有了 AI,我们为什么还要学那么多知识?什么才算你自己的判断?
原文链接: https://elearningproject.eu/wp-content/uploads/2020/01/Critical-Thinking-Why-Is-It-So-Hard-to-Teach.pdf 来源: elearningproject.eu 发现于: 小互 · AI 解读站 · 2026/11/5 说明: 本文由 AIHot 自动聚合(原文即中文,未翻译)。正文取自小互 AI 解读
全文 Markdown · 会员
作者:Arts Education Policy Review11-05 · 约 8 分钟⚑ 研究论文🎧 听播客版0:00 / --:--
视频/音频
0:00 / --:--
你把两辆车的油耗记录交给 AI。它告诉你,A 车更省油,很可能是因为发动机效率更高。解释听起来很顺。可如果 A 车跑的是高速,B 车跑的是市区,这两份记录能说明发动机的差异吗?
你当然可以再让 AI 列出十种可能。但要从这些解释里挑出值得查的那几个,你得知道路况、驾驶方式和车辆本身都可能影响油耗,也得看出手里的记录缺了哪些信息。知道得越少,越难分辨哪些理由有根据,哪些只是说得通。
认知心理学家丹尼尔·威灵汉姆(Daniel T. Willingham)早在生成式 AI 普及前就讨论过这个难题。他梳理的研究发现,能不能用好一种思考方法,取决于你对眼前的问题懂多少,以及有没有在具体问题上用过这种方法。今天,这个发现也可以用来理解我们和 AI 的分工。AI 给了一个解释之后,接不接受它,仍要看你能用什么证据来判断。
懂得思考方法,为什么还是判断不了?
人们总习惯把批判性思维想象成某种独立于大脑具体存储内容之外的认知肌肉。仿佛只要学会了“全面审视问题”“寻找反面证据”“保持客观理性”这几条金科玉律,就能在面对任何未知领域时无往不利。
但事实远非如此。你可以无数次告诫学生“要从多个角度看待问题”,他们也完全能够熟练背诵这一要求。可一旦面对一个陌生的议题,如果他们对事件背后的历史脉络、各方利益博弈一无所知,大脑就根本提不出任何有意义的其他视角。
正如脱离实际练习去死记硬背事实知识毫无意义一样,脱离具体学科事实去单练所谓的批判性思维,同样是一场空转。
流行误区:骑车模型
把思维当成独立工具
认为批判性思维是一套通用的思维招式,一旦学会,就能像骑自行车或识谱一样,随时随地套用到历史、科学或日常决策中。
认知科学:缠绕模型
思维与知识无法剥离
思考过程与思考内容死死咬合。哪怕反复告诫自己“全面审视问题”,一旦缺乏该领域的背景事实,大脑依然无法展开有效推理。
威灵汉姆用三个特点来描述批判性思维。有效性是能用证据检验想法,避开只看一面的偏差。新颖性是遇到陌生问题时能重新推理。自主性是由思考者自己决定该查什么、怎样解释证据。
正因为这种高质量思考要求大脑不仅要调用策略,更要调动对现实世界的精准理解,它才无法被压缩成一套随时随地可以调用的通用程序。
大脑总被“表层故事”拽着走,看不见“底层算式”
为什么我们在一个领域学会了严谨思考,换个场景就立刻被打回原形?核心的认知瓶颈在于:大脑天生容易被问题的“表层结构”吸引,难以穿透到底层的“深层结构”。
大脑拥有一套极其高效的理解机制。当你听到或读到一句话时,认知系统会立刻调集你过去的背景记忆来收窄词义,保证理解顺畅进行。比如在一段讨论国际版权争议的文字后,读到英文 Bush,你会立刻联想到当时的美国总统布什,而绝不会想到它的另一个词义‘灌木’。这种机制极大地提升了日常阅读与交流的效率,却也带来了一个副产品:它让大脑的注意力牢牢锁死在问题表面的情节上。
在一项经典的认知实验中,参与者先读过四道应用题及其详细解法并评估文字清晰度,其中包括一道关于在菜园里购买蔬菜、利用“最小公倍数”求解的题目。随后,研究人员给他们出了一道新题:某高中军乐团在排练游行方阵,排成12人一行、8人一行或3人一行时,都会多出一人;只有排成5人一行时队伍才能正好排满,已知乐团人数至少45人、少于200人,求乐团人数。
两道题外在描绘的故事毫无关联,但底层的数学模型完全一致。然而,实验中仅有19%的参与者能看出这两道题是一回事并自主迁移解法。
19% 自主迁移率读过菜园问题及解法后,不到两成参与者能看出仪仗队问题考的是同一种数学模型
35% 明确提示后实验人员提示两题类似后,解决率升至35%,仍有近三分之二参与者未能独立解出
即便实验人员给出明确提示,告诉他们“这道题和刚刚的菜园题很像”,解出答案的比例虽然升至35%,但仍有近三分之二的参与者即便被告知方向,依然无法在乐团排队的情境里还原出最小公倍数的运算。
“找找这两道题的共同点”是一种元认知策略,也就是提醒自己换一种思路。提醒能把注意力引到该看的地方。真正看出两题之间的联系,还要懂题目里的数学关系。你也可以让 AI 提醒自己检查证据,可接下来要查哪条证据,得回到具体问题里找。
顺利迁移往往发生在底层结构被长期而高频地反复操练、以至于深入骨髓的时刻。在一项对比实验中,面对一道需要“在黑暗洞穴中留下追踪标记以防迷路”的谜题,约75%的美国大学生想到了利用身边的沙子在地上沿途留下痕迹。研究者认为,这与他们从小熟悉沿路留记号寻找回家路的童话有关,深层结构已成为可调用的经验。而换成另一道根据中国传统民间故事改编的谜题时,两国学生的解题比例则发生倒挂。
只有当某种深层结构在你的记忆网络里被反复激活,面对不同的外在包装时,你才能一眼认出它的骨架。
三岁孩子懂因果推断,成年科学家照样掉进偏见
批判性思维绝非成年人的特权,也绝非受过高等教育之后才能解锁的高级技能。哪怕只有3岁的幼儿,在适宜的情境下也能展现出惊人的条件因果推理;反过来,哪怕是拥有博士学位的科学家,一旦离开熟悉的专业领域,其思维表现也可能与常人无异。
发展心理学家曾设计过一个精巧的“发声盒”实验。研究人员向3岁幼童展示一个特制的盒子,只要放上特定的积木,盒子就会响起音乐。

3岁孩子就能做出的因果推断:
当积木单独或组合放置在发声盒上时,幼儿能根据发声的条件概率,判断积木是否能触发音乐。
在第一组测试序列中,立方体积木单独放置能触发机器发声,圆柱体积木单独放置则机器保持沉默;随后两块积木同时放上去,机器再次发声(演示两次)。当被问及每块积木是否是发声器时,3岁孩子准确指认立方体是发声器,并排除了圆柱体。
而在第二组测试序列中,立方体单独放置发声三次;圆柱体单独放置不发声一次、单独发声两次。此时面对同样的提问,孩子们在两块积木之间作出了均等选择。
值得注意的是,单看每块积木与音乐出现的次数,两组序列完全相同(立方体伴随音乐三次,圆柱体伴随无音乐一次、伴随音乐两次)。两组的核心区别在于:第一组中圆柱体与音乐同现时,立方体始终在场,音乐可由立方体解释;而第二组中圆柱体自己就能单独触发两次。3岁幼儿敏锐地捕捉到了这种发声条件的变化,据此作出了截然不同的因果判断。
单块出现次数完全相同,关键在独立还是伴随
第一组:伴随发声
圆柱体无法单独发声
立方体单独响1次;圆柱体单独不响1次;两者一起放响2次。圆柱体发声时立方体总在场,幼儿准确判断圆柱体不是发声器。
第二组:独立发声
两块积木均能触发
立方体单独响3次;圆柱体单独不响1次、单独响2次。两块积木各自都能独立触发,幼儿在两者之间作出了均等选择。
幼童已经能够依据具体的条件概率来推断事物间的因果关联。然而,这样严谨的逻辑推理在受过高等教育的成年人身上却常常缺席。
医学研究发现,许多资深医生在面对与自己初步诊断相冲突的新化验指标时,会本能地忽视或曲解新数据,极易落入确证偏见的陷阱。面对陌生领域的条件概率问题时,博士层级的科学家也经常做出不合逻辑的推断。广泛的专业训练确实能扩大一个人部署批判性推理的范围,但绝不意味着在所有未知场景下都能免于犯错。
批判性思维并不是一种一旦点亮就永远常驻的技能。教学生学会批判性思考,与其说是向他们传授某种神秘的全新思考姿态,不如说是让他们在拥有足够事实储备的前提下,懂得在恰当的时机调出恰当的认知工具。
知道得越多,越能看出哪些解释值得查
许多教育方案试图将“像科学家一样思考”提炼为一套脱离具体科目的探究流程:提出假设、设计对照实验、排除干扰变量、分析反常数据。但认知科学研究表明,离开具体的科学知识,这些所谓的方法论全会沦为无的放矢。
回到开头的油耗记录。发动机、胎压、路线都可以列成假设,可你只有两份走了不同路线的记录,眼下更值得查的是路况差异。车漆颜色通常排不到前面。但如果换了车漆之后驾驶习惯也变了,这条线索就有了值得查的理由。油耗数字可以现查。值得提前学的是哪些因素会改变油耗,以及不同条件下的数字该怎么比。
科学思维每一步,都在向背景知识借力
提出假设 只排查符合领域常理的变量。没有人会去测车身颜色与油耗的关系,除非有具体的物理或心理学依据支持这种可能。
控制变量 仅知道“要设对照组”毫无用处,必须知道在当前实验中有哪些看不见的变量会干扰结果,才能精准控制。
发现反常与解读数据 只有大脑里预先建好了对事物规律的预期模型,面对意外偏差或实验数据时,你才能读出其蕴含的真正意义。
在控制变量的教学中,情况同样如此。研究人员曾给小学二至四年级的学生明确讲授控制变量策略,并在弹簧拉伸实验中带着他们动手练习。随后的测试显示,孩子们不仅掌握了这一策略,在七个月后面对完全不同的实验材料和新的实验人员时,依然能够成功运用,其中年长儿童的迁移表现更为稳健。不过,学生知道要控制变量是一回事,能否在具体任务中成功控制住所有相关变量则是另一回事——这完全取决于他们是否清楚在当前情境下,究竟有哪些变量会真正产生影响。
在另一项针对初二学生的对比测试中,学生们在电脑模拟的“虚拟生物存活”实验中表现出色,能设计出非常严密的对照组;然而换到“泳池水温散热”的实验任务时,他们设计的实验表现却明显逊色。原因在于他们日常对生物的食物、天敌等变量极为熟悉,而对水温受表面积与体积比值的影响缺乏感知。
哪怕是科学研究中关键的“识别反常数据”与“解读实验结果”,也彻底依赖于研究者原有的知识积累。数据之所以被称为“反常”,是因为它击穿了研究者头脑中预先建立起来的内在模型。如果对系统原有的运行规律一无所知,面对实验数据时就无法读出其蕴含的真实意义,意外偏差在你眼里也只是一串毫无价值的杂音。
对40项科学解题教学实验的元分析显示,真正见效的方法重在解题过程中帮助学生构建整合的领域知识库(例如通过概念图练习);而那些纯粹传授解题思维步骤、脱离具体知识的课程,往往收效甚微。
脱离知识的思维特训班,收效甚微且代价高昂
正因为人人渴望获得思维捷径,教育市场上层出不穷地涌现出各类脱离学科内容的“思维专项课”。它们有的用无意义的几何图形让学生找规律,有的让学生阅读侦探故事破案,有的则组织日常话题的大讨论。
许多评估研究显示,部分思维训练项目确实能带来一些积极效果,其成功与否很大程度上取决于教师能否提供及时的关键反馈,部分收益也可能来自训练帮助学生养成了调动元认知策略的习惯。然而,大量评估本身存在明显的方法局限:常见的局限包括项目结束后只测一次、缺少对照或可比较的干预,以及未检验能否迁移到不同材料。
更关键的是,这些项目显现的效果严重局限于与训练题目高度相似的材料。一旦测试材料与训练内容逐渐拉开距离,所谓的思维提升就会迅速减弱。
背后的认知规律其实非常朴素:你思考什么,就记住什么。
如果学生长期练习抽象逻辑谜题,他们更可能擅长的就只是解题程序本身,很难将这些招式无缝搬进历史或科学分析中。这种有限的收益,必须放在巨大的机会成本下来权衡:在长达数年的专项思维课程中,学生每周投入数小时在架空的练习上,而这段宝贵的时间,原本可以让他们沉浸在历史文献、自然科学和文学作品中,去构建坚实广博的真实世界常识。
在具体问题上练,判断力才会长出来
既然脱离内容的通用思维并不存在,我们是否就该放弃批判性思维的培养?认知科学给出的答案是否定的。关键在于彻底颠覆教学的切入方式:停止追求架空的通用特训,把具体的思维策略深深织入真实学科的知识肌理中。
从“盲目套用”到“自主思考”的教学阶梯
- 生活经验破冰用学生熟悉的生活场景(如冰淇淋销量与犯罪率的伪相关)引出思维陷阱。
- 明确策略命名给这种思维方式起一个清晰标签,比如“寻找潜在的第三变量”,并在不同例子中反复指认。
- 嵌入学科直接在历史、科学或数学课的真实材料中练习,绝不脱离知识去刷架空的抽象谜题。
- 逐步撤去提示从老师明确提醒“这里该用哪个策略”,过渡到学生面对陌生专业问题时自发展开审视。
认知科学家给出了四条行之有效的实践路径:
其一,借助生活经验为复杂概念架桥。当学生尚未建立起某一学科的深厚知识时,可以用他们熟悉的生活经验先引出思维模型。例如在历史教学中要讲授“文献来源考证”的重要性,老师可以先抛出一个生活化的问题:学校校报上如果刊登了一篇批评取消课间休息的文章,作者是校长还是三年级小学生,读者的看法会有何不同?在科学课上讲解“相关并不等于因果”时,可以先用夏季冰淇淋销量与犯罪率同步上升的经典生活案例,启发学生理解气温作为隐藏第三变量的作用。
其二,把思维策略明确命名并融入学科。思维方法作为一种抽象调控机制,需要被清晰地贴上标签,比如“寻找替代假说”或“考证来源意图”。在课堂上第一次引入时,至少结合两个生动的具象案例展开说明;在随后的常规历史、科学或数学课中,每当遇到对应的问题情境,就明确点出该策略的名称,带领学生在真实知识中反复操练。
其三,逐步撤去思维拐杖。从最初由教师直接提醒“这里该用哪个策略”,逐渐过渡到仅在关键节点提示,最终促成学生在面对全新问题时能够自发调动策略。但这一过程的前提,是学生对当前问题涉及的知识背景已经足够熟悉。
其四,坚决打破优等生特权论。批判性思维绝不该被当作拔尖学生的专属拓展活动,而让落后学生仅仅机械刷题。正如幼儿发声盒实验所揭示的,人类大脑天生具备批判性思考的底层硬件。普通学生之所以显得“不会思考”,症结往往不是认知硬件有缺陷,而是他们掌握的具体事实储备不足,或是尚未掌握识别调用策略的适当时机。
这种练习可以从你本来就在做的事开始。读一份工作报告时,先挑一个会影响决定的结论,弄懂它用了什么数据,再找一份原始材料核对。做过几次之后,你会慢慢知道这一类报告里哪些数字最值得追问。
什么才算你自己的判断?
还是拿开头那两辆车来说。AI 可以帮你找参数、列出可能的原因,也可以把油耗记录整理成一张表。你看过记录后,可以这样判断。“这两份记录里,A 的油耗更低。两辆车跑的路线不同,现在还说不准差别来自车本身。要比较车辆,我会先找路线、载重和驾驶条件相近的记录。”
这句话里有三件事由你决定。你知道现有证据支持什么,能指出哪个条件让你暂时无法下结论,也说得出找到什么新证据会让你改主意。即使最后采纳了 AI 最初的解释,你也有自己的理由采纳它。
你可以把这三件事用在下一次问 AI 的时候。挑一个你确实要据此做决定的问题,先写下你认为最关键的证据,再让 AI 给出不同解释。选其中一个回到原始材料核查。查到什么程度就说到什么程度,证据还缺一块时,“我现在还不能判断”也是一个可以说明理由的判断。
来源Critical Thinking: Why Is It So Hard to Teach?Daniel T. Willingham·查看主材料
认知科学 · 批判性思维
批判性思维为何无法脱离具体知识单独教授?
AI 能迅速列出十种看似合理的解释,但挑出哪条值得查、当前证据缺少什么,仍需要知道哪些条件会改变结果。 依据 Daniel T. Willingham 梳理的认知心理学研究
你把两辆车的油耗记录交给 AI,它推测 A 车更省油是因为发动机效率更高。解释听起来很顺。可如果 A 车跑的是高速,B 车跑的是市区,手头的记录就根本无法证明发动机的优劣。
要从 AI 列出的可能原因中挑出值得查的那几个,你得预先知道路况、驾驶方式与车辆性能都会影响油耗,也得看出手里的记录缺了哪些控制变量。脱离具体学科事实去单练所谓的批判性思维,就如同学会了“从多个角度看问题”的空泛口诀,面对陌生议题时大脑依然无法提出任何实质洞见。
核心认知机制 · 迁移断层
大脑总被“表层故事”吸引,难以自发穿透到底层的“深层算式”
认知科学经典实验揭示:人们在一个情境中掌握了严谨方法,换个包装就极易失效。核心瓶颈在于人类注意力天生被外在情节锁定。
问题 A · 菜园买菜
求该买多少蔬菜,解法要用到最小公倍数。
问题 B · 高中军乐团排队
排成12人、8人或3人一行都多一人;排成5人正好排满,求人数(至少45人、少于200人)。
底层数学模型完全相同:最小公倍数运算(LCM)
19% 自主识别底层模型并成功迁移解法的人数比例
35% 即便被明确提示“与菜园题很像”后的解出比例
认知启示:“找找共同点”的提示提高了解题率。要把提醒用起来,仍需要看懂题目里的数学关系。
实证反差 · 因果推理硬件
批判性思维绝非受过高等教育者的专属特权,也绝非点亮后永远常驻的通用技能。
在发声盒(blicket detector)实验中,3岁幼儿就能根据两块积木触发音乐的条件,区分它们的作用。
3岁幼儿 · 发声盒实验 看圆柱能否单独触发
第一组,立方体单放会响,圆柱单放不响,合放两次都响。孩子判定立方体能触发音乐。第二组,两块积木伴随音乐的次数相同,但圆柱单放也响过两次,孩子对两块积木的选择接近。
成年科学家与医生 专业训练也防不住偏差
资深医生面对与初诊冲突的新化验指标时容易陷入确证偏见;博士层级的科学家面对陌生领域的概率问题同样频繁给出不合逻辑的推断。
教学生学会批判性思考,与其说是传授某种空泛神秘的思考姿态,不如说是让他们在拥有足够事实储备的前提下,懂得在恰当的时机调出恰当的认知工具。
探究边界 · 变量控制与元分析
探究流程不能悬空:知道“要控制变量”是一回事,知道“哪些变量在起作用”是另一回事。
学生在电脑模拟的“虚拟生物存活”实验中能严密设计对照组,因为他们熟悉食物与天敌变量;然而换到“泳池水温散热”任务时设计表现却明显逊色,原因在于他们不了解水温受表面积与体积比值的影响。科学探究中的“反常数据”之所以能被识别,依赖研究者对系统正常表现的了解。
40项 科学解题实验元分析:见效方法重在整合知识库,脱离知识的思维课收效甚微
正因如此,脱离知识的思维特训班收效甚微且代价高昂。你思考什么,就记住什么。长期练习抽象几何谜题,学生主要会变得更擅长这类谜题,却错失了积累真实世界知识的时间。
先用熟悉的例子教会一个策略,再放进真实学科问题里反复练习。学生熟悉后,逐步撤掉提示。
人机协作 · 独立判断准则
在 AI 时代,什么才算你自己的独立判断?
AI 可以高效拉取参数、列举可能原因,但要形成真正属于你的判断,核心在于由你来决定三件事:
回到油耗记录,先找路线、载重和驾驶条件相近的记录再比较,才更容易分清车辆和路线的影响。
1 **明确现有证据支持什么:**能清晰陈述当前数据能够充分论证的事实边界,不随意过度推论。
2 **指出哪个条件缺失导致无法定论:**指出手头缺少了哪些控制变量或对比样本,解释为何当下不下结论。
3 **说清什么新证据会让你改变想法:**提前定义能够推翻或修正当前假设的反面观察指标。
查到什么程度就说到什么程度。即便最终采纳了 AI 最初的建议,你也有自己经得起检验的根据;证据还缺一块时,“我现在还不能判断”本身就是一个严谨而有力的判断。
↑ 正文结束 ✓ 本篇全文免费开放
读完还有疑问?会员每天能问小互 30 次,每句带出处;还有一份按你口味挑好的每日 AI 日报。 成为会员 $59/年按月 $6.99
7 天内不满意全额退 · 看会员能多什么 →
📮 新解读每晚进邮箱
读完觉得有用?留个邮箱,每晚一封当天的新解读,随时退订。