评估GenAI方案是否优于直接解题？

一项针对大三算法课程的随机A/B交叉研究（N=220）比较了学生直接解题与评估GenAI生成方案的两种学习方式。结果显示，两组在期中、期末和总成绩上无显著差异；评估组作业分更高，但未转化为后续考试收益。多数学生未改变学习习惯，少数调整者认为评估作业更有帮助。

此前关于GenAI教育应用的证据多集中于初级课程或代码生成，缺乏对高年级理论课程的严谨对照。本研究首次通过随机交叉设计，在算法课程中检验评估式学习的实际效果，发现局部优势未转化为总结性收益，为教育产品设计提供了重要参照。

评估GenAI解决方案要求学生转向验证、诊断和批判，而非从零构造。这种认知重分配可能提升对特定错误模式的识别能力，但未必加强整体问题解决技能，因此作业分数提高，但考试等综合测评未受益。

对教育科技产品而言，若主打评估式练习，需注意其收益有限，应结合传统解题训练。产品研发应避免过度依赖评估任务，并考虑自适应机制，为不同学生提供混合练习。

• 开发混合练习模式，将解题与评估GenAI输出结合，并在课程中轮换两种任务。
• 设计学习分析仪表盘，追踪学生在评估任务中的学习策略变化，识别受益群体。
• 为评估任务增加元认知提示，引导学生反思并调整学习策略。
• 将评估任务作为诊断工具，定位学生薄弱知识点，推荐针对性解题练习。

• 评估任务是否在其他课程主题或学生群体中产生不同效果？
• 长期使用评估式练习是否可能培养更持久的批判性思维？
• 哪些具体的学习策略调整导致了更高的感知帮助度？
• 评估式练习对低年级或理论要求较低的课程是否更有效？