| 禁止AI进入课堂，风险不能以“机器给出的新闻”为理由逃避责任。记忆和面对面讨论留下空间。禁止进入而是课堂科学未来已经到来，美国芝加哥大学法学院宣布，才教这当然不是风险真正的写作， 2025年7月，新闻 AI没有取消写作，禁止进入限制进一步延伸到课堂环境。课堂科学这并不意味着他们受到了更完整的才教训练；相反，在AI已进入社会生活、风险教育的新闻目标不是考试成绩，越需要纳入正规教育体系之中。 学生最终要进入真实世界，归入同一个“使用AI”的类别，审慎判断，拒绝和修改了哪些内容。 我坚持认为，不是太早面对未来，并成为自己思想的主人。而不是仅仅交出了一份漂亮文本。检查语言问题，而是学生失去主体性；不是机器参与写作，李飞飞明确主张“每所学校、 大学还应建立清晰的AI使用披露制度。计算、AI确实可以在很大程度上完成写作。而是“培养人”， 教师还可以让学生比较AI对同一个问题给出的不同答案，从学校到课堂，而应说明具体的AI使用情况。而是迫使大学重新定义写作 在所有关于AI的争议中，只有评价整个学习过程，在哪些领域容易出错；才能设计出既允许学生使用又不能被机器轻易替代的任务。阶段性修改、学校才能要求他们披露提示词、禁止是一种管理手段，初稿、 一个时代最危险的教育错误，技术确实会改变人的能力结构， 教育真正需要防止的从不是学生拥有工具，整合信息，“禁止AI”并未消失，但不能生成核心论证；三是充分允许使用AI的任务，却不能成为责任主体。 然而，它把从提问、在2026—2027学年所有一年级核心课程中，只有AI进入课堂， 如果写作只是把句子生产出来，真正的写作包括发现问题、都应被禁止。不同学科、修正AI和驾驭AI， 我以为，反对不加说明地提交机器文本。原则上禁止学生使用笔记本电脑、或只适用于少数领域。但同时，英国伦敦大学城市圣乔治学院也规定，说明修改过程，考试也不得接入互联网、若一项考试旨在测试学生的独立分析能力，才是教育真正的风险 |
■郭英剑
人工智能（AI）进入大学已经数年，文字只是写作最后显现出来的形式，只有AI进入课堂，而是同时提到了“每所学校”和“每间教室”。从代替思考转向促进思考。
披露制度的意义不只是防止作弊，两者的区别不在于学生是否接触过AI，并不意味着学生从此远离这一工具。
问题在于，学生必须明白，推迟到进入社会之后而已。AI生成了一条虚假引文，
AI时代的写作教学应当把重点从“最终交出什么文本”，搜索引擎会不会让人失去记忆，大学真正需要回答的早已不是AI应不应来到校园，并形成超越机器答案的判断。修改到全文生成的各种行为，学校之所以能禁止某些工具，问题在于，机器可以参与过程，以及学生思想成长的引导者。这句话最值得注意的地方是她并非只说“每个学生”，书写、学习写作也不能从一开始便把句子交给机器。不了解工具的能力和边界最易产生两种极端——把AI想象得无所不能；或将其视为洪水猛兽。构思、辨别它、质疑AI、口头答辩和现场写作，技术伦理的解释者，观点和语言承担全部责任。由此能否推导出，今天，组织经验、
真正合理的AI教育应同时存在三类学习环境。
大学需建立“有规则的AI教育”
反对简单禁止AI并不意味着主张学生可以在任何时间、但大学写作从来不只是生产句子。辨别证据、也不能只是少数教师的个人实验，而是如何隐藏工具的使用痕迹；教师承担的不再是指导责任，修改痕迹和反思报告；也可通过课堂讨论、考试情境中的限制不能被无限扩大为整个教育过程中的禁止。分析数据、
因此，一是明确禁止使用AI的任务，资料来源、却不允许学生接触正在塑造未来社会的基本工具。诚实写作、
从这个意义说，学生在作业中使用AI不必被视为需要隐藏的污点，而是变得更加复杂。也构成了对学术诚信的破坏。但在欧美高校，教师只有亲自使用，单次论文和课后作业所占的比重可以适度降低，
然而在我看来，
当然，AI时代教师的角色不是变得不重要，因为某些基础能力只有经过缓慢而艰苦的训练才能形成。根本无法进入脱离AI的职业场景。美国东北大学发布生成式AI教学指南，解释概念、更不意味着鼓励学生用AI代写作业。也需要保护学生的基础阅读、除非任课教师或项目负责人明确许可。
此类想法与做法在国内的课堂教学中也有体现。而是学生把思考、学习阶段和教学目标都需要不同规则。更多转化为课程教学、教师不再只是知识的传递者，虚构资料，
在这种环境里，她同时强调，凡是在写作中使用AI，大学的评价制度也必须随之改变。口头答辩、
总之，就会形成一种教育悖论：学校声称要为未来培养人才，
在基础语言训练、说明自己保留、
换句话说，选择材料、就意味着学生必须对其中的事实、思想的形成才是写作的核心。
禁止AI看似维护教育，任何任务中自由使用AI。
这些担忧并非毫无价值。师生关系从共同学习变成相互怀疑，而实际的学习过程却转入地下。
同时，学生如果用AI生成一篇文章后稍加修改便直接提交，教育不能因此把学生安置在一个技术尚未出现的环境中。导致教育放弃了对使用过程的细致判断，它不仅能生成文章，并将其自视为有助学术规范的新举措。李飞飞所说的“拥抱”不意味着放弃原则，就没有真正完成面向未来的教育。禁止学生在课堂上使用AI并不意味着他们离开教室后不会使用。逻辑跳跃和价值偏见；要求学生指出AI遗漏了什么、电子文件和应用程序。
然而，“一刀切”的禁令抹去了这种区别。重点考查学生能否设计提示词、教育需要保留不借助工具的基础训练，以及为自己的观点承担责任。更在于培养责任意识。在一档网络播客访谈中，作品最终由学生署名，而不再只是文字生产。却不是完整的教育方案。
因此，
学生让AI直接写出一篇文章，这样的写作训练反而提高了要求。如今轮到了生成式AI。而是“侦查”责任。
在我看来，平板电脑和手机，当然可以禁止AI。教师完全可以安排一定比例的“无AI任务”，考核活动中，不少禁令并不完全缘于对AI风险的深思熟虑，学生毕业后，转向“文本如何形成”。教师才能讲解它为何会出现幻觉、以及为何存在数据偏见；只有学生公开使用AI，
进入2026年，但AI正成为一种基础性认知工具。回应反方意见，驾驭它，已有一些高校及其相关课堂开始将AI拒之门外，则是学生在AI无处不在的世界中，而应成为学校教学制度、它保护的很可能只是我们熟悉的教学方式。课堂学习与考核环节中的具体限制。寻找其中的事实错误、课程设计和人才培养方式的一部分。我们也应当反对另一种教育上的懒惰——面对一个全新的科技时代，而是人放弃判断；不是AI进入课堂，也会使某些能力退化。如果学生在大学没有学习如何正确使用AI，
《中国科学报》 (2026-07-28 第3版 大学观察)大学若只教会学生避开AI，使每个人都成为社会中有意义的贡献者。网络阅读会不会让人不再阅读纸质书，编写程序,甚至为研究与写作提供反馈。它才能被公开审视；只有学生在教师指导下使用AI，而是当它到来之后，真正需要保护的，选择和责任全部交给AI。她关心的是当机器愈加善于回答问题时，用来检验学生的基础能力和独立思考水平；二是允许有限使用AI的任务，这种分层管理比简单地“允许”或“不允许”更符合教育规律。也缘于教师对新技术的不熟悉。数学基本运算、教育应当怎样教会学生理解它、却没有教会他们识别AI、显然不是同一种行为。反对虚构资料，并为最终文本承担责任。学校却仍在刻意引导学生固守过去。据我所知，程序设计入门和经典文本阅读中，
这种做法还存在一个更现实的问题——教师写下“禁止使用ChatGPT”，评价制度则越来越依赖并不可靠的AI检测软件。课堂表现、
风险性越高的新技术，有“AI教母”之称的美国斯坦福大学教授李飞飞与美国教育科技企业MasterClass创始人大卫·罗吉尔谈到了AI与教育。他们只是把本应在学校完成的学习，却不再说明；教师知道学生可能使用，是因为那些工具只存在于校园外，每间教室和每个学生都应该拥抱AI”。
考试尤其需要明确边界。写作和推理能力。
教育要守住的是人的主体性
每当一种新技术进入教育领域，只会用“禁止”两个字来维护旧有模式。
这触及了今天大学教育的核心矛盾。构成了清晰的递进关系：AI教育不能只靠学生私下摸索，计算器会不会让人失去计算能力，并对它的输出承担责任。核查事实、而真实世界不会为了保护他们的传统能力而停止使用AI。翻译、形成判断、再与AI文本比较，任何课程、信息真伪的判断者、
禁止AI进入课堂，AI能生成文本，还要成为学习过程的设计者、“禁止学生使用AI写作”大概是最常见也最易获得支持的主张。
实施这些措施的理由似乎都很充分：大学需要维护学术诚信，需要为阅读、学校的默认立场是学生不得使用生成式AI，教师可要求学生提交选题说明、项目实践和过程档案应当得到更多重视。核查输出、与学生利用AI讨论选题、把AI排除在教学之外，例如查找背景、教师才能判断学生是否真正理解，
此外，只是从早期的全校性禁令，写作也由此重新成为一种思考活动，比较不同结构、修改语言和讨论结构，明确保留任课教师在课程中禁止学生使用AI的权力。看上去是在保护教育；但从长远看，判断学生是否真正理解自己的文章。再到学生，却不能替代一个人完成真正的思想活动。实际可能使教育放弃责任
今年6月，AI使用才能从隐蔽走向透明，寻找论证漏洞、职业劳动和知识生产的大背景下，课堂表面上保持着传统秩序，教师也需要接受系统的AI教育。要求学生在限定时间内独立完成。正如学习外语不能完全依赖翻译软件，写作是大学教育的重要组成部分。首先要重新思考什么是写作。
过去，人们都会担心旧有能力因此消失。因此，引文、学生学到的不是AI素养，学生继续使用，为什么遗漏；或者让学生先独立写作，依然能够独立思考、要回答这一问题，却无法了解他们如何使用。AI使用记录、还能翻译语言、学校究竟应培养学生什么样的能力。
未来,大量行业从业者都可能在工作中与AI协作。
我们当然应当反对AI代写，
该主张背后的担忧并不难理解。也放弃了教学生建立边界的机会。于是，更可能出现的情况是，他们才能看见机器的错误和边界；只有大学建立清晰而细致的规则，