摘 要：生成式AI的崛起使得知识获取空前便捷，却也引发了教育评价的合法性危机。在AI时代，教育评价面临三重困境：一是评价逻辑异化，从诊断思维沦为标记行为；二是评价价值论危机，即可计算之物消解默会感知并导致学习异化；三是评价主体迷失，从人机协同滑向主体性让渡。针对上述困境，本文提出一种超越工具理性的对话认识论评价范式。该范式并非简单复用苏格拉底“助产术”，而是将其重构为一种包含诊断性对话—形成性对话—建构性对话三层递进关系的深度对话系统，将评价重塑为嵌入学习过程、以揭示思维结构与促进意义建构为核心的“思维引产”实践，以重建AI时代评价的效度与教育性。

关键词：生成式AI；教育评价；苏格拉底式对话；学习本质；学习异化

当前，人工智能（Artificial Intelligence，AI）已被广泛应用于教育诸多领域，学生通过AI可以完成多种书面学习任务。但如果采用苏格拉底对话式教学，即通过启发式的口头对话问答时，学生可能在面对问题时手足无措，这个场景正在全球大学的校园中以各种形式真实上演。康奈尔大学生物医学工程教授克里斯（Chris）描述了一个令人不安的现象，学生们交上来的作业结构工整、思路清晰、表达流畅，答案近乎完美，但当被要求对作业进行口述解释时，很多人却难以回答。美国大学理事会（College Board）一项关于美国高中生使用生成式AI情况的调查显示，在2023年底，已有46%的美国高中生广泛使用AI工具（主要是ChatGPT）来辅助完成学校作业，而截至2025年5月，这一数据已攀升至84%。宾夕法尼亚大学（University of Pennsylvania）的一项研究显示，当使用过AI的学生访问权被剥夺后，其实际表现会比从未使用过的学生更差，生成式AI可能正在损害学习。更令人警觉的是AI也会对学生的认知能力产生深层侵蚀。面对AI来袭，教育评价应该如何做？我们的教育究竟要评价什么？如果评价的对象是正确答案的生产能力，AI显然已经胜出。但如果评价的对象是思考本身的品质，我们不得不追问一个更基本的问题——什么是学习？这意味着还要继续追问——何种评价方式更能够触及学习的本质而非仅仅测量其表象？这不仅是技术层面的挑战，更是认识论层面的追问。

一、AI时代学习本质的审视

学习是什么？我们究竟应从哪些维度评估AI对学习的影响？克劳克斯（Cloux）等对已有研究进行了系统综述并提炼出六个关键维度：技术维度（AI工具的属性与可用性）、学习成就维度（可测量的学习成果）、教学维度（教师的教学方法）、交互维度（学习者与AI、教师、同伴的互动）、情感维度（动机、满意度、焦虑等）、元认知维度（自我调节与反思能力）。可见，AI对学习的影响是多重的。因此，有必要对学习的本质重新加以澄清，这是理解教育评价困境何以产生、对话式转向何以必要的前提。

（一）学习不是信息摄入：被AI绕过的认知冲突

长期以来，学习被视为一种信息输入或加工的过程，学生只需要按照教师的指令记住学习内容，那么学习便发生了；学生如同被填充的容器，教师的任务是向其中灌注知识，弗莱雷（Freire）批判其为“银行存储式教育”。而皮亚杰（Piaget）的发生认识论揭示出认知发展的两种基本机制：同化与顺应。同化是将新信息纳入既有认知图式的过程，它并不改变图式本身；顺应则是在新信息无法直接纳入时，需要对已有图式进行调整、改造乃至重构。真正的深度学习，恰恰发生于后者，皮亚杰将这一状态称为“认知失衡”。他认为智力的发展是一个不断去中心化的过程，没有失衡，就没有去中心化，也就没有真正的认知发展。库伯（Kolb）的学习圈理论也提出类似的洞见。学习圈始于具体经验，但推动整个循环运转的恰恰是认知层面的困惑与不适，即当学习者发现既有经验无法解释新问题、新情境时，新一轮的经验学习会再次被激发，以此往复。现象学视角也进一步提示我们，学习绝非纯粹的信息加工过程，而是植根于具体身体经验的“生活在场”。因此，学习本质上是一种认知冲突和矛盾，在面临新情境时，它需要学习者经历不确定性、怀疑甚至自我否定，从而建立新的经验、知识、信念、价值观。然而，AI的介入正在系统性地绕过这一核心机制。

（二）知识不是归纳：AI无法代劳的问题意识

在学习的内容维度中，知识是最典型的符号性词汇之一，其他类似的还包括理解、技能、意义等。那么知识如何获得？波普尔（Popper）在《猜想与反驳：科学知识的增长》一书中给出了回答：“我们不是从观察开始，而是从问题开始。”科学知识的增长不是正确答案的积累，而是猜想与反驳的辩证过程。因此，一个理论的价值不在于它被证实了多少次，而在于它能否被证伪。被证伪的理论催生新猜想，新猜想再次接受反驳，知识螺旋式上升。这一以问题为起点、以可证伪性为推进器的认识论，恰与苏格拉底对话法形成深层呼应——苏格拉底从不直接提供答案，而是以不断追问的方式将对话者引入困惑，迫使学习者正视自身信念的裂隙，进而进行反思和新的探究。库恩（Kuhn）从另一角度也印证了这一点，科学革命的起点不是新发现的积累，而是“反常”——既有范式无法解释的问题或现象。随着反常和新问题不断积累，科学共同体对旧范式的信心开始动摇，进而产生危机，引发新的科学革命。支撑这一整套逻辑背后的驱动力正是科学家作为有意识的能动者主动质疑、不惧困难、不安现状、勇于探索的精神，以及内化为个体思维品质的对新事物的好奇和问题探究意识，而这一点恰恰是AI所难以企及的。AI更擅长提供既有答案，其本质上是把知识当作事实言语的聚合，而不是问题驱动的试探性构建。

（三）知识的默会维度：AI的根本性盲区

在人类的知识体系中，有一类难以通过语言、文字、图表或数学公式等符号系统进行清晰表述和系统传递的知识，波兰尼（Polanyi）将其称为“默会知识”。默会知识的形成是一个实践的过程，通常与特定的问题情境有关，必须依赖个体在特定情境中的亲身参与和身体力行才能获得，因此，就学生学习而言，默会知识往往是“身教”而非“言传”的结果。默会知识的形成不依赖明确的逻辑推理和反思批判，只能通过沉浸与实践的直觉感知来习得。例如，常见的学徒制，就是学习者通过实践中的观察、感知、反思、体悟将外在的经验内化为个体自身的直觉和判断力。对于AI而言，默会知识成为其难以跨越的基本性盲区。大语言模型的运作是基于对海量文本的统计学习，其输出是“最可能的下一个词”的概率分布，但无论模型参数多么庞大，它都只能处理已被符号化的知识，而对那些从未被言说的判断力、直觉、具身的理解却无能为力。德雷福斯（Dreyfus）早在AI研究初期就指出，人类智能的核心——情境化的、具身的、默会的判断——恰恰是形式化系统无法捕捉的。AI可以帮助我们写出一篇格式完美的论文，但它无法判断这篇论文是否真正有思想；它可以模仿苏格拉底提问，但它无法在追问中感知我们理解的真实状态。

综上可见，学习的本质在于学习者必须在充满“摩擦力”的认知过程中去主动激活冲突、提出问题、调动默会判断。这一过程本质上是对话性的——它既是个体旧我与新经验的内在对话，也是学习者与他者（教师、同伴、AI）的外在对话。真正的学习从不是单向的信息接收，而是生成于多维的视域交融与意义协商的对话交往之中。因此，评价若欲触及学习本质，就必须从测量产出转向介入对话。

二、AI对学习本质的三重侵蚀

从学习的本质来看，学习者必须经历既有图式与新信息的张力，并在不适中进行图式重构，必须能够对既有答案产生不满、提出质疑、形成自己的问题，以及发展出无法被完全言说的默会判断力，学习才能够真正发生。然而，AI的全面介入对学习的本质产生了深刻的冲击。

（一）大脑层面：被悄悄重塑的认知结构

大脑是学习的载体，AI对学习的影响已经从行为表层渗透到神经生理层面。有研究对超过1万名儿童的MRI扫描发现，每天在智能设备和数字媒体上花费超过7小时的儿童，其大脑皮层出现了“过早变薄”的物理结构性改变，且这种改变被认为可能是永久性的。德尔嘎（Dergaa）等研究者总结了过度依赖AI系统可能带来的一些不良后果。一是精神投入减少。当AI系统接管认知任务时，个体可能会感受到精神参与度和刺激的下降，缺乏积极的认知参与可能导致批判性思维、问题解决能力和创造力的下降。二是认知技能被忽视。随着个人习惯使用AI系统完成各种任务，可能会忽视自身认知技能的发展和维护。三是记忆容量丧失。使用AI系统进行记忆相关任务，如记笔记或提醒，可能导致个人记忆能力下降，依赖外部系统进行记忆回忆可能会削弱与记忆编码和提取相关的神经通路。四是注意力与专注力问题。频繁使用提供即时答案或解决方案的AI系统可能导致注意力持续时间缩短和长时间集中注意力下降，AI生成信息的持续供应可能削弱个体深度专注思考的能力。也有研究指出，长期依赖AI还会导致个人的语言独特性和情绪表达的多样性会大幅下降，以及使用者在现实中的情感韧性下降、情感体验能力钝化的可能。因此，学生频繁使用AI，表面上看是AI在辅助学习，帮助学生解决问题，但实际上如果长期接受AI给出的现成答案，大脑的神经连接度就会降低，而人类在长期自然实践过程中所形成的勇于探索、主动思考的认知模式就会悄悄退化。

（二）师生层面：从知识传递到认知外包的管理监测

在传统师生关系中，教师的主要角色是传道、授业、解惑，而AI的出现打破了这种融洽、稳定的交互模式。当学生面临困难与问题时，传统路径通常是学生先经历挣扎、困惑，然后尝试，如果失败便再尝试，这正是皮亚杰所说的认知失衡状态，即在学生依然困惑而不得解的时候，教师再搭建支架、启发引导，类似于儒家“不愤不启，不悱不发”的教学智慧。而现在，学生只需将问题输入AI即可获得结构完整、论证清晰的答案。这会造成两个方面的负面影响。一方面，学习认知过程中必要的摩擦力和阻力被消除，学生亲身体验的过程、理解探究的思维过程被AI所取代。另一方面，教师饱满的角色形象被逐渐解构，教师角色的不可替代性引发质疑。学习本质上是一种社会性互动，需要依赖眼神交流、即时反馈与情感共鸣的“主体间性”活动，而AI的标准化交互正在削弱这种动态互动的深度。当AI的功能被无限放大时，师生互动从生成性、动态性和不确定性的教育过程转变为预设的、稳定的、确定的状态。教师的角色不可避免地会受到削弱。面对这种挑战，许多教师被迫转型为AI使用的边界管理者，即教师从育人的主导者转为学生学习过程中AI技术使用的监管者与防范者，教师不得不将时间和精力消耗在学生何时使用AI、如何使用AI、AI内容的甄别与批判等事务上，师生关系从引导与探究的学习共同体降格为AI技术使用与防范的博弈。

（三）评价层面：评价前提的崩塌和方法的错配

传统教育评价建立在一个核心预设之上：表现反映能力，即表现和能力之间是一种线性对应关系。而AI的介入打破了表现与能力之间的直接对应关系，使得表现不再唯一对应于个体的能力。学生利用AI工具可以生成高质量的论文、代码或实验设计，这些表现在形式上完美无缺，但可能更多反映的是学生驾驭AI工具的能力（提示词工程），而非学生自身能力。AI生成的“完美结果”掩盖了学生真实的思维路径与试错过程，一些本应该体现学生学习挣扎、迷茫、兴奋、满足等真实的个体体验被无声地消解在所谓完美的作业报告之中。从信息经济学的角度看，AI的介入在学生（行动方）与评价者（观察方）之间制造了严重的“信号失真”，也就是测量学上的构念效度崩塌。我们以为在测量学生能力，实则测量的是“学生+AI”的混合能力，评价的诊断功能易被架空。好的教育评价应该是一种“慢”的教育评价，不仅仅关注结果的好坏，而强调将个体置于多重关系所构成的空间之中，其本质是对话生成性的，重心应体现在“过程的体验”与“关系的成长”上。

三、学习本质视域下AI时代教育评价的困境表征

学习实际上是一个认知图式在问题驱动的对话中实现重构的过程，其中默会判断力构成了认知能力的核心。从学习本质的视角看，AI时代教育评价的困境表征主要表现在三个方面。

（一）评价逻辑的异化：从诊断思维到标记行为

教育评价并非一个纯粹的技术问题，其本质上是评价主体依据某种教育价值观或教育目标进行价值判断的过程，是事实认识与价值认识的统一。教育评价通过对可观测事实的诊断，最终实现教育的改进和发展。就学生学习及发展而言，这种诊断依赖评价者与学生之间持续、深入的对话互动。正如苏格拉底的“助产术”通过层层追问，引出潜藏于学习者心灵深处的认知冲突与智慧萌芽。然而，当AI以其“数据表征世界、算法实现认知、机械完成行动”的高阶自动化逻辑介入评价时，整个评价的逻辑便发生了异化。其一，评价从探寻为何如此的深层诊断，异化为记录是否如此的表层归类。AI技术捕捉及分析的主要是一些看得见的行为（如学生回答问题的次数和长短、面部表情等），是将连续的学习过程转化为外显的分析单元，能够为师生提供直观的学习反馈与海量的学习资源。然而，却存在重数量、重速度而忽视质量的问题，其结果可能削弱了评价结果的可解释性，并加剧评价的不公。其二，算法固有的数据偏见与排名陷阱进一步扭曲了评价的诊断功能。算法可能继承并放大训练数据中的社会偏见，导致特定群体被错误标记或边缘化。算法的不透明性不仅削弱了评价的可信度，还会导致行为主体主动迎合算法的标准，使评价结果难以被真正接纳。评价由此从服务于学习的诊断工具，变为取代学习目的的数字规训。

（二）评价效度的沦陷：以可计算之物消解默会之知的学习异化

评价效度的核心要义在于，所测是否真正反映了意图测量的构念。无论AI算力多么强大、算法多么精巧，其处理的对象仅是被编码化的数据。正如价值论所揭示的，认知是对客观事实的认识，而评价是对价值事实的认识。后者是主客体之间价值关系运动所形成的一种客观的存在状态，它本质上依赖于评价者丰富而敏感的感知系统、身体经验和整体性判断，是经验、理性、感性等因素综合作用的结果。这恰是默会知识的疆域，而AI在其面前只能止步于认知主体的层次，难以成为真正的价值主体。为了适配机器的计算逻辑，教育系统不得不将那些细腻、感性而丰富的素养，强行拆解为一系列显性化、行为化、可测量的指标，其结果导致可测量的变成了唯一关键的事实，其余的则毫无用处与价值。这不再是技术服务于教育，而是教育为了技术进行自我改造。马克思笔下的劳动异化现象会在教育领域重演：学生（劳动者）生产了论文、答案等学习成果（劳动产品），但这些产品不再属于他的思想世界，反而作为一种外在的、被AI和评价系统所定义的标准，反过来支配他。学生越是追求符合AI评价标准的高分，其学习过程就越可能外在于自身的真实理解与兴趣。学习这个本应充满主体性探索的活动，异化为生产可评价之物的机械劳动。学生成了自己学习成果的“异化劳动者”，而非主人，这便是AI时代教育评价最深层的危机。

（三）评价主体的迷失：从人机协同到主体性让渡

教育评价作为一种价值判断活动，其有效运行的内在要求是人居于主体地位，主导评价的目的、标准、过程与最终解释。这既是教育具有的人文特性所决定的，也是价值判断须以“具有丰富的、全面而深刻的感觉的人”为基础所要求的。然而，在技术理性的强势裹挟下，学生被简化为一系列数据标签的集合，人与AI之间原本理想的人机协同模式正迅速滑向人的主体性向技术让渡的失控状态。这种主体性危机沿着两条路径蔓延。其一，教师评价权的结构性旁落。面对能够提供高效、智能甚至看似“客观”评价方案的AI系统，教师极易产生“技术依赖症”，如将评价数据收集和分析、评价指标建构、评价决策权力让渡给AI系统。当教师满足于AI提供的便捷方案，不再信赖并运用自身基于经验的直觉、基于情境的判断和基于关怀的理解时，其评价的专业能力和教育的主导地位便在不知不觉中退化，沦为机器评价结果的被动受众。其二，对学生自我评价能力根基的侵蚀。当学生在学习中习惯性地依赖AI给予即时答案，满足于这种快餐式服务时，便会让学生逐渐懒于思考、思维和认知被钝化，从而丧失了自我评价和反思的可能性，从学习的能动主体沦为技术裹挟下的被动接收者。

四、范式转换：AI时代对话式评价的实施路径

面对AI引发的一系列矛盾，需要从根本上实现评价范式的转换，避免工具理性偏执下主体人与客体智能技术间关系的错置与翻转，促使教育评价从关注结果表现迈向深层对话，让技术回归赋能而非代替的辅助位置，而这正是苏格拉底对话式评价在AI时代回归的深刻内涵。

（一）理念重构：将评价转变为思维引产的对话过程

对话式评价的第一要义，并非简单地在评价中增加提问环节，而是实现一场根本性的范式转换，即从基于工具理性的测量范式转向基于交互理性的对话认识论范式。对话范式的实现包括两个关键阶段。一是质疑与诘问阶段，旨在重建认知冲突，教师的主要角色是“问题制造者”，核心任务是帮助对话者发现其原有认识的矛盾和局限，使其陷入困惑或迷茫的认知失衡状态。这是“助产术”的起始环节，也是学习发生的必经阶段。这需要教育者转变理念，将评价的重心从评判对错转向有意地制造认知冲突，为学生进一步思考奠定基础。二是诱导与引产阶段，该阶段旨在促进支架图式重构，教师的主要角色回归到支架搭建者。认知冲突是深度学习的基础，教师可通过AI辅助，不断提供类比、拆解问题或提示关键线索，在持续互动与对话中引导学生迈向更高层次的思考，通过搭建认知支架，帮助学生从认识到自身“无知”的状态，反思不足并总结出新的发现，实现认识上的跃迁。学习过程从简单的AI“问题输入—答案产出”转变为“学生提问—AI及教师协同追问—学生反思并修正提问”的螺旋式循环，评价也由此成为与学习同构的思维引产过程。

（二）方法革新：建立诊断性—形成性—建构性的深度对话系统

如何将抽象的对话理念转化为可操作的评   价方法，需要建立一套由浅入深、层层递进的苏   格拉底式对话系统。对话系统的第一层是诊断   性对话，主要面向学生的过去，即已有的经验体   系或认知结构，其重点在于“破”的过程而非“立”的过程，通过反诘法破除学习者“我以为我知道，其实我不知道”的认知障碍。在此阶段，教师应顺着学生的逻辑进行推演，刻意引导学生出现自相矛盾的逻辑谬误，确定学生的最近发展区。在技术层面，AI具有显著优势，它能基于海量语料，瞬间生成具有逻辑针对性的反例与追问。对话系统的第二层是形成性对话，与前一层不同，它面向正在发生的学习过程。当学习者的认知冲突被激活后，对话进入“攻辩”的白热化阶段，学习者需对教师、同伴乃至AI提出的问题和质疑进行回答，需要为自己的立场和观点进行辩护。此时，教师的作用非常关键，应在恰当时机及时提供支架，帮助和引导学习者纠偏，从而归纳出新的认识。对话系统的第三层次是默会知识的隐喻性表达，即建构性对话。它指向未来，关注学习者的意义生成、知识内化和元认知发展。在此层面，对话的目的不是达成共识解决眼前问题，而是“跳出”当前对话，生成新的视界、新的问题或新的自我认知，这是评价的最高维度。当教育评价真正转变为这三个层次交织的对话性过程时，真正的学习与发展才能够发生。

（三）主体归位：共建人机共生的共鸣式评价共同体

要从根本上跳出AI所带来的教育评价困境，构建深层对话评价系统，需要建立一个“AI—教   师—学生”三者共鸣的成长共同体。根据共同体   的运行逻辑，首先应明晰教师、学生、AI三者的角   色定位与协同分工。具体而言，AI扮演“助产士”（教师）助理的角色，通过与学生的高频互动，能   够瞬间诊断出其知识盲区和逻辑漏洞，生成形成   性分析报告，为师生提供评价的证据链与反思材   料。学生扮演主动求知者与自我评价者的角色，在苏格拉底式对话中，学生是认知的主体而非等   待被评判的客体。学生在与AI的主动对话中外   化自己的经验、逻辑与认知冲突，在教师与AI的反馈间寻找意义。通过对话，学生学会审视自己的思维过程，实现从被评价走向自我评价，促使其对自己的学习负责，成为评价的主人。教师则继续扮演智慧“助产士”的角色，通过对话技术，锚定学生最近发展区。尤其是当学生在认知冲突中感到迷茫、挫败，AI无法提供真正的共情时，教师需要及时介入，以人性化的反诘、归谬、移情性理解，将对话引向更深的自我反思，赋予评价温度与伦理方向。总而言之，人机共生的共鸣式评价共同体不是技术的简单赋能或叠加，而是教师、学生及AI在诊断性、形成性、建构性三个对话层上深层互动。这一共同体的构建，能够为破解AI时代教育评价困境提供新的思路。

（本文参考文献略）

Is Socrates Still Needed in the Age of AI? Dilemmas and Shifts in Educational Assessment from the Perspective of the Essence of Learning

Qiu Defeng

Abstract: The emergence of generative AI has made knowledge acquisition unprecedentedly accessible, yet It has simultaneously triggered a legitimacy crisis in educational assessment. In the age of AI, educational assessment confronts a threefold dilemma: first, the alienation of assessment logic, whereby diagnostic thinking is reduced to mere labeling; second, an axiological crisis in assessment, where the computable undermines tacit understanding and induces learning alienation; and third, the disorientation of the assessing subject, drifting from human-machine collaboration toward the surrender of subjectivity. To address these challenges, this paper proposes an assessment paradigm rooted in dialogic epistemology that transcends instrumental rationality. Rather than merely replicating Socratic maieutics, this paradigm reconstructs it as a three-tiered system of progressively deepening dialogue: diagnostic, formative, and constructive. It reshapes assessment into a practice of “cognitive midwifery” embedded within the learning process, centered on revealing cognitive structures and facilitating meaning construction, thereby re-establishing both the validity and the educational significance of assessment in the age of AI.

Key words: generative AI; educational assessment; Socratic dialogue; essence of learning; learning alienation

初审：胡天扬

复审：孙振东

终审：蒋立松