2025年国际学生评估项目显示出二十五年来最差的成绩。这是首次对与聊天机器人一同成长起来的学生进行测试，而把家庭作业交给机器完成的学生与不这样做的学生之间，出现了相当于整整一个学年的差距。
2026年9月8日，经济合作与发展组织公布了一个在巴黎被刻意淡化处理的数字：下降28分。2015年至2025年的十年间，经济合作与发展组织成员国十五岁学生的平均阅读素养下降了28分。按照该组织自身的方法学，这相当于整整一代人的教育经历中被抹去了约一年半的学校学习。数学下降22分。本轮作为重点学科的科学则相对较轻，仅下降7分。
接下来才是最值得关注的部分。来自91个国家和经济体的76万多名青少年参加了测试，这是该项目历史上规模最大的样本，代表全球约3300万名十五岁学生。2025年春季和初夏坐到电脑前参加测试的孩子，出生于2009年至2010年。2022年11月30日，开放人工智能公司向公众开放生成式对话人工智能时，他们大约十三岁。上一轮2022年国际学生评估项目进行时，这一事件尚未发生。因此，这是第一次对这样一个群体进行国际性测量：他们整个青春期都生活在一种随时准备替他们思考的机器身边。
经济合作与发展组织对测试结果的表述十分谨慎。我的说法会更直接：我们第一次获得了具有统计显著性的证据，证明生成式人工智能在学校中不受控制地普及，其代价比各国教育部门此前估计的更加沉重。
无人能够归还的28分
报告中的数字十分清楚。如今，在经济合作与发展组织成员国，每五名十五岁学生中，就有一人在科学、数学和阅读三个领域同时属于低成绩群体。三年前，这一比例是16%。仅仅一个测试周期就增加4个百分点，这不是统计噪声，而是一场被时间拉长的坍塌。
接近一半的受测学生，也就是45%，未能达到阅读素养的基本水平。这里讨论的并不是识字能力。国际学生评估项目中的十五岁学生当然认识文字。问题在于别的地方：他们无法在头脑中持续理解两页篇幅的论证，无法区分陈述和结论，也难以发现一个信息来源内部的自相矛盾。经济合作与发展组织教育与技能主管安德烈亚斯·施莱歇尔称阅读是一切能力的基础，并表示阅读能力的急剧恶化令人严重担忧。据他的估算，过去十年间，青少年处理复杂文本的能力下降了大约相当于两年学校教育的水平。
报告中还隐藏着一个几乎被所有新闻标题忽略的指标，值得单独拿出来讨论。所谓“仓促阅读”的比例，也就是学生快速阅读文本却理解不准确的情况，从2018年至2025年几乎翻了一番，达到9%。有9%的青少年在事实上已经无法慢慢阅读。他们滑动页面的方式，与滑动信息流完全一样。
在经济合作与发展组织以外的国家和经济体，情况相对缓和：阅读下降16分，而不是28分；数学下降8分，而不是22分；科学成绩基本保持稳定。原因简单，却并不令人愉快。从高处跌落总是更容易。基础水平较低、智能手机普及程度较弱的国家损失较少，因为它们原本就没有那么大的高端成绩空间可以失去。
本轮成绩最低的是柬埔寨和卢旺达，三个学科的成绩均约为300分，而经济合作与发展组织平均水平约为470至480分。如今，柬埔寨十五岁学生与新加坡同龄学生之间的差距，已经不能用几个学年来衡量，而更像是横跨了不同的教育时代。
这把尺子究竟有多可信
在根据这些数字作出政治判断之前，首先应该评估测量工具本身。我愿意诚实地这样做，因为国际学生评估项目确实存在有分量的批评者。
2014年5月，以纽约州立大学海因茨－迪特尔·迈耶为首的一批学者发表致安德烈亚斯·施莱歇尔的公开信，批评该项目每三年一次的测量周期迫使各国教育部门陷入短期思维，并把教育内容压缩到能够被量化测量的部分。丹麦统计学家斯文德·克赖纳则单独质疑了国家排名所依赖的量表模型是否合理。该组织也曾多次遭遇抽样问题。西班牙2018年的阅读成绩因异常答题模式而不得不从正式发布结果中撤下。中国参加测试的范围则局限于四个最发达地区，因此把这些结果与完整国家进行比较，本身就存在方法上的不准确。
我对这个数据来源的结论是这样的。若用于精确排列各国名次，国际学生评估项目只是一个表现平平的工具，德国比波兰高两三位或者低两三位，几乎没有实质意义。但若用于观察同一教育体系十年间的变化趋势，它仍然是现有工具中最好的，因为测试方法和受测年龄群体保持相对稳定。同一体系的同类样本十年间下降28分，无论人们如何争论国际排名，这个数字所代表的趋势都不会因此消失。
第一代与生成式对话人工智能共同成长的学生参加了考试，结果并不乐观
真正值得为此进行整轮测试的数字是：在经济合作与发展组织成员国，46%的学生每周至少一次使用聊天机器人辅助学习。几乎相当于半个班级。历史上没有任何一种教育技术，包括电视、计算器和曾经被寄予厚望的交互式电子白板，能够在三年内达到如此高的普及率。
随后，经济合作与发展组织做了一件各国教育部门此前没有做的事情：把人工智能的不同使用方式区分开来。
那些使用人工智能完成具体学习任务的学生，例如提炼文章重点、撰写作业、开展研究，在科学测试中的成绩低于完全不用人工智能的学生。差距大约相当于一整年的学校教育。整整一年。而他们的家庭作业可能一直按时提交，甚至很可能还得到了不错的分数。
如果把人工智能用于更一般性的用途，成绩并不会下降，有时科学成绩甚至会出现小幅提高。这一区别极其重要，必须说清楚，因为未来整个监管政策的方向都取决于此。能够解释问题的机器有帮助。替学生完成任务的机器有害。真正的分界线并不在技术本身，而在于究竟是谁完成了认知劳动。
报告作者在解释部分使用了一个术语：认知卸载。学生持续把信息搜索和处理工作交给技术，而不是自己完成。在神经心理学中，这种现象早已为人所知，而且最初是在远比人工智能温和的情境中被发现的。例如，在博物馆里给展品拍照的人，往往比单纯观看展品的人记得更差。大脑会进行自己的成本核算。凡是没有必要保存的信息，它就不会保存。
再加上发达经济体中有28%的青少年表示，同班同学在科学课上经常因为查看自己的电子设备而分心。一堂物理课，如果四分之一的学生实际上都在看手机，那么无论从哪个角度说，它都已经不能算真正的物理课。
一剂从未经过试验的疫苗
经济合作与发展组织在报告中使用了一个对这类国际机构而言异常尖锐的比喻。人工智能在学校中的大规模推广，被比作一场未经必要试验便投入大规模使用的疫苗接种。
这段话更应该被理解为对相关政府部门的一份指控，而不仅仅是科学观察。报告作者把技术扩散速度所带来的责任指向那些政府机构，因为这些机构过去没有、现在也仍然没有足够的数据来判断人工智能究竟会对儿童产生怎样的影响。措辞十分委婉，含义却非常尖锐：教育部门把一个从未被真正测量过其影响的工具放进了课堂，三年以后才通过一次外部测试看到了后果。
这个药品监管的类比，比第一眼看上去更加准确。没有任何一种药物能够在未经历三期临床试验以及后续药物警戒的情况下进入欧洲市场。生成式模型进入学校，却连一期类似的验证都没有经历。监管在结构上几乎不存在。2024年通过的《欧盟人工智能法案》把教育领域的人工智能系统列为高风险类别，但相关规定分阶段实施，而且主要针对评估和筛选系统，并不直接针对一个午夜时分要求模型替自己概述课文的青少年。
施莱歇尔呼吁各国政府制定明确的学校人工智能使用规则，并划清界线：技术什么时候是在帮助教师，什么时候又变成了学生更快获得现成答案的工具。这个呼吁是正确的，只是整整迟到了三年。
这种迟缓背后的经济逻辑并不难理解。把数字平台引入学校，在政治上是一项极具吸引力的政策。与提高教师工资相比，它成本更低；能够迅速制造现代化的视觉效果；还可以让政府在没有进行结构性改革的情况下向选民展示成果。代表教育工作者工会的国际教育协会在评论报告时指出，长期教师短缺也是成绩下降的重要因素之一。给孩子一台平板电脑，当然比留住一名不会转去私营部门工作的物理教师便宜。
打破简单结论的英国异常
这里必须补充一个不利于简单结论的事实。英国综合成绩进入前十，而且科学成绩较2022年有所提高。与此同时，相对较大比例的英国青少年表示，他们在完成学校作业时从未使用过人工智能。
这种相关性非常诱人，也正因为如此，更不能把它当成因果关系。英国学校与欧洲大陆学校之间的差异绝不仅仅体现在对电子设备的政策上。实行明显不同教育制度的英格兰，在各学科中长期稳定领先苏格兰、威尔士和北爱尔兰。同一国家内部的这种差距连续多个测试周期存在，其原因包括课程结构、英格兰教育标准局的督导体系，以及2006年以后在英格兰小学推行的自然拼读阅读教学法。仅凭国际学生评估项目的数据，不可能把减少人工智能使用的影响与这些改革的影响分离开来。
更谨慎的表述应该是：英国的例子并不能证明禁止人工智能能够提高成绩，但它足以否定另一种说法，即数字化程度较低必然意味着教育质量较差。对于过去五年一直用采购了多少台平板电脑来衡量教育进步的政府部门来说，这个结论并不舒服。
优等生最先沉下去
报告中最具有政治爆炸性的观察之一，几乎没有进入媒体报道。2022年至2025年间，经济合作与发展组织成员国学生成绩中的社会经济差距缩小了。
这听起来似乎是好消息，直到人们看到差距是怎样缩小的。差距缩小并不是因为贫困家庭孩子的成绩提高了，而是因为富裕家庭孩子的成绩下降了。
这是一种向下的平等化。这叫侵蚀，不叫进步。
其中的逻辑并不难看清。低收入家庭的孩子长期生活在辅导资源、书籍和父母关注都比较有限的环境里，他们的成绩早已徘徊在下限附近。富裕家庭的青少年原本拥有一种资源，而智能手机和聊天机器人恰恰最快地贬值了这种资源：用于长篇阅读的时间、安静的环境以及保持注意力的纪律。技术对优势群体的冲击反而比对匮乏群体更大，因为他们真正拥有的特权，本质上就是时间和专注力。
美国是一个很直观的例子。与2022年相比，美国学生阅读成绩下降14分，其中25.7%属于低成绩群体，13.3%属于高成绩群体。这个拥有世界上成本最高的学校教育体系之一的国家，综合成绩排名第十三，数学排名第二十七，甚至落后于德国。
为什么东亚没有下滑
本轮排名前五的教育体系没有发生变化，而且在可以预见的将来大概也不会改变。三个领域成绩最高的是中国的北京、上海、江苏和浙江，以及新加坡。进入前十的还有爱沙尼亚、日本、韩国、澳门、台湾和英国。
欧洲评论者通常把这种优势归结为考试文化和父母压力。这种解释只对了一半。另一半来自行政管理，而且对于真正想复制这些成功经验的人来说，后者更加重要。
在新加坡，教师主要从大学毕业生中成绩最优秀的前三分之一群体中选拔，而国立教育学院又是全国唯一的教师培养渠道，这使国家能够完整控制教师教育的内容。东亚教育体系对学生在校使用智能手机的管理普遍比欧洲更严格，而课外辅导在那里仍然是家庭预算中的正常支出，而不是一种慈善性质的补偿。参加国际学生评估项目的中国地区又恰恰属于最富裕、城市化程度最高的省市，这会系统性地抬高中国相对于全国平均水平的成绩。方法学文件对此有明确提醒，而公共评论者却总是选择忘记这一点。
与过去几个测试周期相比，土耳其、阿拉伯联合酋长国、黑山、卡塔尔和斯洛伐克取得了进步。哥斯达黎加在科学方面也明显改善。这些教育体系有一个共同特点：它们都处于追赶式增长阶段，在这个阶段，即便只是基础治理能力的改善，也能迅速产生回报。从400分提高到430分，总比长期维持在520分容易。
德国的创伤与欧洲的疲惫
德国排名第二十四，只略高于经济合作与发展组织平均水平，数学更降至第二十六位。对于一个二十五年前恰恰因为国际学生评估项目而经历全国性震动的国家来说，这已经不是一次令人遗憾的波动，而是整个教育体系的诊断书。
2001年12月，首轮2000年国际学生评估项目结果公布。德国十五岁学生的成绩低于经济合作与发展组织平均水平，德语中由此出现了“国际学生评估项目冲击”这一说法。随后，德国各州文教部长联席会议制定教育标准，推行全国统一要求，扩大全日制学校项目，并推出支持移民家庭儿童的计划。改革在二十一世纪头十年的中期取得了成效，却到第二个十年的中期逐渐失去动力。如今，德国正在回到当初改革的起点，而教育支出的绝对金额已经增长了数倍。
在经济合作与发展组织成员国中，阅读成绩下降最严重的是斯洛文尼亚和冰岛。冰岛尤其具有代表性。这个国家互联网普及率接近百分之百，学校数字化程度极高，全国人口甚至与巴库的一个城区相当。然而，规模小和富裕都无法保护一个社会免受阅读能力衰退的影响。
欧洲的问题比测试方法本身更深。过去十年，欧洲大陆不断投资学校数字基础设施，默认获取信息的能力就等同于处理信息的能力。2025年国际学生评估项目表明，这完全是两回事，而且第二种能力恰恰会在第一种能力增长时出现退化。
乌克兰：战争存在，崩塌却没有发生
乌克兰的情况值得单独分析，而且原因不能简单归结为战争。
乌克兰学生的平均成绩是科学448分、数学431分、阅读418分，分别比经济合作与发展组织平均水平低34分、32分和43分。三科合计1319分，使乌克兰排在保加利亚、摩尔多瓦和格鲁吉亚之前，却低于斯洛伐克、波兰和爱沙尼亚。
内部数据比平均值更加令人担忧。数学方面有46%的乌克兰学生未达到基本水平，阅读为45%，科学为35%。至少有一个领域成绩低下的学生占56.4%。三个领域同时低于基本水平的学生占29.3%，接近每三人就有一人。
但这些数字中也确实存在值得肯定的一面，而且这并不是宣传性的牵强解释。经历2018年至2022年的大幅下滑后，乌克兰学生成绩已经趋于稳定，2025年没有出现新的显著下降。这是乌克兰第三次参加该项目，也是第二次在全面战争条件下参加。一个失去部分领土、部分教师队伍，并有数百万学生流亡国外或者在防空避难所中学习的教育体系，仍然维持了三年前的基本水平。从制度韧性的角度看，这一结果值得脱离政治语境单独研究。
乌克兰报告中的另一行数据读起来几乎令人不寒而栗：54%的乌克兰青少年每周至少一次使用人工智能学习，这一比例高于发达经济体的同龄人。原因并不难理解。远程教学、空袭警报、教师短缺、学校被毁，聊天机器人同时替代了家庭作业辅助工具和那个根本无法出现在屏幕里的教师。一个有29.3%青少年在三个领域同时未达到基本水平的国家，却又拥有欧洲最高的人工智能学习使用率之一。这究竟只是巧合，还是存在因果关系，一个测试周期的数据无法回答。真正检验这一假设，要等到2028年的下一轮数据。
谁将为这个没有学够的一代付账
人们习惯以教育危机的方式讨论国际学生评估项目。其实，更正确的角度应该是宏观经济学。
教育经济学家埃里克·哈努谢克和卢德格尔·沃斯曼早在二十一世纪第二个十年就通过跨国数据证明，真正能够解释各国长期经济增长差异的，是人口中可以测量的认知能力，而不是形式上的受教育年限。他们的计算逻辑很简单：如果一个国家把国际学生评估项目平均成绩提高四分之一个标准差，那么在未来几十年里，就能够获得明显更高的经济增长。这个模型的另一面，恰恰描述了今天正在发生的事情。如果整个年龄群体损失相当于一年半的学习成果，这最终会变成生产率上的延迟扣减，并大约从二十一世纪四十年代中期开始反映在经济统计中，因为今天的十五岁学生届时将构成劳动力市场的核心。
发展中世界需要付出双重代价。根据世界银行估计，低收入和中等收入国家约有70%的十岁儿童无法阅读并理解一篇简单文本。华盛顿把这一指标称为学习贫困，而疫情之后情况明显恶化。非洲和南亚一直被寄予厚望的人口红利，只有在年轻人口具备学习能力的前提下才能发挥作用。柬埔寨和卢旺达约300分的成绩展示了当这个前提不存在时，所谓人口红利最终会变成什么。
这里还有一个经常淹没在教育话语中的地缘政治维度。人工智能竞赛通常被描述为芯片、数据中心和能源的竞争。这三种资源都可以买到。第四种资源买不到：一个能够读完四十页技术规范并发现其中矛盾的工程师。如果一个国家的十五岁学生正在失去长篇阅读能力，那么十五年以后，这个国家恰恰会发现自己缺少这种人才，而那时它可能正试图建设自主的技术基础。
本十年结束前的三种情景
第一种是监管情景。政府把药品监管的类比贯彻到底：限制学校中的智能手机，要求面向未成年人的人工智能工具强制标识，并要求开发者证明产品具有教育价值。先例已经存在。法国依据2018年8月3日通过的法律，禁止十五岁以下学生在学校使用手机。联合国教科文组织在2023年全球教育监测报告中明确建议学校禁止智能手机。澳大利亚通过立法限制十六岁以下儿童使用社交网络。巴西也在2025年对学校使用手机作出限制。方向已经明确，速度仍然不够。
第二种是惯性情景，也是最可能发生的情景。教育部门发布没有实际监督机制的原则性指导，学校把问题交给各自校长自行解决，教育应用市场继续以每年两位数的速度增长。到了2028年测试周期，经济合作与发展组织成员国阅读成绩可能再下降10至15分，而社会最终会习惯这样一种想法：以后大概永远就是这样了。
第三种是适应性情景，它要求学校完成一件今天还不擅长做的事情：重建评估体系。只要家庭作业仍然是主要考核形式，聊天机器人就会替学生完成，因为理性思考的青少年总会选择成本更低的道路。如果学校要求书面作业必须在课堂上手写完成，而在家里的任务变成真正阅读一本书，那么无需任何禁令，人工智能代写的价值自然就会被削弱。这种改革需要投入大量教师工时，而且无法产生漂亮的政绩报表，因此不太可能被大规模推广。
我的预测可以按照具体日期检验。到2027年4月，经济合作与发展组织公布英语能力评估结果，再到同年5月公布“数字世界中的学习”模块数据时，同样的分化很可能再次得到确认：把人工智能当作解释工具使用的青少年，成绩会高于把它当作任务执行者使用的人。到2028年底，多数经济合作与发展组织成员国都将制定生成式人工智能在学校中的正式使用规则，但其中真正建立执行监督机制的国家可能不到三分之一。2028年国际学生评估项目中，西欧任何国家的平均阅读成绩都不太可能恢复到2018年的水平。
这对我们所在地区意味着什么
在这个问题上，南高加索处于一个相当尴尬的位置。格鲁吉亚的综合成绩甚至低于已经连续四年处于战争状态的乌克兰。摩尔多瓦和保加利亚也处在相近位置。过去二十年一直试图制定从资源型经济向知识型经济转型战略的地区，如今发现这种转型最基本的前提，也就是能够阅读复杂文本的青少年，其培养状况远不如战略文件所设想的那样理想。
阿塞拜疆参加过此前几轮国际学生评估项目，其国家成绩也曾在公开领域受到专业人士相当详细的讨论。如今摆在巴库面前的问题，与摆在柏林或者塔林面前的问题没有本质区别，而且它绝不可能通过采购更多设备解决。阿塞拜疆国民议会曾讨论针对社交网络设定年龄限制，这与法国2018年法律背后的逻辑相同，都是为了保护儿童的注意力。逻辑是正确的。决定成败的是执行。
我成长在这样一个国家，当时读一本厚书并不是什么教育训练，而只是一种度过晚上的方式，因为可供选择的事情并不多。国际学生评估项目的长期数据如今证明了当年似乎无需证明的常识：成绩最好的青少年，往往就是那些经常阅读长篇书籍的人，因为这种阅读会训练大脑在记忆中保留并理解大量复杂信息的能力。我们获得了通往人类全部信息的入口，却同时失去了那个让这种入口真正有价值的能力。
一个教育部门不会喜欢的结论
经济合作与发展组织的报告使用的是国际官僚体系特有的语言，因此，它最重要的结论只能由我们替作者说得更加明确。
问题并不在人工智能本身。学校作为一种制度，是围绕信息稀缺时代设计的，而世界已经进入信息过剩时代，却没有任何一个教育部门真正按照这种变化重写自己的制度规则。人工智能没有制造危机。它只是揭开了一个原有结构的真相：这套结构之所以能够运转，很大程度上是因为过去获得现成答案很困难。当寻找答案变得极其容易之后，人们才发现，我们过去称为“学习”的那种努力，很多时候只是寻找答案困难所产生的副产品，而并非经过教育设计有意识培养出来的能力。
因此，一个令人不舒服的结论随之出现。单纯禁止聊天机器人无法恢复任何东西，因为真正需要恢复的并不是纪律，而是作业本身的意义。如果一个十五岁学生拿到一篇两页的文章，老师只要求他把文章复述一遍，那么他认为机器四秒钟就已经解决了这项任务，其实完全合理。他没有错。这个任务本身确实已经过时。
再过三年，也就是2029年或者2030年，经济合作与发展组织将公布下一轮测试结果。届时参加测试的孩子现在正在读六年级，他们已经不记得一个没有生成式人工智能模型的世界是什么样子。教育部门大约还有三十六个月时间去想清楚一个问题：对于这样一代人，当“获得答案”本身已经不再是一种智力活动时，学校究竟还准备测量他们的什么能力。
而此时此刻，从雷克雅未克到哈尔科夫，成千上万间教室里仍然在重复同一个场景。老师发下课文。班上28%的学生低下头，看向桌子下面藏着手机的地方。9%的学生还没有读完一个段落，就已经开始向下滑动页面。课程仍然按照课表继续进行。