崔佳最近一直在跟好多老师聊“人机协同教学”，我发现大家其实都在琢磨AI怎么用，可真要说到核心的点上，很多人都忽略了一个最该聊的话题：“AI时代，学生到底学的什么变了？” 看起来挺新潮的教学改革，其实大多是给旧瓶装上新酒，只是简单把AI工具挂在原来的课堂结构上。这种方案有个通病：技术越先进，教学目标反而还在原地打转。真正有效的做法反而是这样：在AI已经能做很多事的基础上，我们要再问自己，还需要教学生什么。 咱们先弄明白什么是“人机协同教学”。我的看法是，这里面得有三个大前提： 第一，AI不是个偶然来的变数，而是确定会出现的东西。咱们设计教学方案的时候，别再假设“学生不用AI”，而要默认“学生肯定得用”。我觉得这点大家应该都没什么异议吧，毕竟现在手机、电脑这些玩意儿早就是学生的标配工具了。 第二，AI不能当成教学对象来看待，它其实是学生认知过程中的一个参与者。它会帮忙查资料、出主意、解题甚至帮学生做决定。对学生来说，AI简直就是脑子不够用时候的外挂。 第三，所谓的人机合作也不是简单的分工干活那么简单，这背后藏着学习内容的一次大洗牌。一旦有了AI的加入，那些以前非要讲透的东西就得重新过一遍筛子。有些以前得教的现在可能不需要教了，有些以前不教的现在反而成了重点。要是还停留在“先讲完知识再提醒别乱用AI”的阶段，那本质上还是“AI+教学”的老路子。 为什么要这样做？其实这背后是有理论支撑的。别一提理论就头疼，这也就是把那些老早就成熟的学习理论拿出来再用用罢了。 首先是认知负荷理论。有个最基本的事实摆在这：如果AI能稳稳当当地干好某类活儿，还硬把它塞进教学内容里当作重点来教，那就是在给学生制造不必要的负担。比如搞机械设计时那些参数计算、解高等数学时的符号运算，这些活儿AI现在已经做得又快又全。这种情况下要是还非得死磕“从零开始教步骤”，那学生学到的就不是本事，而是那种过时的工作方式了。真正聪明的做法是让AI把那些能自动化的活儿都接管了，咱们把力气花在“怎么判断结果对不对”上。 其次是分布式认知理论。传统教学有个默认的想法：学习全得靠脑子想明白。而在人机协同的世界里我们得承认另一种现实：学生、AI、各种知识库这些东西凑一块儿，就成了一个庞大的认知系统。这时候看效果不光看谁算得多算得对，主要看这个整体系统能不能做出高质量的决定。 最后就是专家和新手之间的差异问题。AI最擅长的就是给你一套步骤模板或者直接给你答案。但专家身上最缺的那种关键能力是什么？那就是判断怎么选、知道什么该留什么该舍、最后还得担责任。所以这次教学改革的一大转向就是从“教学生怎么做”变成“教学生怎么判断做得好不好”。这可不是给难度降级了，而是逼着学生把认知的水平往上提了一大截。