A Discipline-Agnostic AI Literacy Course for Academic Research: Architecture, Pedagogy, and Implementation
本文介绍了利哈伊大学一门学科无关的人工智能素养课程的设计、理论框架及成功实施，该课程通过四模块架构专门针对严谨的人工智能辅助文献综述，显著提升了学生在幻觉检测、负责任使用及引用规范方面的信心。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在教一群学生如何在一座庞大而混乱的图书馆中导航。过去，他们必须走过书架，阅读每一本书，并手写笔记。现在，他们拥有一位速度极快、知识渊博，但偶尔会产生幻觉的机器人助手，它能在几秒钟内总结书籍内容、整理书架，甚至为他们起草文稿。
问题出在哪里？许多学生让机器人替他们思考。他们盲目信任机器人，即使它编造了虚假的书籍或混淆了事实。他们得到了“答案”，却失去了“理解”。
本文描述了一门全新的 13 周课程，旨在解决这一问题。它就像一门针对学术研究中人工智能使用的“驾驶培训”课，但它教的不是如何造车（编写人工智能代码），而是教学生如何成为一名安全、明智的驾驶员，知道何时亲自掌控方向盘，何时让自动驾驶辅助。
以下是该课程的简明分解：
核心理念：“验证性参与”原则
本课程最重要的规则是：即使人工智能协助你完成了写作，你也必须能够解释你所提交的一切内容。
这就像主厨使用副厨。副厨（人工智能）可以切菜和调制酱汁，但主厨（学生）必须品尝菜肴，清楚知道其中包含什么，并能告诉顾客：“是的，这是我做的，以下是它味道好的原因。”如果主厨无法解释食谱，那他就不是主厨，而只是个送货员。
课程结构：通往精通的四个步骤
本课程构建为一座拥有四级台阶的梯子。你不能跳过任何一级。
第一步：理解单篇论文（侦探）
- 任务： 学生学习阅读单篇研究论文。
- 人工智能的角色： 人工智能充当翻译。如果论文使用了令人困惑的术语，人工智能会进行解释。
- 关键点： 学生必须先于或与人工智能同时阅读论文。他们要学会识别人工智能何时编造了虚假引用（“幻觉”）或弄错了事实。
- 元哲学： 人工智能是手电筒，而不是地图。它帮助你看见路径，但你仍然必须亲自走过它。
第二步：组织知识（图书管理员）
- 任务： 在理解了一篇论文之后，他们必须将 50 篇论文组织成一个逻辑系统（一种“分类法”）。
- 人工智能的角色： 人工智能帮助将论文归类（例如，“关于儿童的研究”与“关于成人的研究”）。
- 关键点： 人工智能不擅长发现深层模式；它通常仅仅因为共享关键词就将事物归为一类。学生要学会双重检查人工智能的分类，确保其真正合理。
- 元哲学： 人工智能是档案管理员，但学生是决定归档系统是否真正有用的管理者。
第三步：寻找缺失的环节（探索者）
- 任务： 审视整理好的论文堆，找出缺失了什么。知识缺口在哪里？
- 人工智能的角色： 人工智能帮助扫描趋势并建议研究缺失之处。
- 关键点： 人工智能经常就什么是“重要”的撒谎，或编造根本不存在的缺口。学生要学会验证某个缺口是真实的，还是仅仅由人工智能制造的幻觉。
- 元哲学： 人工智能是指南针，但学生必须决定哪个方向值得探索。
第四步：撰写综述（建筑师）
- 任务： 将所有内容整合成最终的文献综述。
- 人工智能的角色： 人工智能可以起草段落或检查一致性。
- 关键点： 最终的论点必须属于学生。如果人工智能写了一段话，学生必须对其进行深度重写，使其听起来像他们自己写的。
- 元哲学： 人工智能提供砖块和砂浆，但学生设计建筑。
教学方法（“秘密配方”）
本课程有几个巧妙的技巧，以确保学生真正学到了东西：
- 延迟警示： 教师没有一开始就说“人工智能经常撒谎！”，而是先让学生使用人工智能几周。等到他们学习“幻觉”概念时，学生们已经亲眼目睹了人工智能犯错。这就像在学生尝试驾驶爆胎车辆之后才给他们看瘪掉的轮胎，而不是仅仅在讲座中谈论轮胎。
- “收据”系统： 每次学生使用人工智能时，他们必须保留详细的日志：“我向人工智能提出了这个具体问题，它给了我这个答案，我核对了这三个来源以确认其真实性。”这份日志会被评分。如果没有“收据”，即使最终论文看起来很好，也会不及格。
- 混合班级： 班级里既有本科生也有博士生。博士生分享了人工智能在他们特定领域（如生物学与历史学）中运作方式的不同，帮助所有人认识到人工智能并非“一刀切”。
结果如何？（结果）
本文报告了这门课程于 2026 年春季首次授课的情况。他们询问了学生在课程前后的自信程度。
- 重大收获： 学生在三个领域感到极大地增强了自信：
- 识破人工智能谎言： 他们从“我完全不知道”转变为“我能发现这些错误”。
- 负责任地使用人工智能： 他们学会了如何恰当地注明人工智能的贡献，以及何时不应使用它。
- 组织研究： 他们在整理大量信息方面感觉好多了。
- “天花板”效应： 对于他们原本就相当擅长的事情（例如仅仅阅读论文），他们的自信度提升幅度不大。这很正常；如果你起点已经很高，就很难再有显著提升。
- 学生反馈： 学生表示最难的部分是工作量（记录日志和检查所有内容），但他们一致认为这是值得的。一名学生说：“我学会了如何利用人工智能来构建我的思维，而不是让它生成我的思维。”
核心结论
本文认为，我们不应在学校禁止人工智能，也不应仅仅教导人们如何编写它。相反，我们需要教导人们如何成为人工智能的批判性监督者。
本课程证明，你可以教导学生将人工智能作为一种强大的工具来使用，而不让它取代他们自己的大脑。关键在于养成一种习惯，在点击“提交”之前先问：“这是真的吗？”以及“我核实过这个吗？”目标不是让学生依赖人工智能，而是让他们具备人工智能素养。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。