学生说 AI 正在削弱他们的批判性思维

导语

围绕校园里的生成式 AI，教师常讨论怎样防作弊、怎样教学生“正确使用”，但学生面对的冲突更贴身：他们既想真正学会思考与创作，又担心拒绝工具会让自己在成绩和就业上落后。作者以蒙特利尔地区十二名学生的访谈为主线，让抵制者、务实使用者、热情拥抱者与作弊者彼此对照，追问当旧学术规范已经松动、新规范尚未形成时，学习、原创、公平和批判性思维究竟还意味着什么。

1. 学生抵制 AI，不只是因为怕作弊

• 麦吉尔大学英语荣誉项目学生伊登·丹尼尔（Eden Daniel）首先感受到的是一场有针对性的诱惑：每到期中考试，YouTube 就向她密集推送用 AI 给作业“走捷径”的广告。她对这项技术有近乎生理性的厌恶，认为它让科技亿万富翁获利、破坏环境，也像一场社会瘟疫。对她和系里的同学而言，使用威胁未来工作与所学专业的工具，几乎等于“背叛自己的职业未来”；即使有人只用在线工具校对，也会低调隐瞒，以免遭到同伴羞辱。
• 《高等教育纪事报》把丹尼尔这样的人称为“学生 AI 抵制者”：他们拒绝被喂答案，想要一段严格的教育。美国毕业生向赞扬人工智能的毕业典礼演讲者喝倒彩时，丹尼尔还特意发消息提醒作者看这则新闻。她的反感并不是孤立的姿态——作者在蒙特利尔地区采访的十二名学生中，整整一半反对 AI。
• 十八岁的克洛伊·蒂博（Chloé Thibault）把抵制 AI 视为其反主流文化立场的一部分。她染鲜艳的头发、看另类摇滚演出，也把创作理解为“非常人性、非常原始，甚至有些凌乱”的过程。作为准备投身政治或法律的优等生，她珍视困难本身：失败和挣扎固然不好受，但熬六小时写完论文、两眼发花后拿到 90 分，与让 ChatGPT 代劳得到 90 分，带来的自豪和动力完全不同。
• 这种抵触并不限于人文学科。康考迪亚大学计算艺术与计算机科学双专业学生阿丽尔·黄（Arielle Wong）坦言，她厌恶 AI 也出于自尊：工具表现得比自己好，会让她觉得“我还不如一台机器人或机器”。学校鼓励她平衡地探索新工具、又不要过度依赖；她也在逐渐摆脱使用 AI 的负罪感，但仍尽量不用，“除非真的走投无路”。

2. 旧规范已经坍塌，新规范却还没有到来

• 作者是一名大学文学教师。此前他主要从教师职业被颠覆的角度看 AI：自己尽力把工具挡在课堂外，一些同事则示范怎样合规使用。后来他才意识到，学生承受的扰动更深——AI 改变的不只是一门课的教学方法，而是他们整条受教育路径。
• 这种错位让师生关系变得模糊。作者在一门创意写作课上听多数学生声称讨厌 AI，阅读他们关于分手和祖父母去世的真实文字，觉得这是一种特权；随后到另一门课，却抓到青少年把十页短篇小说上传给 ChatGPT，只为逃避阅读。他开始怀疑，教育是否已经变成一场表演。
• 勤奋者与作弊者从来都有，创意写作课也天然容易吸引投入的学生；真正令人不安的是，如今的学生被夹在价值观与现实利益、自我提升与掉队恐惧之间。他们对 AI 的争论甚至比教师更激烈，而这场学生内部的争论，最终可能比教师的立场更能决定教育会变成什么样。

3. “亲手练好本领”与就业现实正发生冲突

• 黄希望进入电子游戏等仍重视人类触感和艺术性的行业，但她也担心，坚持发展自己的能力反而会让自己显得不适合就业。招聘信息里不断出现“AI 内容创作者”“AI 营销”等岗位，这使她感到挫败：拒绝依赖工具可能守住了学习价值，却未必符合劳动力市场的信号。
• 同校设计专业学生温迪（化名）提出另一种判断：坚持所谓“手工”技能，是少数有天赋者才负担得起的奢侈。她接受自己未来可能成为一名 AI 提示词操作者，并修完“AI 与创造力”课程来适应现实。她会用 Claude 安排行程、头脑风暴，也会让 ChatGPT 检查作业构想是否符合教师标准。
• 温迪为自己划的界线，是把工具输出当成建议而非真相：“你不能让工具成为控制你的那一个。”难题恰恰在于，这条界线没有得到学校、教师和学生共同认可，每个人只能自行决定哪里是辅助、哪里已经替代了学习。

4. AI 可以提高成绩，也可能削弱学校本应培养的能力

• 会计师事务所 KPMG 去年的调查显示，73% 的加拿大学生会在课程作业中使用 AI，多数人认为它提高了成绩；与此同时，48% 的学生认为自己的批判性思维因此退化。这构成全文的核心悖论：工具可能让学生更擅长在学校取得成功，却让他们更不擅长学校原本要教会的能力。
• 但“批判性思维”以及“学生原创作品”的边界本身也有争议。理科学生马里奥·波韦达（Mario Poveda）认为，他应当获准用 AI 润色英语论文。他以西班牙语为母语、在法语高中就读，坚持自己完成初稿，只让工具复核语法与拼写，避免因小错误受罚；在他看来，工具没有参与“创造”的部分。
• 作者对语言学习者的处境表示同情，因为自己的法语也不完美；但他同时认为，大学英语课的成绩理应与学生运用英语的能力相关。当“原创学生作品”的共识已经磨损，很难要求个体为了捍卫人类的不完美而成为殉道者。波韦达的例子说明，围绕 AI 的分歧不总是诚实与作弊的简单二分，也涉及课程到底在评估什么。

5. 务实使用者在组织学习，工具也在升级规避检测的能力

• 计算机科学本科生詹姆斯·维克托·阿尔瓦雷斯（James Victor Alvarez）是受访者中最热情的使用者。他说自己太忙，无法兼顾一切，因此会把课程材料上传到 Gemini Notebook，让它生成期中复习指南和作业日程，以便整个学期保持有序。他也知道同一工具可以走得更远，例如把整门课做成播客，或提供文本摘要，让人根本不必完成阅读。
• 阿尔瓦雷斯会追踪新模型，也喜欢用研究支持观点。他提到斯坦福大学 2023 年的一项研究：AI 检测器对英语非母语者存在偏见，其中一次测试把他们超过 60% 的作品标成 AI 生成。由此他认为，改进检测器近乎徒劳，因为市场另一端也在努力“让 AI 看起来像人”：有的应用故意在生成文本中插入小错误，有的则读取用户过往写作样本，模仿其个人风格。
• 阿尔瓦雷斯的结论尖锐而具体：AI 正越来越擅长帮助人剽窃。学生对何种用途可以接受有不同伦理标准，这使 AI 不只是个人学习工具，也成为同学之间发生冲突的来源。

6. 小组作业把私人选择变成了共同承担的风险

• 小组项目原本就难以协调，如今更像雷区。蒂博和黄都遇到组员用 AI 完成自己负责的部分：蒂博担心这会拖累全组成绩和自己的声誉；黄认为正面冲突通常不值得，有时干脆重做对方的内容。作者的一名学生曾花近二十分钟抱怨队友用 AI 做展示，作者告诉她自己已经注意到、不会给所有人相同分数，却没有打断她，因为学生复刻了自己对作弊的挫败感，让他感到宣泄。
• 刚从一项竞争激烈、以法学院为目标的大学预科项目毕业的芭芭拉·罗伊（Barbara Roy），尤其愤怒于聪明同学公开作弊。她形容，一群朋友形成了从众气氛，彼此鼓劲、比较怎样少做事又不被抓到；她认为那并非能力不足，只是懒惰。她会与他们争论，却不愿举报这些朋友。
• 魁北克大学预科学生要通过 R-score（用于比较学生相对表现的评分公式）彼此排名。罗伊申请大学期间发现，自己正被那些把手机偷偷带进课堂论文考试的同学超越，于是觉得辛苦并非完全白费，却“没有原先以为的那么值钱”。这动摇了她对教育的信念：“制度被设计成只看成绩，不看你热爱学什么，也不看你为此付出了多少努力。”
• 罗伊最终如愿进入舍布鲁克大学法学院，也打算继续独立完成作业；但她的经历留下制度问题：当基本学术诚信无法执行、成绩又按曲线分布时，究竟谁承担损失？她希望作弊者日后“撞上南墙”，却又觉得让同伴挂科或被开除令人心碎。她的愤怒并没有抹去对惩罚后果的同情。

7. 执法的不对称，进一步侵蚀了教育公平

• 作者最容易抓到的，往往不是罗伊所处竞争项目里的聪明作弊者，而是用 AI 修补明显能力缺口的弱势学生。他会看到不同作业之间甚至同一份作业内部文风骤变，或发现伪造引文这类新手错误，从而获得明确的抄袭证据；更熟练的大量使用则可能始终不被发现。
• 教师也不能轻率地把怀疑当成证据，因为误判风险很高。蒂博曾被教师说文章“听起来像 ChatGPT”，事实却是她投入了大量时间。受访学生大概也说中了另一面：绝大多数 AI 使用没有被发现。作者常有疑虑却拿不出证明，甚至怀疑自己已经多次被蒙骗。
• 因此，检测技术同时制造两种不公：能力较弱、手法粗糙者更容易受罚，认真写作的人也可能遭到错误怀疑；而最能规避检测者反而更安全。学术诚信问题不再只是“有没有规则”，还包括规则能否可靠、公平地执行。

8. 作弊也可能是一种风险计算，甚至被解释为反抗

• 一名二十岁出头的男性向作者解释，他会先算作弊有多容易得逞。Turnitin 等抄袭检测器虽有缺陷，仍能形成威慑；他也会衡量工作量。如果眼看要错过截止日期，他可能让 AI 完成数学作业，之后再重做题目学习。他还回忆，疫情期间自己感觉有 90% 的学生在作弊，而坚持不作弊让他的成绩在比较中吃亏。
• 他最关键的判断标准，是一项作业是否“真的让我成为更好的人，真的给我的生活增加了什么”。换言之，他是否在乎这项任务，会决定他是否愿意亲自完成。这个理由不等于证明作弊合理，却把注意力转向课程设计和学习意义：当学生只把任务视为障碍，道德规范的约束力会变弱。
• 有意思的是，立场最干净的丹尼尔也提出相近观察。学生并非毫无自主性；他们常在必修课挡住真正想追求的方向时选择作弊。她甚至说，这可以被理解为“对整个教育机构的反叛”。AI 于是既可能被视为背叛未来，也可能被视为反抗制度，两种立场都源于学生对教育意义的判断。

9. 学生给教师的回应，不止是加强监考

• 尽管阿尔瓦雷斯热衷新技术，他仍认为课堂辩论等必须现场参与的活动能有效抵消过度使用 AI。黄则警告教师不要让 AI 生成作业反馈：学生看得出来，这会削弱他们投入修改的动力。如果教师自己都把回应外包，便很难说服学生珍视真实劳动。
• 黄称赞一名允许学生多次修改、重新提交并提高成绩的教授。这种安排减轻了“一开始就必须完美”的压力，让学习过程本身获得空间；她也承认，这种做法最适合小班，不能无条件扩展到所有课程。
• 严格监考仍不可避免。波韦达直白描述一些同学的做法：教师一转身，他们就拿出手机拍题，再照抄 ChatGPT 的答案。学生给出的建议因此同时指向课程设计、教师示范与制度执行，任何单一措施都不足以解决问题。

10. 真实对话的“低效率”，正是作者最终要保住的东西

• 作者最喜欢的访谈时刻，反而是学生偏离主题的时候。一次临时小组讨论中，蒂博与两名同学同场：拉杰·马廷（Raj Matin）反对 AI，因为它用被窃取的艺术作品训练；菲利普·维利亚德（Phillippe Villiard）总体支持 AI。三人的玩笑和争辩不断显露出立场背后的个性。
• 维利亚德主张为了安全把汽车全部自动化，因为驾驶员“创造性地”换道可能害死人；作为一级方程式赛车迷，蒂博马上回敬说这种未来让她难过。马廷抱怨学生上课刷社交媒体，尽管承认教师很无聊，仍认为至少应该试着听讲。维利亚德又说，冰球裁判可能是最不容易被 AI 替代的工作之一，因为观众需要一个真人来骂——憎恨裁判的错误本来就是比赛的一部分。
• 作者当然可以先问 Claude 或其他工具“当代学生如何看人工智能”，让它抓取网络内容、吐出一串顺滑要点；那也许会加快研究，却可能扭曲文章角度，而且肯定违反他的合同。学生彼此接话时显露的怪癖、矛盾、善意和锋芒，无法被一组平整的要点替代。因此，他最后选择维护低效但真实的人类对话：他想要与真人打交道的混乱，也愿意一直听他们闲聊下去。

思想框架

文章先从丹尼尔、蒂博和黄对 AI 的排斥切入，说明学生的抵抗同时关乎创作的人性、自我能力、环境与职业未来；接着把镜头转向教师，揭示旧学术规范瓦解后，学生在价值与现实之间自行划线。温迪、波韦达和阿尔瓦雷斯代表不同程度的务实使用，使“辅助还是替代”“原创到底是什么”变成无法统一回答的问题，KPMG 的 73% 使用率与 48% 批判性思维退化感则把悖论量化。随后，小组作业、R-score 竞争、AI 检测器对非母语者的偏见及熟练作弊难以被发现，进一步显示诚信执法会不对称地伤害认真或较弱的学生；匿名受访者和丹尼尔又把作弊连回课程意义与制度反抗。文章最后汇集学生对辩论、反馈、反复修改和监考的建议，却没有用制度方案封口，而是以一场跑题、嘈杂、充满个性的对谈收束：教育真正需要保护的，正是机器所抹平的真实思考与人际交流。