如果AI已经能写出一份条理清楚的案例分析，家长为什么还要为一堂案例课付学费？如果一份课程作业可以由工具完成，大学究竟还需要培养什么？
当答案变得容易获得，大学教育的价值，需要体现在学生能否独立判断、面对异议，并对自己的选择负责。 对准备国际课程和海外大学的家庭，值得重新审视的，是孩子有没有这样的训练机会。
10月9日，Harvard Gazette刊发《How to teach in era of AI, grade inflation》，报道哈佛教学会议上关于AI、成绩与学术要求的讨论。文章最值得关注的地方，是教师怎样重新设计学习现场。
报道中，哈佛商学院教授Amy Edmondson指出，学生把案例交给ChatGPT处理后，带来的知识可能准确，却浅薄，课堂对话也随之失去活力。她提出一种调整：在现场给学生一两页短案例，要求当场回应。
她碰到的困难，击中了案例教学的核心：学生能够复述案例的结论，和他能够进入案例中的困境，是两种不同的学习状态。
前者知道故事最后怎样收场；后者必须面对信息不齐、利益冲突和时间压力，决定此刻该怎么办。课堂中最有价值的几分钟，常常发生在学生发现：自己的理由还站不稳，同学的反驳也不能轻易绕过去。
哈佛报道中关于现场短案例的必要局部。短材料降低了阅读负担，现场回应提高了思考要求。
新英格兰国际教育解读： 当答案获取变得容易，教育需要认真保护“形成答案”的过程。孩子读懂一段解释，并不自动拥有产生这段解释的能力。家长真正需要观察的，是他碰到新材料时，会从哪里开始，为什么采用这个办法，以及受到质疑后怎样调整。
把这些问题交给孩子，比要求他再润色一遍成稿，更接近大学课堂需要的准备。
这里还有一个容易被忽略的变化：当学生跳过自己的初步分析，直接拿到一套完整解释，他也跳过了发现自己误解的机会。没有那个最初的判断，后续阅读就很难变成一次真正的修正；新的知识可能只是被记住，没有改变他处理问题的方式。
案例教学珍贵的部分，藏在不完整的信息里
哈佛商学院的案例教学介绍说得很具体：案例围绕真实组织中的决策展开，信息有意保持不完整。学生要分析材料，与同伴讨论，在课堂争辩中重新审视判断，最后反思。
这解释了为什么一份流畅摘要很难替代案例课。摘要通常帮读者减少歧义，案例教学却让学生学习承担歧义。现实中的决策，很少等到所有资料完备才发生。
哈佛商学院案例教学官方页面的视频画面。课堂里的同伴意见，也是学生必须处理的信息。
国际教育家庭很容易把准备工作压缩成“知识覆盖”：读了多少书，完成多少课程，参加多少项目。覆盖量当然重要，但还可以问一个更有穿透力的问题：孩子有没有经历过一次认真修改自己的判断？
如果一个项目从开题到结束都没有改过方向，可能是问题选得太顺手，也可能是反馈从未真正进入工作。能够说明某条证据怎样改变了自己，比把每一步都讲得毫无波折，更能呈现学习的厚度。
这也会改变家长对表达能力的理解。表达能力包括把结论讲清楚，还包括听懂反对意见、承认一个条件的变化，以及给出修订后的理由。只练漂亮的展示，容易漏掉后面这半套能力。
同学在这样的课堂里有很具体的价值：他们带着不同经验，提出自己没有想到的限制。学生需要判断哪些意见值得吸收，哪些分歧仍然保留。一个人的分析，要进入一群人的讨论后仍能成立，这种训练很难仅靠阅读一份整理好的答案完成。
作业与能力之间的联系，需要重新建立
这场哈佛讨论，可以与斯坦福的一份较早材料对照阅读。7月23日，Stanford Report介绍了斯坦福学习加速器与ETS合作的评估白皮书：当AI参与完成作品，以最终产品为主的评价，可能不能充分反映原本想测量的知识和技能。
材料提出作品集、持续反馈、对话式评价和真实任务等方式，用更多连续证据观察学习。
对家庭而言，一个实际后果是：不要把“保存学习过程”理解成给老师多交几份截图。
过程材料的价值，在于能回答发生了什么变化。初稿和终稿之间，哪一个论点被删除？为什么删除？一次实验失败后，学生修改了装置，还是仅仅换了表达方式？团队成员意见相反时，最终怎样作出选择？
这些材料会暴露学生的犹豫和错误，却也让他的贡献更清楚。一份毫无瑕疵的最终文件，可能把最有价值的学习痕迹全部抹平。
新英格兰国际教育解读： 一份作业有两种用途：帮助学生练习，也帮助教师判断他掌握了什么。AI参与其中后，这两种用途都需要重新检查。交付质量提高了，学生究竟多学会了哪一步？最终成绩很好，教师又是通过什么确认了他的独立能力？
如果这两个问题没有答案，家长很容易把交付速度当成学习效率，把成品水平当成学生水平。更有效的评价要找到两者之间的联系：工具完成了什么，学生理解了什么，遇到新的条件后还能做什么。
在选课和课外项目时，家长因此可以多看一层：课程是否安排中途反馈，学生能否接触不同意见，评价有没有要求解释修改。如果整个项目只在最后交一份报告，它提供的训练机会就值得进一步追问。
跨学科的价值，要在共同问题中兑现
哈佛工程与应用科学学院的Energy, Climate, and the Environment本科介绍，提供了另一个具体参照：学生在一个方向形成专业深度，同时学习与其他领域合作；共同入门课程与团队毕业项目连接整个培养过程。
这样的课程设计提醒家庭，跨学科的分量不能只从课程名称判断。把几个热门词写进项目简介很容易，让不同知识真的在同一个问题里发生作用，需要更扎实的安排。
新英格兰国际教育关注的，是学生能否说明知识之间的关系。例如讨论能源问题，技术方案需要考虑市场与社会影响；讨论技术选择，也需要能够理解它的科学基础。学科深度与跨领域理解，要在具体任务里相互检验。
家长比较大学或课程时，可以打开培养方案，看共同课程、进阶课程和最终项目怎样衔接。跨学科项目如果缺乏清楚的进阶路径，学生容易接触很多概念，却无法在任何一个方向承担复杂工作。
这也让“大学还该教什么”有了更具体的答案：一个技术方案能算出来，还要有人判断它在什么条件下可用、牵涉谁的利益、哪些代价值得接受。知识越容易调用，提出问题和检验方案的训练就越值得认真安排。家庭选择项目时，应关注学生是否真正承担这些任务，而非只看到一个好听的学科组合。
AI仍然可以进入学习，但要留下人的工作
回到家庭的学习安排，最需要避免的习惯，是孩子遇到任何卡顿都立刻获得完整解释。卡顿有不同性质：缺少基础知识，需要教学；理解了题意却迟迟不能选择方法，需要尝试；已有结论却解释不清，需要追问。
把三种情况都处理成“再给一个更详细的答案”，学生会越来越熟悉阅读解答，越来越少练习建立解答。
AI可以协助解释概念、提供反馈和帮助检查，但家庭仍应留出一小段学生独立承担的工作：独立提出初步判断，独立完成关键推导，或者独立解释为什么接受某个修改。使用工具之后，能把这段工作说清楚，才有机会把便利变成学习。
这篇报道带来的提醒很实际：评估孩子的进步时，除了看交出了什么，还要听他怎样讲清楚自己做了什么。 成绩依然要认真对待；一旦成绩和独立解释能力出现落差，值得检查的是学习过程，而不只是增加作业量。
本周可以做的一次小检查
挑一份孩子最近完成的数学作业、研究报告或项目作品，让他选出其中最重要的一处决定。请他讲清三个问题：当时还有什么选项，为什么采用现在的做法，什么新证据会让他改变决定。
不必把谈话变成口头考试。家长可以先听完，再约定下一次作业多保留一个修改过程。目标是让学习留下可解释的成长，而非增加一套表演任务。
