一位好老师传递的，是答案还是看问题的方法？

Geoffrey Chen

《一个人怎样形成自己的世界》· 第二季“他人、对话与共同知识”· 第四篇

学生刚刚看懂老师演示的一道题。他记住公式，能够沿着黑板上的步骤得到正确答案。下一道题只改变了叙述方式和一个条件，他却不知道从哪里开始。

在第一道题里，他获得了答案；在第二道题前，他才发现自己可能还没有获得问题。

“好老师不直接给答案，而是教学生思考”是一句很受欢迎的话。它大体表达了正确方向，却容易把教学写成虚假的二选一。没有足够事实、概念、范例和正确反馈，学生很难凭空形成方法；如果教师只给答案和步骤，学生又可能把知识误认为一条只能在原题上运行的路径。

好老师真正传递的，既不是孤立答案，也不是一套脱离内容的万能思维技巧，而是某个领域中答案怎样被问题、证据、概念和检验方式约束的结构。

答案、程序和观察方式是三种不同的学习

当教师解答问题时，学生至少可能学到三层东西。

第一层是结果：这道题答案是什么，这个事件发生在哪一年，这个词怎样定义。结果为共同讨论提供必要坐标。一个连基本事实都不掌握的人，很难只靠“批判性思维”进入复杂领域。

第二层是程序：怎样列式，怎样比较史料，怎样识别论证前提，怎样检验代码。程序让学生能够处理同类任务，但也可能被机械套用。

第三层是观察方式：在面对新问题时，先注意什么，哪些表面差异不重要，什么证据可以改变结论，什么时候现有方法不再适用。这一层最不容易直接说出，却最接近能够迁移的理解。

专家往往已经把大量判断自动化。他们看一道题时“自然”注意到关键条件，看一段史料时迅速区分作者位置和写作时间。对初学者而言，这些并不自然。教师如果只展示最后的整洁解法，就会隐藏思考过程中曾经出现的选择、排除和检查。

认知学徒制（cognitive apprenticeship）的核心主张之一，正是让原本不可见的认知过程变得可见：教师不仅做给学生看，还说明自己为什么在这里停下、排除另一个方向、检查某个假设，并逐步撤去支持。它把教学从“展示成品”转向“展示判断怎样工作”。

为什么学生需要先暴露自己的错误结构

老师直接给出清楚解释，往往有效，也有时太有效。学生在跟随解释时感到每一步都合理，于是把“我能够认出这条路”误当成“我能够独立找到这条路”。

自我解释研究展示了生成理解的重要性。Chi 等人观察学生怎样学习物理例题，发现表现较好的学习者会更频繁地解释步骤、把操作连接到原理，并较准确地监控自己没有理解的地方；他们因此形成较少依赖原例的知识。关于自我解释的经典研究不能被简化成“只要多说话就会学得好”，但它说明理解需要学习者主动建立步骤与原则之间的关系。

“生产性失败”（productive failure）的研究则探索另一种顺序：先让学生面对尚未学会的新问题，尝试产生不完整甚至错误的方案，再由教师组织比较和正式讲解。在特定数学与科学任务中，这种“问题在前、教学在后”的设计能够提高概念理解与迁移。Kapur 对生产性失败的研究综述同时强调，它不是放任学生自行挣扎；探索之后必须有整合和知识建构阶段。其他研究也指出，设计是否忠实、任务是否合适，会影响它能否奏效。关于生产性失败何时失败的分析

这里真正有价值的，不是把失败浪漫化，而是让学生自己的问题结构先出现。一个错误答案可以告诉老师：学生忽略了哪个变量，把哪两个概念混在一起，或者只是背下程序却没有理解适用条件。教学因此不再向一个假想的空白头脑输送内容，而是在已经形成但需要修正的结构上工作。

好老师传递的是判断的可修正性

“方法”这个词常被误解为一套稳定步骤。可是在真实知识中，重要能力包括知道何时不应继续使用原方法。

历史材料需要核对来源，但不同材料不能只按“是否客观”排序；统计模型需要检验，但一个高预测准确率不能自动回答政策是否公平；文学文本可以细读，却不能因此忽略作品的历史语境。领域知识之所以不可被一种通用思维术取代，正因为不同对象允许的证据、解释和反例不同。

好老师会逐渐交给学生几种判断：怎样发现自己的理解只是熟悉感；怎样在两个看似可行的解释之间寻找能区分它们的证据；怎样承认“不知道”而不停止学习；怎样在结论改变时保留一条可说明的修正路径。

这比单纯“培养独立思考”更具体。独立不是拒绝老师，而是在最初借助老师的选择和示范以后，能够在新情境中继续提出同类问题，并且在出现反证时不需要靠老师的权威才允许自己修改。

因此，教师传递的不只是正确性，也是一种纠错关系。学生看到教师怎样处理自己的口误、过时资料或一个真正困难的问题，会学到知识权威是否允许修正。一位永远表演确定性的教师，可能给出许多正确答案，却同时教会学生：不知道是一种羞耻，改变观点是一种失败。

AI能回答问题，却未必知道何时不该立即回答

生成式AI使“得到答案”几乎没有等待时间。学生可以要求解释公式、总结章节、生成论文结构，甚至让系统模仿苏格拉底式提问。这种可用性为个别化练习和即时反馈打开了真实空间，也使教学的顺序问题更重要。

如果学生在尚未形成问题表征以前立即得到完整答案，AI会替他完成最需要暴露的那段思考。结果可能是作业更快完成，教师却失去了错误所提供的诊断信息，学生也失去了比较自己方案与较好方案的机会。

反过来，要求AI永远不给答案也没有道理。初学者需要正确范例，错误挣扎如果没有及时整合，只会巩固混乱。更好的AI教学交互应根据学习阶段改变角色：先要求学习者说明已有理解或尝试；提供有限提示；让不同方案可比较；在关键时刻给出明确解释；最后用变化后的任务检查是否真的迁移。

这不是单靠提示词能够完全解决的。AI不知道学生的长期学习历史，也可能给出貌似合理的错误反馈。教师仍需要决定课程目标、选择适合产生困难的任务、识别误解并判断何时应从探索转向讲解。AI可以扩展教学动作，却不自动拥有教学判断。

答案应当成为方法的证据

好老师当然会传递答案。教育若拒绝明确答案，就会把本可共享的知识变成每个学生都要重新发现的负担。关键不在“给不给”，而在答案以什么方式进入学习。

一个只需被记住的答案会结束问题；一个放在理由、边界和比较中的答案，则能成为学生以后识别新问题的证据。老师不是故意保持神秘，而是让学生看见：这个结论为什么在这里成立，它与相邻错误有什么差别，在什么条件改变后需要重新判断。

所以，一位好老师传递的不是答案或方法中的一个。更准确地说，他把答案放进一条可重建的判断路径，使学生最终能够带着这条路径离开老师。

知识教育最深的结果也不是学生复制教师的世界。教师先借给学生一组注意方式、概念区别和检查习惯；学生在新的材料、失败和生活经验中修改它们，逐渐形成自己能够负责的理解。到那时，老师给过的许多答案可能已经被忘记，但学生知道面对陌生问题时从哪里开始，也知道什么时候必须停下来重新提问。

主要资料

继续阅读：浏览《一个人怎样形成自己的世界》系列文章

了解 Geoffrey Chen 的更多信息

订阅后即可通过电子邮件收到最新文章。