近日，南京大学“智慧教室系统统计课堂抬头率、出勤率”一事引发热议。事实上，多所高校已引入AI教学督导巡课系统：江南大学的平台覆盖全校462间公共教室，对1365门课程的127688学时完成AI分析；黑龙江大学、温州大学、东北林业大学亦相继上线类似功能。(澎湃新闻)

　　技术进课堂的势头很猛，但喝彩之前，有几笔账需要先算清楚。

　　第一笔账，是效果账。南方医科大学称系统上线后出勤率提升16%、注意力提升14%、课堂AI评分平均提高9.65分。这组数据流传很广，却经不起细究。数据由校方自采自报，没有对照组，也没有第三方核验，既当运动员又当裁判员。更关键的是，任何被观察者知道自己被观察后都会改变行为，学生坐直了、抬头了，未必是算法多聪明，或许只是摄像头在场。把“被看见”的效应记到“智能化”的账上，是所有此类系统都绕不开的归因陷阱。在缺乏严谨评估之前，这些数字只能说明变化发生了，不能说明技术奏效了。

　　第二笔账更深一层。学生不坐前排、不愿抬头，原本是课堂质量最真实的信号，是听课者用身体投出的票。管理者要做的本该是读取这个信号，追问课程为何失去吸引力。可当抬头率本身成了考核指标，信号就被消灭了：行政要求压下去，学生配合演上来，前排坐满了，屏幕上的曲线好看了，课程的真实问题反而被埋进数据噪声里。管理学上的古德哈特定律说的正是此事，一项测量一旦变成目标，它就不再测量任何东西。AI巡课最大的悖论在于，它用强制性的可见性，毁掉了管理者原本免费拥有的诊断能力。日后系统再报出一片飘红的高分，校方恐怕自己也分不清是教学真的改善了，还是表演真的熟练了。

　　随之而来的还有评价权的转移。过去，什么是好课堂，由教学共同体的专业判断来回答；如今，算法供应商的模型参数替换了这个问题。识别权重偏向互动频次，热闹的课堂就得高分，沉默深讲的课堂反被扣分，这不是假设，而是所有量化评价的天然倾向。教师很快会学会为算法上课，教育的多样性将在不知不觉间被单一的数据模板修剪整齐。这一步的代价，远高于巡课人力成本的节省。

　　此外，隐私问题不是技术应用的边角料，而是一份必须逐条回答的清单：录制范围如何限定，数据保存多久，谁有权调阅，师生是否知情同意，泄露之后由谁担责，今日为督导采集的数据明日会不会挪作纪律管理。黑龙江大学已禁止截图外传，值得肯定，但制度不能止步于校内倡议。没有明确的规则、公开的边界和可追溯的问责，“智慧教室”就很容易滑向“监控教室”，一旦师生对系统失去信任，前面那些出勤率、抬头率的数据，也就失去了被认真对待的资格。

　　说到底，技术并非不能进课堂，关键是让数据对准供给端，帮教师诊断教学，而不是锁定学生个体，替行政看管课堂。衡量一套督导系统是否成熟，标准不在报表的增长曲线，而在它敢不敢撤走——撤走之后，教师依然认真教，学生依然认真学。靠监控维持的秩序，摄像头一关就会反弹；靠信任长出的秩序，才不需要摄像头作证。(西安网特约评论员王志高)

主编：钱江    二审：杨婧子    终审：董越