流失一名學生會讓大學損失超過10萬美元

在美國大學就讀的學生中，大約有 40% 的人在完成學業前退學。在英國，非續讀率也有所不同，從牛津和劍橋的低於 2% 到某些機構的超過 20% 不等。其經濟代價是驚人的：僅在美國，每年估計就會損失 38 億美元，而每位在第一年後離開的學生，都代表著該機構永遠無法收回的 10 萬至 20 萬美元學費收入。

關於學生為何離開的傳統假設是，他們在學術上沒有做好準備、不夠投入，或者選錯了課程。這些因素確實存在，但它們並非主要驅動力。研究一致指向了更具結構性且更可預防的因素：一個不斷加劇的惡性循環，即最初的微小差距不斷擴大，直到感覺無法追趕，而退學似乎成了唯一的選擇。

差距的複利效應

這個循環通常始於一些微不足道的事情。學生在第 3 週錯過了一堂課，或者沒有完全理解該模組後續內容賴以建立的某個概念。第 4 週的材料需要第 3 週的理解作為基礎，因此錯過第 3 週的學生現在在兩週的內容上都落後了一些。到了第 5 週，差距進一步擴大，而在他們缺乏基礎之上的新材料變得越來越令人費解。

在此時，社交動態使學術問題進一步加劇。學生環顧階梯教室，似乎其他人都能跟上。他們覺得自己是唯一在掙扎的人，這使他們不願舉手、不願在諮詢時間拜訪教授，也不願向同學尋求幫助。承認自己迷失的尷尬，加上日益強烈的感覺——要追趕上進度需要付出不知從何下手的巨大努力，這共同促成了一種退縮模式。他們開始逃課，因為在跟不上內容的情況下，上課顯得毫無意義。他們開始放棄這門課程。到了學期中，他們在心理上已經退出了，而正式離校的決定不過是辦理手續來追趕上幾週前就已經發生的事實上的離開。

這種模式在不同的機構、學科和國家中都驚人地一致。它影響了那些完全有能力掌握材料的學生，那些如果能在關鍵時刻獲得適當支持就能蓬勃發展的學生。問題從來不在於能力。問題在於，一個微小的差距被允許累積成一個無法逾越的鴻溝，因為沒有任何干預措施能夠足夠早地發現它。

為什麼傳統干預措施會錯過黃金期

大多數大學的留存計劃都是圍繞著被動觸發機制設計的。早期預警系統會標記那些出勤率下降或成績低於某個臨界值的學生。學術導師進行聯繫。提供輔導。提供諮詢服務。

這些干預措施有所幫助，但它們有共同的結構性限制：它們是在學生已經遇到麻煩、通常是在學生已經放棄之後才啟動的。當出勤數據顯示出某種模式時，學生已經掙扎了數週。當成績反映出問題時，學期可能已經過了一半。當導師取得聯繫時，學生可能已經決定離開了。

另一個限制是人力資源。大多數機構的學術導師都要承擔數百名學生的工作量。辦公諮詢時間有限，而且往往很少有人光顧，部分原因在於最需要他們的學生最不可能出現（促成退縮模式的同樣尷尬感，使得尋求幫助變得不可能）。同儕輔導計劃很有價值，但取決於志願者的可用性和學科覆蓋範圍。

真正能打破這種惡性循環的干預措施，必須是在差距開始形成的時刻就能提供，學生可以私下獲取而無需付出承認自己掙扎的社交代價，並且能夠針對其特定課程材料解決其特定的困惑。這個描述一直指向一個答案：個人輔導。

布魯姆的證據

1984 年，班傑明·布魯姆（Benjamin Bloom）發表的研究表明，接受一對一輔導並結合精熟學習的學生，其表現比接受傳統教學的學生高出兩個標準差，這意味著接受輔導的平均學生的表現超過了僅在課堂學習的小組中 98% 的學生。大約 90% 接受輔導的學生達到了只有前 20% 的傳統學生才能達到的水平。

這種效果是巨大的，原因也很容易理解：當學生犯錯時能獲得即時反饋、適應學生理解速度的彈性教學進度、在標準解釋不起作用時提供個性化解釋，以及防止大多數課堂上常見的被動不參與的積極互動。

布魯姆稱之為「兩倍標準差問題」（two sigma problem），因為在規模上提供這種干預在經濟上是不可能的。每位學生配備一名導師對於任何教育系統來說都不是一個可行的模式。這項研究被擱置了四十年，決定性地證明了個人輔導是曾被衡量過的最有效的教育干預措施，但與此同時，在規模化應用上卻是無法負擔的。

改變了什麼

一個基於學生實際課程材料、教學大綱、課堂錄音、指定閱讀材料、課堂簡報和教科書章節的 AI 導師，掌握了幾種使真人輔導行之有效的機制。

它提供即時反饋：學生在週日晚上 11 點提出問題，並在幾秒鐘內獲得基於其課程材料的解答。它能適應學生的節奏：對清晰的概念進行簡短回答，對令人困惑的概念進行更長的解釋，並輔以從指定閱讀中提取的例子。它會引用其來源：每個回答都會指向涵蓋相關內容的特定頁面、簡報或課堂錄音的時間戳記。而且，它的使用不會帶來阻礙如此多掙扎中的學生尋求幫助的社交代價，因為沒有評判，沒有尷尬，也無需應對有限的辦公諮詢時間。

至關重要的是，AI 導師是根據學生的實際課程材料而非通用的訓練數據進行回答。當學生詢問有關第 3 週的概念時，答案來自其教授的授課、指定的閱讀材料和課程筆記，而不是網路上碰巧關於該主題的任何說法。該解釋使用了其課程所採用的框架，這意味著學生正在建立直接適用於其評估的理解。

哈佛大學於 2025 年發表的一項隨機對照試驗發現，與主動學習課堂相比，使用設計良好的 AI 導師，學生每小時的學習量大約是前者的兩倍。該 AI 導師是圍繞著使真人輔導行之有效的相同原則設計的：鷹架搭建、主動回憶、適應性節奏和蘇格拉底式提問。

打破惡性循環

導致大多數學生流失的差距累積過程具有特定的結構，而 AI 導師會在每個階段進行干預。

最初的困惑。 學生在第 3 週沒有理解某些內容。與其將這種困惑帶到第 4 週，他們可以要求 AI 導師利用講師的框架和指定的閱讀材料來進行解釋。由於困惑得到了立即解決，差距便不會形成。

追趕進度的負擔。 已經落後的學生可以要求導師總結他們錯過的那幾週的核心概念、生成練習題，並確定在繼續前進之前需要理解的內容。追趕進度是私下進行的，以他們自己的節奏，無需向任何人承認他們落後了。

評估準備。 學生無需面對帶著數週累積差距的考試，而是可以要求導師複習該模組的材料、找出他們的薄弱領域並生成有針對性的複習內容。導師因為擁有課程材料而知道涵蓋了哪些內容，並且可以將複習重點精確地放在學生的需求上。

持續的支持。 導師會記住學生學過什麼、在哪些方面遇到過困難，以及他們之前問過什麼。在一個學期的過程中，它會建立起關於學生學習的上下文，這意味著每次互動都比上一次更有用。

機構層面的考量

對於大學管理人員來說，這筆帳很簡單。

一個擁有 15,000 名學生、一年級退學率為 15% 的中等規模機構，每年大約會流失 2,250 名學生。每位在第一年後離開的學生都代表著其學位剩餘年份的學費收入，在美國機構中通常為 10 萬至 20 萬美元，在英國機構中為 27,000 至 37,000 英鎊。單一屆學生流失所造成的總收入損失高達數億美元。

以每位學生每月大約 10 美元的成本，為每位學生提供一個了解其課程材料的 AI 導師，其花費僅為各機構目前在啟動過晚的留存計劃上花費的一小部分。如果該工具甚至能留住原本會離開的學生中的一小部分，其投資回報率也是相當可觀的。

但是，經濟上的論點雖然重要，卻非全部。每位退學的學生都要付出個人代價：背負債務卻沒有學位、職業生涯軌跡受阻、挫敗感。降低流失率對於機構來說是財務上的當務之急，而對於在其中工作的人來說則是道德上的義務。一種可供每位學生使用、部署成本幾乎為零、且能解決導致大多數退學的特定機制的干預措施，非常值得認真考慮。

常見問題解答

這真的能解決學生退學的主要原因嗎？ 經濟壓力和個人境遇是學生流失的重要因素，而 AI 導師並不能直接解決這些問題。它所解決的是學術上的放棄循環，研究一致表明這是退學的主要學術驅動力。一個感到獲得支持且有能力的學生也更有可能在經濟困難中堅持下去，因為這項投資讓人覺得是值得的。

這與現有的學術支持服務有何不同？ 它是補充而非替代。學術導師、諮詢服務和同儕輔導仍然很重要。不同之處在於可用性和針對性：AI 導師在任何時間都可用、即時響應，並根據學生的實際課程材料進行回答。它能在差距累積之前將其消除，而這正是傳統支持服務通常無法觸及的階段。

如何防範學生使用 AI 進行作弊？ 基於課程材料的 AI 導師與通用聊天機器人的運作方式不同。它幫助學生理解他們指定的閱讀材料和課堂講授、引用特定來源，並建立理解力，而不是生成文章。理解支持與學術不端行為之間的區別是清晰且可強制執行的。

我們將如何衡量其影響？ 進行一個學期且設有對照組的試點項目可以提供有意義的數據。衡量指標：與沒有該工具的配對組相比，學期結束時的成績分佈、學生滿意度、互動頻率和留存率。詳細方法請參見試點框架。

延伸閱讀：布魯姆的兩倍標準差問題、學生退學的代價、AI 輔導與 ChatGPT 的對比、規模化的個人輔導。相關頁面：AI 導師、致學生、AI 輔導應用案例。