DeepMind 与 Fab AI 及塞拉利昂教育部合作，在 Port Loko 区 12 所学校开展随机对照试验。1763 名初中生使用 Gemini Guided Learning 8 周后，数学成绩提升 +0.258 标准差，相当于 1.2–1.7 年典型学习进度。学生参与度达 69%，远超教育科技行业 5% 的常规水平。
8 周 RCT 的结果显示，使用 Gemini Guided Learning 的学生在数学评估中表现显著优于对照组。效果量 +0.258 标准差，折合 1.2–1.7 年的典型学习进度。
将 Gemini 融入约一半课程的班级，效果更为突出。
注：柱形宽度代表相对学业进步幅度，非零起点。高强度使用组指教师将 Gemini 融入约一半课程、达到 12 小时使用目标的学生。数据来源于 113,000+ 次互动分析。
这是一项预注册随机对照试验，由 DeepMind 与 Fab AI 设计，塞拉利昂教育部支持，独立评估机构参与。试验流程、评估指标和分析方法在研究开始前已公开注册。
规模与透明度。
注：四组数字展示试验的核心规模。所有数据来自 DeepMind 公开技术报告，评估由第三方机构参与，包括 EducAid、Laterite 和 Oxford MeasurEd。
试验采用"自动校验 + 独立评估"双轨机制，确保结果可靠。教师设计课程与目标，AI 作为辅助工具融入课堂，不改变教学主体结构。
一个常见的担忧是：生成式 AI 可能成为学生的"捷径"，绕过必要的认知努力。Guided Learning 的设计正是为了解决这个问题——它基于 LearnLM 多年研究，优先构建理解而非直接提供答案。
数据验证了设计意图。
倾向于直接给出答案，学生可能跳过思考过程，认知负荷低，长期 retention 差。
76% 的消息是引导性问题，仅 2% 直接给出答案。学生在 91.4% 的对话中构建概念理解，而非索求答案。
这种"苏格拉底式"互动确保认知重担始终在学生身上。AI 不替代思考，而是通过提问引导学生自己找到答案。教师在焦点小组中反馈，使用 Gemini 备课时发现了讲解分数等概念的新方法。
注：数据来自 113,000+ 次互动的内容分析。76% 引导性问题指 Gemini 在全部消息中提出脚手架式问题的比例；2% 直接答案指包含完整解决方案的消息比例。
数字之外，更深刻的变化发生在行为层面。随着试验推进，学生的提问方式发生了系统性转变。
技能构建型查询从 68% 升至 90%，寻求答案型从 25% 降至 10%。
注：数据来自对试验期间学生提问内容的分类分析。技能构建查询指以理解概念、掌握方法为目的的提问；寻求答案查询指直接要求给出最终答案的提问。
学生不仅更投入，而且更享受数学课。69% 的学生达到或超过使用目标，这一数字在教育科技领域极为罕见。教师报告称，课堂氛围从"听讲"转变为"探索"，他们得以在教室中走动，支持结对学习的学生。
AI 教育的关键不是"用技术替代教师"，而是用引导式 AI 放大教师的触达范围。
教师培训指南与 RCT 操作手册已通过官方渠道公开，包含试验中使用的具体协议与材料。任何教育机构或研究团队均可参考实施。
deepmind.google → 获取指南