文献：Raz, T., & Kenett, Y. N. (2026). Knowledge reshapes inquiry by changing question asking ability and impacting academic assessment. npj Science of Learning, 11, Article s41539-026-00402-0. 2026 年 2 月 17 日发表。

研究问题：提问是人类沟通、认知发展与学习的核心。以往研究多在受控、非纵向情境下考察提问，却很少追问：人们提问的原创性与复杂度如何随时间变化？这种能力如何响应知识习得？提问能力能否预测学业表现？ 尤其是——一个学生提问的深度与原创性，在面对不同类型的学业评估时，是否表现迥异？

论证思路：论文提出并检验「评估悖论」——现代教育鼓励创造性探究（发散思维），但标准化考试测试的是收敛性回忆（快速准确提取单一正确答案）。研究在一个学期纵向样本中，同时测量一般提问能力与领域特定提问能力的变化，并对比它们对开放式项目与封闭式考试两类评估的预测作用。

核心概念与理论框架

两种提问能力

研究区分了两种提问能力：

• 一般提问能力（General AQT）：对日常物品（如铅笔、袜子）提出创造性问题的能力，反映领域通用的认知灵活性；
• 领域特定提问能力（Domain-Specific DS-AQT）：对专业概念（如心理学实验）提出问题的能力，反映语义知识结构的掌握。

一般能力对应「认知灵活性」（flexibility pathway），领域特定能力对应「知识整合」（persistence pathway）。随着学习深入，前者可能衰退，后者应当提升——这一区分挑战了“提问能力是稳定特质”的传统观点。

提问的多阶段过程（QuInS 框架）

论文引用 QuInS 框架（Questions in Information Seeking），指出提问是多阶段认知过程：

1. 检测知识缺口（detect gap）
2. 产生好奇心（curiosity）
3. 形成问题（formulate）
4. 评估与精炼（evaluate & refine）

布鲁姆分层与 LLM 自动评级

研究者使用修订版布鲁姆分类法对问题复杂度评级，并用**微调的大语言模型（LLM）**自动判定每个问题所处的布鲁姆层级。例如：

• “什么是神经递质？” → 记忆（Level 1）
• “如何设计实验验证工作记忆容量与创造力的关系？” → 创造（Level 6）

研究方法

样本：68 名修读一学期《心理学导论》课程的本科生。

设计：学期初（Time 1）与学期末（Time 2）分别完成一般与领域特定提问任务，同时完成一项开放式期末项目和一项封闭式选择题考试。

纵向对比：比较两种提问能力在学期内如何随知识积累而变化，并检验其与两类评估表现的关系。

发现一：知识积累重塑提问能力

通过对比学期初（Time 1）与学期末（Time 2）的数据，发现分化模式：

• 领域特定提问能力随时间显著提升（DS-AQT fluency 从 M=6.1 增至 M=6.6，且复杂度、原创性同步提升）；
• 一般提问能力保持稳定或衰退。

随着专业知识积累，学生的认知资源从泛化探索（对日常物品的天马行空提问）转向领域深耕（基于知识结构的深度提问）。这支持了“提问能力并非稳定特质，而是受知识基础塑造的动态技能”。

发现二：评估类型的「双刃剑」效应

研究在同一纵向样本中证明：同一种提问能力对不同评估类型具有相反的作用：

• 一般与领域特定提问能力与封闭式考试表现呈负相关——高阶提问能力在标准化测试中反而预测更差的成绩；
• 与开放式项目表现呈正相关——同样的能力在创新任务中是资产。

这实证了「评估悖论」：教育系统声称培养批判性思维，却用标准化测试“惩罚”这种思维。用布鲁姆的术语说：我们正在用衡量“理解与记忆”的工具，去测量一群被鼓励进行“评价和创造”的学生。

精读笔记

核心论点：提问能力不是稳定特质，而是随知识增长演化的动态技能；它在不同评估类型下发挥相反作用——开放式评估受益于领域特定复杂度，封闭式考试受损于一般原创性。学生学业表现的差异，可能并非能力不足，而是评估工具设计的认知需求不同（发散 vs 收敛）。

方法要点：

• 学期纵向设计（Time 1 → Time 2）首次追踪了提问能力随知识积累的动态变化
• 一般/领域特定提问能力的分野，把“认知灵活性”与“知识整合”两条通路操作化
• 用微调 LLM 自动做布鲁姆层级评级，为开放性回答提供可扩展的量化方法

局限与边界：

• 样本较小（N=68）且为单一课程（心理学导论），推广需谨慎
• 相关性研究：提问能力与评估表现的负相关不一定是因果（可能有第三变量，如学习风格）
• LLM 自动评级的信度与效度依赖训练数据与评分标准，需与人工评分交叉验证

可延伸方向：

• 不同学科（理工 vs 人文）中，评估悖论是否同样成立？
• 若教育目标是培养高阶思维，评估体系如何超越标准化测量，纳入捕捉生成性学习的开放式评估？
• 教师能否通过“早期广泛探索 → 后期知识整合提问”的分阶段策略，兼顾两种能力的发展？

实践建议（论文原意）

1. 提问是可塑技能：教师应根据学习阶段调整探究策略——早期鼓励广泛的探索性好奇，后期引导基于知识的整合性提问；
2. 评估体系需反思：如果教育目标是培养创造力和高阶思维，评估必须超越纯粹的标准化测量，纳入更多开放式评估；
3. 重新审视公平性：那些在开放式创新中表现卓越、具备复杂探究能力的学生，在传统标准化闭卷测试中可能处于劣势。

原文地址

• DOI：10.1038/s41539-026-00402-0
• 期刊：npj Science of Learning（Nature Portfolio），2026 年 2 月 17 日