——從STEM教育的制度性困境看中美教育改革
2025年1月，美國國家科學、工程和醫學院（National Academies of Sciences, Engineering, and Medicine，簡稱NASEM）發布了一份值得中美教育界認真閱讀的報告：《轉型本科STEM教育：支持公平而有效的教學》（Transforming Undergraduate STEM Education: Supporting Equitable and Effective Teaching）。這份388頁的研究報告，在系統梳理數十年教育研究的基礎上，提出了一個頗有分量的判斷：美國大學雖然投入大量資源培養科學、技術、工程和數學人才，但經過研究檢驗的有效教學方法，仍然只惠及相對少數的學生。問題已經超出個別教師的教學水平，涉及課程設計、大學管理、教師激勵以及學生獲得教育機會的整個制度環境。
這份報告有一個重要特點。它沒有把美國STEM教育(科學Science、科技Technology、工程Engineering及數學Mathematics教育)面臨的困難簡單歸咎於學生不夠努力、教師不夠優秀，也沒有把提高科學教育質量等同於增加實驗室、引進先進設備或者擴大招生。報告試圖回答一個更基本的問題：為什麼教育研究已經積累了大量關於有效學習的知識，美國大學卻仍然難以將這些知識普遍轉化為日常教學實踐？
這個問題同樣值得中國思考。今天的中國擁有龐大的理工科學生群體，工程人才培養規模巨大，在不少科技領域已形成完整的人才培養和研究體系。然而，教育規模的擴大、考試成績的提高以及科學論文數量的增加，究竟在多大程度上意味著學生原創能力、獨立判斷能力和科學探索能力的同步提高？這一問題仍需持續檢驗。
美國的問題是，長期強調個體選擇與學術自主的大學制度，未能充分保證每個學生都能獲得高質量的科學教育。中國的問題則可能是，組織動員和標準化訓練具有規模優勢，卻容易使教育目標過度集中於可以量化的考試、升學和學術產出。
兩國的教育傳統、制度環境和社會條件差別很大，但它們面臨著一個共同挑戰：當培養掌握知識的人已經不再足夠，教育制度能否轉向培養能夠發現問題、創造知識並獨立判斷的人？尤其值得注意的是，這份報告發表於生成式人工智能迅速改變知識生產與傳播方式的時期。當機器越來越擅長解釋概念、求解習題、編寫程序和輔助研究，傳統教育依賴知識傳授建立起來的優勢正在受到沖擊。美國大學需要反思，中國學校同樣無法回避。
美國STEM教育的困境：為什麼優秀的科學研究沒有帶來普遍優秀的科學教學？
美國擁有一批世界領先的研究型大學，產生過眾多諾貝爾獎獲得者，也擁有相對成熟的科學研究、大學自治與創新創業制度。人們很容易據此推斷，美國大學的科學教育一定同樣先進。
NASEM的報告卻揭示了另一面。美國大學的科學研究能力與本科教學質量之間，並不存在必然的對應關係。一位優秀的物理學家可能是出色的研究者，卻未必懂得如何讓不同知識基礎的學生學會物理。一所大學能夠獲得巨額科研經費，也不意味著其一年級學生必然獲得有效的基礎科學教育。
這種矛盾部分來自美國研究型大學長期存在的激勵結構。科研論文、研究經費、學術聲譽與教師職業晉升之間聯系緊密，教學質量卻往往更難衡量，也難以獲得同等程度的職業獎勵。其結果是，大學在制度上高度重視知識發現，卻未必同樣重視知識如何被下一代學生真正掌握。
報告指出，單純依賴講授、閱讀、記憶公式和重覆計算的教學方式，通常不及那些允許學生主動參與學科實踐、運用知識分析真實問題的方法有效。尤其是在基礎課程中，教學安排可能使學生過早退出STEM學習，而這些學生並不一定缺乏進一步發展的潛力。
這裡涉及一個常被忽略的教育悖論。大學原本通過基礎課程幫助學生進入科學世界，但某些基礎課程實際上承擔了篩選和淘汰的功能。學生在第一次接觸微積分、物理學或程序設計時，如果未能迅速適應既定教學方式，便可能認為自己不適合科學研究。
這種判斷未必準確。它可能反映學生準備程度的不足，也可能反映教學方法、課程設計和學習支持體系的問題。當然，科學教育必須保持學術標準，不能因為追求更多學生通過課程而降低專業要求。真正需要區分的是，學生未達到必要知識標準，究竟因為缺少相應能力和努力，還是因為大學沒有提供足夠有效的學習條件。
科學教育需要篩選專業能力，但不應該讓教學方式自身成為不必要的淘汰機制。這一原則對美國具有現實意義，對中國同樣如此。
NASEM報告的真正價值：從教學方法改革走向教育制度改革
報告提出七項公平而有效的STEM教學原則，包括學生主動參與學習、重視不同學生的知識與經驗、認識學習的情感和社會因素、關注身份認同與歸屬感、利用多種數據改進教學、根據具體環境靈活調整教學，以及通過清晰的教學目標和透明的評價方式提供公平機會。
值得注意的是，報告對這些原則的證據強度作了區分。前五項擁有比較充分的學習科學研究支持，後兩項的證據基礎相對薄弱，還需要進一步研究。這種審慎態度本身值得教育研究者學習：提出一個合理的教育理念，與證明它確實能夠改善學習結果，是兩件不同的事情。
這七項原則可以歸納為三個層次。第一個層次是學習方式。學生必須主動參與知識形成的過程。學習科學不只是記住科學結論，還要理解結論如何產生，為什麼成立，在什麼條件下可能被推翻。對於學習物理的學生，能夠準確使用牛頓定律十分重要，但理解牛頓為什麼提出這些定律，以及這些定律如何受到實驗檢驗，同樣重要。
第二個層次是學習者。學生的興趣、經驗、身份認同、情緒狀態和社會關係都會影響學習。科學教育不能只關注學生最終答對了多少問題，還應關注學生是否理解學習目標，是否敢於提出疑問，是否能夠從失敗中繼續學習。歸屬感的重要性並不意味著降低學術標準，而是要求教育制度避免讓原本可以發展的學生，因為不必要的社會和心理障礙過早放棄科學學習。
第三個層次是教育制度。即使一位教師掌握了先進的教學方法，如果學校仍然主要按照考試成績、科研論文或短期升學率評價教師，那麼這種改革也很難持久。
正是在這里，報告超越了一般的教學改革建議。它要求大學院系共同審查課程設置和先修課安排，要求學校為教師提供持續的教學專業發展機會，也要求研究生和博士後培養體系正式重視教學能力。教育質量不應依賴少數優秀教師的個人熱情，而需要成為大學制度持續承擔的責任。
這一判斷可以進一步發展為一個教育制度理論：學生能否有效學習，既取決於個人學習能力，也取決於教育組織能否持續發現和糾正自身的教學失誤。
教師發現某個班級理解不了一項概念，應該有機會調整教學；一個院系發現大量學生在同一門基礎課上失敗，應該審查課程結構；一所大學發現不同背景學生持續出現學習結果差距，應當研究差距形成的原因。經過檢驗的改進措施，還應該進入教師培訓、課程管理和學校評價體系。
當這種反饋與糾錯機制建立起來時，教育改革才可能從教師個人的努力變成整個制度的學習能力。這也許是NASEM報告最值得中美兩國借鑒的思想。
對美國教育的啟示：科學強國也需要重新學習如何教育
美國首先需要解決的問題，是大學科研激勵與本科教學責任之間長期存在的不平衡。
大學教師的研究自由和科學創造力，是美國高等教育的重要優勢，不能因為強調教學改革而削弱。但是，大學有必要改變一種隱含的價值排序：發現知識受到高度重視，幫助學生真正學會知識卻容易被視為次要工作。
美國研究型大學可以把經過同行審議的課程改革、學生概念理解的改善、教學研究成果和跨學科教學貢獻，更明確地納入教師晉升評價。同時，避免把教學質量簡單折算為學生滿意度或課程通過率。學生可能喜歡輕松的課程，但輕松未必意味著學到了更多；嚴格的課程也未必能夠自動證明教學有效。
第二項改革是重新審視大學基礎課程的功能。微積分、普通物理、普通化學和程序設計等課程，既為後續專業學習建立基礎，也常常成為決定學生能否繼續學習STEM的關鍵環節。美國應當通過更好的診斷性評價、分層學習支持、輔導制度和課程銜接，減少那些可以避免的學習失敗。
這不意味著所有學生都必須成為工程師或科學家。學生在充分了解專業要求和自身興趣之後，當然可以選擇其他發展道路。教育制度需要保證的是，他們的選擇盡可能建立在真實的能力、興趣與經驗之上，而非源於第一次考試失敗所形成的自我否定。
第三項改革涉及教育公平。美國關於教育公平的公共爭論，經常集中在大學錄取標準、族裔差異與招生政策上。然而，進入大學只是接受高等教育的開始。來自低收入家庭、農村地區或第一代大學生家庭的學生，即使獲得了入學機會，也可能因為中學準備程度、經濟壓力、學術支持不足以及對大學制度不熟悉而面臨不同的困難。
NASEM報告的重要貢獻，是把公平的討論延伸到教學本身：進入同一間教室，並不保證每個人擁有同樣有效的學習機會。
這種理解有助於超越美國教育公平爭論中的某些對立。教育公平不能只以大學錄取人數衡量，也不能用身份分類取代對個體能力和具體處境的判斷。更有意義的檢驗是，在保持明確學術標準的前提下，學校是否盡可能幫助不同學生獲得發展能力的機會。
最後，美國還應當重視教育政策的連續性。大學教學改革通常需要多年積累，而公共財政、政治環境與學校領導層的變化，都可能影響改革的穩定性。因此，教學改進機制最好建立在透明的學習證據、明確的專業標準和持續的制度評價之上，而不完全依賴短期政策運動。
對中國教育的啟示：從知識競爭轉向發現能力競爭
如果說美國需要更加重視教育制度內部的公平和有效性，那麼中國更需要思考如何把已有的知識訓練優勢轉化為獨立探索與原創發現能力。
中國學生在系統學習、持續訓練和標準化考試方面有著相當豐富的經驗。龐大的學校體系也能夠較快地推廣統一課程、培養大量具有專業知識的學生。這些能力是中國發展現代科學技術的重要基礎。
但這樣的優勢也存在邊界。知識掌握得越熟練，未必意味著越能發現新問題；解題速度越快，未必意味著科學創造力越強。科學史上許多重要發現，恰恰來自研究者對既有問題框架的懷疑。
教育制度如果長期把標準答案視為學習的主要終點，就容易使學生形成一種習慣：遇到問題時首先尋找已有答案，而較少追問問題本身是否成立。
由此可以提出中國教育改革的第一個方向：在保持紮實基礎知識訓練的同時，把發現問題的能力正式納入教育目標。
一堂科學課可以要求學生解出習題，也可以要求學生指出題目中隱含的假設；一次實驗可以要求學生驗證現有結論，也可以允許學生設計不同的檢驗方法；一篇大學論文可以評價學生掌握了多少文獻，也應評價他是否提出值得進一步研究的問題。
這些改革看似發生在課堂內部，最終卻會觸及考試與評價制度。只要高考、大學專業評價和科研訓練仍然過度依賴容易量化的標準，學校就很難持續獎勵那些需要較長時間才能體現價值的探索行為。
不過，中國的改革也不能走向另一個極端。批判性思維不能脫離知識基礎，科學探索不能用自由討論代替嚴格訓練。沒有紮實數學基礎的學生，很難真正理解高等物理；缺少系統文獻訓練的研究生，也很難形成有價值的原創問題。
中國需要探索的是一種更加完整的教育結構：基礎知識訓練保證學生擁有進入專業領域的能力，開放性問題訓練幫助學生理解知識的局限，研究實踐培養學生發現和解決未知問題的能力。
這種改革還需要向基礎教育延伸。2025年，中國教育部印發《中小學科學教育工作指南》，明確提出激發學生的好奇心、想象力和探求欲，培養批判思維與創新能力。2026年進一步推動的科學教育“做中學”改革，也明確指出，長期以來重知識結論、輕探究過程，重課堂講授、輕動手實踐，已經成為需要改變的教學傾向。
這說明，中國並非沒有認識到問題。政策方向已經發生變化。
真正困難的是如何讓這些目標落實到日常學校生活中。
如果學校一方面要求學生開展科學探索，另一方面仍然主要依據統一考試成績評價學校與教師，那麼探索活動就容易淪為展示性的課程。如果學校鼓勵學生提出問題，卻無法在課堂上給予足夠討論時間，那麼所謂創新教育也可能停留在口號。
中國的科學教育改革，關鍵在於形成目標、課程、考試、教師評價之間的一致性。
中國尤其需要警惕：把教育問題過度轉化為資源投入問題
NASEM報告對中國還有一個不容易被注意到的啟示：改善教育不能只靠增加資源。中國教育改革長期重視學校建設、實驗設備、數字平台、教師數量以及大學科研條件。這些投入十分必要。尤其對欠發達地區而言，基本教育設施和合格教師仍然是保證教育質量的重要條件。
然而，擁有實驗室並不意味著學生能夠獨立開展實驗；擁有智能教學平台並不意味著學生形成了主動學習能力；一所大學投入大量資金購買先進設備，也不意味著本科生必然獲得更多自主研究機會。
教育資源只有經過合理的課程組織和教學活動，才能轉化為學生的學習能力。這涉及教育改革中的一個重要問題：如何衡量投入的有效性？
學校不應只報告建成多少實驗室、購買多少教學設備、舉辦多少科學競賽，還應該持續了解學生是否學會設計實驗、解釋數據、識別錯誤，以及能否把知識應用到陌生情境之中。
尤其需要防止一種現象：科學教育成果不斷轉化為競賽獎牌、獲獎項目和學校榮譽，而普通學生的科學理解能力沒有得到相應改善。
科學競賽對於發現和培養具有特殊潛能的學生具有積極價值，但競賽成績不能替代對整個學生群體學習狀況的評價。
這也是教育公平在中國語境下的一項重要含義。中國需要關心的教育差異，包括城鄉之間、地區之間、不同收入家庭之間的資源與機會差異，也包括普通學校和重點學校、普通學生和競賽學生之間的學習機會差異。
擴大優質教育資源覆蓋範圍，重要的是讓更多學生擁有實際參與科學學習與探索的機會。
從這個意義上說，NASEM報告所討論的教育公平，與中國需要推進的教育質量改革可以相互支持。高質量科學教育不應該只是少數拔尖學生的特權。
人工智能帶來的新挑戰：當機器會解題，學生還需要學什麼？
NASEM報告發表於2025年，其重點是本科STEM教育長期存在的教學與制度問題。報告也注意到人工智能等技術對教育環境的影響，但它沒有把生成式AI視為已經得到充分驗證的教育改革解決方案。因而，以下分析是從報告的教學原則出發，對AI時代教育變革所作的進一步推論。
傳統科學教育有一個基本假設：學生必須通過反覆學習、記憶和解題，逐漸掌握專業知識和技能。這一假設至今仍然成立，但其具體實現方式正在改變。
當人工智能能夠快速解答許多數學題、解釋物理概念、編寫計算機程序，甚至協助研究人員提出科學假說時，學校就必須重新思考，學生在學習過程中究竟需要親自完成什麼。
如果學校繼續把能夠得到正確答案作為主要評價依據，那麼越來越多的傳統學習任務都可能被機器完成。學生提交的作業看上去更加準確，個人理解卻未必同步加深。
這里出現了一個比傳統考試作弊更加深刻的教育問題：學生能夠借助AI完成任務，是否意味著他已經獲得完成這項任務的能力？
答案顯然不能簡單地畫上等號。
利用AI完成一道數學題，可能幫助學生理解原來不會的知識，也可能使他繞過必要的思考過程。關鍵取決於AI如何介入學習，以及學生是否能夠解釋、質疑和獨立運用最終獲得的答案。
因此，AI時代的科學教育應當逐步建立兩種相互補充的學習能力。一種是獨立認知能力。學生必須具備基礎數學、科學概念、邏輯推理和證據判斷能力，即使沒有AI，也能夠理解關鍵問題並作出基本判斷。另一種是人機協同認知能力。學生能夠利用AI擴大研究範圍、探索不同假設、開展模擬與數據分析，同時識別模型可能出現的錯誤，理解計算結果的適用邊界。
兩種能力都不可缺少。沒有獨立認知能力，學生容易成為AI答案的被動接受者；缺少人機協同能力，學生又可能無法充分利用新的知識工具。
未來學校評價學生的方式，也需要相應改變。除了檢驗學生能否獨立完成必要的基礎任務，還可以要求他說明使用AI的過程、驗證答案的方式，以及哪些判斷由自己獨立完成。同樣是一道覆雜的工程設計題，學生使用AI獲得若干設計方案之後，能否指出方案的物理限制、安全風險與成本差異？在人工智能給出彼此矛盾的解釋時，他能否依據科學證據作出判斷？
這些能力可能比單純追求解題速度更加接近未來科學工作的要求。不過，也要警惕另一種過度樂觀：不能因為AI能夠提供個性化解釋，就認定它已經可以替代教師、同伴合作或真實實驗。AI輔助學習能否帶來持久的知識遷移和獨立能力增長，還需要在不同年齡、學科和教育環境中接受嚴格檢驗。
對美國而言，AI可能幫助更多基礎薄弱的學生獲得及時學習支持，但也可能擴大不同家庭和學校在技術資源、數字素養方面的差距。對中國而言，AI可能成為改善城鄉教育資源差異的工具，也可能進一步強化標準答案導向，使學生更加依賴機器完成任務。
因此，AI教育改革需要解決的根本問題，是技術如何增加學生的認知能力，而不只是增加學生完成任務的數量。
從STEM教育改革走向教育哲學改革
NASEM報告主要是一份關於美國本科科學教育的研究報告，但其討論能夠引出一個更廣泛的教育哲學問題：教育制度究竟應該以什麼作為成功的標準？
工業社會逐步形成的大規模學校制度，強調統一課程、明確進度、標準化評價和相對穩定的職業準備。這一制度曾經大幅擴大教育機會，也為現代科學技術和經濟發展培養了大量人才。它的價值不能被輕易否定。
但當知識更新速度加快，職業結構不斷變化，人工智能越來越深入地參與知識生產，學校教育就不能僅僅幫助學生掌握一套已有知識。它還需要培養學生在陌生環境中繼續學習、調整判斷並重新組織知識的能力。
這種能力可以稱為教育中的認知可修正性。一個具有認知可修正性的學生，能夠形成自己的判斷，但不會把判斷當作永遠不可改變的結論；能夠堅持科學原則，也能夠在新的證據出現時改變原來的解釋；能夠利用已有知識行動，也能夠意識到知識可能存在邊界。
相應地，一所具有認知可修正性的學校，應當能夠根據學生真實的學習狀況調整課程，根據新的教育研究改進教學，根據技術與社會變化重新檢驗教育目標。這就把教育改革從課堂方法提升到制度運行層面。
長期以來，人們習慣把教育改革理解為由政府或大學管理者制定新政策，再由教師和學生執行。這樣的改革能夠實現規模化推廣，卻也容易形成自上而下的單向過程。
NASEM報告提出的制度改革思路，提醒我們重視另一條路徑：教育體系需要建立來自學生學習經驗、教師教學實踐和教育研究證據的持續反饋機制。
中國擁有較強的政策協調和組織實施能力，美國擁有相對多元的大學體系、教學研究機構和制度實驗空間。兩國都應當充分利用自身優勢，同時彌補相應的制度弱點。
美國可以通過更有效的跨學校研究與經驗推廣，減少成功教學方法難以普及的問題；中國則可以在統一教育目標之下，給予學校和教師更充分的教學實驗空間，允許經過審慎設計和評價的不同課程方法相互比較。
這種比較不應演變為簡單的中美教育優劣判斷。兩國最值得共同追求的，是把教育體系本身建設成一個能夠不斷學習的制度。
未來的教育競爭，將是發現能力與制度學習能力的競爭
2025年NASEM報告提出的問題，表面上看是美國本科STEM教育改革，實際上涉及現代學校制度的共同難題：我們已經知道了許多關於有效學習的科學知識，為什麼教育制度仍然難以充分運用這些知識？
這一問題在人工智能時代變得更加緊迫。未來，美國仍然需要培養優秀的科學家和工程師，中國也需要繼續擴大高水平科技人才隊伍。但一個國家的科學競爭力，不能只通過大學排名、科研經費、畢業生人數和學術論文來理解。
還應當追問：有多少學生通過教育發現了自己的科學興趣？有多少人獲得了提出原創問題的能力？有多少學生即使沒有成為科學家，也真正理解了科學證據、科學方法和獨立判斷的重要性？
對美國而言，改革的重點是把先進科學研究所積累的知識，更廣泛地轉化為高質量教學，並使教學責任得到持續的制度支持。
對中國而言，改革的重點是在保持系統知識訓練和規模化培養優勢的同時，進一步發展學生的獨立思考、開放探索和原創發現能力。
而對兩國共同的未來而言，還有一個更加深刻的問題：當人工智能越來越能夠幫助人類尋找答案，學校還能否培養出善於發現問題、判斷答案並不斷修正自身認識的人？
這將成為教育改革成敗的重要標準。下一輪國際教育競爭，重要的將不只是哪個國家能夠更快地傳授知識，還包括哪個國家能夠使更多人具備發現未知的能力，以及哪個國家的教育制度更善於從自己的失誤中學習。
轉載自《AI中國》
