目录

前言

第一章 时代背景：AI正在重塑中小学英语教育

1.1 政策驱动：国家层面的"人工智能+教育"战略布局

1.2 市场规模：在线教育迈入高质量发展阶段

1.3 技术跃迁：从数字化到智能化的三次迭代

第二章 现状与痛点：中小学英语学习的五大困境

2.1 困境一：单词"背了忘、忘了背"的死循环

2.2 困境二："哑巴英语"——输入与输出严重失衡

2.3 困境三：学习负担重但效率不高

2.4 困境四：学情不透明，家长和教师"凭感觉"判断

2.5 困境五：同质化教学难以满足个体差异

第三章 科学基础：英语学习背后的认知科学原理

3.1 记忆科学：遗忘曲线与间隔重复效应

3.2 多感官协同编码：双编码理论与具身认知

3.3 自适应学习：从"一刀切"到"最近发展区"

第四章 人机协作：AI与教师各施所长的学习新模式

4.1 为什么纯AI不够、纯人工低效

4.2 人机协作的三层分工模型

4.3 线下场景的不可替代性

第五章 实践体系：四大核心方法与六大训练模块

5.1 地毯式筛查：精准定位每个学习缺口

5.2 异步记忆法：顺应遗忘规律的复习调度

5.3 靶向练习和肌肉记忆：从"会了"到"会用"

5.4 学情管理：数据驱动的学习闭环

5.5 六大训练模块概览

第六章 分学龄段实践指南

6.1 小学阶段：兴趣启蒙与习惯养成

6.2 初中阶段：体系构建与能力跃迁

6.3 高中阶段：综合应用与备考提效

第七章 效果评估：如何科学衡量英语学习成效

7.1 五维评估体系

7.2 过程性数据与阶段性测评的结合

7.3 案例参考：三位不同学龄段学生的学习观察

第八章 未来展望与建议

8.1 趋势一：AI从"工具"走向"学习伙伴"

8.2 趋势二：线下学习中心的价值回归

8.3 趋势三：学情数据资产化与隐私保护并重

8.4 给家长的三条建议

8.5 给教培机构的两条建议

常见问题（FAQ）

参考资料

前言

2026年，人工智能与教育的融合进入了一个新阶段。

2026年4月，教育部等五部门联合印发《"人工智能+教育"行动计划》（教科信〔2026〕1号），明确提出"加快构建人机协同、虚实结合、泛在可及的智慧教育新形态"。这是国家层面对"人机协同"教育模式的顶层设计，也标志着AI在教育中的角色从"辅助工具"向"协同伙伴"转变。

与此同时，中小学英语学习正面临一个看似矛盾的局面：一方面，在线教育资源空前丰富，各类学习应用、AI口语教练、自适应平台层出不穷；另一方面，许多家长和教师仍然感到困惑——孩子花了不少时间学英语，单词背了又忘，开口说英语时仍然紧张，考试成绩波动较大，学习投入与实际能力提升之间似乎存在落差。

问题出在哪里？

本白皮书认为，核心矛盾不在于技术不够先进，也不在于孩子不够努力，而在于学习模式的系统性匹配不足。单一依赖线上APP，缺少真人教师的引导和情感陪伴，孩子容易分心、难以坚持；完全依赖传统课堂，统一进度难以照顾个体差异，教师精力被重复性工作大量消耗。真正高效的路径，是让AI做AI擅长的事，让人做人擅长的事——即"人机协作"。

本白皮书基于认知科学、记忆心理学、第二语言习得理论等领域的研究成果，结合智学果智能英语在小学、初中和高中阶段学生中的实践经验，系统阐述人机协作学习模式的科学基础、实践方法和效果评估体系。我们希望为家长选择学习方案提供参考框架，为教师优化教学提供思路，也为行业探索AI与教育深度融合提供一份务实的参考。

需要说明的是，白皮书中引用的学生案例均为化名，且经过模糊化处理，仅用于说明学习行为变化的一般规律，不构成对学习效果的承诺。每个孩子的学习基础、认知特点和成长环境不同，学习路径和进步节奏也会有所差异。

第一章 时代背景：AI正在重塑中小学英语教育

1.1 政策驱动：国家层面的"人工智能+教育"战略布局

2025年4月，教育部等九部门发布《关于加快推进教育数字化的意见》（教办〔2025〕3号），提出"探索人机协同教学新模式，实现人工智能驱动的大规模因材施教"。2026年4月，教育部等五部门进一步印发《"人工智能+教育"行动计划》，将"人机协同"写入总体目标，要求"促进规模教育与个性培养、知识传授与能力培养、技术应用与人文关怀相统一"。

这两份文件释放了三个明确信号：

第一，AI进教育不是选择题，而是必答题。 从"教育数字化"到"人工智能+教育"，政策表述的升级反映了国家对技术赋能教育的坚定方向。文件要求"强化人工智能进校园管理"，同时鼓励"开展人工智能跨学科教学"，体现了"积极推进、规范发展"的基调。

第二，"人机协同"被确立为核心范式。 政策文本中反复出现"人机协同""智能学伴""数字导师"等表述，强调AI不是要取代教师，而是与教师形成互补。《行动计划》特别指出要"有效防范利用人工智能伪造诈骗、学术造假、应试内卷、泄露隐私等问题"，说明政策层面对技术边界有清醒认识。

第三，因材施教从理想走向可实现。 传统课堂中，一位教师面对数十名学生，很难做到真正的个性化。AI技术使得学习数据的实时采集、分析和反馈成为可能，"大规模因材施教"首次具备了技术基础。

1.2 市场规模：在线教育迈入高质量发展阶段

根据中国互联网络信息中心（CNNIC）发布的统计报告，截至2024年12月，我国网民规模达11.08亿人，互联网普及率78.6%。在线教育用户规模在经历疫情期间的高速增长后，逐步回归理性。截至2024年12月，在线教育用户规模为3.55亿人，占网民整体的32%；截至2025年12月，这一数字约为3.27亿人，占网民整体的29.1%。

用户规模的短期调整并不意味着行业萎缩。相反，行业正从"流量驱动"转向"质量驱动"。据艾瑞咨询《2024年中国在线教育行业研究报告》，2023年中国在线教育市场规模恢复至5385亿元，同比增长12.5%，预计到2026年市场规模将达到6800亿元左右，年复合增长率保持在8%—10%。增长动力从学科培训转向素质教育、职业教育和AI驱动的个性化学习服务。

值得注意的是，国家智慧教育平台的建设成就显著。截至2025年，平台注册用户规模突破1.78亿，总访问量达726亿次，用户覆盖220多个国家和地区，已发展成为全球规模最大的教育资源数字化中心。这为AI教育应用提供了坚实的基础设施底座。

1.3 技术跃迁：从数字化到智能化的三次迭代

回顾教育技术的发展历程，大致经历了三个阶段：

第一阶段：数字化（2000—2015年）。 以多媒体教室、电子课件、在线视频课程为代表，核心是将纸质内容搬上屏幕。这一阶段解决了"资源可及性"问题，但教学模式仍然是"一人讲、众人听"的单向传输。

第二阶段：网络化（2015—2022年）。 以直播课、在线题库、学习管理系统为代表，核心是打破时空限制。这一阶段实现了"随时随地学习"，但同质化问题突出，"千人一面"的直播课本质上是把线下课堂搬到了线上。

第三阶段：智能化（2022年至今）。 以自适应学习、大语言模型、多模态交互为代表，核心是"千人千面"的个性化学习。AI可以实时分析学生的答题数据、学习行为和能力画像，动态调整内容难度和练习路径。这一阶段才真正触及"因材施教"的核心命题。

然而，智能化并不意味着"无人化"。教育部文件在鼓励AI应用的同时，始终强调"坚持育人为本""育人主体不可让渡"。在价值观引导、情感陪伴、学习动机激发等关键育人环节，教师的作用不可替代。这正是"人机协作"模式的政策逻辑和实践基础。

第二章 现状与痛点：中小学英语学习的五大困境

在讨论"怎么学"之前，有必要先正视"哪里出了问题"。通过对小学、初中和高中阶段学生学习情况的梳理，我们归纳出五个普遍存在的困境。

2.1 困境一：单词"背了忘、忘了背"的死循环

这可能是英语学习中最普遍的痛点。许多家长反映，孩子每天花大量时间抄写单词、背诵拼写，但短期内记住了，过几天又忘了，周而复始，信心逐渐消磨。

从认知科学角度看，这并不是孩子"不用功"，而是方法出了问题。德国心理学家赫尔曼·艾宾浩斯（Hermann Ebbinghaus）早在1885年就通过实验发现，人类对新信息的遗忘在学习之后立即开始，而且遗忘速度并不是均匀的——最初遗忘速度很快，以后逐渐缓慢。如果不在恰当的时间节点进行复习，大部分记忆内容会在24小时内流失。

传统的"集中突击背单词"模式，恰恰违背了这一规律。学生在考前集中背诵，短期内能形成记忆，但因为缺少后续的间隔复习，考完后迅速遗忘。更重要的是，单纯的反复诵读只调动了视觉和听觉通道，缺乏主动提取和应用环节，记忆编码深度不够。

2.2 困境二："哑巴英语"——输入与输出严重失衡

长期以来，中小学英语教学偏重阅读和写作训练，口语和听力练习相对不足。教育部基础教育质量监测中心的数据显示，全国义务教育阶段学生语言实践达标率约为68%，城乡之间存在明显差距——城市地区约75%，农村地区约60%。

"哑巴英语"的成因是多方面的。一是班级人数多，每个学生在课堂上获得口语练习的时间非常有限；二是缺乏真实的语言应用场景，课本上的对话与生活实际脱节；三是心理障碍，很多孩子害怕说错被笑话，越不说越不敢说，形成恶性循环。

输入与输出的失衡不仅影响口语能力，也会制约听力和写作的进步。语言学习是一个"输入—内化—输出"的循环过程，缺少输出环节，输入的知识难以转化为可用的语言能力。

2.3 困境三：学习负担重但效率不高

"双减"政策实施以来，校外学科培训大幅压减，但学生的学业压力并未完全消失。很多家长选择通过购买学习资料、下载教育APP等方式让孩子自主学习。然而，资源丰富不等于学习高效。

常见的问题包括：练习内容与孩子的实际水平不匹配——太难则挫败，太易则无效；重复练习已经掌握的内容，浪费时间；薄弱环节得不到针对性强化，知识漏洞不断累积。根据教育心理学中的"最近发展区"理论（Zone of Proximal Development，由维果茨基提出），最有效的学习发生在"学生独立解决问题的水平"与"在成人帮助下能达到的水平"之间。练习内容精准落在这个区间，才能最大化学习效率。

2.4 困境四：学情不透明，家长和教师"凭感觉"判断

很多家长都有这样的困惑：孩子每天都在学英语，但到底学得怎么样？哪些单词掌握了、哪些还没掌握？语法薄弱点在哪里？听力和口语水平如何？往往只能凭考试成绩和作业完成情况来判断，而考试是阶段性的、滞后的，等成绩出来才发现问题，往往已经积累了一段时间。

在传统教学模式下，教师很难实时掌握每个学生的学情。一个班级几十名学生，教师能批改完作业已属不易，更谈不上对每个学生的知识掌握情况做精细化分析。家长则更难了解孩子在校的学习过程，只能看到最终的分数。

学情不透明导致的直接后果是：学习决策缺乏数据支撑。该补什么、该练什么、该往哪个方向努力，往往靠经验甚至猜测。

2.5 困境五：同质化教学难以满足个体差异

每个学生的学习基础、认知风格、兴趣点和学习节奏都不同。有的学生视觉学习能力强，看一遍就能记住；有的学生听觉敏感，通过听读更容易掌握；有的学生需要动手写一写才能加深记忆。在统一教材、统一进度、统一测试的传统模式下，这些个体差异很难被照顾到。

2025年全国抽样调查显示，约72%的初中生表示课堂互动活动偏少，语言输出机会有限7。这组数据从侧面说明，标准化的课堂教学难以满足学生的个性化表达需求。当学习内容和方式与学生的个体特征不匹配时，学习兴趣和动力就会下降。

第三章 科学基础：英语学习背后的认知科学原理

有效的学习方法不是凭空设计的，而是建立在认知科学、心理学和语言学的研究基础之上。本章梳理三个对英语学习实践最具指导意义的理论。

3.1 记忆科学：遗忘曲线与间隔重复效应

艾宾浩斯遗忘曲线是教育心理学中最经典的发现之一。艾宾浩斯以自己为被试，使用无意义音节作为记忆材料，绘制出了著名的遗忘曲线：学习后20分钟，记忆保持率约为58%；1小时后约为44%；1天后约为33%；6天后约为25%。

这一发现的实践启示是明确的：复习的时机往往比复习的次数更关键。 在记忆即将大幅衰退的节点进行复习，可以用最少的时间投入获得最佳的保持效果。这就是"间隔重复"（Spaced Repetition）原理。

后续大量研究验证并发展了这一理论。Cepeda等人（2006）对294项间隔效应研究进行了元分析，发现间隔练习在长期记忆保持方面显著优于集中练习，且最佳复习间隔随学习材料和保持期长度而变化。这一发现构成了现代间隔重复算法（如SM-2、Leitner系统等）的理论基础。

间隔重复在英语词汇学习中应用最为广泛。以智学果智能英语的"异步记忆法"为例，其核心思路是：系统根据学生每次答题的正误情况和反应速度，动态判断每个单词的记忆强度，在下一个最佳复习时间点自动推送该单词。已经牢固掌握的单词减少出现频率，尚未掌握的单词增加复现次数。这样，学生不需要平均用力，而是把时间花在真正需要巩固的内容上。

3.2 多感官协同编码：双编码理论与具身认知

加拿大心理学家佩维奥（Allan Paivio）提出的双重编码理论（Dual Coding Theory）认为，人类认知通过两个既独立又相互连接的系统处理信息：言语系统处理语言信息，非言语系统处理心理表象。当学习内容同时通过两个系统编码时（例如看到单词的同时看到图像、听到发音），就会形成两条检索通路，回忆时更容易提取。

2026年发表在《Frontiers in Psychology》上的一项研究，考察了40名中国英语学习者对不同多模态输入组合的感知有效性。研究发现：包含视觉通道的组合始终获得最高评分；不同类型的词汇偏好不同的通道组合——具体词汇偏好视觉+听觉输入，动作词汇偏好视觉+手势输入，情感词汇偏好听觉+手势输入。这说明"多感官"不是简单地堆砌通道，而是需要根据学习内容的特性进行匹配设计。

另一项发表在《Language Teaching Research》上的研究，通过对83名中国大学生的对照实验发现，在视听教学基础上加入触觉自我反馈的多感官教学组，在发音准确性上显著优于纯听觉组和视听组。这验证了具身认知（Embodied Cognition）的观点——身体动作和触觉体验可以强化语言编码。

这些研究对英语学习实践的启示是：让学生"动起来"学英语，比单纯坐着听讲效果更好。 看到单词图像、听到标准发音、跟读时感受口型和声带振动、在平板上点选和书写——多通道协同输入可以加深记忆编码，提高提取效率。

3.3 自适应学习：从"一刀切"到"最近发展区"

自适应学习系统的核心理念可以追溯到维果茨基的"最近发展区"理论。有效的教学应该瞄准学生独立能力与潜在能力之间的区域，既不能太简单（学生已经会了），也不能太难（学生完全无法完成）。

传统课堂最大的局限在于：教师只能根据大多数学生的平均水平确定教学起点和进度，无法同时为每个学生定位其最近发展区。AI自适应系统的优势正在于此——它可以实时采集每个学生的答题正确率、反应时间、错误类型等数据，通过知识追踪模型（Knowledge Tracing）动态估算学生对每个知识点的掌握概率，然后推送难度恰好匹配的内容。

自适应学习的效果已有实证支持。一项涵盖500名学生、100个内容单元、超过5000次学习交互的实证研究发现，AI自适应系统能够将学生精确分为四个行为群组（落后者、中等生、优等生、快速学习者），完成预测准确率达78.5%；使用个性化学习路径的学生，平均学业表现比使用传统静态学习材料的对照组提高11.7%，课程完成率提高6.3%。行业研究也显示，自适应学习软件通常可以将学习成果提升15%—25%，学生参与度提升约30%，掌握所需时间减少约20%。

需要强调的是，这些数据来自特定研究条件和特定学习场景，不同产品、不同学生群体的实际效果会有所差异。自适应技术不是万能药，它解决的是"内容匹配"问题，而学习动机、情感支持、思维启发等仍然需要真人教师的参与。

第四章 人机协作：AI与教师各施所长的学习新模式

4.1 为什么纯AI不够、纯人工低效

在讨论人机协作之前，有必要先破除两个极端认知。

极端一："AI可以完全替代老师。" 这种观点高估了当前AI的能力，也低估了教育的复杂性。AI在知识传授、即时反馈、数据分析等方面确实具有显著优势，但在以下方面存在明显局限：

·情感连接与动机激发： 学习不是纯粹的认知活动，它涉及情绪、兴趣、自信心和归属感。一个鼓励的眼神、一次真诚的肯定、在学生想放弃时的推一把，这些人际互动对学习动力的影响，目前的AI难以复制。

价值观引导与品格培养： 教育的根本任务是立德树人。在价值观引导、道德判断、审美体验等方面，教师的言传身教具有不可替代的作用。

·复杂情境判断： 学生的学习困难有时不是知识层面的，可能涉及家庭环境、心理状态、同伴关系等深层因素。识别和回应这些问题，需要人类的经验、同理心和综合判断力。

教育部文件明确要求"坚持育人主体地位"，"在价值观引导、道德教育、情感培养等关键育人环节，教师必须主导完成，不得交由技术替代"。

极端二："技术只是花架子，传统教学就够了。" 这种观点忽视了传统教学模式的现实瓶颈。一位教师面对几十个学生，精力有限，重复性工作（如批改作业、统计错题、整理学情）占据了大量时间，真正用于分析学生需求、设计个性化方案、进行深度互动的时间反而不足。AI恰好可以在这些"耗时但技术含量相对低"的环节发挥作用，把教师解放出来，聚焦于更有价值的育人工作。

结论：AI和教师不是替代关系，而是互补关系。 关键在于科学分工。

4.2 人机协作的三层分工模型

基于实践经验和研究文献，我们提出人机协作学习的三层分工模型：

第一层：AI执行层——高频、标准化、数据密集型任务

以下任务由AI承担效率更高：

·词汇量测评与词汇分级

·单词速记训练与发音评测

·语法练习的即时判错与解析

·听力跟读的语音识别与流利度评测

·错题自动归类与知识点关联分析

·学习行为数据采集与学情报告生成

AI的优势是不知疲倦、即时反馈、数据精准。一个学生在平板上完成一组5个单词的混组训练，答对时屏幕出现绿苹果，答错时出现红苹果——这种即时、明确、不带评判色彩的反馈，比传统课堂中教师批改后第二天再发下来效率高得多。

第二层：教师引导层——个性化、情感性、策略性任务

以下任务由真人教师承担效果更好：

·学习目标设定与学习规划

·学习习惯培养与学习方法指导

·情绪疏导与信心建设

·小组活动组织与口语互动引导

·跨知识点的综合应用启发

·根据学情报告调整教学策略

教师的优势是同理心、灵活性、综合判断。AI可以告诉教师"这个学生在一般过去时上连续出错3次"，但"为什么出错""怎么帮他理解""什么时候鼓励、什么时候督促"，需要教师来判断。

第三层：学情管理层——AI数据+教师决策的闭环

这是人机协作最关键的交汇点。AI负责采集和分析数据，教师基于数据做出教学决策，决策的执行又由AI和教师共同完成。形成"数据采集→分析诊断→教学决策→干预实施→效果追踪"的闭环。

以智学果智能英语的实践为例，学生在线下学习中心使用专属iPad进行训练，AI实时记录每道题的作答情况并生成学情报告。辅导教师根据报告，了解每个学生的词汇掌握进度、语法薄弱点和学习习惯，在巡场过程中有针对性地进行一对一指导。比如，AI发现某个学生在"现在完成时"与"一般过去时"的区分上反复出错，教师就会在该学生完成训练后，用几分钟时间面对面讲解两者的区别，再布置几道针对性练习。AI负责"发现问题"，教师负责"解决问题"，二者协同。

4.3 线下场景的不可替代性

人机协作模式的另一个关键特征是"线下学习"。为什么在互联网技术如此发达的今天，仍然强调线下场景？

第一，专注力管理。 中小学阶段的学生自控力尚在发展中，居家线上学习容易受到手机、游戏、社交软件的干扰。在线下学习中心，物理环境本身就在传递"现在是学习时间"的信号，同伴也在学习，形成正向的群体氛围。

第二，即时人际互动。 虽然AI可以提供语音交互，但面对面交流中的非语言信息（表情、手势、语气）仍然是AI难以完全模拟的。教师在身边，可以随时观察学生的状态——是专注还是走神，是困惑还是自信——及时调整互动方式。

第三，学习仪式感和社交需求。 对很多学生来说，到学习中心和同学一起学习本身就是一种社交活动。小组竞赛、同伴互助、教师表扬，这些社会性激励是独自面对屏幕无法获得的。

当然，线下场景不是"传统课堂"的翻版。在人机协作模式下，线下学习中心的角色从"讲课场所"转变为"学习体验空间"——学生以AI自适应训练为主，教师以引导和辅导为主，空间设计更注重互动性和舒适度。

第五章 实践体系：四大核心方法与六大训练模块

理论最终要落地到实践。本章以智学果智能英语的训练体系为例，详细拆解人机协作模式的四大核心方法和六大训练模块。

5.1 地毯式筛查：精准定位每个学习缺口

"地毯式筛查"是整个学习流程的起点。它的核心逻辑是：在开始训练之前，先搞清楚学生"会什么、不会什么"，而不是盲目地从头学起。

具体做法是通过词汇量测评和知识点诊断，对学生当前的英语基础进行全面扫描。词汇量测评覆盖小学、初中和高中各阶段的核心词汇，根据学生的作答情况估算词汇量水平和词汇分布。知识点诊断则覆盖语法、句型、时态等关键维度。

筛查完成后，系统生成学情画像，标注出已掌握、部分掌握和未掌握的词汇与知识点。后续训练优先针对未掌握和部分掌握的内容，已掌握的内容减少练习频率，避免无效重复。

这一方法解决了两个问题：一是"从哪里开始"——根据实际水平而非年级确定起点；二是"练什么"——只练需要练的，不浪费时间在已经会的内容上。

5.2 异步记忆法：顺应遗忘规律的复习调度

"异步记忆法"是间隔重复原理在英语词汇学习中的具体应用。它的"异步"体现在两个层面：

第一层：学生与学生之间异步。 每个学生的记忆节奏不同，系统根据个体的答题数据安排复习计划，而不是全班统一在某天复习某组词。

第二层：单词与单词之间异步。 同一个学生学的不同单词，掌握程度不同，下次出现的时间也不同。答对且反应快的单词，间隔拉长；答错或犹豫的单词，间隔缩短，尽快复现。

在具体训练中，系统采用"混组训练"方式：每次呈现5个单词，学生看、听、读、选，答对时屏幕出现绿苹果，答错时出现红苹果。5个单词不是随机抽取的，而是由异步记忆算法根据每个单词的记忆状态智能调度——可能包含2个新词、2个待复习词和1个易错词。

这种设计的好处是：学生始终在"略有挑战但可以完成"的状态下学习，既不会因为太简单而无聊，也不会因为太难而挫败。同时，间隔复习确保单词从短期记忆逐步转化为长期记忆。

5.3 靶向练习和肌肉记忆：从"会了"到"会用"

"知道"和"会用"之间有一道鸿沟。很多学生能说出语法规则，但一到口语和写作中就用错；认识一个单词，但在听力中听到时反应不过来。这是因为知识停留在"陈述性记忆"层面，没有转化为"程序性记忆"——也就是通常说的"肌肉记忆"。

"靶向练习"的核心是：针对筛查发现的薄弱知识点，通过足量、多题型、多场景的反复练习，让正确的语言模式变得自动化。就像学骑自行车，初期需要刻意控制平衡，熟练后不需要思考就能骑——语言应用也需要经历类似的"自动化"过程。

靶向练习不是"题海战术"。它的关键特征是精准：

·靶向定位： 只练薄弱知识点，不做无效重复

·多题型覆盖： 同一知识点通过选择、填空、听力、口语等多种题型训练，促进知识迁移

·即时反馈： 每道题做完立即知道对错和解析，不让错误印象停留

·渐进加难： 基础题正确率稳定后，自动提升难度，从识别到应用再到综合

在训练过程中，系统用黄星、麦穗、奖杯等激励元素给予正向反馈，帮助学生在持续练习中获得成就感。需要说明的是，这些激励元素的具体数量和形式因学习进度而异，不设固定标准。

5.4 学情管理：数据驱动的学习闭环

"学情管理"是连接AI与教师的枢纽，也是人机协作模式区别于"刷题APP"的关键。

学情管理包括三个环节：

·数据采集： 学生在iPad上的每一次答题、每一次跟读、每一次操作都会被记录，包括答案正误、反应时长、修改次数等细粒度数据。这些数据不是为了监控学生，而是为了理解学习过程。

·分析诊断： 系统对数据进行多维度分析，生成可视化的学情报告，包括词汇量变化趋势、各知识点掌握率、学习时长分布、常见错误类型等。教师可以一目了然地看到每个学生的进步和问题。

·教学决策： 教师根据学情报告，结合对学生的面对面观察，制定个性化辅导方案。比如，报告显示某个学生

阅读题正确率低但词汇量不小，教师可能判断问题出在语法或阅读策略上，于是安排专项讲解；报告显示某个学生连续几天学习状态下滑，教师会主动关心原因，及时调整节奏。

学情管理让"因材施教"从口号变成了可操作的日常流程。教师不再需要凭经验猜测学生哪里不会——数据会说话。但数据只是工具，最终的教育决策仍然由有经验、有温度的教师做出。

5.5 六大训练模块概览

在四大核心方法的框架下，英语学习内容被组织为六大训练模块，覆盖语言能力的主要维度：

这六个模块不是孤立的，而是相互关联、协同推进的。词汇是基础，语法是框架，听说是应用，阅读是输入，写作是输出。系统根据学生的学龄段和水平，各模块的训练比重和难度自动调整。

第六章 分学龄段实践指南

不同学龄段的学生在认知发展水平、学习目标和心理特征上有显著差异，人机协作模式的落地方式也应有所区别。

6.1 小学阶段：兴趣启蒙与习惯养成

认知特点： 小学生注意力持续时间较短，以形象思维为主，对游戏化、互动性强的学习方式兴趣高。这个阶段是语言感知能力发展的敏感期，尤其在语音辨别和模仿方面具有优势。

学习重点：

·建立英语学习的兴趣和自信心，避免产生畏难情绪

·培养每日学习的习惯，形成固定的学习节律

·积累基础词汇（以常见名词、动词、形容词为主）

·进行大量的听力输入和开口模仿，建立英语语音感

·初步接触自然拼读和简单句型

人机协作落地建议：

·AI端以游戏化训练为主，单次训练时间不宜过长（建议每次15—25分钟），高频短时优于低频长时

·混组训练中增加图片、动画等视觉元素，多感官通道同时激活

·教师端重在鼓励和陪伴，多使用正向反馈，保护学习热情

·家长可以在家庭中创造轻松的英语接触机会，如英文儿歌、动画、绘本，但不强制要求"学会"

典型场景： 三年级学生小禾（化名）刚开始系统学习英语，对背单词有抵触情绪。在学习中心，她通过iPad进行单词速记训练，屏幕上图文并茂，答对时有绿苹果和星星动画，她觉得"像玩游戏一样"。辅导教师注意到她对动物类词汇特别感兴趣，就额外推荐了几本动物主题的英文分级读物。一个学期后，小禾从"怕英语"变成了"盼着上英语课"，词汇量稳步增长，也敢于在课堂上开口跟读了。（注：案例为化名，个体差异存在，不构成效果承诺。）

6.2 初中阶段：体系构建与能力跃迁

认知特点： 初中生的抽象思维能力快速发展，能够理解语法规则和逻辑关系。学业压力开始增大，英语从"兴趣学科"逐渐变为"核心学科"，考试导向明显增强。同时，青春期心理变化较大，同伴影响增强，自尊心和自主性需求提升。

学习重点：

·系统构建语法知识体系，掌握主要时态、从句和句型结构

·词汇量从小学阶段的数百词扩展到课标要求的1600—2000词

·强化阅读理解能力，从"读句子"到"读篇章"

·开始进行有组织的写作训练，从写句子到写段落

·听说能力从"跟读模仿"转向"简单交流"

人机协作落地建议：

·AI端加大语法专项训练和阅读训练的比重，利用靶向练习攻克语法难点

·异步记忆法在词汇量快速扩张阶段价值最大，帮助学生用更少时间记住更多单词

·教师端注重知识体系的梳理和学习方法的指导，帮助学生建立"知识地图"

·学情报告在初高中阶段尤为重要，可以帮助学生清晰看到自己的进步和短板，增强自主学习意识

典型场景： 初一学生子涵（化名）小学阶段英语基础不牢，进入初中后语法题经常出错，尤其在时态区分上混淆严重。通过地毯式筛查，教师发现他的一般现在时、现在进行时和一般过去时掌握率均低于60%。系统为他推送了这三个时态的靶向练习，教师则在每次训练后用5—10分钟进行面对面梳理，用时间轴帮他理解三种时态的区别。两个月后的单元测试中，子涵的语法题正确率明显提升，更重要的是，他开始主动用"时间轴思维"分析新遇到的时态问题。（注：案例为化名，个体差异存在，不构成效果承诺。）

6.3 高中阶段：综合应用与备考提效

认知特点： 高中生的逻辑思维和自主学习能力趋于成熟，能够进行较长时间的专注学习和较深层次的思考。学习目标明确指向高考，时间宝贵，对学习效率的要求更高。同时，学习压力和心理压力达到峰值，需要有效的情绪管理和压力疏导。

学习重点：

·词汇量向3500词及以上扩展，注重熟词生义和词汇辨析

·语法从"知道规则"到"在语境中灵活运用"

·阅读理解强调篇章逻辑、推理判断和长难句分析

·写作从"正确表达"提升到"连贯、得体、有逻辑"

·听力和口语在高考英语中比重增加（部分省份已实施机考听力口语），需要系统训练

人机协作落地建议：

·AI端以高效训练为主，充分利用自适应系统精准匹配薄弱点，避免在已掌握内容上浪费时间

·加大智能听说训练比重，利用语音评测系统进行高频口语练习，弥补大班课口语练习不足

·教师端从"知识讲授者"转变为"学习策略顾问"，帮助学生优化时间分配、分析考试策略

·学情数据帮助学生建立"元认知"——不仅知道自己哪里不会，还知道为什么不会、怎么补最高效

·关注学生心理健康，教师和家长共同营造适度压力但不过度焦虑的学习氛围

典型场景： 高二学生小宇（化名）英语成绩在100—110分（满分150）之间徘徊，主要短板在完形填空和书面表达。学情数据显示，他的词汇量其实不小，但在近义词辨析和固定搭配上错误率较高。系统为他推送了词汇辨析专项和写作句型升级训练，教师则重点辅导他的写作逻辑和篇章结构。经过一个学期的针对性训练，小宇的完形填空正确率和写作评分有所提升，更重要的是他学会了用学情数据自我诊断，把有限的时间投入到最能提分的环节。（注：案例为化名，个体差异存在，不构成效果承诺。）

第七章 效果评估：如何科学衡量英语学习成效

学习效果评估是教育实践中最容易走向极端的环节。要么"唯分数论"，把考试成绩作为唯一标准；要么"凭感觉"，觉得孩子"好像进步了"但说不清具体在哪里进步。本章提出一套更科学的评估框架。

7.1 五维评估体系

英语综合能力不是单一维度可以衡量的。我们建议从以下五个维度进行综合评估：

维度一：词汇量与词汇深度。 不仅看"认识多少词"（词汇广度），还要看"掌握得多深"——是否知道一词多义、搭配用法和语境含义。AI系统可以通过词汇量测评和日常训练数据持续追踪这一维度。

维度二：语法准确率。 在口语和写作输出中，语法使用的正确率和复杂度。注意，不是看"能不能背出语法规则"，而是看"能不能在实际表达中正确使用"。

维度三：听说流利度。 听力理解的准确率和反应速度，口语表达的流利度、发音准确度和语调自然度。AI语音评测技术可以对部分指标进行量化，但综合表达能力仍需教师评价。

维度四：阅读理解力。 包括主旨概括、细节理解、推理判断、词义猜测等子能力。可以通过分级阅读测试和阅读理解题进行评估。

维度五：写作表达力。 从词汇丰富度、语法多样性、内容连贯性、结构逻辑性等方面综合评价。AI可以提供初步的语言层面反馈，但篇章结构和思想深度需要教师评阅。

五个维度相互关联但不自动同步。一个学生可能词汇量大但口语弱，也可能听力好但写作差。五维评估可以帮助家长和学生看到"长板"和"短板"，制定更有针对性的提升计划。

7.2 过程性数据与阶段性测评的结合

科学的评估应该是"过程+成果"的结合。

过程性数据由AI系统持续采集，包括每日学习时长、训练完成率、答题正确率变化、复习响应率等。这些数据的优势是实时、细粒度、无干扰（不需要专门考试就能获得）。它们反映的是学习过程的质量和趋势——学生是否在持续进步，进步速度如何，哪个环节在拖后腿。

阶段性测评包括单元测试、期中期末考试、标准化考试等。它们的优势是有统一的参照标准，可以与同龄群体横向比较，也可以检验学习成果在考试场景中的迁移效果。

两者结合使用，才能形成完整的评估图景。过程性数据可以解释"为什么考试成绩是这样"，阶段性测评可以验证"日常训练的效果是否转化为了考试能力"。

需要特别提醒的是，不要因为一次考试成绩波动就否定学习过程，也不要只看过程数据漂亮而忽视实际应试能力。学习是一个非线性的过程，偶尔的波动是正常的，关键看趋势是否向好。

7.3 案例参考：三位不同学龄段学生的学习观察

以下三个案例基于智学果智能英语的真实学习场景整理，均使用化名并做了模糊化处理，旨在说明评估方法的应用，不构成对学习效果的承诺。

案例一：小学四年级 · 小禾

入学词汇量测评显示小禾的词汇量略低于年级平均水平，主要薄弱点在动词和形容词。过程性数据显示，她前两周的学习热情很高，每日训练完成率超过90%，但第三周开始出现波动。教师与小禾沟通后发现，她觉得部分单词"有点难"，产生了畏难情绪。教师调整了训练难度，增加了图片提示和鼓励频次，小禾的完成率很快回升。三个月后的词汇量复测显示，她的词汇量增长趋势良好，课堂上也更主动地举手跟读了。

评估要点： 对小学生，过程性数据（学习习惯、参与度、情绪状态）比单次测评分数更重要。教师及时的情感干预是维持学习动力的关键。

案例二：初中二年级 · 子涵

子涵的入学筛查显示语法是主要短板，尤其在时态和从句方面。两个月的靶向练习后，过程性数据显示他的语法题正确率从45%提升到72%，但期中考试英语总分提升不明显。教师分析试卷后发现，他的阅读理解失分较多——语法进步了，但阅读速度和篇章理解能力没有同步提升。于是教师调整了后续方案，在保持语法训练的同时增加了分级阅读模块。期末考试中，子涵的阅读得分率有了改善，总分也相应提升。

评估要点： 单一维度的进步不一定立刻反映在总分上。五维评估可以帮助发现"隐藏短板"，及时调整训练重心。

案例三：高中一年级 · 小宇

小宇的入学成绩处于年级中等偏上，学情数据显示他的优势在阅读理解，短板在写作和听说。他的自主学习能力较强，能按计划完成训练，但对写作有畏难情绪，经常跳过写作任务。教师与他一起分析了高考英语分值分布，让他认识到写作的"提分性价比"，并将写作训练拆解为"句型升级—段落写作—完整作文"三个小台阶，降低心理门槛。一个学期后，小宇的写作评分有所提升，听说训练也从"不敢开口"变成了"能完成基本话题表达"。

评估要点： 高中生已经具备元认知能力，让他们理解评估数据背后的逻辑、参与学习决策，可以显著提升主动性和坚持性。

第八章 未来展望与建议

8.1 趋势一：AI从"工具"走向"学习伙伴"

随着大语言模型和多模态交互技术的发展，AI在教育中的角色正在从"答题工具"向"学习伙伴"演进。未来的AI学习助手不仅能出题和判卷，还能进行更自然的对话交互、理解学生的情绪状态、提供个性化的鼓励和建议。

但无论AI如何进化，"伙伴"不等于"替代者"。技术可以模拟对话，但无法替代真人教师对学生发自内心的关心；可以提供反馈，但无法替代同伴之间的切磋和友谊。最理想的状态是：AI成为学生随时可用的"智能学伴"，教师成为学生成长路上的"人生导师"，三者形成稳定的三角关系。

8.2 趋势二：线下学习中心的价值回归

在经历了疫情期间的"全线上"实验后，教育行业和家长群体对线下学习的价值有了更深刻的认识。线下不是"落后"的代名词，而是提供了线上难以复制的专注力环境、人际互动和社交体验。

未来的线下学习中心不会回到"老师讲、学生听"的传统模式，而会进化为"AI训练+教师辅导+同伴协作"的混合式学习空间。学生在中心以AI自适应训练为主，教师从"讲课者"转变为"教练"和"导师"，学习中心从"教室"转变为"学习体验中心"。

8.3 趋势三：学情数据资产化与隐私保护并重

学情数据是AI教育的核心资产。数据越丰富，AI对学生的理解越精准，个性化推荐越有效。但数据的收集和使用必须以保护学生隐私为前提。

《"人工智能+教育"行动计划》明确要求"加强未成年人个人信息保护，组织开展个人信息保护合规审计"1。家长在选择AI教育产品时，应关注以下几点：产品是否有明确的隐私政策；数据是否加密存储；是否将学生数据用于商业营销；是否允许家长查看和删除孩子的数据。负责任的教育科技企业应该把数据安全作为底线，而不是可选项。

8.4 给家长的三条建议

建议一：先了解孩子，再选择方案。 在报班或购买产品之前，花时间观察孩子的学习状态：他/她最头疼英语的哪个环节？是记不住单词、不敢开口、还是读不懂文章？什么时间学习效率最高？喜欢独自学习还是和同伴一起？了解这些，比盲目跟风报班更有效。

建议二：看长期趋势，不纠结一次分数。 学习是一场马拉松，不是百米冲刺。一次考试的分数受很多因素影响（题目难度、考试状态、心理压力等），不必过度反应。更值得关注的是：孩子的学习习惯是否在改善？对英语的兴趣是否在增加？薄弱环节是否在逐步补强？

建议三：做孩子的"加油者"，而不是"监督员"。 家长的角色不是每天检查孩子学了没有、错了几道题，而是营造一个支持性的家庭氛围——在孩子取得进步时真诚肯定，在遇到挫折时帮助分析原因，在想要放弃时鼓励再坚持一下。AI和教师负责"教"，家长负责"爱"。

8.5 给教培机构的两条建议

建议一：从"师资依赖"转向"系统赋能"。 教培机构最大的风险是优质师资不可复制、流动性大。人机协作模式可以将教学内容、训练流程和学情分析标准化、系统化，降低对个别名师的依赖。教师的角色从"知识传授者"升级为"学习引导者"，这不仅不是降低教师价值，反而是让教师把精力集中在最能创造价值的环节。

建议二：用数据证明效果，而不是靠营销承诺。 在合规要求日趋严格的背景下，夸大宣传和效果承诺的空间越来越小。真正有竞争力的机构，应该能够用学情数据、进步轨迹和家长口碑说话，建立可验证、可追溯的效果证明体系。轻资产的品牌合作模式也为中小机构提供了低风险转型路径——不需要从零开始研发AI系统，而是借助成熟品牌的产品和运营体系，结合本地教学服务能力，实现转型升级。

常见问题（FAQ）

Q1：人机协作模式和纯线上英语学习APP有什么区别？

A：核心区别有三点。第一，学习场景不同——纯线上APP通常居家使用，人机协作模式以线下学习中心为主，有助教现场辅导和同伴学习氛围。第二，老师角色不同——纯线上APP没有真人教师参与，人机协作模式中助教会根据学情数据进行面对面指导。第三，数据用途不同——纯线上APP的数据主要用于平台算法优化，人机协作模式中的学情报告直接服务于助教的教学决策和家校沟通。

Q2：AI会不会取代英语教师？

A：不会。AI在知识传授、即时反馈和数据分析方面效率很高，但在情感陪伴、价值观引导、复杂情境判断等方面存在不可替代的局限。国家政策文件也明确要求"坚持育人主体地位"，关键育人环节必须由教师主导。人机协作的方向是"AI赋能教师"，而不是"AI取代教师"。

Q3：人机协作模式适合多大年龄的孩子？

A：小学、初中和高中阶段的学生都可以从人机协作模式中受益，但侧重点不同。小学阶段以兴趣培养和习惯养成为主，训练时间较短、游戏化程度较高；初中阶段侧重知识体系构建和语法专项突破；高中阶段强调综合能力提升和备考效率优化。关键是根据孩子的实际水平而非年级来确定学习起点和方案。

Q4：如何判断AI英语学习产品是否有效？

A：建议从四个维度考察：一是看是否有科学的理论支撑（如间隔重复、自适应学习等），二是看是否能提供可查看的学情数据和进步报告，三是看是否有真人教师参与教学闭环，四是看产品是否符合教育数据安全和隐私保护规范。同时，对"短期快速提分""多少天背完多少词"等绝对化宣传话术需要保持警惕——学习效果受多重因素影响，负责任的产品不会做绝对化承诺。

Q5：线下学习中心和线上学习相比，优势在哪里？

A：线下学习中心的主要优势包括：物理环境有助于专注力管理，减少电子设备干扰；教师可以现场观察学生状态并及时互动；同伴学习氛围可以提供社交激励和正向压力；学习仪式感更强。当然，线下模式也有时间和地点上的限制，适合有规律学习时间、需要一定外部约束和人际互动的学生。

Q6：人机协作模式如何保护学生的数据隐私？

A：根据《"人工智能+教育"行动计划》要求，教育AI产品应建立数据全生命周期安全防护机制，加强未成年人个人信息保护。家长在选择产品时应关注：是否有明确的隐私政策和用户协议，数据是否加密存储，是否将学生数据用于与教学无关的商业用途。智学果智能英语在产品设计中遵循数据最小化原则，采集的学习数据仅用于教学服务和学情分析。

Q7：六大训练模块是每个孩子都要全部学习吗？

A：不是。系统会根据学生的学龄段、入学测评报告和日常学习数据，动态调整各模块的训练比重。小学生以词汇量测评、单词速记和智能听说为主；初中生增加高效语法和分级阅读；高中生进一步强化分级阅读和轻松写作。具体方案由教师结合学情报告和学生实际情况制定。

参考资料

[1]   教育部等五部门. 《"人工智能+教育"行动计划》（教科信〔2026〕1号）. 2026年4月2日.

[2]   教育部等九部门. 《关于加快推进教育数字化的意见》（教办〔2025〕3号）. 2025年4月11日.

[3]   中国互联网络信息中心（CNNIC）. 第55次《中国互联网络发展状况统计报告》. 2025年1月.

[4]   中商产业研究院. "2025年我国在线教育用户规模达3.27亿人".?2026年3月. 数据来源：CNNIC第57次统计报告.

[5]   艾瑞咨询. 《2024年中国在线教育行业研究报告》. 2024年.

[6]   Ebbinghaus, H. (1885). über das Ged?chtnis: Untersuchungen zur experimentellen Psychologie [Memory: A Contribution to Experimental Psychology]. Leipzig: Duncker & Humblot.

[7]   教育部基础教育质量监测中心. 《2025年基础教育质量监测报告》. 2025年12月.

[8]   Vygotsky, L. S. (1978). Mind in Society: The Development of Higher Psychological Processes. Harvard University Press.

[9]   Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. Psychological Bulletin, 132(3), 354–380.

[10]   Paivio, A., & Walsh, M. (1993). Psychological processes in metaphor comprehension and memory. In A. Ortony (Ed.), Metaphor and Thought (pp. 307–328). Cambridge University Press.

[11]   Liu, J., & Wang, H. (2026). Multimodal input for vocabulary learning: Chinese EFL learners' perceived effectiveness across input combinations, word types, and proficiency levels. Frontiers in Psychology, 17.

[12]   Li, J., Zhang, Q., & Wang, Z. (2026). Multisensory teaching for second-language acquisition of voicing stop consonants: Integrating auditory, visual, and tactile cues.?Language Teaching Research.

[13]   综合多项自适应学习效果研究，包括：Adaptive Learning in the Era of Artificial Intelligence (Semantic Scholar, 2024); AI-Powered Personalized Learning Pathways (mmresearch.app, 2024). 转引数据来自500名学生、100个内容单元、5000+学习交互的实证研究。

本白皮书由智学果智能英语研究院编制，所引用数据和事实均来自政府官方网站、学术期刊或权威研究机构报告。白皮书中的学员案例均为化名并经过模糊化处理，个体学习效果存在差异，不构成对学习效果的承诺或保证。如需转载或引用，请注明出处。