第一堂课:借助AI学习而不跳过学习
一份答案写出来了,不代表我们已经会做。相反,借助解释、比较和反馈,原来卡住的地方也可能变得可理解。关键在于:这次学习要形成什么能力,哪些环节需要自己经历。
本堂继续使用前面讲过的技术认识,但把观察对象转向学习者。我们既关注产物,也关注离开当前提示和答案之后,还能做什么。
01 先保留自己的问题
例子:读完一段话,还是不知道作者在反对什么
可以把原文和自己的理解一起交给AI:“我认为作者在反对所有自动化,但第二段又认可一些应用。请指出我可能混淆了哪两种情况,并用原文解释。”
这比只要求“总结全文”多留下了一项重要信息:你真正卡在哪里。接下来对照原文检查解释,再用自己的话重新说一次,而不是把新总结直接保存进笔记。
例子:一道比例题做错了
你算出“增加20%后再减少20%,回到原值”。可以先保留计算过程,请AI指出哪一步的基数变了。随后用100元起算,自己算出120元再到96元,最后换成增加10%、减少10%再做一次。
前一个例子提供反馈,后一个例子检验迁移。若只看过一次解释就认为掌握,可能遗漏真正的理解缺口。
02 今天要交付,还是要练习
工作交付与能力训练都可能有正当需要,但它们的判断标准不同。赶一份经过核对的通知,可以让AI承担较多起草;练习概括能力时,则需要留下自己提炼和组织的过程。
| 场景 | 可以让AI帮助什么 | 自己需要保留什么 |
|---|---|---|
| 准备活动通知 | 组织结构、检查遗漏、调整语气 | 核对事实、确认权限、决定发布 |
| 练习阅读概括 | 提问、比较不同概括、指出漏项 | 自己找论点与证据,再独立概括 |
| 学习电子表格 | 解释公式、生成小样本、指出错误 | 追踪单元格关系、换数据重算 |
| 学习论证写作 | 模拟反对意见、检查推理跳步 | 形成观点、选择证据、承担论证 |
一份看起来很好的读书报告
AI能在很短时间生成条理清楚的报告。但如果学习者无法说明作者的核心概念、无法指出引用来自哪一页,报告的外观就遮住了学习目标。
可以把流程改成:先读一节、写三句理解,再请AI提出两个质疑;返回原文回应,最后独立写出报告。工具仍然参与,但参与的位置发生了变化。
这不是要求每次都最慢地完成,而是让方法服务于这次的目标。
03 来源、表达和贡献各自说清
模型给出一段话,并不意味着它同时提供了可靠来源。引用前需要真正打开材料,确认作者、时间、原文意思,以及它是否支持自己的结论。
例子:一段“研究显示”的开头
AI起草:“研究显示,所有学生使用AI后成绩都会提高。”先把这句话拆开:是哪项研究,哪些学生,什么任务,用什么指标,是否真的支持“所有”。如果来源只讨论特定课堂的一项测验,就不能扩成所有学习成果。
例子:共同完成一篇文章
资料来自原作者,某些句子由AI帮助改写,最终观点和取舍由你作出。这三者可以同时存在,但不应相互冒充。课程、期刊或单位可能有具体披露要求,应依照适用规则说明AI参与方式。
“我让AI润色过语言”和“我让AI生成了论点与引文”是不同程度的帮助。说明得具体,读者才知道怎样理解你的贡献。
04 让反馈改变下一次表现
有效反馈要具体到可以采取下一步行动。例如“逻辑不够清楚”不容易操作,“第二段把相关关系写成了因果关系,缺少排除其他解释的依据”就指向了可修改的地方。
三轮写作反馈的课堂示范
第一轮,学习者写:“我们班用AI的人分数高,因此AI提高成绩。”教师或AI指出:原有基础、学习时间与使用方式也可能影响分数。
第二轮,学习者改成:“在这次观察中,两者同时出现;还不能单独判断因果。”此时讨论如何设计更有说服力的比较。
第三轮,隔一段时间换成“健身App与健康”的材料,让学习者独立判断是否存在同样的推理问题。只有能迁移,才更接近掌握。
不能从一个工具推到普遍认知退化
有关认知卸载的研究提醒我们观察练习机会和任务表现,但不应直接改写成“使用AI一定让大脑退化”。例如一项GPS研究涉及50名驾驶者,三年后随访13人,研究的是特定空间记忆表现;它不是对所有AI使用者的一般智力诊断。原始研究
更可操作的问题是:这个用法减少了哪种练习,又增加了哪种反馈?学习者能否在新问题上独立表现出来?
案例走读:把“替我改好”换成一次可见的学习
学习者交来一段论证:“这款学习软件下载量很大,所以它一定能提高成绩。”可以请AI先不要代写,只指出从前提到结论缺少了什么,再由学习者补充。
第一步,分清下载量与学习效果是两个指标。第二步,说明需要怎样的比较材料。第三步,独立写出限制条件,例如使用方式与原有基础。最后再请AI检查是否仍有跳步。
如果一开始就让工具改成完整文章,学习者可能得到正确文本,却说不清改在哪里。把反馈拆开,可以让修正过程被看见。
这种方法并非所有任务都必须使用。已经熟练的日常表达可以直接获得起草帮助;正在训练的关键能力则值得保留自己的尝试。判断依据是当前目标,而不是简单规定“用多少AI才合适”。
本堂回顾
先确定学习目标,再决定AI参与哪里。自己的尝试、来源阅读、修正和迁移检查,能让一次工具使用变成学习过程。