给 AI 导师加上语音，能帮学生学得更好吗？

有说服力的声音并不能让我们对导师的教学水平了解多少。对话停止后，学习者能解释什么？

这正是近期一项关于在线 MBA 课程中语音与文本辅导研究背后的核心问题。其研究结果为学校和产品团队提供了一个理由，将他们希望提供的体验与他们付费追求的教育成果区分开来。语音或许能在这种体验中占有一席之地，但不应该仅仅因为学生喜欢使用它，就赋予它学习效果方面的宣称。

在 2026 年 9 月 21 日提交至 arXiv 的《When AI Tutors Speak》中，Shihao Yang、Marshall Van Alstyne 和 Chrysanthos Dellarocas 研究了一门在线 MBA 金融课程中的结构化导师。可以使用导师的学生在语音和文本之间交替。该比较针对的是该组内部的交付渠道，同时还单独比较了可使用导师与对照组的情况。

在研究开始时随机分组的86名学生中，有51人完成了两项评估。筛选后剩下46人。模态分析涉及29名接受辅导的学生。这并不是一项每组86人的语音与文本对照试验。

研究人员报告称，语音带来了更多的对话式互动，但每周掌握度在其设定的正负0.3个标准差范围内在统计上等效。在此次实施中，语音交付的成本约为2.8倍。这是提供方的交付成本，并非对学校实际支出的普遍估计。

研究结果仍为预印本。样本流失、受限的人群以及评估方法限制了其结论的适用范围。每周掌握度也无法确立持久的记忆保持。

等效性需要这一限定。观察到的差异落在研究者选定的容差范围内，这为个体结果存在差异留下了空间，也无法告诉我们换一个受试者会发生什么。在购买语音功能之前，机构应当判断多大的教育差异对其自己的学生才算重要。研究结果无法替它做出这一判断。

在金融课之后，学生能否在没有帮助的情况下解释这个概念，并将其运用到一个尚未做过的题目中？这才是评估应当确立的内容。一节被标记为完成的课程，仍让这个问题悬而未决。

在衡量 AI 对学习的影响时，这就是一个问题。评估应当为参与度、理解和后续回忆分别设置各自的衡量指标。否则，最容易收集的数字就可能成为一个它本并非为回答而设计的问题的答案。

2026年9月13日发布的关于实践者主导的AI辅导试验预印本报告了Wayne Harrison及其同事开展的一项GCSE科学评估。许多参与者退出了该评估。作者本可以探究参与度与成绩之间的关系，但无法证明二者存在因果关系。他们主张，随着教育AI不断变化，应进行反复评估。他们的研究未对两种交付渠道进行比较。

要了解参与情况，可以询问学生哪些课程让他们感到困难，并将他们的评论与停止使用导师的时间记录进行对比。然后单独评估学习效果。高满意度评分不应让一个未得到解答的教育问题从购买决策中消失。

一个界面即使不能带来更高的平均测试分数，也可能值得提供。比起打字更愿意开口说话的学生，在关于AI如何支持教育者的讨论中也有其一席之地。在决定提供什么时把这种偏好纳入考量是合理的，只要团队不把它当作教学效果更好的证据来报告。

在学生真正学习的地方试用这位导师。在一间共享的房间里，他们愿意把答案大声说出来吗？让他们试一试。在他们使用导师的过程中，请他们回到一个不熟悉的术语、检查一个方程式，然后切换到文本，以便你观察他们在这些任务上是否有困难。

无法听到或理解纯音频录音的人需要另一种获取其内容的方式。文本替代方案正是 W3C 关于预录音频的指南中所描述的方法，该指南适用于项目留存供日后使用的课程等录制材料。评估实时对话式导师的团队仍需考虑该指南之外的无障碍要求。

本次金融课对比并未测试发音练习和语言学习，因此其研究结果无法判定语音是否对这两者有帮助。项目可以对此展开调查，而不必假装某项研究已经认可或否定了语音在所有教育用途上的作用。

试点应当用目标学生测试该机构正在考虑的购买方案，明确说明向他们提供语音的理由，并约定一个足以证明成本合理的预期结果。使用可比的课程和明确的对照条件，由合格评估者协助规划先备知识和缺失评估的应对。一个方便的小规模试点不会自动确立因果关系。

决定由谁准备课程、由谁安排和审阅评估，是组织这项工作的一部分。这些是试点团队的职责。学生成绩和录音应存入机构批准的系统。

评估应当纳入该方案。评估应在没有导师协助的情况下进行，并安排后续评估，以便机构在课程结束后立即考察表现的同时，也能获得留存情况的证据。什么样的结果才能证明这笔开支是合理的？在收集答案之前先就此达成一致。关注可及性或偏好的试点需要为这些收益设定标准，但不能声称它已经证明了学习效果更好。

在决策表中将学习结果与可及性反馈和成本数据并列报告，让每一项都清晰可见。尚未解答的问题也应留在那里。购买方应当能够单独读懂每一项发现，而不必去拆解一个合并后的分数。参与人数必须包括未能完成的学生。说明他们缺失的评估使团队无法得出什么结论。

编辑评估框架，参考了 Yang 及其同事、Harrison 及其同事以及 W3C WAI 的工作。这些是规划性问题，而非实测结果。

成本核算也应同样明确。供应商收费是其中一项。另外，还要单独计算员工在设置、学习者支持和评估上花费的时间，因为即使由机构自己的员工完成这些工作，这些工时对机构而言仍然有成本。MBA 研究中的语音溢价提示买方应询问交付成本。该研究测量了这部分费用。

注明学生使用的是哪个模型和界面。如果系统发生变化，请说明哪个版本产生了哪些观察结果。Harrison 及其同事关于重复评估的主张在此适用：评估应始终与学生实际使用的内容保持关联。

在评审时，可选的方案应包括保留文本、有选择地提供语音，或收集更多证据。一项不确定的发现，正是暂缓购买并明确仍需哪些证据才能做出决定的理由。

先确定结果，再设计界面

金融课程对比研究发现，语音带来了更多对话互动，而每周掌握度仍处于研究者的等效边际范围内。下一项测试需要匹配学生群体以及拟议采购背后的学习主张。

采购建议应当说明语音能为这些学生带来什么，以及哪项发现支持这一主张。如果语音针对的是一项有据可查的可及性需求，就应平实地描述这一益处。关于学习效果更好的主张，需要对学生在无辅助情况下能够解释或应用什么进行评估，即便他们对导师的反馈十分热情。仅凭愉悦感无法回答采购问题。