如何用 AI 辅助学习：5 种有效方法

引言

AI 可以帮助学习，但前提是用对方法。以下五种方法都有切实的研究支持：

1. 提取练习：通过自测来复习材料，而不是反复重读
2. 分布式练习：将学习分散到几天进行，而不是临时突击
3. 自我解释：在阅读别人的解释之前，先用自己的话解释某个概念
4. 交错练习：在一次学习中混合练习不同类型的题目，而不是一次只练一种题型
5. 元认知复盘：检查自己在没有帮助的情况下能做到什么，而不是只关注感觉熟悉的内容

如果使用得当，AI 可以很好地支持全部五种方法，让聊天机器人成为你的学习伙伴，而不只是一台回答问题的机器。如果没有正确地把 AI 当作学习辅助工具，它就会变成一条让人迅速产生“已经准备好了”错觉的捷径。

大多数学生还没有把 AI 当作学习时的练习伙伴。但 57% 的美国大学生每周至少在课业中使用一次 AI，约五分之一的学生每天都在使用（Gallup/Lumina Foundation, 2026）。

在英国，95% 的本科生如今都以某种形式使用 AI，而仅仅两年前这一比例还是 66%（HEPI, 2026）。随着 AI 的使用日益普及，人们开始关注如何正确使用它，确保它真正发挥作用。

真正重要的检验贯穿下面的每一种方法：关闭聊天后，学生应该能够在没有帮助的情况下回忆、解释并运用所学内容。

是的，当 AI 能够创造提取、反馈、间隔和反思的机会时，它确实有助于学习。它可以显著提升练习中的表现，但把它当作获取答案的捷径的学生，在之后的无辅助测试中，得分可能低于从未使用过 AI 的同龄人。使用方法比工具本身更重要。

用 AI 辅助学习的五个步骤

1. 先要问题，再要答案。把 AI 变成互动测验工具，而不是总结工具。
2. 安排重复练习。把学习分散成多次进行，而不是一次性突击完成。
3. 复述概念。先自己写出解释，再去看 AI 给出的答案和观点。
4. 混合题型。打乱题目类别，而不是按类别分块、一次只专注一类（词汇除外）。
5. 在不使用 AI 的情况下检验自己的表现。只有这项真正的测试才能告诉你，借助 AI 学习到底有没有效果。

AI 帮助人们搭建练习环境，但学习本身仍然发生在学生的头脑中。

放大

关于借助 AI 学习，研究到底怎么说

最有力的证据来自 2025 年发表于《美国国家科学院院刊》（PNAS）的一项随机现场实验（Bastani et al.），研究对象约为 1000 名高中数学学生，共进行了四次练习课。这三种条件只有放在一起看才有意义，不能简化为一个醒目的数字：

适用范围说明：这是一项针对高中数学的研究。具体百分比不应推广到其他学科或年龄段，但其背后的规律（设计决定结果）在其他研究中同样存在。

两种使用条件之间的差距说明了一切。可以不受限制使用 AI 的学生成绩先是有所提升，但在工具被撤走后就落后了。这很可能是因为他们把推理外包了出去，而不是亲自练习。

而使用另一个版本的学生（该版本不提供完整解答，而是给出提示）进步幅度是前者的两倍多，因为这个工具的设计迫使他们自己动脑完成任务。

另一项汇总了 35 项研究、共 4,193 名参与者的综述发现，平均而言，借助 AI 学习的学生比不使用 AI 的学生学得更好，提升幅度为中等。但结果因学科、学生使用 AI 的时长以及使用方式而异（Zhu, 2026）。

这与 PNAS 的研究结果一致：AI 辅助学习本身并无绝对的好坏之分，关键在于它的设计是为了促进提取，还是为了绕过提取走捷径。

要点：真正重要的是学生如何借助 AI 学习，而不是他们是否在使用 AI。

方法 1：让 AI 考你（提取练习）

是什么：通过测试来学习材料，而不是重读或总结。

为什么有效：在不同年龄和能力水平的学生中，练习测试都被评为“高效用”的方法（Dunlosky et al., 2013）。回忆型测试要求学生从零开始给出答案，与选择题这类答案就摆在学生面前的再认型测试相比，能带来更好的记忆保持效果（Rowland, 2014）。

工作流：

• 为 AI 指定具体的课程范围（教学大纲、笔记、章节范围）
• 每次只要一道开放式问答题，而不是一整套测验
• 先作答，再寻求提示
• 请求反馈时，要求指出第一个出错的步骤，而不是给出改写后的答案
• 一两天后，对答错的内容重新测试

可直接复制使用的提问：

“根据[我的笔记/教学大纲]，每次就[具体主题]问我一道开放式问答题。不要给我看答案。我回答后，只告诉我推理在哪里出了错。除非我要求，否则不要给出完整的正确答案。”

⚠️ 常见误区：让 AI 生成一份答案已全部可见的完整测验，然后把题目和答案两栏一起读。这感觉像是在学习，但实际上跳过了让这一方法奏效的关键环节——提取。

✅ 自我检验：关闭聊天，不打开任何资料，凭记忆回答三道之前答错的题。

方法 2：分散学习（分布式练习）

定义：把学习分散到多天进行，而不是集中在一次长时间的突击中完成。

原理：分散练习的效果始终优于临时突击，而且距离考试越远，两次学习之间的理想间隔就越长。并不存在放之四海而皆准的时间表（Cepeda et al., 2006），因此下表只是一个起步框架，而非固定公式。

一周间隔复习计划：

可直接复制的提问：

“根据[我的笔记]，为[主题]制定一个 7 天间隔复习计划。第 1 天：基线测验。第 2 天：换个说法，重新测试我答错的内容。第 4 天：新旧题目混合。第 7 天：限时综合测试。”

⚠️ 常见误区：考试前一晚长时间突击复习，却从不检验延迟回忆。分散学习正是为了强化这种能力。

✅ 独立检验：第 7 天完成 AI 的综合测试后，凭记忆回答三道第 1 天的题目。不用 AI，也不看笔记。

方法 3：自己讲一遍（自我解释）

是什么：在阅读别人对某个概念的解释之前，先自己尝试解释这个概念。

原理：一项涵盖 64 项研究的综述发现，当学生被提示用自己的话解释某个概念时，学习效果更好。在其中大多数研究中，提示由教师撰写，研究人员指出，计算机生成的提示还需要更多研究（Bisra et al., 2018）。如今 AI 可以胜任这项工作，前提是学生要在 AI 之前先解释概念。

工作流：

• AI 给出一个概念，不附带任何解释
• 先自己讲解，再看 AI 的版本
• AI 将解释标记为正确、不完整或混乱
• AI 针对具体的知识漏洞提出一个有针对性的追问
• 重写解释，不照搬 AI 的措辞

可直接复制的提问：

“给我一个[主题]中的概念名称，不要附带解释。我会用自己的话向你讲解。告诉我我的解释是正确、不完整还是存在混淆，并针对最薄弱的部分提出一个追问。”

⚠️ 常见误区：还没自己尝试解释，就先让 AI 把概念简化。

✅ 自我检验：用两分钟出声讲解一遍，不看笔记，也不打开聊天窗口。如果说不出来，考试时也同样答不上来。

这正是“练习环境，而非答题机器”最关键的地方。AI 应该找出解释中的漏洞，而不是替你补上一个你从未自己构建过的解释。

方法 4：在有帮助时混合题型（交错练习）

是什么：在一次学习中打乱不同题型的顺序，而不是按类别分块练习。例如，学生应该交替练习代数题和几何题，而不是先把代数题全部做完。

为什么有效：与一次只练习一种题型相比，混合练习不同题型能让学生学得更好，提升幅度为中等。数学方面的收益略小，而在词汇和单词学习方面，结果则恰恰相反：学生一次只练习一个类别时效果更好（Brunmair & Richter, 2019）。这意味着，借助 AI 学习时，对于解题类学科，混合练习是不错的默认选择；而对于抽认卡式的记忆，则并不合适。

工作流：

• AI 混合出题，且不标注每道题所属的类别
• 解题前先识别题型，据此确定解题思路
• 反馈将方法选择与最终答案是否正确分开评估

可直接复制的提问：

“给我出一组来自[这些主题]的混合题目，随机排序，不要告诉我每道题属于哪个主题。每次我作答后，请分别告诉我：我用的解题方法是否正确，以及最终答案是否正确。”

⚠️ 常见误区：把交错练习用于词汇表或抽认卡式的事实记忆，而研究证据表明，这类内容更适合分块的间隔复习。

✅ 自我检验：完成一轮混合练习后，说出哪类题目做得最慢，以及原因。

方法 5：跟踪学习是否有效（元认知）

是什么：在阅读或听完讲解后，区分哪些内容是真正掌握了，哪些只是感觉熟悉。

为什么有效：当学生被要求停下来检查自己的理解时，他们会更主动地掌控学习，也学得更多。如果反馈是针对他们的具体错误量身定制的，效果会更明显（Guo, 2022）。

感觉轻松的学习可能会让你误以为自己学到的比实际更多（Bjork & Bjork, 2020）；而 AI 给出的清晰解释在当下很容易理解，会让这些信息显得已经掌握了。

问自己三个问题：

• 在不借助 AI 的情况下，我能解释清楚哪些内容？
• 我重复犯了哪个错误？
• 明天我应该重新测试哪些内容？

可直接复制的提问：

“回顾一下我上一次和你一起学习的会话。根据我答错的地方和犹豫的地方，告诉我：我似乎真正理解了什么，我重复犯了哪个错误，以及明天我应该重新测试哪些内容？”

⚠️ 常见误区：把“AI 讲的时候我听懂了”当成学会的证据。理解得顺畅不等于记得住。

注意：这并不意味着为了增加难度而刻意让一切变难。只有在已经具备背景知识的前提下，增加难度才会有帮助。

记忆之前先核实：验证

在把 AI 说的任何内容写到抽认卡上之前，先进行以下三项检查：

• 可追溯性。能否打开原始来源？
• 一致性。是否有另一个独立来源给出一致的说法？
• 时效性。这类事实是否会随时间变化？它有没有可能已经过时？

课程材料（教科书、讲座、课程大纲）才是主要来源，而不是 AI 对它们的总结。请确认 AI 所引用的段落确实出现在它所说的位置，进行交叉核对，然后保存修正后的版本。

⚠️ 常见误区：还没核实 AI 生成的抽认卡上的事实，就开始反复背诵。

想深入了解如何识别糟糕的 AI 输出，请参阅[如何识别 AI 幻觉]。

按学习任务选择工具

与其给工具排名，不如根据任务选择合适的工具：

在研究和讲解方面，AI 个人助理会很有帮助。如果想在开始使用上述任何方法之前整理资料，可以参考整理学习资料的指南，其中有详细步骤。

查看课程政策

各学校的规定不尽相同，即使在同一门课中，不同作业的要求也常常不同。42% 的美国学生表示学校不鼓励使用 AI，11% 表示学校明令禁止，35% 表示学校在一定限制下鼓励使用，7% 表示学校鼓励自由使用（Gallup/Lumina, 2026）。如有疑问，请在提交任何经过 AI 处理的内容之前先询问老师。

结论

不妨把 AI 想象成电动自行车，而不是扫地机器人。骑电动自行车时，骑手仍要踩踏板、掌控方向，并时刻保持清醒。AI 只是放大了你付出的努力。

无论采用哪种方法，检验标准都不会改变，这是好事。关闭 AI 之后，学生能否独立回忆、解释或运用所学内容？这才是关键问题。

常见问题

使用 AI 学习真的有助于学习吗？
是的。一项涵盖 35 项研究的元分析发现了中等程度的正面效应（g = 0.670）（Zhu, 2026）。但在一项现场实验中，可以不受限制使用 AI 的学生，在之后的无辅助测试中得分比从未使用过 AI 的同龄人低 17%（Bastani et al., 2025）。使用方法比能否使用更重要。

使用 AI 学习算作弊吗？
这取决于课程政策。用 AI 生成的题目来学习属于练习，而不是提交的作业。42% 的美国学生表示学校不鼓励使用 AI，11% 表示学校禁止使用（Gallup/Lumina, 2026）。请先查看课程大纲。

与其让 AI 总结，不如让它做什么？
可以让它出一份开放式问答测验（提取练习）、做一次自我解释检查（自己讲一遍），或制定一份间隔复习计划（分布式练习）。这三种方法都要求你自己给出答案，而不只是阅读别人给出的答案。