AI进入学校前，学校要先教会学生怀疑 AI
一张错误地图，和一所暂缓上线 Gemini 的学校
最近有两个看起来不太一样的消息，放在一起看，反而像同一件事的两面。
在美国南卡罗来纳州的一场教师培训里，讲师让 AI 生成一张世界地图。结果出现了大量拼写和地理错误。这个演示的重点并不是证明 AI 很笨，而是让教师亲眼看到：一个看起来完整、语气自信的答案，可能从根本上就是错的。来源：Associated Press
几乎在同一时间，芝加哥公立学校调整了原本面向高中生部署 Google Gemini 的计划。学校并不是拒绝 AI，而是重新评估学区准备程度、学生数据、教师和家长的信任，以及工具究竟能不能改善学习。来源：Axios Chicago
AI 素养不是提示词技巧
过去谈 AI 素养，最容易想到的是如何写提示词、如何生成一份更好的内容、如何让工具提高效率。但在真实的学习场景里，更基础的问题其实是：学生能不能判断答案是否可靠，能不能找到证据，能不能发现一个答案里最关键的错误？
错误地图之所以适合作为一堂课，是因为它把模型的错误从抽象警告变成了可观察的对象。学生可以标出错误、查找证据、比较不同模型的回答，再讨论为什么模型会用确定的语气说出不确定的内容。
真正需要练习的不是记住“幻觉”这个风险名词，而是形成一套动作：先提出判断，再核对来源，最后决定是否采用。
从“会不会用”到“能不能判断”：研究给出的三条线索
把这两个案例放在一起，并不是为了制造一种“AI 很危险”的情绪。更值得关注的是，研究正在帮助我们区分三种完全不同的使用结果。
第一种是支持认知。AI 可以帮助学习者生成反例、解释难点、提供即时反馈，或者把一段复杂材料改写成不同层次的版本。前提是学习者仍然提出问题、比较答案并做出自己的判断。相关综述显示，这种使用往往和自我调节学习、反馈素养、反思性参与联系在一起。
第二种是认知卸载。当学生还没有形成基本概念，就让 AI 直接完成摘要、论证、解题和写作，表面上减少了困难，实际上也可能把形成理解所需要的过程一起交出去。近期关于中国大学生生成式 AI 使用的研究，正是从认知卸载和认知自主性放弃的角度，区分不同的人机协作模式。
第三种是自动化偏误。因为答案来自一个看起来很专业、很流畅的系统，所以人降低了检查标准。错误地图的教育价值，恰恰在于它能把这种偏误暴露出来。学生看到的不只是“AI 偶尔会错”，而是自己也会因为表达方式像答案，而忘记追问证据。
一篇关于学校 AI 素养的系统综述分析了 58 篇研究，发现 AI 素养包含认知、情绪、心理和行为维度；对学生来说，知道 AI 能做什么还不够，还要知道何时不该使用、如何评估输出，以及如何在不确定时寻求验证。另一篇关于 AI 素养干预的元分析也指出，课程不能停在概念知识，而应转向技能、实践、伦理和态度的综合训练。
学校可以怎么做：把验证变成课程
先做“无 AI 版本”，再做“AI 对照版本”。让学生先独立完成一个最小版本，留下自己的假设和不确定点；再让 AI 提供答案或建议。最后标出 AI 改变了什么，哪些地方有证据，哪些地方仍然不能确定。
把错误样本做成跨学科练习。地理课检查错误地图，历史课核对虚构引文，科学课验证实验解释，语文课比较不同论证。每次都完成三步：指出可疑之处、找到外部证据、说明最终是否采用。
将任务分成三类。“必须独立完成”“允许 AI 协作”“适合 AI 扩展”。基础概念形成、关键推理和正式测评优先保护独立思考；资料整理、反例生成和表达修改可以在披露过程后使用 AI；开放项目则允许学生研究 AI 的能力边界。
评价过程证据，而不是只看最终成品。要求保留问题草稿、关键判断、来源核验、AI 交互记录和修改说明，评价重点从“答案像不像标准答案”转向“能不能解释为什么这样判断”。
给教育 AI 上线前设置五问。它解决什么学习问题？什么时候使用？适用于哪些学生？使用多长时间？有什么证据证明它改善了学习？
给 AI 教育产品的具体建议
产品可以提供“先想后看”的模式，让学生先写下自己的判断，再打开 AI 反馈；要求学生给答案标注证据；把“发现错误”设计成任务，而不是把错误藏在后台；在高风险任务中限制自动生成，在低风险任务中允许比较和修正；让教师看见 AI 何时介入、学生如何修改，以及哪些任务出现了依赖。
产品指标不能只有使用时长、完成速度和满意度，还应该问：学生是否更能解释自己的判断？是否更会发现错误？离开工具后能不能独立完成相似任务？
学生要学会怀疑，学校也要学会证明
“禁止 AI”和“全面使用 AI”都很容易，真正困难的是把使用条件说清楚。学生需要知道，AI 可以帮助提出问题、比较观点、获得提示，但不能替代理解；教师需要保留教学目标、内容审核和最终判断；学校需要确认产品有明确场景、可靠边界和可验证的学习结果。
那张错误地图给学生看的，是 AI 为什么不能被盲信；芝加哥公立学校的调整提醒学校，自己也不能因为技术很新、产品很方便，就跳过验证过程。
AI 进入学校之前，学校最应该先教的也许不是“怎么用”，而是三个更朴素的问题：我为什么相信它？我怎样检查它？如果它不可靠，我能不能把判断拿回来？