本文来自微信公众号： EnsightEdu ，编译：临渊，作者：看教育编辑部，原文标题：《阻拦学生使用 AI？不如设计合适的学习任务，展现学生真实思考》
【编辑推荐】面对AI对教育的冲击，许多学校的本能反应是寻找“防AI”的方式。但在这个方向上投入精力或许不是最优解。人工智能能力持续进化，任何学习任务都不可能完全隔绝AI的参与。北京海嘉学校学术校长Andrew Miller指出，与其问“AI能不能完成这项作业”，不如追问一个更根本的问题：“这个任务要求学生进行怎样的思考？”当作业设计本身侧重“完成”而轻“思考”时，被AI攻破只是时间问题。
突发状况来临时，人们本能地先去应对，这很正常。疫情期间我们大多都有过这种体会：当时我们被迫迅速反应，搭建线上与远程教学的环境，好让课程得以延续。从某些方面看，人工智能（AI）的情况也相似：它迅速崛起，现已成为许多教育者日常讨论的核心话题。教师们正忙着应对AI带来的种种问题，比如作弊风险、学术诚信挑战，以及AI的使用如何影响学生的学习方式与整体学习内容。于是，不少学校开始寻找“防AI”的测评方式。然而，这种寻找的方向可能从一开始就偏了。
在我看来，我们必须接受一个现实：我们为学生设计的任何任务、测评或作业，都不可能完全避开AI的影响。正如我们所见，AI的能力还在持续进化，新知识与新工具正不断被整合进去。AI只会不断发展。正因如此，教师更需要沉下心、坦诚地审视现状，批判性地反思自己设计的学习任务到底有没有达到预期效果。
只有做到这一点，我们设计出的任务与考核，才能既助力学生学习，又能适配AI持续发展的趋势。不存在所谓“AI绝对无法完成”的任务，只有脆弱程度的不同。作为教育者，我们的目标是通过更好的任务设计，降低这种脆弱性。
任务被AI攻破的难易度
AI几乎可以介入学生面前的每一项任务——写作、演示、研究、海报、摘要，无一例外。但不同作业被AI轻易替代的风险并不相同，我们必须清楚它们各自的脆弱程度。我们可以把所有作业放在一个谱系上：极易被攻破、较易被攻破，以及相对能抵御AI。
例如，让学生解释水循环这篇写作，可能比“让学生参考多个资料、提出节水政策建议”更容易被攻破。给学生现成的气候数据去分析，风险也高于让他们去采访该领域的专家。但请注意：即便是后面这类任务，也做不到完全隔绝AI的参与。
因此，当你审视这类任务时，不要问“AI能不能做这个？”，而要问：“这个任务要求学生进行怎样的思考？”
用“脆弱程度”评估学习任务
教师在设计任务、希望加深学生思考时可以使用下面这项流程：
收集一批日常教学中常见或真实使用过的学习任务。
按照脆弱程度将它们分为三类：“极易被攻破”、“较易被攻破”和“相对能抵御AI”。
交流各自归类的理由，通过公开讨论与理性辩论，进一步理解这些任务的脆弱程度。
针对具体任务设定改进或调整的目标。
这个活动的目的不在于达成共识，而是要引导大家思考以下问题：
我们究竟在测评什么？
学生的思考过程从哪里能体现出来？
是什么让一个任务容易被AI攻破？
最能证明学习成果的证据是什么？
当我带着教师们做这项活动时，大家常会发现：许多任务重“完成”、轻“思考”。意识到这一点后，他们立刻开始讨论如何改进设计，大家的讨论重点立刻从“怎么监管、怎么抓作弊”转向了“怎么优化任务设计”。整体来看，话题从“担心AI作弊”转向了“如何让学生展现真实的学习成果”。
另一个需要考虑的因素，是学习标准、评分细则这类能够明确具体要求的评价工具，它们所起的作用有多大。
用A.I.M.框架优化任务
教育领域的缩写词已经够多了，很抱歉我还要再介绍一个新的缩写框架。但这个框架（A=真实感，I=思维强度，M=元认知）能帮助教学团队在判断完作业的AI风险后，针对性地重新设计任务。
以下是设计时应思考的问题，以及可行的落地策略。
真实感：如何让任务更贴近真实场景与现实世界？
让真实的受众参与任务的过程与最终成果。
结合更多本土、身边的现实议题。
融入学生自己的观点与个人经历。
引导学生收集一手信息与原始资料（如访谈、实地调研等）。
示例：与其让学生写一篇“气候变化”的作文，不如改为让学生为所在社区制定一份气候变化的应对建议。
思维深度：如何提升学生思考的严谨度与挑战性？
要求学生给出论证依据与关键证据。
引导学生权衡利弊，梳理不同优先级之间的冲突。
要求给出多种解决方案，兼顾多元视角。
让学生指出信息不完整带来的局限性。
示例：与其让学生解释某个历史事件，不如让他们梳理事件的所有可能成因，按重要性排序，并论证自己认为最核心的一条。
元认知：如何让学生的思考过程变得清晰可见？
在作业中加入反思环节，观察学生的学习认知在任务推进过程中如何变化。
让学生描述决策过程，或是想法是如何产生的。
让学生对自己的思考过程进行自评。
分析AI在学习中发挥的作用（可酌情设置，由教师判断某些情况下可以使用AI工具）。
示例：让学生完成两版作文草稿，并附一段反思，说明自己的想法是如何逐步深化的。
从监管防控，转向设计优化
对教育者而言，关键在于把注意力放在“更好的设计”上，而不是加强监管。监管走的是惩罚与对立的路线；而设计则让教师重新掌握学生学习的主导权，也促使教育者反思自己的实践并思考如何调整。通过更好的设计，我们能提升学习的真实性，让学习过程更可见，也能提高学生的参与度。与其问自己“怎么才能不让学生用AI？”，不如问：“我们该如何设计学习体验，让学生去做那些真正有价值的深度思考？”
说句实话，AI并没有制造新问题，它只是把既有的问题暴露出来。人工智能给了我们一个契机：通过有意识地重新设计作业，推动深度学习，培养学生可迁移的能力，从而真正提升学习的质量。