乔什·布雷克 (Josh Brake)的专业背景是工程学，专长是电气工程和光学。目前，Josh是哈维穆德学院（Harvey Mudd College）工程系的副教授，教授涵盖所有课程，主要方向是数字电子学、嵌入式系统和光学。Josh对科技、教育和人类福祉之间的交集深感兴趣。他的主要写作平台是Substack电子报《心不在焉的教授》（The Absent-Minded Professor）。每周，Josh都会写一篇短文，探讨他近期思考的一些问题，这些问题通常围绕科技、教育和人类福祉展开。12个小时前，Josh在他的Substack发表了一篇题为《关于人工智能和教育，我想到的十件事》（Ten Things on My Mind About AI and Education）文章。在文章中，Josh 指出，“要么接受它，要么拒绝它，但面对生成式人工智能，不做出调整是行不通的。”Integrate it or reject it,but it is untenablenot to adapt in response to generative AI.
1、在教学中，无论是拒绝还是融合人工智能，都有其合理之处。但无论我们采取何种做法，都必须在教学中充分意识到人工智能的存在及其对整个教育生态系统的影响。唯一站不住脚的做法就是视而不见，假装一切照旧。【自留地点评】：这是一个极其重要的基线论断：AI 已成为教育生态结构性因素，而非可选项。2、有时候，停止什么比开始什么更重要。惯性和现状往往比深思熟虑的设计更能左右我们的决策。生成式人工智能正在颠覆我们在学校里的一些做法，这并非坏事。如果生成式人工智能能让我们有机会转变思路，不再墨守成规，我们就应该抓住这个机会。【自留地点评】：这一观点直击教育系统深层结构：教育中的惯性与结构路径依赖。生成式 AI 的出现实际上为全球各级各类学校提供了一个极佳的“系统重构窗口”，一个“彻底重新定义学校教育”的绝佳契机。3、对于那些过分强调结果而非过程的作业来说，生成式人工智能构成了最大的挑战。重新设计作业，将其拆分成更小的任务单元，不仅能帮助学生避免将工作外包给生成式人工智能（例如，通过减少那些最容易导致拖延和诱使学生将学习外包的高权重作业），还能帮助我们更清晰地阐述我们希望学生培养的思维习惯和实践方法。【自留地点评】：小任务、渐进式作业、过程导向的设计能有效提升学习责任感。“AI时代作业再设计”（AI-Resistant Assignment Design）成为全球学校教育工作者的当务之急。4、现在正是重新思考课堂作业评估方式的最佳时机。我曾多次撰文阐述，我自己开发的基于规范评分的原型系统如何彻底改变了我对课堂评估的思考。在课堂上尝试新方法并不意味着你需要完全抛弃现有的评分体系。但这确实意味着你应该利用人工智能带来的契机，思考如何更好地将你通过成绩给予学生的外部奖励与他们希望从成绩中获得的学习成果结合起来。【自留地点评】：这个观点触及到教育最核心的问题之一：评估改革。当下的重点不在于抛弃传统评分，而是在 AI 时代问自己：评分是否真正促进了学习？还是只是记录结果？这与当前国际研究趋势“Assessment for Learning with AI”是高度一致的。5、如今，动力比以往任何时候都更加重要。我投入越来越多的时间帮助学生审视他们选择特定课程的愿望和原因，并帮助他们建立起基于理解的动力，这种动力源于他们对我们所做工作的意义以及它如何帮助他们构建美好生活的认识。【自留地点评】：在 AI 环境下，动机的重要性呈指数级上升。教育的核心由要求学生“做任务” 转向帮助学生“愿意学习、理解为何学习”。AI 时代最宝贵的能力不是“任务执行”，而是“愿意投入的心智”。6、反馈最重要的部分在于它来自另一个人。这并非意味着反馈本身不重要。好的反馈，例如如何改进工作，本身就非常重要。但是，无论 Claude 或 ChatGPT 多少次告诉你你的作品多么精彩、文笔多么出色，它们都比不上来自你信任和尊重的人的肯定（或批评）。教育本质上是一项以人为本的事业。【自留地点评】：这一点深刻触及教育的本质：教育是一种关系性实践，而不是信息传递或任务完成。AI 的反馈更快、更稳定、更可规模化，但 AI 不具备“关系性”。学生需要的是“我被看见、被理解”的感觉。AI 的反馈可用于“认知层面”，但教师的反馈承担“社会情感与身份构建层面”——AI 无法替代。7、学生的学习环境与学习内容本身同样重要。在人工智能生成技术触手可及的今天，我们需要认真思考学生应该在哪里学习。这可能意味着我们需要将课堂时间用于以往要求学生在家完成的作业。我们这样做并非为了监视学生或强制他们遵守某种规定，而是为了帮助他们发挥自身潜能，让他们明白学习的完整性不仅仅关乎自身。【自留地点评】：这涉及 AI 时代的“时间与空间再设计”。这与 flipped classroom（翻转课堂）理念一致，却比翻转更进一步：它不是“将讲课搬回家”，而是“将需要监督、需要协作、需要支持的高阶任务放进课堂”。这是 AI 时代的学习环境重构逻辑。8、目前人工智能在教育领域最重要的应用机遇并非学生直接与人工智能互动，而是教育者利用人工智能来创建更高效、更具吸引力的学习活动。例如，可以使用生成式人工智能来总结和编码学生在学习难点上的书面反馈（例如，分析学生最困惑的知识点或一分钟论文）。生成式人工智能还可以帮助教育者创建定制的模拟或动画，从而帮助学生更清晰地理解概念。几年前需要一周才能完成的编码工作，现在借助 Claude Code 等人工智能编码工具，可能只需几分钟即可完成。【自留地点评】：这一点常被忽视，但极其关键。AI 的真正突破性价值在于：让教师拥有前所未有的“教学设计能力与效率”。这从根本上增强了“教师作为设计者（Teacher-as-Designer）”的角色。未来的教师会是“学习体验工程师”。9、试图检测学生作业中人工智能的使用情况是一项充满风险的工作。即使我们暂且不谈检测人工智能使用情况的技术挑战（而这些挑战确实很多），在我看来，更重要的问题是这可能会对你与学生的关系产生怎样的影响。我并不是说你不应该留意学生学习过程中可能出现的蛛丝马迹，看看他们是否在偷工减料。但这与自动检测明显的抄袭行为截然不同（这个问题至少可以通过与其它来源的材料进行直接比对来解决，而且只能部分解决）。【自留地点评】：这是一个关键警告。AI 检测工具目前普遍不准确，不怎么靠谱。更严重的是：检测本身破坏信任关系，制造“对立型课堂文化”。相比检测，“重新设计学习任务”更符合教育伦理。10、人工智能可以帮助我们更有效地学习。但它也可能削弱我们的学习能力，甚至更糟，让我们误以为自己正在学习，而实际上并非如此。理解人工智能的最佳方式是将其视为一种放大器。它是一种可以扩展我们能力的工具。但我们首先需要具备基础能力，它才能发挥作用。即使你相信人工智能将在你的未来职业中扮演重要角色（例如，对于程序员而言），在学生早期教育的大部分时间里，我们都应该专注于培养他们的基础能力，这些基础能力将来可以作为放大器的输入。学生们不难学会如何使用人工智能，但如果我们不教给他们基础知识，这种放大器的作用将非常有限。【自留地点评】：这一点是 AI 教育哲学的核心：AI 不会创造认知，它只会增强已有的认知。如果学生缺乏：基础知识、基本逻辑、批判性阅读、数学基础、编程思维、学术写作基本格式……，那么，AI 的帮助反而会让他们“误以为自己学会了”，但其实没有。这是目前“AI 幻觉式学习”（Illusion of Competence with AI）最严重的问题。AI 的真正价值在于：放大学生的已有能力，而不是替代能力。因此，基础教育阶段仍需强调“基本功”。
这篇文章的十条观点清晰描绘出：生成式 AI 正在迫使教育发生结构性重构，但教育的核心仍然是人、动机、关系、基础能力与高质量设计。这是非常成熟、具有理论深度、与全球研究前沿一致的十条教育洞察。这位自称“心不在焉的教授”（The Absent-Minded Professor），其实一点也不是心不在焉！您说是不？！
© 版权声明
文章版权归作者所有，未经允许请勿转载。
