我的其中一则粗略笔记由一个简单问题开始:今天的学生是否比以往更常在安全泡泡中学习?这个说法并不完美,但问题值得思考。当代教育更重视身心健康、包容、可及性和支持,这是进步。

问题出现在支持悄悄变成过度保护,而每一种困难都被视为应该移除的东西。生成式人工智能令问题更迫切,因为它可以在有效挣扎正在发生的那一刻,把挣扎移走。

不是所有困难都有益

有些教育困难只是浪费:混乱指示、不可及教材、不清晰评估标准和敌意课堂文化不会建立韧性,只会制造可避免障碍。

但有些困难是有效的。学生需要与不确定共处、测试想法、犯错、修正,并解释为何较好的答案更好。这对健康专业教育尤其重要,因为毕业生将在混乱、具身和不完整的情境中作决定。

人工智能改变了什么

人工智能现在可以进入学习本应发生的那一刻。不知如何开始的学生可以要求结构;未深入阅读的学生可以要求摘要;尚未能连接症状、解剖和临床推理的学生可以要求一个看似合理的计划。

答案可以看起来很有能力,但输出的能力不等于学习者的能力。

更安全的泡泡不等于更好的教育

好的学习环境应安全得足以让学生冒知识上的风险。学生应能提出基本问题、尝试困难任务、在低风险环境中失败,并在不受羞辱的情况下接受反馈。这种安全不是软弱,而是挑战能发挥作用的条件。

危险的是另一种安全:学生被保护到不用面对困难、后果和为自己推理辩护的需要。

围绕有效挣扎设计人工智能

答案不是全面禁止人工智能,而是决定哪里的挣扎应该保持可见。

  • 学生先尝试个案、问题或初稿,然后才咨询人工智能。
  • 人工智能输出用作批判材料,而不是标准答案。
  • 学生解释自己接受、拒绝和修改了什么。
  • 部分评估要求口头辩护、实作展示或即时推理。
  • 反思不只集中在提示词,而是集中在背后的决定。

教育者的角色

教育者的角色不是令学习不必要地困难,而是保留正确种类的挑战。人工智能应帮助学生持续投入困难工作,而不是悄悄移除做这些工作的需要。

目标不是回到更严苛的教育,而是更好地区分应被移除的障碍,以及能帮助学生成为有能力的专业人员的挣扎。