Skip to content

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 ​

让AI帮助学习的循环
让AI帮助学习的循环先尝试:留下自己的疑问;求解释:比较并追问关键条件;自己输出:讲清或独立完成;迁移检查:换问题再观察先尝试留下自己的疑问求解释比较并追问关键条件自己输出讲清或独立完成迁移检查换问题再观察联系与区别
让AI帮助学习的循环;图中数量、箭头和节奏用于说明关系。查看原图 →

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 ​

同一次使用可能有不同目标
同一次使用可能有不同目标赶任务:得到经过检查的成果;练能力:保留必要思考与练习;选方法:让工具承担合适部分;看结果:成果质量与学习表现赶任务得到经过检查的成果练能力保留必要思考与练习选方法让工具承担合适部分看结果成果质量与学习表现联系与区别
同一次使用可能有不同目标;图中数量、箭头和节奏用于说明关系。查看原图 →

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 ​

引用与自己的贡献分开
引用与自己的贡献分开找到来源:保留实际材料位置;阅读核验:理解关键事实与条件;形成表达:标注引用与个人判断;说明使用:按场景规则披露AI帮助找到来源保留实际材料位置阅读核验理解关键事实与条件形成表达标注引用与个人判断说明使用按场景规则披露AI帮助联系与区别
引用与自己的贡献分开;图中数量、箭头和节奏用于说明关系。查看原图 →

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 ​

学习反馈怎样落到下一次
学习反馈怎样落到下一次指出问题:具体到一句或一步;解释原因:定位理解的缺口;重新尝试:由学习者完成修正;延后再测:检查是否真正掌握指出问题具体到一句或一步解释原因定位理解的缺口重新尝试由学习者完成修正延后再测检查是否真正掌握联系与区别
学习反馈怎样落到下一次;图中数量、箭头和节奏用于说明关系。查看原图 →

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。

1. AI把题目解释得很清楚,怎样进一步判断自己是否掌握? 不用原答案重新说明关键步骤,再换条件或换一道同类题独立完成,检查能否迁移。
2. 为什么“提高了交付速度”不能直接证明“提高了学习效果”? 交付速度观察的是完成任务的时间,学习效果还涉及理解、保持和独立应用,需要相应证据。
3. AI给出的引用可以直接写入报告吗? 应先打开并阅读来源,检查引用是否存在、内容是否对应、是否支持结论,并遵循适用的引用与AI披露规则。

继续第二堂:看见隐私、公平与身份风险

微信联系

李不凯的个人微信二维码,扫码添加好友

使用微信扫一扫,手机上可长按保存二维码