开学季,北大、复旦的校长们不约而同地给新生泼了盆冷水:别把脑子全交给AI。话说得挺重——“认知卸载”“虚假掌握”,翻译成大白话就是:你以为你学会了,其实你只是会复制粘贴。
这可不是杞人忧天。中央民族大学团队刚跑完一圈全国400多所高校,1953名本科生里,99.18%都在用AI。但超过六成的人搞不清边界在哪,不到三成上过学校系统的AI课。学生早就跑起来了,教学规则还在系鞋带。
问题出在哪?一份漂亮的论文,结构完整、引经据典,但你真读过那本原著吗?真推过那个公式吗?单看成品,老师根本分不清。MIT今年8月那份报告说得更直白:很多AI用法,正在剥夺学生学习的机会。说白了,有些作业本来就是拼材料、凑格式,AI只是让这套流程跑得更快而已。
但大学不是公司。公司省掉重复劳动叫提效,学习省掉“笨功夫”叫偷懒。你读一段艰涩的原文,改一遍漏洞百出的论证,要的不是那张纸,是脑子被磨过的痕迹。把训练省了,省掉的就是教育本身。
那怎么办?总不能一边拥抱AI,一边把“学没学会”的锅全甩给学生。
首先,每门课得把规矩说清楚。哪些环节能用AI,哪些必须自己来,用了之后要交代什么,布置作业时就讲明白。MIT的报告也要求课程给出明确规则。别让学生靠猜,更别交完卷才画红线。文学课要练细读,就先自己读、自己解释,再用AI找不同意见;翻译课要练修订,就直接拿AI译文当靶子。同一把刀,切菜还是砍人,看你怎么用。
其次,考核得从“验收成品”转向“验证能力”。论文交上来,别光看字,挑一处关键引文问:凭什么说它支持你的结论?程序跑通了,临时改个条件,看他能不能改、能不能说清为什么。调研报告交了,追问样本怎么选的、哪些材料推翻过最初判断。这样老师才能看见学生到底懂到哪一步。
有人觉得改成开放题就万事大吉了。想多了。AI照样能生成立场鲜明、论证完整的回答。初稿和修改记录能提供线索,但证明不了思考发生过。随堂写作、现场演示、口头讨论、课外项目得结合起来,既考独立完成,也考借工具解决问题。
教师那边也得说清楚。你要是用AI生成课件、布置任务、批改作业,却不核查、不给针对性反馈,转头要求学生独立思考,那就没说服力了。工具能帮忙,但课程质量和评价结果,责任人还是教师。
当然,别把改革变成老师的新负担。一个老师面对上百号人,逐人答辩、逐稿追踪,学校不给配助教、不调工作量,这些要求就是另一轮填表。真正要投入的,是老师了解学生、指导学生的时间。
还得警惕把“AI使用率”变成新政绩。开了多少门“AI+”课,平台回答了多少次提问,证明不了学生判断力提高了。强制每门课都用AI,还可能挤掉本该保留的独立阅读和基础训练。
大学必须教学生用AI,但更得帮他们打好判断AI的底子。没读过文献,怎么识别虚构出处?没做过推导,怎么发现答案里的跳步?批判性思维不是喊口号喊出来的,是在具体知识和反复练习里长出来的。
AI进了大学,最该警惕的是教学空转:学生交了作业,老师打了分,学校收了漂亮数据,唯独学生没长本事。大学文凭最终担保的,是一个人受过什么训练、能做出什么判断。这事儿,大学不能外包。
俗话说,师傅领进门,修行在个人。但现在的问题是,门还没领清楚,徒弟已经用AI把经念完了。大学要做的,不是把AI赶出门,而是把“修行”的规矩立起来。毕竟,脑子这东西,用进废退,省着省着,就真没了。