当下教育正深陷双重焦虑：一边是 “内卷” 加剧，人们在固定跑道上投入无限精力争夺有限领先;另一边是 ChatGPT 等 AI 带来冲击，既是 “作弊神器”，也可能是学习利器。纽约新学院教授格雷格・伊斯利在《人工智能时代下对学校的再构想》中，提出了打破困局的 “适应性阈值学习”(ATL)方案。
伊斯利的灵感源于智能动感单车：设备先测个人 “能力阈值”，再量身定制动态进阶之路。由此，他设想将 “时间固定、结果不一” 的教育模式，反转为 “精通为常量、时间为变量”。在 ATL 模型中，AI 是 “私人教练”，精准定位学生知识边界并生成动态学习路径，学生掌握概念的时间虽有差异，但最终都能成功。
教师非但不会被取代，还会从知识灌输者转变为 “总教练”，聚焦激励、关联背景、给予安慰等算法无法替代的育人工作。不过，ATL 也需警惕过度优化、数据监控、加剧不平等及忽视教育本质等风险。
当前美国教育危机凸显，2024 年 K-12 学生测试成绩创历史新低，近半数高中毕业生数学低于基础水平，约三分之一阅读不达标。疫情暴露了教育模式的僵化，而 AI 融入教育已成定局，85% 学生曾用生成式 AI 完成课业，教师也借 AI 简化工作，但存在人文维度被弱化的隐患。
ATL 的实施需激进变革。它先通过诊断测试确定学习者阈值，再生成个性化计划并持续调整。与多邻国等平台仅在固定课程内调进度不同，ATL 重构学习逻辑，实时生成非线性学习地图。在课堂中，ATL 不取代教室，却能改变教学内容，如数学作业随学生推理速度调整，历史学习可深入多元资料。它更适用于可客观衡量进步的学科，能为学生节省时间接触文学、艺术等难优化领域。
这一模式还需转变时间、掌握与进步的认知，淘汰 “钟形曲线”，改革评分体系，重新定义 “优秀”。从历史看，ATL 与杜威 “教育即生活”、罗蒂 “教育拓展可能性” 的思想一脉相承，能助力实现杜威 “适应个体需求” 的教育愿景。
“课程” 原指 “固定赛道”，而 ATL 将用动态地图替代，为每个学习者提供个性化成长路径，为 AI 时代教育开辟新方向。