AI时代教学设计方法:如何培养判断力

我是小黑。见字如面~

报告把当下大学最深层的问题指向"碎片化"。学科割裂，教学和科研脱节，课堂和真实世界断开。知识被切成一段一段的碎片，每一段单独看都可能正确，但拼在一起从未连成一条完整的线。

碎片化不是新问题，但在AI时代有了新的杀伤力。AI让信息获取极度便利，一个学生可以从AI那里拿到任何知识片段，但学生跳过了质疑、验证、反思的完整过程。OECD教育与技能司负责人施莱歇尔在2026世界数字教育大会上分享了一个发现：一组学生用AI工具辅助学习数学后，考试成绩提高了，但后续测试表明，他们的数学思维能力反而下降了。表现更好，不等于学习真正发生了。

这里有一个反直觉的地方。大多数人以为判断力是一种可以直接练的能力，找到对的方法反复练就行。实际上判断力不能直接训练。给一个人一道题"判断餐厅利润下降的原因"，猜对了不说明判断力强，可能只是碰巧。列出二十种可能也不说明判断力强，可能只是找到了很多答案却没有完成判断。判断力必须借助一个足够真实、有明确产物、可以被品控的任务才能显现和生长。

这意味着培养判断力的关键不是加一门"判断力课"，而是在已有的真实任务里把判断环节设计进去。康奈尔报告给出的两条路径，恰好满足这个条件。

康奈尔报告提出，把课堂、实验室、田野项目、工作室实践、师生交流有机融合，从真实社会痛点出发，让研究、实践、反思在同一条主线流动。碎片化把学习切成孤岛，融合式学习重新接上被打断的链条。真实任务要求完整思考，不允许跳过中间环节。一个学生去田野调查真实社区的问题，他必须自己观察、自己提问、自己形成假设、自己验证，这个过程里每一步都需要判断，每一步都不能由AI代劳。

康奈尔报告提出打破教室边界，把课堂与住宿生活、课外活动、真实社区连接。全人教育是融合式学习在边界上的延伸。碎片化不只发生在学科之间，也发生在学习和生活之间。学生在课堂上学一套，在生活里做另一套，知识和行动之间断裂。全人教育把真实生活拉进学习场景，判断不再只是纸面上的推理，而是要面对真实的人和真实的事。

这两条路径有一个共同特征：它们都把学生推到真实任务面前。而真实任务，正是判断力生长的土壤。但真实任务本身不自动培养判断力，关键在于教师怎么在任务里设计判断环节。

在融合式学习和全人教育的框架里，判断力的培养有了具体抓手。三个环节可以在课堂上直接落地，它们串成一条判断力生长的完整链条：先独立思考启动判断，把判断结构化让判断可检验，承担真实后果让判断长出重量。

2026世界数字教育大会把这条策略命名为"以思导学"，分三个阶段推进。第一阶段是思考先行，学生在使用AI之前，独立或小组完成问题分析，用可视化方式记录思考过程。

第二阶段是思维对照，形成初步思路后再用AI解决问题，从思路结构、方法选择、论证逻辑等维度对比自身思考与AI输出。第三阶段是深度追问，审视AI输出的依据可靠性、结论合理性、可能局限性，形成优化版本。

独立思考启动了判断，但判断如果只停留在脑子里，就无法被检验。宣明栋在做课的方法中提出了三道关。第一道关是竞争答案，不只证明自己的答案有道理，还要证明为什么竞争答案不如你的。找到竞争答案，再把竞争答案一个一个排除掉，这个过程本身就是判断。第二道关是认知加工，把判断加工成别人可以理解、参与、修改和推进的东西。一个判断如果只有自己能懂，它就没有经过外部检验。第三道关是真实世界，当用户不接受、实践没改变、答案解释不了真实现象的时候，要问自己：是没讲明白，还是答案本身就错了？

判断被结构化了，但如果判断对了错了都无所谓，判断就长不出重量。李希贵校长提出了一个公式：选择等于决策权加后果承担权。只有当学生做决定时知道会带来真实后果、并且必须承担后果，判断能力才能真正生长。

大多数选修课不是真正的选择，选错了没有代价，失败了不用复盘，路径可以随时切换。真正的选择不一样。有一堂科学课，老师给学生一瓶浑水，要求设计净化方案，既要通过透明度测试，又要控制材料成本。学生必须在清澈度、速度、成本之间做取舍。老师只问一个问题：你现在真正追求的是什么？愿意为此放弃什么？这个问题的答案只能由学生自己判断，而且判断的结果会直接决定净化方案能不能通过测试。

康奈尔报告说的、世界数字教育大会上各国在做的、课堂里老师们在试的，指向同一件事：AI让答案廉价，判断力昂贵。碎片化是问题的根，因为它打断了完整思维链条。融合式学习和全人教育是对抗碎片化的路径，因为真实任务重新接上了那条链条。在真实任务里先独立思考、把判断结构化、承担真实后果，判断力才能从土壤里长出来。