，谁有权调整。第四，一名学生最长可以在这层停留多久。第四问最容易被忽略：没有停留上限的分层等于单向通道，进去容易，出来没人管。本院建议把停留期写成具体数字，比如一个单元或三周，到期强制重看。这张表是本院的工作框架，未经信效度检验，也不用于对学生贴标签。

三条边界：不把分层当分流、不把标签交给系统、不让教师失去解释权

三条边界。第一，分层不等于分流。分层是让练习贴合卡点，分流是把人固定到轨道上。判断标准是：分层之后还有没有机会换层。第二，标签不要交给系统。系统能算出正确率，算不出原因；它给出的层级是统计结果，不是诊断结论。把层级直接写进学生档案或家长报告，会让一次统计变成一个身份。第三，教师必须保留解释权。家长问孩子为什么在这一层，要有说得出理由的人回答，而不是一句系统推荐。

今天就能开始

下一次分层之前，先回答四个问题里的第四个：这名学生最长可以在这层停留多久。

本文依据

• 观察来源： 本院 2023 年至今对奥克兰北岸若干课堂与一对一场景的走访与记录回看（非随机抽样、非对照设计），以中学与成人学习者为主。
• 模型出处： 三条分层线与四问审查表出自本院 AI 教育白皮书工作框架，用于课程设计，未经信效度检验，不用于测量学生能力。
• 待验证项： 「按具体卡点分层是否优于按总分分层」为本院待验证假设，尚未控制教师诊断能力与学生起点差异，不能读成因果。
• 外部文献： Tomlinson, C. A. (2014). The differentiated classroom: Responding to the needs of all learners (2nd ed.). ASCD. Slavin, R. E. (1987). Ability grouping and student achievement in elementary schools: A best-evidence synthesis. Review of Educational Research, 57(3), 293-336. Kalyuga, S., Ayres, P., Chandler, P., & Sweller, J. (2003). The expertise reversal effect. Educational Psychologist, 38(1), 23-31.