2025年3月，韩国成为全球第一个在公立教育体系中强制推行AI数字教科书的国家。政府为此投入超过5300亿韩元，联合21家出版商开发了146套AI教材，最终认证76套，覆盖数学、英语、信息等核心学科，面向小学三四年级及初高中一年级学生全面铺开。

四个月后，85.5%的试点学校教师放弃使用这套系统，称其不过是"昂贵的数字废纸"。60%的学生从未登录过平台，整个学期内使用超过10天的学生比例仅为8.1%。到2025年8月，韩国国会通过修正案，将AI数字教科书（AIDT，AI Digital Textbook）从"法定教材"降级为"教育资料"——由各校自主决定是否使用。采用率随即从第一学期的37%跌至第二学期的19%。

5300亿韩元投入、85.5%的试点教师放弃使用、60%学生从未登录、第一学期37%的采用率第二学期跌到19%、5万家长联署抗议，项目实质上终结。

这是一个值得认真解剖的失败。不是因为它证明了"AI能不能用于教育"，而是因为它以极高的代价，清晰地暴露了两个在AI教育热潮中被反复回避的根本问题：个性化学习"作为教育理念是否经得起检验？教师在AI辅助教学中究竟应该扮演什么角色？

  一、无人能反对的口号，无人追问的前提

AIDT的核心承诺是"个性化学习"——AI实时分析每个学生的学习数据，动态调整题目难度和学习路径，实现真正的"一对一"指导。

这个口号几乎无懈可击。"因材施教"是教育史上最古老的理想，孔子早就实践过。当AI技术让这个理想似乎触手可及，反对它的人很难不显得保守或反智。

韩国政府正是抓住了这个修辞优势——在低出生率、教育差距扩大、课外补习费用高企的社会背景下，AIDT被塑造成一个同时解决多重危机的技术方案，质疑它等于质疑教育公平本身。

（图片来自2023年6月项目启动时期，韩国教育部）

但"个性化学习"的表述掩盖了一个从未被正面讨论的前提：算法"个性化"的逻辑，和教育的逻辑，是同一件事吗？

算法个性化的核心机制，是根据用户的历史行为预测"下一步最优内容"——最可能被接受、最不容易流失、最能维持参与度的内容。这套逻辑在娱乐推荐、电商和社交媒体上运转良好，因为这些场景的目标函数很简单：让用户停留更久、点击更多。

教育的目标函数则完全不同。学习本质上是一个接受认知挫折的过程。真正有效的学习往往发生在"最近发展区"的边缘——那个让学生感到有些困难但并非无法企及的地带。更重要的是，教育不只传递技能，还在塑造一个人面对困难的态度、接受延迟满足的能力、以及在不确定中寻找意义的习惯。这些东西无法被数据化，也无法被算法优化。

AIDT的实际运行揭示了这个矛盾。系统会把基础薄弱的学生推向更简单的内容以维持"成功体验"，但这种保护性推荐往往绕开了学生真正需要突破的障碍。更麻烦的是，AI诊断系统频繁出错——将正确答案判为错误，给出不合逻辑的学习建议——这不是小概率的技术故障，而是系统性的质量问题，根源在于AI对教育语境的理解仍然肤浅。

这里有一个更深的悖论值得正视：如果算法真的足够"个性化"，它会不会让学习变得太舒适？ 一个总是推荐"适合你当前水平"的系统，是否会系统性地减少学生接触陌生领域、承受挑战的机会？

没有人在AIDT推广期间认真研究过这个问题。"个性化"被当作答案，而不是被当作一个需要检验的假设。

  二、教师去哪儿了

AIDT的官方定位是"教师赋能工具"——AI处理个性化推荐，教师获得实时的学生学习数据，从而做出更精准的教学决策。这个描述听起来是教师能力的增强，实际上是角色的根本重构。

传统课堂中，教师是专业判断的核心。什么时候该讲，什么时候该停，什么时候该让一个学生继续挣扎而不是立刻给出答案——这些判断依赖教师长期积累的专业知识、对当下课堂氛围的感知，以及对每个学生的具体了解。这种专业性是隐性的、情境性的，难以编码，也难以被系统替代。

AIDT的设计逻辑却在悄悄重新分配这种判断权。系统提供学习路径，系统提供诊断结果，系统决定每个学生下一步该做什么。教师的工作变成：确保学生登录系统、处理技术故障、核查AI给出的建议是否合理。

这不是赋能，这是降职。

试点数据非常清楚地反映了这一点。

85.5%的教师放弃使用。这个数字不该被读成"教师保守"，而应该被读成教育技术推广的核心失误——把教师变成了"系统执行者"而非"专业判断者"。

教师们放弃使用AIDT，主要原因不是"不愿意学新技术"，而是系统实际上增加了他们的工作量：需要额外时间审查AI生成的错误内容，需要向学生和家长解释系统推荐的逻辑，还要持续处理登录延迟、系统崩溃、与校内其他软件不兼容等技术问题。原本被承诺的"减负"，变成了另一层叠加的管理负担。

一位匿名参与试点的教师的描述颇为传神：

"我们原本希望AI能成为教学助手，但它却成了另一个需要管理的'问题学生'。"

这个结果并不意外，如果我们认真思考过教育技术推广的历史的话。

EdTech领域有一个反复出现的模式：技术工具以"辅助教师"为名进入课堂，却在实际操作中要求教师调整自己的节奏、流程和判断方式以适应系统。最终，技术没有适应教学，而是教学被迫适应技术。

  三、失败的真正成本

AIDT的直接经济损失已经足够触目惊心。出版商投入的约5.67亿美元开发资金面临无法回收的风险，政府下拨地方教育厅的5300亿韩元专项资金大量沉淀，数百所学校采购的设备面临闲置。

但这些数字背后还有一种更难量化的损失：一次本可以谨慎推进的教育创新实验，因为过度承诺和仓促执行，消耗了公众对AI教育的信任储备。

韩国超过5万名家长联署抗议的诉求并不只是反对技术。他们的担忧——学生视力下降、电子设备依赖、隐私数据被过度收集——是真实的，但这些担忧如果在一个充分试验、充分沟通的推广过程中被提前识别和回应，完全可以不演变成对整个项目的否定性反弹。

AIDT跳过了完整试点，用寒假三个月的"现场适用性审查"代替了真正的试点研究。这种急于落地的节奏，让所有潜在问题同时爆发，而不是在可控范围内被逐一解决。结果是，技术本身的真实潜力——无论多大——被这次执行的失败所淹没，变得难以再被公平评估。

这对整个AI教育领域都是一种伤害。未来任何国家、任何研究者试图推进类似项目，都要先花大量精力与"韩国案例"切割。

  四、这个教训对谁有用

AIDT的崩溃不是一个"别人的故事"。全球范围内，将AI引入基础教育的冲动正在各国政策层面快速升温。中国、印度、英国、美国都有规模不等的AI教育项目在推进，每一个都在使用相似的话语：个性化学习、减轻师生负担、缩小教育差距。

韩国的经验提供的不是"别碰AI教育"的理由，而是两条可操作的判断标准：

第一，在"个性化学习"的承诺被接受之前，需要问清楚一些教育问题——这个系统是否有机制让学生接触他们不喜欢但需要的内容？它的优化目标是学习效果，还是参与度？如果两者冲突，系统如何取舍？

一个对这些问题没有清晰答案的AI教育产品，无论界面多精美，都只是把娱乐推荐的逻辑穿上了教育的外衣。

而我们往往被技术路径吸引而忽略这些问题。

第二，在技术推广方案中，教师是设计者还是“被设计者”？ 如果教师只在"培训阶段"出现，而不参与需求定义、工具设计和评估标准的制定，那么这个方案从一开始就把教师设定为需要被管理的变量，而不是需要被赋权的专业人员。这样的项目，无论预算多充足，都很难真正落地。

韩国政府为这两个问题的答案付出了以亿计算的代价。这个教训，值得我们认真读完。

来源：https://mp.weixin.qq.com/s/VEFQXHHf7RXD7xpO5Y12EQ