给 AI 辅导老师配上语音，能帮助学生学习吗？

令人信服的声音，并不能说明辅导老师教得如何。对话结束后，学习者能解释些什么？

近期一项针对在线 MBA 课程中语音与文本辅导的研究，正是围绕这个问题展开的。研究结果提醒学校和产品团队，应将他们希望提供的体验，与他们付费期望获得的教育成果区分开来。语音或许能成为这种体验的一部分，但不能仅仅因为学生喜欢使用语音，就宣称它能促进学习。

语音对比研究究竟测试了什么

在 AI 辅导老师开口说话时 一文中，Shihao Yang、Marshall Van Alstyne 和 Chrysanthos Dellarocas 研究了在线 MBA 金融课程中的一种结构化辅导系统。该论文于 2026 年 9 月 21 日提交至 arXiv。能够使用辅导系统的学生交替采用语音和文本进行学习。这项比较考察的是该组学生使用的交互方式，此外还单独比较了能够使用辅导系统的学生与留出对照组。

研究开始时随机分组的 86 名学生中，有 51 人完成了两项评估。筛选后剩下 46 人。交互方式分析涉及 29 名接受辅导的学生。这并不是一项语音组和文本组各有 86 人的试验。

研究人员报告称，使用语音时，师生对话式互动更多；但每周掌握程度在他们设定的正负 0.3 个标准差范围内，统计上等效。在这项具体实施中，语音交付的成本约为文本的 2.8 倍。这指的是服务提供方的交付成本，并非对学校支出的普遍估算。

这些发现目前仍来自预印本。参与者流失、研究人群范围有限以及评估方法，都限制了研究结果的适用范围。此外，每周掌握程度并不能证明学生能够长期记住所学内容。

所谓等效，需要加上这样的限定。观察到的差异落在研究人员选定的容许范围内，但这并不排除个体结果有所不同，也无法说明换成其他学科会发生什么。在购买语音功能之前，机构应先确定，对自己的学生而言，多大的教育效果差异才算重要。研究结果无法替机构作出这一判断。

对话更多，只是众多结果之一

学完金融课程后，学生能否在没有帮助的情况下解释相关概念，并将其用于一道此前没有做过的题目？评估应当查明这一点。即使系统显示课程已完成，这个问题仍没有答案。

在衡量人工智能对学习的影响时，这会带来问题。评估应分别衡量参与度、理解程度和后续回忆情况。否则，最容易收集的数据就可能被当成答案，去回应一个它原本并非旨在回答的问题。

2026 年 9 月 13 日发布的关于由实践者主导的人工智能辅导试验的预印本，报告了 Wayne Harrison 及其同事开展的一项 GCSE 科学评估。许多参与者退出了评估。作者可以探究参与度与学习成绩之间的关系，却无法证明其中一方导致了另一方。他们主张，随着教育人工智能不断发展，应反复开展评估。这项研究没有比较两种交付方式。

要了解学生的参与情况，可以询问他们哪些课程环节让他们感到困难，并将他们的反馈与辅导系统使用记录进行对照，查看他们何时停止使用。然后，应单独评估学习效果。满意度得分再高，也不应让一个尚未解答的教育问题从采购决策中消失。

语音在哪些情况下仍值得采用

即使没有提高平均考试成绩，一种交互界面仍可能值得提供。在讨论人工智能在支持教育工作者方面的作用时，也应考虑更喜欢说话而不是打字的学生。决定提供什么服务时，将这种偏好纳入考量是合理的，但团队不能把它报告为教学效果更好的证据。

应在学生实际学习的环境中试用辅导系统。在共用的房间里，他们愿意大声说出答案吗？让他们亲自试试。使用辅导系统期间，可以请他们回看一个陌生术语、检查一个方程式，再切换到文本模式，以便观察他们在完成这些任务时是否遇到困难。

听不见或无法理解纯音频录音的人，需要通过其他方式获取其中的内容。文本替代方案是W3C 关于预录音频的指南中提出的方法，适用于课程等会被项目保存以供日后使用的录制材料。评估实时对话式辅导系统的团队，仍需考虑该指南之外的无障碍要求。

这项金融课程对比研究没有测试发音练习或语言学习，因此其发现无法确定语音是否有助于这两者。项目可以对这些用途进行研究，但不应假装一项研究已经为语音在所有教育场景中的使用作出肯定或否定的结论。

让试点回答采购决策所关心的问题

试点应针对机构正在考虑的采购进行测试，面向预定的学生群体，说明为他们提供语音功能的理由，并事先商定足以证明这笔费用合理的结果。应采用可比的课程和明确的对照条件，并由合格的评估人员协助规划如何处理学生的先备知识和缺失的评估数据。开展一个方便的小规模试点，并不能自动证明因果关系。

确定由谁准备课程、由谁安排并审查评估，是统筹这项工作的一部分。这些都是试点团队的职责分工。学生的成绩和录音应存放在机构批准的系统中。

评估也应纳入计划。评估应在没有导师协助的情况下进行；如果机构希望获得有关知识保持情况的证据，而不只是课程结束后学生的表现，就应安排后续评估。什么样的结果才能证明这笔费用合理？应在收集答案前就商定这一点。若试点关注的是可及性或偏好，就需要为这些益处设定评判标准，但不能声称试点已经证明学习效果有所提升。

应将学习结果与可及性反馈和成本数据并列报告，并在决策表中分别清楚呈现。尚未得到解答的问题也应列在表中。购买方应能独立查看每项发现，而不必费力拆解综合评分。参与人数统计必须包括未完成试点的学生。还应说明这些学生缺失的评估数据会妨碍团队得出哪些结论。

本编辑评估框架参考了 Yang 及其同事、Harrison 及其同事，以及 W3C WAI 的相关工作。这些是规划问题，并非实测结果。

成本核算也应同样明确。服务提供商的收费只是其中一项。还应单独计算用于系统设置、学习者支持和评估的员工工时，因为即使由机构自己的员工完成这些工作，这些工时仍会给机构带来成本。MBA 研究发现的语音功能溢价提醒购买方应询问交付成本。该研究测量了这部分费用。

应记录学生使用的模型和界面。如果系统发生变化，应说明哪些观察结果来自哪个版本。Harrison 及其同事提出的反复评估理由在此很有参考意义：评估应始终与学生实际使用的系统保持对应。

评审时，可供选择的方案应包括保留文本、仅在特定情况下提供语音功能，或收集更多证据。发现结果不确定，就应暂缓采购，并明确还需要哪些证据才能作出决定。

先确定预期结果，再选择界面

财务对比发现，使用语音功能时的对话更多，但每周的学习掌握程度仍处于研究人员设定的等效界限内。下一轮测试应与预定学生群体及拟议采购背后的学习成效主张相匹配。

采购建议应说明语音功能能为这些学生带来什么，以及哪项发现支持这一主张。如果语音功能满足了有明确记录的可及性需求，就应清楚说明这项益处。若要声称学习效果更好，就必须评估学生在没有协助的情况下能够解释或应用什么，即使他们对导师的反馈十分积极也是如此。仅凭使用体验愉快，无法回答采购决策所关心的问题。