bingdada博科尼大学与OpenAI联合实验表明，ChatGPT接入能显著提升学生作业的专业度和逻辑性，而因果推理训练能增加观点的原创性和多样性。两者结合效果最佳，这为AI时代的教育评估改革提供了数据支撑。
当学生使用ChatGPT完成现实作业时，质量提升是否以牺牲原创性为代价？这是教育界面对AI浪潮时最核心的焦虑之一。近期，博科尼大学（Bocconi University）与OpenAI经济研究团队联合开展的一项随机实验，为这一议题提供了颇具启示性的数据支撑。实验发现，ChatGPT的接入与因果推理训练（一种批判性思维形式）对学生作业的改善路径截然不同，且二者具有显著的互补性。
该研究的样本量超过1000名大一本科生，他们需要为一个真实商业案例——本校商品店的营销推广——制定建议方案。研究者将学生随机分为四组：仅使用ChatGPT（GPT-4o）组、仅接受因果推理训练组、两者兼具组，以及既无工具也无训练的对照组。值得注意的是，训练内容与AI无关，而是通过游戏、案例和反馈练习，专门教授学生如何建立因果链条并解释方案为何可行或失效。
作业由训练有素的评分员依据五级量表进行评判，同时研究者运用自动化文本分析，衡量每份提交中的观点数量、观点多样性、因果推理迹象以及与专家方案的相似度。这种多维度的评估设计，让实验得以剥离出不同干预因素的独立效应。
从实验结果看，ChatGPT的接入带来了立竿见影的效果。获得AI访问权的学生，在五级量表上的得分几乎高出整整一分。他们的答案包含更多想法，逻辑链条更清晰，与专家撰写的建议方案相似度更高。换言之，AI帮助初学者产出了看起来更专业的内容。
但关键在于，学生并非简单地将作业“外包”给ChatGPT。他们仍需自主决定提问方向、甄别AI输出的质量，并选择哪些内容纳入最终提交。这实际上锻炼了人机协作中的判断力——一种在AI时代愈发重要的元技能。
批判性思维训练的效果则更为微妙。完成训练的学生在评分量表上并未获得更高分数——因为该量表仅衡量建议是否达成两个标准营销目标（提升商店知名度和使用率）。然而，文本分析揭示了量表之外的显著差异：这些学生产出的观点范围更广，且与同伴方案的区分度更高。
这一发现直指传统教育评估的盲区。正如OpenAI经济研究团队在论文中所指出的，传统量规（rubric）往往奖励结构清晰、表达流畅的答案，却可能忽视学生是否提出了独一无二的见解。当AI让“流畅”变得唾手可得时，评估体系对“原创性”的捕捉能力就显得尤为关键。
该实验最引人注目的发现，在于两种干预的协同作用。同时获得ChatGPT和思维训练的学生，兼收两者之长：他们的观点多样性媲美仅受训练的学生，评分和观点数量与仅用AI的学生相当，同时还展现出更强的逻辑连贯性和质疑假设的倾向。
从博科尼大学的官方发布看，这一结果挑战了“让学生独立思考还是学会用AI”的二元对立叙事。实验设计者强调，两者并非替代关系，而是服务于不同的教育目标：AI提升答案的“专业度”，思维训练拓展思路的“广度”。
实验揭示的核心矛盾，在于训练效果与量规评分之间的脱节。这指向一个更广泛的现实：如果AI能帮助学生产出专家级的精美作品，那么仅仅审视最终答案，我们便难以判断学生真正理解了什么。
实际上，这延续了数十年来技术与教育协同演进的模式。从计算器到搜索引擎，每次工具革新都在倒逼教育者重新定义“可测量的能力”。如今，AI将这一进程推向了新的高度。许多教育工作者已经开始反思，作业设计与评估标准是否需要从“产出正确结果”转向“展示推理过程与多元视角”。
这一实验结论对国内AI教育实践同样具有参考价值。当前，国内高校和K-12阶段正积极推进生成式AI的落地应用。例如，文心一言和通义千问等国产大模型已进入多所学校的教学辅助场景，用于作文批改、外语对话练习等。
与博科尼实验强调“思维训练”相呼应，国内教育界也越来越重视AI素养与批判性思维的综合培养。一些学校开始尝试“AI+项目式学习”模式，鼓励学生利用AI工具进行资料搜集和方案迭代，同时通过课堂辩论、案例复盘等形式强化逻辑推理训练。这种“工具赋能+思维筑基”的双轨路径，与实验揭示的互补效应不谋而合。
这项实验的最终启示，或许在于教育目标的重新排序。当AI能够轻松产出“标准答案”时，教育的差异化价值便体现在那些AI难以替代的品质上——提出新颖问题、构建独特视角、反思方案局限。正如研究者所言：AI让答案更好，批判性思维让想法更广。二者在为学生准备未来时，扮演着互补的角色。
实验发现，ChatGPT接入能显著提升学生作业的专业度、逻辑性和观点丰富度，而因果推理训练则能增加观点的多样性和原创性。两者结合使用时，学生能同时获得这两方面的收益，表现出最强的综合能力。
因为传统评分量规主要衡量答案是否达成预设的营销目标（如提升知名度和使用率），而思维训练带来的观点多样性并未被该量规捕捉。这暴露了传统评估体系对原创性维度的忽视。
实验表明，学生并非直接复制AI输出，而是需要自主提问、评估和筛选信息。这种“人机协作”模式本身锻炼了判断力和决策力，可视为一种新型的认知技能。关键在于作业设计能否有效衡量这些过程性能力。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
OpenAI 发布 Astra for Law，将 GPT-6 Astra 与法律搜索索引、专业指令和治理工具整合，面向律所提供 AI 基础底座。本文分析其技术架构、性能数据、隐私治理及对国内法律 AI 的启示。
国际律所 Cooley 基于 ChatGPT Work 打造 GO Public，用代理编排层重构 IPO 准备流程：AI 负责信息梳理，律师专注判断与决策。本文解析其运作逻辑，并对比国内法律 AI 的落地路径。
OpenAI 与 AARP 旗下 OATS 合作，在美国10座城市为老年人开设免费 ChatGPT 线下工作坊，课程兼顾日常应用与防诈骗教育，为AI普惠提供了可复制的社区样本。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
