16。 如何引导大学生使用，与人工智能合作 

本期节目，两位主持人讨论的主题是如何引导大学生使用，与人工智能合作。对比从中学到大学，学生与AI协作达成学习目标有什么不同。同时，重点讨论如何培养大学生的学术思维，提出以下建议：

• 阅读时的行为习惯
• 写作时的自我质疑
• 讨论中的行为模式
• 遇到冲突信息的反应
• 引用和归属的严谨性
• 对自己知识边界的清醒认识

大学生需要从被动的信息接收者转变为主动的知识建构者，这个转变需要系统性的引导。提出问题：在生成式AI工具流行的当下，作为教育者应该如何引导学生们成为主动的知识建构者？

• 批判性对话能力的培养
• 元认知能力的强化
• 独立判断力的锻炼

在强化元认知能力这方面，叶老师建议：

• "思维慢放"练习
• 结构化的反思提示
• 同伴观察法
• "错误收集"习惯

叶老师： 大家好，欢迎大家再次收听我们的节目。我是叶老师。

橙子： 我是橙子。上一期节目中，我们聊了中学生如何与生成式AI工具协作学习。有听众朋友反馈说，希望我们也谈谈大学生这个群体如何更好的与生成式AI工具协作。那这一期呢，我们就来对比一下，从中学到大学，学生与AI协作达成学习目标有什么不同。同时，我们重点来谈一下大学生如何培养他们的学术思维。

叶老师： 其实大学生这个群体应该说，目前，是运用这种生成是ai工具最多的一个群体吧。而且呢，我觉得这个对比也蛮有意思的。首先呢，我觉得我们应该确定一点，就是说中学生和大学生在认知发展上呢，有很大差异。中学生，特别是初中生，他们的抽象思维能力还在发展中。他们更多依赖具体的、直观的一些学习方式；而大学生已经具备了相对成熟的抽象思维和批判性思维能力。

橙子： 对，而这种认知差异呢，直接影响了他们使用AI的方式。其实我发现中学生使用ai更多的时候呢，是为了"理解"和"掌握"；而大学生使用AI，则更多的是为了"分析"和"创造"。

叶老师： 对，说得很准确。我们具体来看一下吧诶，我们来再来回顾一下。橙子啊，中学生，他们所要使用AI的主要场景是什么呢？

橙子： 根据调查，中学生最常用AI来做的事情是：解释概念、辅助作业。比如他们会问："什么是光合作用？"或者"这道数学题怎么解？"他们需要的是清楚的解释和步骤。

叶老师： 对。而且中学生在使用这些工具的时候，我们作为家长，作为老师，要特别注意引导他们建立"质疑"，这个习惯。因为这个阶段的学生容易对这些工具产生盲目地信任。就像他们相信老师、相信教科书一样，也容易完全相信这些生成式的AI工具给出的答案。

橙子： 这确实是个问题。所以我们在指导中学生时，经常要求他们使用"三步验证法"：第一步，AI的回答和我的问题对上吗？第二步，检查一下，回答中有没有我不理解的词汇？第三步，答案有没有自相矛盾的地方？

叶老师： 这是很好的方法。另外，中学生还需要学会"追问"。也就是说，他不能满足于第一个马上得出来的答案，要学会问"为什么你会这么说？"、"你还可以举其他的例子吗"；甚至是用反证，也就是说，“你能举个相反的例子吗？”。看看ai这些工具给出的答案会不会自相矛盾。

橙子： 就是我们以前经常说的多问一些为什么，还要举一反三。哎，那叶老，那大学生的情况又如何呢？

叶老师： 大学生使用AI的方式就复杂多了。他们不再是简单地寻求答案，因为其实在大学的学习当中，你单单去给出一个答案，已经不是学习的目的了。他们需要在更高的层次上的学术的一些活动。比如说：文献的阅读啊；或者是怎么去设
计它下一个研究的一个课题；再接下来也就是学术写作，这几个重要的方面。

橙子： 我知道到很多大学生会用AI来辅助阅读英文文献。因为这样效率会很提高很多嘛。他们会说："帮我分析这篇论文的研究方法"或者"这个理论框架有什么局限性"。这种问法明显比中学生的深入得多。

叶老师： 一定的，这些体现了他们这两个群体的认知层次上面的差异。中学生问的是"是什么"，而大学生更多问的是"为什么"和"怎么样"。而且，大学生这个群体应该是更善于进行批判性对话。

橙子： 哎。说到批判性的对话，叶老师能不能给我们讲一下，具体的表现是在哪里呢？

叶老师： 比如说，一个中学生可能在学习历史的时候会问AI："法国大革命是怎么回事？"。那换一个大学生，他或许就会问："法国大革命与英国光荣革命在社会背景上有什么本质差异？这些差异如何影响了两场革命的结果？"。我想这个，一个是认知层次的差异，另外还有一个知识储备也是有影响的。不一样，提出问题的深度和复杂程度就完全不一样了。

橙子： 嗯。明显知识储备不一样，提出问题的深度和复杂程度就完全不一样了。而且我发现，有些大学生，还会利用AI进行，就是我们说的"思维碰撞"。因为他们不是被动接受AI的观点，而且有的时候呢，还会与ai辩论，和AI做一些挑战ai。

叶老师： 我也觉得这是一个比较重要的一个观察。那大学生，他会说说："我不同意你的观点，因为..."然后他提出自己的论证。那是一种互动式的一种思维的碰撞。

橙子： 那在学习方法上，大学生和中学生这两个群体也是有明显差异吧？

叶老师：当然了。我觉得中学生呢，他更需要"脚手架"的支持。也就是教育上的一个所谓的术语，所谓的 “Scalfolding” 。就是我们建房子时候要搭的脚手架。比如说我们建议中学生呢，使用结构化的提问模板，比如说啊："我想学习有关于[一个具体主题]，请用中学生能理解的语言解释，并且给出具体例子。"这样就一步一步一步地搭上去。

橙子：那大学生肯定就不需要这么详细的指导了。他们更多是需要学会"提问的艺术"。比如如何设计研究问题，如何进行多角度分析。

叶老师：对。我要去研究哪一个方面的主题，那么我的research question应该是怎么设计，是至关重要。 我们来再看一下写作方面的差异吧。那中学生他使用ai辅助写作，主要是为了改善语言的表达，检查语法错误，优化这个文章的结构，那特别是比如说他要用英文来写作，那他们可以说，哎，”帮我检查这篇文章的语法。“或者是说：”怎么把这个段落写得更有层次感“。这些都是比较基础层面的，语言层面的一些帮助，就是所谓的帮文章润色。但是大学生的话呢，我觉得他们使用ai是进行更深层次的学术写作。比如说他们会说，诶，“我这个论点呢，还需要哪一些支持的论据？”或者呢，“我这个论点的支撑还需要哪一些文献？“或者“我这个研究设计有什么潜在的偏差。”

橙子：这个其实就是学术思维的培养了。那大学生要学会与ai进行智力对话，不仅是取得信息这么浅层次的行为了，而更重要的是成为主动的知识构建者。那说到学术思维呢，这个定义其实是挺抽象的。叶老师，你能不能来举几个例子，具体的说明一下。

叶老师：好。比如说啊
阅读时的行为习惯
如果是在我们说到阅读时的一些行为习惯。看到一篇文章，文章提出的“社交媒体导致青少年焦虑增加”。那有学术思维的人呢，他会本能地问：诶，它这个调查的样本到底有多少？对照组又是什么？那如何定义和测量“焦虑”？是相关的关系还是因果的关系？他们还会主动查找反对观点的一些研究。
写作时的自我质疑
那学术思维呢，也可以体现在，比如说他写作的时候。一个人，他如果有学术思维，他就会自我质疑；写论文的时候，会反复审视自己的每一个论点，就会问自己：诶，我这个例子真的能支撑这个观点吗？我是不是过度解读了这一些数据？读者可能有一些反面的例子吗？然后他自己会根据这些提出的问题啊，自动去补充支撑自己的论点，或者是说，补充可能的反证。
讨论中的行为模式
那有学术思维的人呢，他在讨论中也会有一些行为模式。比如说，他们不会急于表达观点，而是先搞清楚对方的立场和依据。会说："你刚才提到的这个研究，它的研究方法是什么？"或者"我们讨论的这个概念，大家的定义一致吗？"如果你对概念的定义是不一致的话，那你其实就没有讨论的基础了，对不对？你能想一些例子补充一下吗？

橙子：欸我倒是想到一些点，确实可以说明这个是学术思维的。比如说：
遇到冲突信息的反应
我们看到两个互相矛盾的研究结论的时候，不是简单地选择相信其中一个，而是会想这两个研究的条件有什么不一样？样本有什么不一样？测量的方法有什么不一样？这是一个。
引用和归属的严谨性
另外，就是引用和归属的严谨性。即使是很小的观点，也会标注来源。而不会是仅仅说"有研究表明"，这样范范得提一下；而是很严谨的说：我在某某杂志上。在哪一年，某人的研究论文里发现的。
对自己知识边界的清醒认识
再想到一点呢，就是对自己的认知边界，我们要有清醒的认识。有学术思维的人呢，会明确地区分"我知道"、"我认为"、"我不确定"。遇到不懂的概念不会装懂，而是会说"这个概念我不太理解，能解释一下吗？"

叶老师： 其实啊，这些行为背后都有一个共同点， 或者是说，去运用学术思维的人，他带着一种对知识的敬畏和对真相的追求。

橙子：其实学术思维的核心是对任何信息都保持适度的怀疑。不是为了质疑而质疑，而是习惯性地问：这个结论的证据充分吗？有没有其他解释？来源可靠吗？能够把单个问题放在更大的知识框架中思考。比如看到一个现象，不只是描述"是什么"，还会追问"为什么""会导致什么""与其他现象有什么关联"。推理过程要经得起推敲。推理的前提是否成立？步骤是否有漏洞？结论是否过度概括？这需要对自己的思维过程保持清醒的意识。既要对新观点保持开放，又不能轻信。既要敢于提出假设，又要严格检验。这种平衡很微妙。非常重要的是，学术思维与所谓的“ 反思性“ 息息相关，也就是说， 我们能够跳出自己的立场，审视自己的偏见和局限性。意识到自己是可能错误，并且主动寻找反驳自己观点的证据。

叶老师： 从另外一个方面来说，大学生需要从被动的信息接收者转变为主动的知识建构者，这个转变需要系统性的引导。其实我们在这里的话，给自己提出的一个问题应该是：在生成式AI工具流行的当下，作为教育者应该如何引导学生们成为主动的知识建构者呢?我自己也有思考这个问题。要做的东西很多，但是最重要的呢，是我们教育者要做到以下的几点：
批判性对话能力的培养
那第一点，培养学生批判性对话的能力。要教会学生如何与ai工具进行有效的学术对话，而不是简单的问答案。比如，当学生提出一个观点时，他要学会去追问：这个结论的前提假设是什么？有没有反驳的证据？逻辑链条上有什么漏洞。作为教育者的话，可以设计一些场景，让学生去练习这种对话的模式。在线下其实就可以。去训练，学生跟学生练。然后练好了以后，如果学生自己再去使用这些ai工具的话呢，他们也可以把这种模式引用到与工具的对话当中。

橙子：其实很多ai工具现在都有那个列出思维链，回答问题的逻辑链条，这样其实也可以帮助学生来学习。

叶老师：对。所谓的思维链英文，其实是train of thoughts。他的答案是怎么推出来的，那你回头看的change your thoughts的话呢，或许可以找到漏洞，看看他有没有在那里臆想。
元认知能力的强化
这是第一点那第二点呢，就是所谓的强化学生的元认知能力。所谓的原认知其实就是think about your thoughts。就是思考你自己的思考过程的一种能力。在与这些ai工具协作的时候，学生需需要不断的去反思，我为什么会这样提问？AI的回答是否暴露了我思维的哪些盲点？我是否过度依赖了AI的一些思维框架？就是去思考你自己思考的一个过程。这样一个能力叫元认知的能力。那作为这种能力的培养呢，一个比较有效的方法的话，可以让学生自己在使用这些工具完成学术任务之后啊，去写一个log，去记录一下自己的这个思考的路径。比如说，自己有一个学术论文，一个学术的命题切入点。跟Ai互动当中，让他自己去观察自己这个互动的过程。其实回过来说一句话，我觉得对这个research question，这个论题，其实不能够依靠ai的工具。

橙子：就是要跳出他的这个框架，因为自己来主导它。

叶老师：对。你如果把要做研究的最初的这个基础，如果马上提出来去跟ai工具去讨论的话，我觉得，你的思维从一开始你就马上会被他引导。刚才扯远了。那刚才呢，讲到这个作为主动的知识建构者，教育者要如何去引导，那还有一点。我觉得教育者应该引导学生去锻炼他们的独立判断力。
独立判断力的锻炼
这个其实是学术思维的一个核心吧。我们要让学生学会质疑Ai给出的回答。让他们查证ai提供的数据来源，或者是说让多个学生用不同的方式询问同一个问题，然后来比较。现在有学生就会说，哎，我要写关于这样这样这样方面的，你要给我提供一些文献。那他会巴啦吧啦，可能就会给你一堆的文献。或者是说，你给我一些数据来支撑我的这个论点，他可能啪啦啪啦，就会给你一大堆。我们作为教育者，要给学生提供时间跟空间，让他们去查证这些所谓的数据来源或者是文献的研究的文献，这样他们就能够明白啊：Ai其实只是一个工具，最终的学术判断还是得靠他们学生自己去。

橙子：那叶老师，你认为大学生在成为具有学术思维的知识构建者这个过程中，最大的挑战可能会是什么？

叶老师：我觉得前面提到的这个三点呢，就是说教育者能够做的。我觉得第二点，原认知能力的强化是最大的挑战。

橙子：这怎么说呢？

叶老师：我觉得有几个层面上的复杂性的。比如说： 
认知负荷的悖论
元认知本身就需要消耗大量认知资源。学生在处理复杂学术内容时，大脑已经满负荷运转，可能很难再"跳出来"站在一个高度上去观察自己是怎么想的。就像你要去解一道复杂的数学题，你要去解决这个数学题的本身，又要同时去描述自己的策略，strategy是怎么去解题的。那这两个问题说的简单一点，都需要去消耗脑细胞，对不对。
缺乏参照标准
第二点，难的在于缺乏一些参照的标准。很多学生根本不知道什么叫做好的思维，缺乏一种内在的质量标准来评判自己的思考过程。比如说什么叫深入思考；什么叫逻辑严密。那没有这些标准的话，原认知其实也就是一纸空谈了啦。
AI互动的"黑箱效应"
还有一些，比如说我们前面提过几次，在ai互动中的一个black box，一个黑箱的效应。在与AI工具的对话当中，学生往往会被他回答的速度，它的流畅性迷惑，他以为自己理解了，其实只是被动的接受一些信息。学生其实在这个过程当中，思维是偷懒的。
即时反馈的缺失
还有的话呢，即使是学生有目的的去提高高元认知能力，但是学术思维质量的提高是一个很长的一个过程。不是马上就能够见效的。所以才那么难。

橙子： 我听起来元认知确实是比较有挑战性的。那我们教育者怎么样才能帮助大学生强化他们的这个元认知能力呢？你觉得在使用这些生成式AI工具时，教育者们怎么才能帮助大学生们强化他们的元认知能力？能不能给我们一些具体的使用措施？
叶老师： 措施的话呢？比如说思维慢放练习
"思维慢放"练习
让学生每周选择一次与AI的对话。然后呢，用录屏的软件把他的这个对话过程给记录下来。回看一下自己的提问过程。看看就说，诶，哪一些地方呢，我有停顿思考；哪一些地方呢，我直接接受了ai的答案。

橙子：这是一个方法，很好的方法。

叶老师： 这是一个方法。
结构化的反思提示
给自己设计一些简单的反思提示卡，在跟工具互等的过程当中，把这些反思卡放在旁边。比如："我刚才的问题背后的真实意图是什么？""我是否产生了新的疑问？""这些信息我验证过了没有？"就是让学生快速的过一遍上面的问题，看看自己都提过了没有。

橙子：训练他养成这个对话的习惯。

叶老师：对。然后还有一个的话，我们更不要忽略了我们一起学习的同伴们。
同伴观察法
让学生们的话组成两三个人的学习小组学习小组，互相观察对方与ai的互动过程。教育者的话Be mindful就是自己能够认识到，给学生一定的空间，一定的时间去培养他们的元认知能力。

橙子：那我想到一条。
"错误收集"习惯
是不是这样也挺好的，就是鼓励学生建立一个"我与AI的误区笔记"，就像我们就像我们平常说的错题卡一样，专门记录自己被AI误导的过程。这样把那个犯错呢，当成一次学习的机会。
聊了这么多的有关学术思维及培养学术思维的方方面面， 我们再回到中学生与大学生在使用AI生成式工具的不同点，好不好？

叶老师： 好。那在使用边界的把握上呢，两个群体有差异。中学生呢，需要更严格的外部的监督和指导。因为呢，他们的自制力跟判断力量还在发展中。

橙子： 对，我们经常建议家长和老师要为中学生设置"防护栏"。就比如说，限制使用时间、规定使用场景、和定期检查使用情况等等。

叶老师：对呀。那大学生呢，更多的是需要自律的指导。 他们有能力理解学术诚信的重要了。但是呢，他们需要呢，学会自主判断：什么时候该用ai；什么时候不该用AI。

橙子： 哎，你这让我想到一个很有趣的现象啊，就是很多大学教授呢，现在在课堂大纲中，也会明确地说明Ai的使用政策。有些教授甚至鼓励学生透明的使用ai。但是呢，要详细地记录使用的过程。AI使用政策，有些甚至鼓励学生透明地使用AI，但要求详细记录使用过程。

叶老师： 至少在荷兰的大学当中呢，已经是有这样子一个趋势了。这个趋势很好，我觉得。这是一个很好的趋势。"透明化使用"比"禁止使用"更符合未来发展的需要。而且这种方式也培养了学生的责任感和判断力。

橙子： 那么在验证信息方面，两个群体的能力也不同。中学生主要依靠"常识判断"和"权威比对"——看答案是否符合常理，是否与教科书一致。

叶老师： 大学生的验证方法就更加多样化了。他们会进行"交叉引用"、"同行评议"、"实证检验"等更加学术化的验证方式。（ 交叉引用 - Cross-referencing ；同行评议 - Peer review ；实证检验 - Empirical verification）
橙子： 那我们来总结一下两个群体的主要差异吧。

叶老师： 好的。首先在认知层面：中学生处于"理解和掌握"阶段，需要AI帮助消化和理解知识；大学生处于"分析和创造"阶段，需要AI作为思维伙伴进行深度对话。他们是我们所谓的知识构建者。 

橙子： 在使用方式上：中学生更多是"问答模式"，也就是寻求明确答案；大学生更多是"对话模式"，进行思维碰撞。

叶老师： 在验证能力上：中学生主要依靠基本的逻辑判断和权威比对；大学生能够进行多重交叉验证和学术评估。

橙子： 在监管需求上：中学生需要更多外部指导和约束；大学生更需要培养自主判断和自律能力。

叶老师： 在学习目标上：中学生通过AI提高学习效率，掌握基础知识；大学生通过AI发展高阶思维，培养创新能力。

橙子： 我觉得有个重要的共同点需要强调：不管是中学生还是大学生，都要记住AI只是"协作工具"而不是"替代工具"。学生始终是学习的主体。

叶老师： 完全同意。而且随着AI技术的发展，这种协作能力将成为未来公民的基本素养。从中学开始培养，到大学深化，这是一个连续的发展过程。 感谢大家的收听。下期我们打算聊聊"AI时代教师角色的转变"，敬请期待！再见！

橙子： 最后说个科技届的动向：最近几家大科技公司相互投资，比如

1. 英伟达向老牌芯片厂商英特尔做了一笔50亿美元的投资。
2. 同时英伟达NVIDIA 与 OpenAI 签署意向协议，简单地说，就是OpenAI 要大规模部署英伟达的产品，而英伟达也会将分阶段向 OpenAI 投资最高 1000 亿美元。
3. 而 OpenAI 与Oracle 签署一项价值约 3000 亿美元的云计算 / 计算能力供给协议
4. Oracle正在与 Meta 洽谈一个多年期的投资协议

这都是”星际之门“计划的一部分。星际之门，“Stargate” 是 OpenAI 发起的一个极大规模 AI 基础设施/ 数据中心建设项目。那么现在，科技，经济等各个方面的人士对这种“AI基建狂魔”众说纷纭。有说AI泡沫太大，要警惕对社会经济造成危害；有的说这才刚刚开始。听众朋友们，您怎么看？欢迎与我们一起讨论。好，今天的节目就到这里，谢谢各位的收听。我们下期节目见。