一门教AI的大学课程，准备把机器人搬进教室，也准备让学生在讲课时收起手机、平板和电脑。这两个安排，出自同一位老师。
学校有没有用上AI，已经很难单独说明教学好坏。更值得问的是：它被安排在哪一步，又有哪些思考必须由学生亲自完成？ 康奈尔的新报道，把这个问题放进了几间具体的课堂。
10月22日，Cornell Chronicle报道了教师们的尝试。人力资源研究方向的Scott Seidenberger正在为下学期的AI and HR课程设计Hopper机器人；另一些教师则从工程核验、历史讨论和写作过程入手，调整AI参与学习的方式。
这些课堂最有意思的地方，是教师开始对学习过程做更细的安排。什么时候需要集中听与想，什么时候可以借助工具，什么时候必须解释和验证，不能用一个“允许”或“禁止”全部包办。
来源：Cornell Chronicle，10月22日原报道标题。
Hopper能处理课程中的一些基本行政问题。Seidenberger还希望学生能够理解它的内部逻辑，参与改进，让人力资源专业的学生看清AI代理如何进入工作场景。
这项训练的重点很具体：当系统开始与人交谈、处理人的事务，专业人员应当能够参与设计和约束它。HR里的判断涉及人与组织，不能仅因为技术实现交给工程师，其他人就退出讨论。
与此同时，Seidenberger计划在多数讲课和考试环节收起个人设备，保留共同专注的时间。课堂里的机器人承担明确的研究用途，学生手里的屏幕却可能把注意力带到别处。
新英格兰国际教育解读：工具能提供什么，与学生此刻需要练什么，应当分别得到回答。 研究AI的运行方式，需要接触系统；听懂一个论证、接住同学的问题，则需要持续留在讨论里。设备使用规则应跟着学习目标走。
这也解释了为什么“学校越先进，学生越应该一直开着AI”并不可靠。技术进入课堂以后，教师仍要决定练习的节奏与边界。让工具随时可用，和让学生在合适的时候学会使用工具，是两种不同的课程安排。
工程课把AI的答案变成需要核验的对象
在生物医学工程方向，Suélia Fleury Rosa正在设计这样的活动：有些部分由学生独立完成，另一些部分借助AI处理，但学生必须评估和验证输出。
在这里，得到一个听起来顺畅的答案，只完成了工作的一部分。数学是否成立，计算是否合理，能否与生理条件相容，都需要专业知识接着往下检查。
对学习者来说，这种安排保留了两层训练。一层是自己建立理解和解题基础；另一层是面对外部答案时，能找到检查入口。如果连问题的结构都没有掌握，工具提供的解释越完整，学生越可能缺少提出异议的位置。
这给家长判断课程质量提供了一个具体观察点：孩子使用AI以后，能否说明答案成立的条件，指出可能出错的地方，或者用另一种方法核对？只展示最终结果，很难看出这些工作有没有发生。
真正有价值的反馈，应当让下一次独立处理问题更有把握。若每一次都要靠工具从头接管，当前作业可能按时完成，练习机会却没有充分留下。课程如何安排独立环节，会直接影响学生有没有机会积累这种经验。
来源：Cornell Chronicle原报道。Hopper既是课堂工具，也是学生需要理解和改进的研究对象。
历史聊天机器人，不能取代学生读史料
建筑史教师Pamela Karimi的尝试换了一个方向：让聊天机器人扮演历史讨论中的角色，学生在情境里辩论，同时质疑模拟是否准确。
这种活动的吸引力很明显。历史不再只有已经写好的结论，还出现了立场、限制和选择。但角色说得生动，并不会自动让它成为可信的历史证据。
Karimi把工具限定在较窄的范围，以可信的一手和二手材料为依据。学生仍然需要读材料，才能判断机器人的回应哪里有根据、哪里偏离了情境。模拟提供了讨论入口，判断依据仍需回到文献。
这层关系对家庭同样重要。孩子和AI聊了很久，不一定意味着已经理解一个主题。更有价值的变化，是他能否提出更具体的问题，带着问题回到材料，再对刚才的回答作出修正。
对话的流畅，容易被感受为理解的深入。好的教学设计会给这种感受增加一个检验环节：哪些材料支持了刚才的说法？如果换一份证据，结论是否需要调整？热闹的活动因此才有机会转化为真正的阅读。
写作课要保住学生作决定的位置
写作教师Kate Navickas让学生设定自己的写作目标，并通过一对一交流推进。学生也会尝试AI、了解它的局限，反思是否以及怎样把它放进写作过程。
这样的课程安排，把选择权与解释责任留在学生手中。为什么需要这个例子，为什么接受这条修改建议，某段话究竟想对谁说——这些问题，都要求作者能够回到自己的目的。
文章变得顺畅，当然可以是一种进步；但语言上的顺畅，不能代替作者对内容的掌握。如果孩子无法解释一处修改为何更好，反馈就还没有充分变成自己的能力。
联合国教科文组织的生成式AI教育指导也强调以人为中心的教学设计。放到这些课程里，可以看到一条实际路径：教师为工具分配任务，也为学生保留不可缺席的工作。
这些是不同教师的课堂设计与尝试，各自服务于具体学科。它们值得借鉴的，是分配学习任务的方式，无需据此要求每门课采用同一套设备规则。
家长可以问得更具体一点
了解孩子的学校怎样使用AI时，可以请他拿出最近一次作业，讲清三件事：哪一步必须独立完成；工具介入后怎样核验；经过反馈以后，自己能独立解释或完成什么。
这三件事能把讨论从工具名称带回学习过程。对学校而言，清楚的安排有助于学生知道该承担什么；对家庭而言，也更容易发现需要支持的是基础知识、阅读理解，还是解释与验证的方法。
一门AI课的进步，可以体现在它更清楚地知道：哪些工作交给机器，哪些练习必须留给学生。
