【本期场景】孩子的提问、蒙氏小学、AI 辅助学习

一个孩子想知道黑洞是什么。十几年前，我们或许会让他翻书、查资料，或者向老师请教。今天，只要问一句 AI，不到一分钟，他就可能得到一份相当完整、甚至专门为九岁孩子设计的解释。

可如果让他关掉屏幕，不重复刚才的比喻，用自己的话再讲一次，他真的理解了吗？

最近看了《The Bloomsbury Handbook of Montessori Education》。这一次，我们想借蒙氏教育重新讨论一个问题：

当获取答案越来越容易，教育究竟应该把什么留给孩子自己完成？

本期关键清单

蒙氏第二发展阶段：大约 6–12 岁，儿童开始大量追问原因，尝试通过想象、推理与研究理解世界背后的关系。

宇宙教育（Cosmic Education）：以宇宙、地球、生命、人类等宏大主题打开探索的入口，让儿童从兴趣出发，逐步研究事物之间的联系。

有准备的环境（Prepared Environment）：自由探索需要适当的材料、时间、同伴、成人支持与共同生活的秩序，而不只是无限制地选择。

认知卸载（Cognitive Offloading）：把记忆、计算、规划或分析等部分认知工作交给外部工具。它可以提高效率，也可能替代本来需要练习的能力。

从具体到抽象：实体材料能够让数学等抽象关系暂时变得可触摸、可操作，但理解最终需要在儿童自己的思维中形成。

表征与概念：串珠、图形、文字和数字模型都是理解概念的媒介。能够正确操作材料，并不必然等于理解其背后的关系。

学习目标与工具角色：同一个 AI 功能，在信息查询任务中可能是有效帮助，在训练判断或规划的任务中却可能介入过早。

执行功能（Executive Functions）：围绕目标进行计划、组织、控制冲动、调整行动并持续完成任务的能力。

错误控制（Control of Error）：通过材料或活动中的反馈发现问题、修正判断，逐渐减少对成人直接纠错的依赖。

认知主体性：本期用来理解儿童是否仍然承担提问、解释、决策和修正的关键活动，是节目对 AI 时代学习环境的进一步思考。

本期您将听到：

01丨答案变快了，理解未必跟上

• AI 能够把复杂知识解释得越来越容易理解，但这不保证理解已经发生。 一个孩子向 AI 询问黑洞是什么，可能很快得到形象的比喻、清楚的解释，甚至一段适合自己年龄的知识介绍。可当他需要脱离这些提示，独立解释黑洞时，理解的空白才可能显现出来。

• 我们需要重新区分获得答案与真正学会。 能够复述一个结论、完成一道题目，或者交出一份结构完整的研究报告，都可能包含学习成果。但它们无法单独证明，提出问题、建立解释和判断证据的能力已经形成。

• 蒙氏教育在这个时代遇到的挑战，或许不在理念，而在实现理念的方式。 传统蒙氏环境强调材料、动作、阅读与自主研究，今天的儿童却同时生活在数字工具和生成式人工智能之中。值得重新检验的是，什么样的教育环境仍然能够回应他们的发展需要。

02丨蒙小究竟想培养怎样的孩子

• 6–12 岁儿童的学习，不只是把原有活动做得更加复杂。 与幼儿阶段更多通过感官、动作和重复建立经验相比，这一阶段的儿童开始主动追问原因：为什么火山会喷发？地球为什么会转动？数字从哪里来？他们希望知道事物为何如此，以及彼此之间有什么联系。

• 宇宙教育为孩子打开的是探索世界的入口。 一段关于地球形成的大故事，可能让孩子开始研究火山，再从火山追问板块运动与地震；另一个孩子可能从恐龙走向物种演化。重要的并非一次记住多少知识，而是一个问题如何产生新的问题，让研究持续生长。

• 蒙氏强调的自由，需要环境与持续工作的支持。 有准备的环境包含材料、成人、同伴、时间结构和共同责任。孩子可以做出选择，也需要面对真实困难、反复尝试和持续投入。2023 年一项纳入 32 项研究的系统综述显示，蒙氏教育在学业及部分非学业成果上具有总体积极效果，这为重新审视其教学实践提供了基础，而非证明每一种传统形式都必须保留。

03丨哪些困难，值得让孩子亲自经历

• 有些问题，完全可以直接使用工具找到答案。 富士山有多高，一个国家在哪里，一个词是什么意思，或者某个历史事件发生在哪一年，这些信息查询任务不必因为强调自主学习，就被人为变成漫长而复杂的研究。快速获得背景知识，有时正是学习的良好起点。

• 当任务本身是发展研究能力，过早得到答案可能改变学习的性质。 比如，孩子正在尝试理解日本为什么有那么多火山。让他先提出猜想、观察地图、寻找资料，再比较不同解释，所发展的能力与直接得到 AI 整理好的完整解释并不相同。那些看起来缓慢的尝试，恰好可能是本次学习的主要内容。

• 认知卸载的关键，是判断我们交出去的究竟是什么。 人类一直在使用计算器、记事本和导航软件减轻认知负担。问题不在于使用工具是否正确，而在于这一次我们究竟想要完成任务，还是练习某种能力。当目标是学习规划、计算或判断时，完成这些过程本身就具有教育价值。

04丨教具是一座桥，不是目的地

• 实体教具让抽象概念暂时拥有了可以触摸的形式。 蒙氏十进制串珠通过单位珠、十串、百方块和千立方体，让儿童在搬运、组合与交换中观察十进制的结构。它的价值不只在于让计算更加有趣，还在于帮助孩子把自己的动作经验与抽象数学关系联系起来。

• 正确使用材料，不必然意味着掌握概念。 一个孩子利用串珠算出 243＋189＝432，答案虽然正确，但仍然值得追问：为什么十个单位可以换成一个十？个位相加超过九时，为什么要向十位进一？如果拿走串珠，孩子还能解释这些关系吗？能够独立说明，才更能支持我们判断理解是否正在形成。

• 一种材料的教育价值，要看它帮助儿童走向了哪里。 本期借助教育手册中关于认知科学与具体—抽象思维的讨论，进一步提出图图自己的判断：教具完成使命的标志之一，是孩子逐渐不再依赖它。这并不意味着实体材料应该被屏幕替代。触觉、动作和空间经验仍有独特意义；而在适当阶段，交互式数轴、分数模型等数字工具也可能提供新的探索机会。

05丨AI 应该在学习的哪个时刻出现

• 同一种帮助，放在不同的学习目标下，意义可能完全不同。 一个孩子研究月球为什么总以同一面朝向地球，已经尝试过用两个球模拟，却仍然没有理解。这时候让 AI 提供提示、帮助检查演示过程，可能是适当的支持。但如果任务的重点就是练习如何设计模拟实验，过早获得完整方案便可能减少孩子独立设计的机会。

• 生成式 AI 参与认知过程的范围，已经超过很多传统工具。 过去我们可能把查找资料、计算结果或记住日程交给工具。如今 AI 能够连续参与提出问题、拆解任务、制定计划、分析信息、整理观点和表达结论等环节。一个孩子即使完成了所有外在步骤，也不代表其中每一项认知活动都由自己承担。

• 教育需要关注的不只是屏幕时间，还有思考过程由谁承担。 这不意味着儿童思考的时间越长越好，或者 AI 提供的帮助越少越好。更值得追问的是：一次任务结束后，孩子究竟理解了什么？他还能不能解释自己的判断？面对下一个相似问题，他是否能够独立作出新的尝试？

06丨同一个校园研究，两种 AI 用法

• 一个关于校园温度的研究，可以呈现两种不同的学习过程。 假设一个十岁的孩子发现，学校操场在下午很热，旁边的花园却相对凉快。他想弄清楚原因，于是决定研究不同地表的温度差异。这个观察来自孩子自己，但随后的研究活动如何展开，可能因为 AI 的介入方式而发生变化。

• 第一种方式，是请 AI 完成研究设计，再由孩子执行。 AI 安排测量时间、地点、记录方法和数据表格，最后帮助分析数据、形成报告。孩子仍然完成了真实的测量工作，也可能学到一些知识，但如果教学目标是练习如何提出假设、设计测量方案和解释证据，那么其中相当一部分工作已经由 AI 代劳。

• 第二种方式，是让 AI 检查孩子自己提出的方案。 孩子先决定测量操场、砖地和草地，再向 AI 询问哪些因素可能影响结果。AI 提醒他注意树荫、测量时间、材料颜色，以及空气温度与地表温度的区别。孩子需要自己判断、修改并再次尝试。第二种方式更有机会保留研究设计与修正的练习，但最终是否学会，仍取决于他能不能解释自己的选择，并迁移到下一次研究。

07丨把规划、判断和犯错的机会留给孩子

• 执行功能的发展，需要孩子有机会亲自组织工作。 在蒙氏环境中，儿童需要选择任务、准备材料、安排顺序、完成工作、检查结果，并整理环境。当 AI 能够随时把任务拆成五步、安排下一步行动时，我们需要辨认：此刻的任务分解是在帮助孩子克服过高的难度，还是已经替他完成了原本需要练习的规划？

• 自主性不止于选择题目，还包含做出真实决定。 孩子能够自主选择研究黑洞或火山，是有意义的。但如果接下来所有方案、观点和判断都由 AI 完成，那么他拥有了选题的自由，却未必获得了判断能力的发展。要观察自主性是否成立，还需要看看遇到不同意见和困难时，究竟是谁在作出决定。

• 错误控制的价值，在于孩子逐渐学会发现并修正自己的理解。 当孩子认为五分之一比三分之一大，因为五比三大时，AI 可以立即给出正确答案，也可以通过分数圆片引导他比较，再重新检视原来的想法。后者保留了发现错误的过程。当然，危险行为需要及时制止，无意义的重复也不必无限持续。值得保护的是那些安全而有学习价值的试错机会。

08丨需要更新的是环境，不是学习的主角

• 重新审视蒙小，不等于否定蒙氏的发展理念。 想象力、推理能力、自主研究、持续工作、真实操作、社会合作，以及在错误中调整的能力，在今天仍然值得重视。2023 年的系统综述也为蒙氏教育作为整体模式的有效性提供了研究支持。但一种教育模式总体有价值，不意味着某一种材料、展示顺序或教学形式，对所有孩子都始终适用。

• 有准备的环境，需要容纳新的工具，也需要重新设计工具的位置。 什么时候让孩子查找信息，什么时候只提供提示，什么时候允许 AI 帮助分析，什么时候应该让儿童自己完成规划？这些问题不能简单用允许或禁止回答。即使把电脑和 AI 放进教室，如果学习环境依旧无法回应儿童当下的能力与需要，也不会因此自动变得更加先进。

• 判断一种教育环境是否有效，应当重新回到眼前的儿童。 他已经具备什么能力？正在努力发展什么？接下来的材料、活动和工具能不能帮助他继续向前？没有 AI 的教室可以是优秀的学习环境，使用 AI 的教室同样有机会成为这样的环境。决定教育价值的，是它们是否帮助儿童形成自己的理解与行动能力。

回到最开始那个关于黑洞的问题。当一个孩子能够在短时间内获得一份完整的解释，我们不必因此否定新工具带来的便利，也没有必要刻意延长每一次学习。

我们或许只需要多问一句：如果把眼前的答案拿走，孩子还剩下什么？

他能不能重新提出问题，解释自己的想法，发现其中的漏洞，并试着向前走一步？这也是我们重新理解蒙氏教育、重新设计 AI 时代学习环境时，值得反复检验的标准。

AI 可以进入教室，材料也可以留下，但孩子不能退出学习。

本期书单

《The Bloomsbury Handbook of Montessori Education》｜Angela Murray、Eva-Maria Tebano Ahlquist、Maria McKenna、Mira Debs 主编

• 中文暂译：《布鲁姆斯伯里蒙台梭利教育手册》

• 出版社：Bloomsbury Academic，2023 年

  

主播：图图
制作：声图传媒
小红书：@一只录音图
公众号：@图图的图书局
视频号：@在录音的图图
也请在 Apple Podcasts、喜马拉雅、Spotify、豆瓣、荔枝、虎扑、微博、搜狐视频等平台收听本节目。