AI进入国际课堂后，教师与学生分别需要学习什么

教学目标

教学目标首先回答“现在面对什么条件”。先为教学目标写下对象、时间和完成条件，首次进入时就能少一些猜测。

教学目标的事实、现场结果与推测应分开表达。开始处理教学目标以前，把设备、时间和任务写在一起。

教学目标的两次结果若不同，应先比较条件。一次成功只能说明教学目标当时可用，不能代替持续观察。

建立可复现的起点

为教学目标选择一个日常任务作为基准，写下完成时间和异常表现。后续沿用相近条件，差异才容易解释。

教学目标的记录不会让问题立刻消失，却能把模糊感受变成可讨论的事实。

检索与来源

进入检索与来源之前，团队往往带着各自习惯。检索与来源若跨越时区，日期、城市和统一时间必须同时出现。

团队要把检索与来源中的承诺强度和责任边界说清楚。把检索与来源的默认习惯说出来，可以减少礼貌表达掩盖的分歧。

检索与来源若涉及不同时区，应同时写出日期、城市和统一时间。只写“明天下午”容易在转述时失真。

让决定离开会议后仍然成立

检索与来源的纪要要区分讨论、决定和待办事项，并标明负责人。

检索与来源仍有异议时，保留分歧比强行统一更有价值，下一轮可以针对证据继续讨论。

提示设计

提示设计常被误解为单纯的工具设置。处理提示设计前应固定测试内容，避免多个变量同时变化。

同一提示设计任务的两轮测试才具有可比性。提示设计真正需要设计的是任务顺序，以及失败后如何回到稳定状态。

提示设计的对照测试应使用相同内容和相近时段，避免设备、网络与账号全部变化。

从现象缩小原因范围

提示设计出现文字正常但图片缓慢，与整个页面无法打开，调查方向并不相同。

提示设计的结论应附带适用范围，当前设备的结果不必被写成所有地区和系统的规则。

作业过程

安排作业过程时，最容易漏掉交接。作业过程需要明确负责人、资料位置和交接时点。

作业过程权限应随项目阶段和成员角色调整。参与作业过程的新成员需要看到版本来源和未完成事项。

作业过程的共享目录应按任务组织，人员变化以后资料仍能留在清楚的位置。

权限也有生命周期

作业过程需要写明谁能阅读、谁能编辑以及权限何时结束。

作业过程若包含敏感资料，应采用更小的分享范围，便利不能成为无限开放的理由。

反馈边界

反馈边界的价值来自比较，而不是陈列。观察反馈边界时要保留城市背景与案例限制。

反馈边界的差异不必被勉强归纳成单一模式。比较反馈边界时，应承认城市、课程和组织条件不同。

反馈边界可以从一个具体问题开始，例如公共空间、产业转型或学习支持。

把现场变成学习材料

反馈边界的现场笔记应注明地点、时间和观察者角色，也要写清案例不能代表什么。

反馈边界回到课堂后可放到另一座城市比较，差异本身就是结果。

学术诚信

判断学术诚信是否有效，要先问学习者完成了什么。学术诚信的学习目标应拆成理解、练习、反馈和迁移。

登录次数不能替代对学术诚信学习成果的判断。学术诚信的播放记录或登录次数只能描述行为的一部分。

学术诚信可以拆成理解、练习、反馈和迁移，并为每个阶段使用不同证据。

让反馈赶得上行动

学术诚信的短反馈先指出一个可修改点，完整评价再解释原因和方向。

学习者也应说明如何使用学术诚信的反馈，让教师看见策略是否改变。

能力评价

能力评价涉及文件时，命名和版本比漂亮目录更重要。能力评价涉及文件时应保留原始版本、修订理由和负责人。

能力评价的备份必须通过实际恢复才能确认有效。能力评价若缺少来源、日期或修改理由，后续成员可能误用旧稿。

能力评价的原始文件与整理版本应分开保存，修订也要能够追溯。

让资料可以被别人理解

能力评价的文件旁应附简短说明，写清负责人、用途和当前状态。

能力评价结束前安排恢复测试，因为备份存在不等于能够恢复。

AI工具进入课堂前，先决定它承担什么角色

生成式AI可以协助提取概念、比较表达和产生练习题，但它也可能把不存在的来源写得很像真的。教师应把允许的用途写进具体任务，而不是只宣布“可以用”或“禁止用”。同一门课中，资料检索、语言润色与最终论证可以采用不同规则。

学生需要留下关键过程，包括问题如何形成、查阅了哪些原始资料、模型输出如何被修改。过程记录不是为了监视每次点击，而是帮助教师判断学习发生在哪里。只有最终答案时，很难区分理解、偶然正确和未经核对的复制。

课堂也要讨论不使用AI的情境。涉及个人资料、未公开研究、考试独立完成或需要建立基础能力的任务，限制使用有明确理由。规则说明原因，比模糊地依赖检测器更能形成学术责任。

检索能力从来源核对开始

模型给出的书名、论文和网址都应重新搜索。核对作者、出版机构、日期与正文是否真的支持当前结论，并把找不到原文的内容从证据链中移除。引用格式看起来完整，不代表来源真实存在。

面对快速变化的技术或政策，发布日期尤其重要。旧资料可以解释背景，却不能自动代表现在的规则。学生应区分事件发生时间、文章发布时间与自己访问时间，避免把后来的解释写成当时事实。

多个来源之间出现差异时，不必急着选一个答案。先看定义、样本和研究范围是否相同，再说明为何采用某项证据。能够解释分歧，比拼接一致结论更接近真实研究。

提示词不是独立于学科的万能技巧

清楚提示包含对象、任务、限制和输出形式，但真正决定质量的仍是学科判断。没有背景知识的人很难辨认模型遗漏了什么，也无法判断一个流畅段落是否违反基本事实。提示设计应与阅读和验证一起教学。

让学生比较不同提示的结果，可以观察问题定义如何影响回答。比较时要固定模型、时间和材料范围，否则变化可能来自系统版本而不是提示本身。实验记录应保留失败输出，因为它往往更能显示假设缺口。

课程不应把提示词数量当成能力。更值得评价的是学生能否提出重要问题、发现证据不足、修改任务边界，并用自己的语言解释决定。模型只是工作台上的一个工具。

作业设计需要避免把判断外包

如果任务只要求重复公开定义，模型很容易直接生成看似完整的答案。更好的作业会要求使用指定资料、处理本地案例、比较冲突证据或说明方法限制。这样即使使用工具，学生仍必须做出可见判断。

口头说明、版本草稿和短反思可以补充最终作品，但不必把每项作业变成繁重审讯。教师应选择最能反映课程目标的证据。过度记录会挤压真正阅读与思考的时间。

小组作业还要说明AI生成内容由谁核对。工具账号的使用者不应自动成为唯一负责人，团队需要共同确认事实、版权和敏感信息。提交前安排一次人工通读，避免段落之间互相矛盾。

评价标准要承认工具会持续变化

模型版本更新可能改变输出风格和可用功能，因此课程不宜把某个界面步骤写成永久规则。稳定目标应放在来源阅读、逻辑说明、伦理判断和结果复查，操作说明则标注最近确认时间。

评价可以区分问题定义、资料选择、分析过程、表达质量和反思深度。学生即使得到错误结果，只要能够发现问题并解释修正过程，也可能展示重要能力。相反，流畅答案若没有证据，不应获得高评价。

教师同样需要记录AI如何参与备课与反馈。公开适当范围能建立一致标准，也让学生理解课程规则不是单向要求。学术诚信来自透明和责任，而不只是检测。

语言辅助不能抹去学习者自己的声音

AI可以帮助非母语学习者检查语法和比较表达，但若所有文字都被改成相同语气，教师就难以看见真实理解。课程可以允许语言辅助，同时要求学生保留关键概念、论证顺序和个人例子，并说明哪些段落经过工具修改。

翻译结果也需要回到专业语境核对。一个术语在日常语言中合理，不代表在法律、医学或工程课程中准确。双语词表、原文引用和教师示例，能够帮助学习者逐渐建立学科表达，而不是永久依赖自动改写。

评价语言时，应区分表达清楚与模仿某种标准口音。国际课堂的目标不是消除差异，而是让观点能够被理解、质疑和回应。工具应扩大参与，而不是制造新的单一标准。

学校需要公开处理隐私与版权

把学生作业、访谈材料或未公开数据输入外部工具，可能超出原本同意范围。教师应说明哪些资料禁止上传，并提供不使用外部账号也能完成的方案。平台条款发生变化时，课程规则也需要重新检查。

生成图片、代码和文字的版权状态可能因地区、工具与使用方式不同。课堂可以把归属、授权和引用当成真实问题讨论，而不是假设所有输出都能自由使用。面向公开发布的作品，尤其需要人工确认素材来源。

制度不应只停在一份声明。学生遇到疑问时需要知道向谁询问，教师也要有处理错误上传或资料泄露的流程。责任清楚以后，创新尝试才不会建立在不知情的风险上。

教师发展需要跨学科支持

要求每位教师独自追踪模型、版权、隐私和评估变化并不现实。学校可以组织教学设计、图书馆、信息安全与学科教师共同维护资源。图书馆员擅长来源核对，技术团队理解数据风险，学科教师则能判断工具是否真正帮助学习目标。

培训不应只演示按钮。让教师带着自己的作业进行改写，比较允许、限制和不使用AI的三种版本，更容易发现规则漏洞。课程实施后收集学生问题，再更新示例，培训材料才会跟随真实课堂成长。

国际合作课程还需比较不同地区的政策与平台可用性。不能假设所有参与者都能访问同一种工具，也不能因为某地允许就自动适用于另一地。提供等价任务路径，能够避免工具选择成为参与门槛。

只有技术选择、教学目标和责任说明同时清楚，AI才会成为学习工具，而不是替代思考的捷径。

把工具使用转化为可解释的学习

处理教学目标不需要复杂流程。把反馈边界、学术诚信、能力评价的关键条件说清楚，变化发生时仍能继续处理。

检索与来源涉及的设备、成员和资料都会变化。稳定记录可以减少重新理解背景的时间。

本文也涉及教学目标、检索与来源、提示设计、作业过程、反馈边界、学术诚信、能力评价。客户端与平台近况请以访问时实际显示的信息为准。