Where's the Line? A Classroom Activity on Ethical and Constructive Use of Generative AI in Physics

想象一个物理课堂，老师没有为一种新的、强大的工具（生成式人工智能）贴上严厉的“禁止触摸”告示，而是邀请学生来到白板前，让他们自己来勾勒边界。

这篇由芝加哥大学的 Zosia Krusberg 撰写的论文，描述了一项特定的课堂活动，旨在帮助学生弄清楚界限在哪里——即如何区分将 AI 作为一名得力的学习伙伴，还是将其作为一种作弊捷径。

以下是该论文用简单、日常语言进行的拆解：

问题所在：AI 的“西部荒野”时代

当 ChatGPT 等 AI 工具刚爆发式出现时，学校感到很困惑。有些学校完全禁止使用它们；有些则任由学生随意使用。这就像是给了每个人一辆全新的、超高速的汽车，却没教他们交通规则或如何安全驾驶。作者认为，与其为学生制定规则，我们不如邀请学生与我们一起制定规则。

解决方案：“红绿灯”活动

论文提出了一种 30 分钟的课堂练习，它就像是一个伦理决策模拟器。其运作方式如下：

1. 情景卡片： 学生会收到 10–12 个关于学生在物理课中如何使用 AI 的简短故事（情景）。
   • 案例 A： 一名学生利用 AI 用简单的语言解释一个令人困惑的概念。
   • 案例 B： 一名学生复制 AI 生成的解答并将其作为自己的作业提交。
   • 案例 C： 一名学生利用 AI 来检查自己的数学计算，但并不理解其中的步骤。
2. 排序游戏： 学生分组进行工作，他们必须将这些故事从“最符合伦理”到“最不符合伦理”进行排序。他们必须为为什么认为某一个行为比另一个更好而进行辩论。
   • 隐喻： 把这想象成一群朋友正在讨论视频游戏中的哪些动作属于“公平竞争”，哪些属于“作弊”。他们不仅仅是在阅读规则手册；他们是在探讨游戏的精神。
3. 画出界限： 排序完成后，各小组必须在他们的名单上画一条线。他们要准确识别出行为从“有益的学习辅助工具”转变为“削弱学习效果”或“不诚实行为”的具体位置。
4. 现实检验： 随后，老师会展示学校关于学术诚信的官方规则。学生们将自己的“划线”与官方规则进行对比。它们一致吗？在哪里存在差异？
5. 个人承诺（可选）： 学生被要求写一段简短的个人“AI 使用政策”。这并不是一份会被用来惩罚的合同；这是一个关于他们打算如何（或不如何）利用 AI 来真正学习知识的个人承诺。

为什么这行之有效（“秘诀”）

论文指出，这种方法之所以比单纯的讲授更有效，是因为它运用了三个关键理念：

• 社会建构（Social Construction）： 正如通过与朋友讨论能更好地学习物理概念一样，通过与同伴辩论也能更好地学习“伦理”。我们共同构建理解。
• 元认知（Metacognition，对思考的思考）： 该活动迫使学生停下来问自己：“我是在利用这个工具学习，还是在利用它跳过艰苦的过程？”这让他们成为了自己大脑的管理人员。
• 伦理是一种实践（Ethics as a Practice）： 不要将诚实视为一份静态的“禁令”清单，而是将其视为一种可以锻炼的肌肉。这关乎在特定时刻做出正确的选择，而不仅仅是遵守规则手册。

实验结果如何？

作者报告称，在进行这项活动后，学生们不仅记住了规则，还改变了心态。

• 从捷径到工具： 学生开始不再把 AI 看作是“作弊码”，而是看作“导师”。他们意识到，让 AI “向我提问以测试我的理解程度”与让 AI “给我答案”是非常不同的。
• 找到自己的声音： 学生在做出伦理选择时感到更加自信。一位学生甚至说：“我为自己在这一门课上使用 ChatGPT 的方式感到自豪，”这表明他们感受到的是对学习的主权感，而非仅仅是对被抓到的恐惧。
• 细微差别： 学生们意识到伦理并不总是非黑即白的。他们开始思考语境、意图，甚至是使用 AI 的环境成本，而不仅仅是“这是否被允许”。

核心结论

论文总结道，我们无法预测未来 AI 会如何变化，但我们可以教会学生如何去思考。通过让学生画出自己的界限并辩论灰色地带，我们帮助他们成为负责任、有思想的技术使用者，让他们关注深度学习，而非仅仅是分数。

简而言之：不要只是告诉学生交通规则；让他们驾驶汽车，并弄清楚护栏应该设置在哪里。