“给我讲讲”陷阱

大多数人用ChatGPT学习的方式是这样的：输入「解释量子纠缠」或「教我合同法」，然后阅读回复。内容清晰、行文流畅，读起来完全能理解。他们觉得自己学到了东西。

但几乎可以肯定，他们什么也没学到。

阅读一个好的解释会产生一种理解感——心理学家称之为流畅性错觉。解释很连贯，你跟上了逻辑，大脑注册了“我懂了”这个信号。但这种清晰感反映的是解释的质量，而不是你知识的状态。

Louis Deslauriers及其同事在2019年哈佛大学的一项研究中证实了这一点：观看精心制作的物理讲座的学生对自己的学习评价更高，但做主动解题练习的学生在测试中得分明显更高。感觉学到了和真正学到了是两回事。

没有诊断就没有方向

一位好的导师首先会弄清楚你已经知道什么。他们会探查你现有的理解，找到知识缺口，然后从那里开始。ChatGPT每次都从零开始。

当你让ChatGPT解释某件事时，它完全不知道你是一个零基础的初学者，还是一个已经理解了80%、只对某个具体机制感到困惑的人。它无法区分需要完整基础的学生和只需要一个缺失环节的学生。所以它给你的是通用版本，然后听天由命。

你可以尝试在提示中给出更多上下文：「我理解X和Y，但对Z感到困惑。」但这要求你准确诊断自己的知识缺口——而这恰恰是学习困难者最不擅长的事情。如果你精确地知道自己不知道什么，你就已经半只脚踏进了知道的门槛。

这是关键的失败点。ChatGPT给出解释，你阅读，然后......什么都没发生。对话继续。没有测验，没有跟进问题来检验你到底是真正理解了概念，还是只是跟上了文字。

你可能会想：「我可以让它考我啊。」确实可以。但ChatGPT生成的问题没有基于你的知识模型。它不知道应该探查哪些具体的误解，不会根据你的表现升级难度，也检测不到你答对了但理由是错的。它在生成看起来像测验的文本，而不是在进行真正的诊断。

真正的理解力检查需要一个模型，涵盖学习者知道什么、被教了什么，以及常见的错误有哪些。一个设计良好的学习系统能做到这一点。一个响应提示的聊天机器人做不到。

和ChatGPT聊天感觉很互动。你问，它答，你再问。看起来像对话，像有一个导师。但这个反馈循环是单向的——你获得信息，它获得你的下一个问题。它在任何时候都没有评估你的理解。

真正的辅导——Bloom在其著名的1984年「2-sigma问题」论文中记录的那种——涉及持续的评估。一位人类导师会问探测性问题、观察困惑的迹象、即时调整解释方式，并且在学生展示出理解之前不会继续。被辅导的学生平均表现比课堂学生高出两个标准差。这就是真正自适应互动的力量。

ChatGPT给你的是辅导中解释的部分，却没有评估的部分。这就像去看一个医生，他详细描述了你的病情，却从不做任何检查。

ChatGPT作为教师和真正的学习之间的差距是结构性的，不是表面的。结构化学习提供：教学开始前的诊断评估、通过材料的有序路径（先修知识在高级主题之前）、每一步的理解力验证、当理解出现问题时的自适应分支，以及根据你的认知状态调整的能量感知节奏。

ChatGPT在设计上不提供这些。它是一个对话引擎，不是一个学习引擎。在回答问题方面很出色，但在知道该问你什么问题方面毫无用处。

Oivalla正是为了弥合这一差距而构建的。它接收你的材料，诊断你已经知道什么，构建一个具有合理顺序的结构化学习树，并在每个节点用测验验证理解力，然后才继续。如果你遇到困难，它会分支出更详细的解释。如果你很疲倦，它会调整复杂度。这是对话本身永远无法提供的评估和自适应层。

当你有一个具体问题需要一个具体答案时，使用ChatGPT。当你需要真正理解一个知识体系并向自己证明这一点时，使用结构化学习。