如果每個學生都有個人導師會怎樣？

在整個教育史上，最有效的教學形式也一直是最具排他性的。富裕家庭總是會僱用私人教師：羅馬貴族聘請希臘教師，文藝復興時期的貴族僱用學者導師，而英國貴族早在公立學校出現之前很久，就送孩子接受私人大師的教育。牛津和劍橋的大學導師制（學生每週與導師單獨或成對會面）仍是大學教育的金科玉律，也是這些機構能夠培養出如此優秀人才的首要原因。

這種模式在現代教育中依然存在。富裕家庭花費數千英鎊聘請私人輔導，私立預科學校的學生接受個人化輔導，而在標準化考試中表現最好的學生，絕大多數來自能夠負擔一對一學術支持的家庭。在英國，私人導師每小時的費用為 25 至 60 英鎊。在美國，SAT 輔導每小時收費 50 至 200 美元，優質服務的收費則要高得多。這些價格確保了接受最有效教學形式的學生，絕大多數是那些家庭負擔得起的人。

本傑明·布魯姆（Benjamin Bloom）1984 年的研究量化了每個人直覺上都知道的事實：一對一輔導比課堂教學能帶來顯著更好的成果。擁有私人導師的學生表現優於 98% 接受傳統教學的學生。大約 90% 接受輔導的學生達到了只有前 20% 課堂學生才能達到的水平。在布魯姆分析的研究中，這種效果是巨大且一致的。

布魯姆將這視為一個問題，因為在經濟上不可能大規模提供個人輔導。每個學生配備一名導師對任何教育系統來說都不是一個可行的模式。這項研究證明了這種干預措施是有效的，同時也表明世界無法負擔提供這種服務的成本。四十年來，這個「雙標準差問題」（Two Sigma Problem）一直作為一個無法企及的理想的優雅證明而存在。

成績差距就是支持差距

最能從個人輔導中受益的學生，往往是最高機率無法獲得這種服務的人。

第一代大學生（他們的父母沒有上過大學，無法協助完成課程作業）在入學時，缺少了許多同儕視為理所當然的非正式學術支持網絡。當他們看不懂第四週的閱讀材料時，他們沒有可以在晚餐時為其解答的父母，沒有學習同一專業的家族朋友，也沒有去向讓他們感到敬畏的教授請教的自信。

來自低收入背景的學生在學校接受私人輔導的可能性較低，進入大學時具備強大學習技能的可能性較低，且更可能在學習的同時兼職工作，這限制了他們參與教授答疑時間（office hours）和學習小組的時間。最需要支持的學生獲得支持的途徑最少，隨著時間的推移，這種差距會以完全相同的模式不斷擴大，從而導致退學。

半工半讀的學生面臨著這種問題的特定版本。講師的答疑時間是週三下午 2 點到 4 點，但學生下班時間是下午 3 點，下午 4 點才能到校園。學習小組在週六早上會面，但學生週末要工作。這種支持在理論上是存在的，但在實際中卻無法獲得。

不同社會經濟背景學生之間的成績差距是記錄詳實、持久且對大多數機構干預措施具有抵抗力的。研究一致表明，這種差距與其說是能力差異造成的，不如說是支持差異造成的。無論背景如何，獲得支持的學生表現都優於沒有獲得支持的學生，因為支持能防止複利差距的形成，並在差距出現時予以彌合。

讓支持變得普及

一個基於每位學生課程材料的 AI 導師並不會取代人類導師、學術顧問或大學提供的更廣泛的支持基礎設施。它的作用是，讓每位學生不論其家庭收入、工作日程或是否願意在公開場合尋求幫助，都能獲得一種特定、高價值的支持形式。

不懂第四週閱讀材料的第一代學生，可以在晚上 11 點要求 AI 導師根據講師的框架和指定的文本進行解釋。無法抽出時間參與答疑的在職學生，可以在工作輪班的空檔得到問題解答。在 200 人的課堂上不好意思舉手提問的學生，可以私下詢問同一個問題，並獲得基於其課程材料的解答。

這位導師很有耐心。它從不評判。它不知疲倦，從不面臨糟糕的一天，也從不因為學生提問而讓其感到愚蠢。如果前九種方法沒有效果，它會用十種不同的方式解釋同一個概念。它在考試前一天的凌晨 3 點隨時待命。它每月的花費比一小時的私人輔導還要便宜。

這並非一件小事。根據布魯姆的研究，擁有私人導師與否的區別，就是百分位數第 50 名和第 98 名的區別。四十多年來，這種差距只對那些家庭負擔得起每小時 30 至 100 英鎊一對一教學的學生開放。現在，只需每位學生每月大約 10 美元，每個人都可以獲得同樣優質、基於源材料的學術支持。

這對機構意味著什麼

部署大規模 AI 輔導的大學不僅是在提高學術成果。他們正在對教育公平進行結構性干預。

英國大多數大學和美國許多大學都致力於推動「擴大參與」（widening participation）議程，其核心是確保來自代表性不足背景的學生獲得成功所需的支持。大多數擴大參與的支出都用於宣傳、入學計劃、助學金和有針對性的支持服務。這些都很有價值，但也很昂貴、依賴人力，且能惠及的學生人數有限。

一個對每位學生都可用、在全校部署的費用僅占單個學術顧問薪水一小部分，且直接解決導致不同結果的學術機制的 AI 導師，是目前最符合成本效益的公平干預措施之一。

對於根據留存率差異、學生群體之間的成績差距以及擴大參與群體的成功率來衡量自身成效的機構而言，為期一學期的試點項目所獲得的數據將非常具有啟發性。如果該工具縮小了先前有和沒有接受過輔導的學生之間的成績差距，即使幅度不大，單憑公平理由，全校部署的理由就變得非常有說服力，這與財務留存率的論點無關。

使命之爭

這篇文章有意探討公平論點而非產品論點，因為公平論點是最重要的，也是最應該推動決策的論點。

最能從大規模個人輔導中受益的學生，是那些從未有機會接受過個人輔導的學生。現在已經存在提供這種輔導的技術，其成本相對於機構預算而言微不足道。支持其有效性的研究跨越了四個十年，其中包括最近的隨機對照試驗。

大學面臨的問題是，他們是否願意向所有學生提供最有效的學術支持形式，還是繼續將其在結構上（即使不是刻意的）留給那些私下負擔得起的人。

常見問題解答

AI 輔導真的能與人類輔導的效果相媲美嗎？ 目前的研究表明，AI 輔導掌握了使人類輔導有效的幾種機制：即時反饋、適應性進度、個人化解釋和主動參與。2025 年哈佛大學的隨機對照試驗（RCT）發現，使用設計良好的 AI 導師，學生每小時的學習量大約是原來的兩倍。它目前還無法複製優秀人類導師的情感智慧，但對於那些原本無法獲得任何輔導的學生來說，這代表了一種變革性的進步。

這是否會帶來減少對人類支持服務投資的風險？ 其意圖是相加而非替代。AI 輔導處理了人類導師花費大量時間進行的學術解釋和檢索工作，使人類顧問和導師能夠專注於 AI 無法提供的複雜關懷、激勵和個人支持。整體的支持範疇應該增加，而不是減少。

對於不使用技術的學生該怎麼辦？ 大多數大學生在學習中已經深度使用技術。採用的障礙通常是相關性，而不是對技術的排斥。一個能幫助解決理解本週閱讀材料這一眼前、具體挑戰的工具，其採用情況與通用的機構平台不同。

這與現有的擴大參與計劃如何契合？ 它們直接形成互補。宣傳計劃吸引學生上大學。助學金幫助他們負擔得起留下來的費用。AI 導師則幫助他們在入學後取得學術上的成功。大多數擴大參與策略的缺點在於入學後持續的學術支持，而這正是該工具所提供的。

相關閱讀：布魯姆的雙標準差問題、學生為何退學、學生退學的成本、僅根據您的課程材料回答問題的 AI。相關頁面：AI 導師、面向學生、AI 輔導應用案例、學生學習系統。