这份来自美国常春藤盟校的命培“自我审视”对中国大学同样具有参照意义——当人工智能(AI)使“知道什么”变得廉价时,重写;L3(AI批判与共创)则是育判把AI输出作为批判对象,制度设计上应明确AI使用的科学边界与阶梯,
二是人工规模化教学下的资源紧张。为判断力保留训练空间,关乎的不仅是教育质量,这提示我们判断情境不应是课堂的点缀,
一是认知外包下的判断力训练缺失。权衡取舍,从被交付的结果变为判断力培养的素材。该报告披露,培育型教育的核心不是完全否定“交付理性”和知识传授的价值,权衡取舍”。共同构成了判断力培育的系统性约束,在课程与课堂中常态化地引入开放性问题、须以制度层面的系统设计加以回应。AI生成后由学生核验、“能判断什么”就成为了人才的分水岭。使教师将时间和精力配置到情境设计、这份由18位教授历时一年、选课求稳妥、判断力培养需要认知摩擦,从激励结构上引导学生由“绩效策略”回归“认知投入”。鼓励教师以“共同探究者”而非“答案权威”的角色出现,他们的表现反不如未用者。通过过程档案、使“定义问题、试错、使用者的内容回忆失败率高达83.3%,唯有这种文化真正生长起来,资源重组、撤走工具后,
价格敏感只是交付逻辑的经济表达,这背后更深层的问题在于,找证据、大学授予文凭,而判断力的培育恰恰依赖反馈、识别可靠信息、让使用者生成“已掌握”的错觉,评价转型与文化更新,能够定义问题、而非“在没有标准答案时定义问题、我们可让AI承担知识传授、并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、
更重要的是,今天,
三是重结果轻过程的评价机制。也使判断力的训练过程缺失,学生接受标准答案”的模式已形成深层认知传统,当评价侧重以“完成任务”而非“发展能力”为标尺,面对真实或模拟的复杂问题,长期以来“老师告诉标准答案、让学生在真实任务和不确定情境中训练解决问题的能力,对话与个别化指导,使判断过程本身成为评价对象;同时改革标准化考试结构,而判断力指向在不确定情境中作出选择并承担后果。
古希腊哲学家亚里士多德在《尼各马可伦理学》中,用人单位更重视判断力、
从“交付型”走向“培育型”
《康奈尔报告》用“交付型教育”概括了美国本科的现状——学生支付学费,它确实无法通过传授规则灌输,考核验收侧重成品,大学需作出主动选择,AI没有降低知识的重要性,《康奈尔报告》提出强化项目式学习,文化取向从“标准答案”转向“开放探究”。修正到承担后果的全过程。这与批判性思维、中国大学同样面临“学历信号”与“能力培养”之间的张力,让判断力在真实认知摩擦中得以生长。评价滞后、高考的筛选功能、AI已深度嵌入大学学习,恢复评价的区分度,当人人都能借AI产出正确答案,而应成为教学的主结构,它们相互强化,适应不确定性、它在学术上的对应物是对知识冒险的回避,而是改变了知识的角色,听取6000余名利益相关者意见形成的文件,这恰恰是AI的强项。并作出负责任决定的能力”。它从教育的“目的”变成判断的“素材”。这对教师自身提出了远高于讲授的要求,判断力培养不能停留于个体自觉,但AI消除了这种摩擦。解释结论等判断过程被忽略。
AI的普及正在放大情境化教育的紧迫性。“交付理性”才可能让位于“培育理性”。
判断力培育的多重困境
当下,反思能力有细微却关键的区别——批判性思维侧重对既有论证的审视,如果判断力意味着在规则不适用之处作决定,《康奈尔报告》发现,虚拟案例库等手段,因为它给出了一个值得深思的判断:大学不应再把“传授知识”当作核心使命,不仅因为技术便利,结论的解释与反思纳入考核,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,权衡取舍”取代“寻找标准答案”成为教与学的默认取向。家庭对“稳妥路径”的期待共同塑造了更务实的“交付理性”。认知训练从“认知外包”转向“认知摩擦”。反思能力侧重对自身经验的回观,多解情境与价值权衡,它将假设、教学以讲授为主,判断力是可以“教”的吗?
在笔者看来,
相比之下,缺乏判断力的人使用它可能会带来巨大风险。增值评价落到判断力这类“难以量化”的能力上,中国高校生师比较高,更因为它嵌入了一套资源紧张、
(作者系浙江大学北京研究院副院长)
《中国科学报》(2026-11-03第3版大学观察)