阅读提示：12月16日，泰晤士高等教育（Times Higher Education）官网刊发帕特里斯·苏乌（Patrice Seuwou）的文章，探讨如何在人工智能课堂中找回人性。帕特里斯·苏乌是北安普顿大学（University of Northampton）学习与教学副教授，同时担任种族平等促进中心（Centre for the Advancement of Racial Equality）主任。以下是文章要点。
随着生成式人工智能（GenAI）深刻改变学生的学习与评估方式，高等教育工作者需聚焦元认知、教学清晰度与人际联结三大核心，以重塑人工智能课堂中的人文性。高等教育政策研究所（Higher Education Policy Institute，HEPI）近期调查显示，90%的英国本科生在评估中使用过生成式人工智能，该技术使学生无需深入理解核心概念即可完成高质量作业，导致自动化可能掏空学习过程本身，将智力探索的奋斗过程异化为智力表现的形式化行为。因此，高校必须重申一个核心真理：学习无法被自动化或外包，写作、研究与反思均是实现深度理解的关键环节。
为应对生成式人工智能带来的机遇与风险，教育创新需扎根人类学习的基本原则，核心在于将人工智能作为认知发展的支撑工具而非替代者——设计精良的人工智能工具可通过提供案例、结构化解释或形成性反馈减轻学生的认知负担，使其专注于推理与解读，但这一潜力的实现需以明确教授元认知能力为前提，即引导学生思考自身的思考过程。具备元认知能力的学生能成为具有辨别力的技术使用者，因为他们经训练后可敏锐察觉人工智能对自身思维的塑造作用，高校可通过三类课堂实践培养该能力：一是让学生撰写人工智能反思日志，记录工具使用目的、生成结果及自身对输出内容的修订或质疑过程；二是开展“比较与批判”练习，要求学生分别在使用和不使用人工智能的情况下完成同一任务，反思两种方式在推理逻辑、理解深度与自信心上的差异；三是组织“出声思考”活动，教师示范如何实时评估人工智能回应，质疑其隐含假设、证据支撑与语气倾向。这些实践能将人工智能从学习捷径转变为认知支架，保护智力发展核心的反思能力。
在数字变革背景下，有效教学的核心基础依然保持稳定：一方面，学生需要清晰的学习导向，不仅要明确学习内容，更要理解学习的意义与价值，高校应使学习目标透明化，将评估设计为学习过程的延续而非最终的评判手段，同时确保无论是人工还是人工智能生成的反馈都能切实助力学生提升，将评估从评分行为转化为成长契机；另一方面，学习具有深刻的社会性本质，在个性化数字推送与算法推荐主导的时代，高校需坚守其作为对话交流、观点碰撞与共同探索空间的核心价值。小组讨论、协作项目与同行评审等教学形式能培养学生的同理心、求知欲与抗挫折能力，这些品质是最先进的人工智能无法复制的，也是有意义教育的核心标志。
人工智能在高等教育中的有效应用需遵循“扩展认知卫生（extended cognitive hygiene）”原则，即采用严谨的方法选择和使用数字工具，确保每一项人工智能应用都具备明确的教学目的，如促进反思、激发创造力或减轻认知负担。人工智能素养的培养是这一过程的核心，且必须通过明确教学实现，而非默认学生已具备相关能力。高校可通过多种结构化练习培养学生的人工智能素养：在课堂中嵌入“验证任务”，要求学生将人工智能生成的事实与可信来源进行核对，识别其中的不准确信息或信息缺口；开展比较活动，引导学生分析同一提示在不同人工智能工具中产生的差异回应，探索工具背后的偏见；让学生将人工智能生成的主张标注为“基于证据”“推测性”或“无依据”，培养批判性评估的习惯。这些练习能将怀疑态度转化为专业技能，使学生在自信运用人工智能的同时，保持学术判断力与学术诚信。此外，提示词设计可作为培养批判性思维的新路径，具体实践包括提示词重写（学生提交初始问题，接收反馈后优化提示词的清晰度、深度与目的性）、“问题阶梯”（学生通过添加背景信息、约束条件与成功标准，逐步完善模糊的初始提示）以及出声思考构建高质量问题（帮助学生理解自身意图对人工智能输出结果的影响）。这些实践能培养学生的好奇心与思维精准度，使其认识到优质问题是严谨思考的产物而非偶然。通过这些方式，人工智能可成为“认知副驾”，延伸而非替代人类的认知能力，实现数字素养与学术诚信的有机融合。
生成式人工智能并非学习的终结，而是重新发现学习本质的契机，高等教育的核心任务是融合机器的精准性与人类特有的同理心、创造力和伦理意识。随着生成式人工智能能力的持续提升，高等教育的未来取决于能否培养出聪慧、善思且富有同情心的人，其核心挑战并非超越人工智能，而是实现人类自身的成长与超越。
（来源：泰晤士高等教育（Times Higher Education）官网）