Khanmigo 的失敗以及內容傳遞與真正學習之間的差距

AI 輔導革命的失敗

Khanmigo 是由 Sal Khan 在 OpenAI 和 Microsoft 的大力支持下推出的 AI 聊天機器人導師，但對大多數學生來說，它被描述為一場「毫無波瀾的事件」。儘管能提早使用尖端模型，並獲得大量的慈善與政府補貼，該工具仍未能實現廣泛的學生參與，使用者往往對機器人回應「IDK IDK」，而非進行實質性的探詢。這種失敗表明，教育技術的瓶頸不在於內容傳遞的效率，而是在於缺乏引導學習者的目的性驅動力。

「Khan 方法」的悖論

Sal Khan 的學習方式與他設計教育產品的方式之間存在根本性的脫節。當準備教授一個主題時，Khan 採用了一種高度主動且具建構性的過程：

• 探詢 (Inquiry)： 他會問教科書跳過的「為什麼」問題，例如髓鞘如何實際增加神經元的信號傳遞速度。
• 建構 (Construction)： 他建立支架、繪製時間軸，並規劃概念以建立心理結構。
• 表達 (Expression)： 他將自己的理解綜合成影片，創造出學習的具體成果。
• 溝通 (Communication)： 他向專家測試自己的直覺，致電生物學家或工程師來驗證他的理論。

雖然 Khan 本人的學習過程是主動建構的體現，但提供給學生的產品——觀看影片或與聊天機器人互動——卻是該過程的殘餘物。學生被給予了目的地（解釋），卻沒有經歷過程（掙扎與發現），而這正是動力與深度理解所在之處。

將 Dewey 的衝動應用於 EdTech

John Dewey 主張學習是由四種自然衝動驅動的：探詢、建構、表達與溝通。大多數 EdTech，包括 Khan Academy 和 Khanmigo，運作的是一種「自動完成」策略——一個自動完成解釋，另一個自動完成輔導。

透過專注於在正確的時間傳遞正確的內容，這些工具繞過了學習中必不可少的掙扎。真正的教育需要學習者對資訊進行「實作」 (do something)。當建構或表達的衝動缺失時，學生就沒有理由去克服學科的困難，導致對工具的進行被動消費或直接拒絕。

社群觀點的綜合分析

雖然批評主要集中在 AI 輔導的失敗，但使用者與教育工作者對 Khan Academy 在生態系統中的角色提供了更細緻的觀點：

支架式學習的價值

許多使用者認為 Khan Academy 從未打算成為教育的「一站式商店」，而是一個強大的補充工具。

"I learned a lot of math at a young age from Sal Khan's early videos... it served as an easy-to-digest scaffolding on top of which to build a deeper understanding."

從這個角度來看，影片提供了初始的地圖，讓學生隨後能透過練習與現實世界的應用進入「從做中學」的階段。

「翻轉教室」模式

一些教育工作者指出，Khan 的方法與「翻轉教室」或「Thayer 方法」一致，即學生獨立觀看教學內容（如影片），並將課堂時間用於主動的解題與指導。

程序性學習與概念性學習的界限

對於「從做中學」論點的批評者認為，某些知識是程序性的，可以透過觀察與重複來有效地學習。學習操作機器或遵循特定的數學公式，可能不需要深度的 Deweyan 探詢，而創造傑作或新穎的發明，則需要作者所描述的那種有目的性且混亂的探索過程。

結論：教學知識的必要性

AI 輔導革命中的差距可以被歸納為教學知識的缺乏——即對人們「如何」學習以及什麼能激發他們動機的理解。雖然技術與內容知識非常豐富，但創造能激發學生內在探詢與建構驅動力的條件，仍是一項獨特的人類技能。正如 Sal Khan 最近所指出的，「最大的槓桿」可能在於投資於人類系統，而非試圖用軟體來繞過它們。