2-Sigma用2小时：Alpha Schools如何用AI革新教育
摘要
Alpha School称，其AI介导的掌握式学习模型在2024–25学年带来的NWEA MAP增幅，是学生预期增幅的2.3倍。 核心学科每年大约只需20–30小时，传统学校则约需200小时；学生整体成绩通常接近99百分位。MacKenzie Price的直白比较是：「按时间组织的课堂就是个笑话。」
这套产品刻意不做面向儿童的聊天机器人，因为Price预计大多数学生会用开放式聊天框作弊。 Alpha的Dash平台会把每名学生导向精选的第三方及自研自适应应用中恰好所需的课程，再分析学习速度、准确率、知识缺口和行为表现。其实现依赖编排、纵向学习数据、应用选择和干预逻辑的组合，而不是单一基础模型。
AI只有在Alpha围绕它重做运营模式后，才带来了可量化的跃升。 Price在2014年创办学校时，自适应应用已经存在，但学生可以「挑课」、回避难度，甚至完全忽略某些学科；2022年引入AI测量和课程规划后，学习速度从预期增幅的约1.5倍升至超过2倍。Alpha同时取消了教师主导的学术教学：「当我们摆脱那种混合环境后，学习速度简直……疯了一样。」
这套模式不是消灭成年人，而是把教师劳动从内容传授转向激励、导师辅导和情绪支持。 Guides对3项结果负责：让每名学生喜欢上学校、在2小时内以2倍速度学习，并发展生活技能。Alpha不拘泥于教育资历，Guide起薪10万美元；面对学习困难的学生，学校将其视为需要诊断的运营失败，而不是一个该被指责的懒孩子。
Alpha并没有用AI降低标准，也没有把学科溶解成无边界项目。 学生仍须完成K–8 Common Core和高中AP课程，包括操练、书写和乘法熟练度；Price认为，储存在大脑中的知识是批判性思维和类比能力的基础。她相信每个孩子都至少能达到90百分位，关键在于合适的节奏和激励，并认为「2小时学习」最终可能变成1小时学习。
当前经济模型仍然是高端定位，但Alpha正在明确搭建价格和分发阶梯。 旗舰学校学费约4万–6.5万美元；特色学校约2.5万美元，1.5万美元学校正在推出。Price称，Brownsville那所社会经济背景混合的校区持续跑赢其他校区。Arizona虚拟特许学校已经获批，Texas实体特许学校正在申请；Price预计AI成本下降后，最终可以支撑一款每年1000美元、基于平板的学术产品。
每天2小时的学术时段创造了第二个产品入口：下午用于生活技能训练和AI赋能的创作。 学生学习创业、金融素养、领导力、体育、机器人、公开演讲和韧性；即使幼儿园学生也会用AI制作书籍、艺术作品、电影、游戏和编程机器。Price对劳动力市场的判断是，学生必须成为「创造者和贡献者，而不只是消费者」，把AI作为探索既有知识边界之外「灰色前沿」的超能力。
精读
1. AI让旧式一对一辅导模式具备规模化可能
Price把掌握式学习追溯到苏格拉底辅导柏拉图、柏拉图辅导亚里士多德、亚里士多德辅导亚历山大大帝——这种极其有效的模式，过去只属于「王室和知识精英」。大众教育随后用个性化换取低成本的讲台式课堂，这种课堂诞生于工业革命时期。
她对大约40年学习科学研究的总结是：当教学采取一对一、以掌握为导向，并按照学习者节奏推进时，孩子的学习速度可以提高2倍、5倍，甚至10倍。反复出现的限制是，这些结果无法在同一间课堂里复现，因为不同学生必须按照同一日历学习同一套年级课程。
Nathan Labenz将Bloom的「2-Sigma」理念解释为：把平均学生推向大约前5%。Price指出，研究者对样本群体和测量方式仍有争议。她的实际主张更窄：AI终于可以准确识别每个孩子已经掌握的内容，构建下一节课，并在掌握之前阻止其继续前进——它对学习科学的意义，就像「显微镜……对生物学」一样。
2. Alpha测得的结果是预期年度增幅的2.3倍
2024–25学年，Alpha报告称，学生在NWEA MAP上的预期学习增幅达到2.3倍。MAP是一种自适应评估工具，约有1000万名公立、私立和家庭教育学生使用；MAP的RIT分数会根据年龄和当前百分位预测增幅。比如学生预期增加4分，Alpha称实际可以增加8分。
Price称，这套系统可以从第10百分位或第98百分位的学生起步，补齐缺失的先备知识，并在1年内推进多个年级的学习进度。这里比较的是每名学生的预期轨迹，而不只是拿原始分数去对照一场统一的年级考试。
她最鲜明的效率案例是五年级数学：传统学校可能在约180天里至少分配200小时，而Alpha学生20–30小时就能完成课程。每天早上，每门核心学科约进行25分钟的专注学习，合计2小时「生产性挣扎」，之后进入下午项目。
Price认为，人们对这些数字感到难以置信，是因为忽略了基准线本身的低效：美国只有约1/3的学生达到年级阅读或数学水平，而1名教师必须同时服务20–30名处于多个教学水平的孩子。「这名教师到底怎么可能」同时补齐知识漏洞、教授指定课程，还要挑战那些进度超前的学生？
3. Alpha拒绝显而易见的聊天机器人界面
当被问到「AI导师」是什么样时，Price先说学生不会得到什么：一个通过开放式聊天传授数学知识的对话角色。她说，如果给大多数孩子这种界面，结果会变成「复制粘贴，答案是什么」或「帮我写这篇作文」，而不是人们期待的苏格拉底式对话。
Alpha保留K–8 Common Core和高中AP课程，通过不断调整的第三方自适应应用，以及Alpha Math、Alpha Read、Alpha Write和TeachTales等产品交付。作为中央平台的Dash，会把孩子直接送到当前最适合该学科、该水平和该学习者的应用中的对应课程。
学生不能在课程变难时随意放弃。Dash会追踪每天完成的内容、每节课用时、速度和准确率；家长、Guide和学生看到的是同一份记录。目标是把孩子从「被动乘客」变成知道现在认真读懂解释、之后做题就会更快的学习者。
4. 学习科学同时决定难度和干预方式
Alpha的目标是让每个孩子处于「最近发展区」：挑战足够大，能够促成学习，但又不会被压垮或无人支持。认知负荷理论决定学习者在系统应当放慢速度、提供另一种解释或退回先备材料之前，能够在工作记忆中同时保留多少概念。
Price用重复次数说明个性化的意义：如果Labenz需要5次重复才能掌握一个概念，就不该坐在那里重复10次；如果她需要15次，也不该只得到10次。统一的课程时长必然会浪费一个学习者的时间，同时让另一个学习者掉队。
当孩子在分数问题上遇到困难时，辅导系统可以提供视频、文字或音频解释，调出曾帮助类似学生的资源，或者把学习者送回乘法表。间隔重复随后会重新访问早期材料，而不是假设课堂上完成过的单元会永久留在记忆中。
基于视觉的监测可以区分概念难度和不良学习行为。Alpha能够调出一段记录：学生答错后出现了解释，但学生立即跳过；Guide随后可以针对这一「反模式」进行辅导，而不是误判为课程本身有问题。
5. 防护机制，加上AI，修复了自适应软件早期的失败
Price在2014年创办第一所学校，此前她看到女儿们已经能读章节书，却还要坐在幼儿园里听字母发音。已有的自适应应用允许她们继续升级，但也允许「挑课」、低投入，以及在题目变得不舒服时逃走。
最典型的早期失败案例是一个痴迷数学的一年级学生。他一路学到了八年级内容，却因为忽略阅读，需要有人替他读应用题。Alpha随后引入类似Pomodoro的防护机制：每天每门核心学科专注学习25分钟，即便学生很乐意把时间全部投入某一个领域。
2022年，AI把评估从事后记录学校成绩的工具，变成了运营输入。评估结果可以更新个体课程计划、识别知识漏洞，并强制执行线性进阶；Price称，学校的学习速度从2021–22学年的预期增幅约1.5倍，升至2022–23学年的2倍以上。
2022年秋季的第二项变化是组织层面的，而不仅是技术层面的：Alpha停止所有教师主导的学术教学，把学术时段交给辅导平台。Price称，放弃混合模式后，学习速度出现了急剧加速：「我们的学习速度简直……疯了一样。」
6. 应用层面的证据推动课程栈持续演进
Alpha没有绑定某一家LLM供应商，而是持续测试「最新、最强」的模型。Price称，学校目前在数据、分析和视觉处理上「烧掉很多钱」，但预计5年内，每个孩子都可能获得一款每年约1000美元、覆盖核心学科的平板产品。
2025年1月的一份MAP报告显示，除五年级数学为93百分位外，各年级、各学科的班级都处于99百分位。这个差异触发的是课程调查，而不是被一笔带过：Alpha可以更清楚地拆解应用选择、内容深度、参与度和学生行为；在传统课堂中，这些教学输入往往彼此纠缠。
一个反复出现的发现是，Math Academy很适合喜欢数学的高阶学生——约占Alpha学生的25%——但不太适合只是想稳步进步的平均学习者。因此，大多数学生把Alpha Math作为主课程；「并不是所有应用在所有年级都同样好用。」
一次SAT「冲刺」也发现，一家供应商在知识深度第1、2级上表现强劲，但第3、4级薄弱。Alpha把证据反馈给这家公司，后者随后发布了新版本；这说明学生数据可以反向进入更广泛的EdTech供应链。
7. Alpha正在谨慎加入生成式内容
Price设想，最终系统会把学生的知识图谱与兴趣图谱结合起来。TeachTales已经能够按照孩子合适的Lexile水平生成阅读理解材料，并加入其偏好的主题；学生还可以要求系统提供更多类似自己感兴趣内容的文章。
对一个孩子来说，数学未来可能通过棒球统计呈现；对另一个孩子来说，则可能通过服装设计呈现，让新概念附着在记忆中已经存在的知识上。这一点很重要，因为类比会复利式增强学习：「你脑子里的知识越多，就越能调用类比。」
Alpha对完全由AI生成课程仍然保持谨慎，因为即使用户要求五年级数学，系统仍可能生成事实错误。Price称准确率正在提高，她对家长的提示是：「唯一不变的就是变化」，应用和系统会持续更新，再通过学校数据评估效果。
8. AI转型中，核心知识仍然重要
Labenz问，学科、标准化考试和结构化课程是否可能溶解成一种更有机的学习体验。Price反驳了另类教育以「松松垮垮」的方式，用项目取代直接教学的倾向，比如让学生通过经营企业来学习全部数学。
她的核心论点是，批判性思维依赖于大脑中已经存在的事实；高效的AI教学是在强化这一基础，而不是让它失去意义。Alpha仍然使用「操练至熟」的方法：二年级学生可能一边做体能操，一边喊出乘法答案，为更高级的学习建立熟练度。
Price相信，K–8 Common Core中的每个孩子都能达到90百分位或更高，成功更多取决于材料是否按照正确节奏呈现，以及学生是否投入努力，而不是IQ。她认为每门学科25分钟的学习时间可能降至15分钟，变成「1小时学习」；而更年幼的Alpha学生已经只花约90分钟学术学习，就能达到约99百分位。
9. 多模态扩大可及性，但不放弃实体练习
初学阅读的孩子会大声朗读，Alpha的Fluency Coach等工具则测量速度、发音和水平。干预主要集中在学前班到二年级，因为按照Price的说法，三年级是从「学习阅读」转向「通过阅读学习」的分水岭。
视频、音频、语音、屏幕交互和纸笔记录，让Alpha可以针对不同学生调整支持方式。Price称，患有较轻程度阅读障碍或书写障碍的儿童中，大约症状较轻的一半往往能够成功，但她明确声明这不是治疗：Alpha并没有「改变神经通路」，也不能取代那些尝试进行此类矫正的专门学校。
实体练习仍是这套模式的一部分。低年级学生会数教具、练习字母笔画并手写；一个二年级班级一致认为，花体字是最难的独立检查项目。Price不确定花体字未来会有多大必要，但仍认为触觉功能和离线练习很重要。
10. Guides负责激励、导师辅导，以及孩子是否喜欢学校
Alpha称这些成年人为Guides，因为他们不再是「讲台上的智者」，而是「身边的引路人」。他们不必传授学科内容，转而负责建立个人连接、提供情绪支持、培养成长型思维，并在一个相信「孩子没有上限」、要求学生完成困难任务的环境中提供高强度支持。
Guides对3项承诺负责：学生会喜欢学校、在2小时内以2倍速度学习，并建立生活技能。Price称，学生既需要按照正确节奏获得知识，也需要激励；而「90%」的学习挑战在于激励，这是传统系统基本忽略的输入。
激励可以是学校货币、座位自主权、Chick-fil-A，或者一次动物园之旅。但Price最喜欢的案例是一个注意力涣散、却痴迷鸟类学的男孩。他的Guide制作了一张奥斯汀地区鸟类海报，并让他通过表现换取每周15分钟的观鸟时间；当学术目标与他真正重视的东西连接起来后，他的注意力就改善了。
如果一个孩子没有茁壮成长，Alpha会把责任归到学校身上。教职员工会根据3项承诺逐一检查每名学生，并追问究竟哪个输入需要改变；「不聪明」「懒惰」「不投入」这些传统标签，被寻找正确激励机制的责任取代。
11. Guide岗位创造了不同的教育劳动力市场
只有约15%的Guide来自传统教师背景，不过这一比例在低年级更高。Alpha还招募创业者、前职业或大学运动员和教练，以及高管——这些人已经证明过自己的卓越能力，也知道如何创造激励。
Price想要的是相信孩子被低估、相信孩子有能力的敏锐成年人，而不一定是学科专家。Guides会和学生一起参加课间活动，踢足球或打篮球，并且「卷起袖子」亲自参与；如果无法建立连接、无法激励学生，就不会继续留在这个岗位上。
Alpha通过Crossover.com招聘Guide，起薪为每年10万美元。Price把高薪与严格的结果责任视为互补关系：教育者值得获得强薪酬，但如果一个成年人无法与学生建立连接、无法激励学生，学校也不应仅仅因为传统机构难以处理绩效问题，就继续留用他。
12. Price正在搭建从高端学校走向大众市场的多条路径
Alpha旗舰学校学费约4万–6.5万美元，具体取决于城市；Alpha还会在下午的生活技能体验上投入大量资源。天赋、体育和游戏主题学校的学费约2.5万美元，1.5万美元学校正在推出；所有学校使用同一套2小时学术平台，价格差异来自下午项目。
Brownsville服务的人口结构明显更加混合：大约一半是SpaceX员工的子女，另一半来自当地社区，学生在社会经济背景、种族和英语能力上都更加多元。Price称，该校区持续跑赢Alpha其他校区，说明个性化节奏可以成为「伟大的均衡器」，而不是只服务于本来就学得快的学生。
Alpha在公立学校扩张上遭遇阻力：几个州拒绝了这一模式，Arizona批准了一所虚拟特许学校，Alpha正在申请Texas实体特许学校。Price还设想让其他学校采用这套平台、为公立学校提供干预服务、向国际市场扩张，最终触达「全世界10亿名孩子」。
在校区之外，Alpha Anywhere为家庭教育学生打包提供这套模式，并内置激励机制。Price也建议家长使用个性化阅读、让AI反馈孩子的演讲，以及开展亲子创作项目；但她承认，课后支架会在家庭时间表的压力下坍塌，这正是她希望把正常上课日重新用于生活技能和AI赋能创作的原因。