第 01 周
AI 如何改变社会
机会 · 风险 · 人的位置
武汉大学通识课程 ·《数字素养与人工智能通识》
本周主张:AI 可以参与生成、整理、比较和建议,
但目标、边界、核验与最终决定不能无人负责。
AI
本周导览
三节课一条主线:从"看见 AI 的位置"到"内容由谁负责"
01
第 1 节 · AI 已经在哪里影响我们
不给应用贴"智能"标签,而是用四格观察法拆开系统:输入了什么、AI 在做生成还是排序、人最终看到什么、谁会因此改变判断或行动。
四格观察法
02
第 2 节 · AI 改变工作:任务会怎样重组
讨论"哪个职业会消失"过于粗糙。借助 ILO 任务层研究,把岗位拆成任务,学五步重组法:哪些交给 AI,哪些必须保留人工责任。
任务重组视角
03
第 3 节 · 面对 AI 内容:先问什么
AI 生成内容语言流畅、结构完整,但流畅不等于正确。学会先问来源、证据、边界、责任四个问题,并建立 AI 使用透明声明。
四问检查
本周产出
迁移练习:任选一个每天使用的 AI 功能,用四格观察法记录输入、处理、输出、影响,并指出一个必须由人决定的节点。
数字素养与人工智能通识 · 第 01 周
02 / 36
01
第 1 节
AI 已经在哪里
影响我们
观察 AI 的第一步,不是给应用贴上"智能"标签,
而是拆开它在系统中的位置。
导入问题
三张你今天大概率见过的画面——
AI 藏在哪一格?
信息流里刷到的短视频,为什么"刚好"是你想看的?
翻译软件一句话翻过去,它是在查词典还是在"猜"?
客服秒回"亲,这边建议您……",对面是人还是模型?
本节方法:用"四格观察法"分析任何校园场景——同一个产品可能同时包含规则、搜索、推荐模型和生成模型,先拆位置,再下判断。
情境导入:三个校园画面
第 1 节 · 先猜"哪里有 AI",再拆"它做了什么"
信息流 · 推荐页
① 推荐流
你滑到的每一条,都是系统从海量内容里挑出来排好序的。排序的依据,可能包括你的点击历史。
翻译 · 输入
"这门课不点名,但作业会查重。"
翻译 · 输出
No roll call, but plagiarism check.
② 翻译
一句"查重"翻得准不准,取决于模型见过多少类似语境。它是生成,不是逐词替换。
校园服务 · 客服对话
校园卡补办去哪?
请携带学生证至信息中心 2 楼办理,工作日 9:00–17:00。
③ 客服
答案流畅又具体,但它在依据什么回答?万一信息过期,谁负责更正?
提问
这三个画面里,各有一个"AI 参与"的环节和一个"人决定"的环节——你能在 30 秒内各指出一个吗?
数字素养与人工智能通识 · 第 01 周
04 / 36
核心概念:拆位置,而不是贴标签
第 1 节 · 同一个"智能"标签背后,可能是完全不同的东西
同一个产品里,可能同时住着好几套机制:
规则
(固定流程)、
搜索
(找已有资料)、
推荐模型
(决定你看见什么)和
生成模型
(现写一段给你)。
同一个结果,也往往不止一个来源:它同时受训练数据、当前输入、产品目标和人的选择影响。只说"这是 AI 做的",等于什么都没说。
所以观察 AI 的第一步:拆开它在系统中的位置——它拿到了什么、在做哪一类事情、结果给了谁。
训练数据
它见过什么
当前输入
你给了什么
产品目标
平台想要什么
人的选择
点开、采纳、发布
同一个结果
多个共同来源
你看见的输出
先问"它站在系统的哪个位置",
再谈"它智能不智能"。
数字素养与人工智能通识 · 第 01 周
05 / 36
方法拆解:四格观察法
第 1 节 · 用四个格子,把任何校园场景里的 AI 拆开看
输入
要问的问题
系统拿到了什么信息
校园示例:搜索词、课程记录、点击历史、上传文件
处理
要问的问题
AI 在做生成、分类、排序还是预测
校园示例:推荐课程、摘要资料、识别图片文字
输出
要问的问题
人最终看见或收到什么
校园示例:一个答案、一组排名、一条提醒、一份草稿
影响
要问的问题
谁会因此改变判断或行动
校园示例:学生、教师、社团负责人、被评价的人
用法
从左到右走一遍:信息从哪来 → 机器做了哪类事 → 人看到什么 → 谁的行动被改变。四格填完,AI 在系统中的位置就基本清楚了。
数字素养与人工智能通识 · 第 01 周
06 / 36
方法深化:四格之后,接着追问
第 1 节 · 以"AI 帮我总结一篇文章"为例
4 连问
"AI 帮我总结一篇文章"看起来只是文本处理,四格表填完并不代表结束——每一格都可能再长出新的问题。
追问的目的不是否定工具,而是把影响较大的环节变得可见、可检查。
问 1
上传的文章是否允许进入该工具?
输入格的追问:文件涉密、含他人隐私或版权受限时,"能用"不等于"可以传上去"。
问 2
摘要有没有遗漏限制条件?
处理格的追问:数据只在某一年成立、只对某类样本成立,摘要是把条件一起保留,还是悄悄丢掉了?
问 3
别人看到摘要后,是否还会回到原文?
输出格的追问:摘要是入口还是终点?如果所有人都只读摘要,错误将无人发现。
问 4
如果摘要用于作业,学生是否说明了 AI 的参与?
影响格的追问:教师看到的是你的理解,还是模型的复述?说明参与方式本身就是学习的一部分。
数字素养与人工智能通识 · 第 01 周
07 / 36
案例分析:风险不是禁止,是分级确认
第 1 节 · 把影响较大的环节,设置得更可见、更可检查
✓
低风险:可以快速试
给社团想几条口号、把笔记整理成提纲、给朋友的消息打个草稿——这类任务的产出只是草稿,错了可以马上改,成本由自己承担。
原则:快速生成、自己把关,不必层层审批。用四格观察法确认"影响"只落在自己身上,就可以放心试。
升级
!
高风险:需要明确的人工确认
高风险的结论、授权、发送和公开发布,出错时影响的不只是自己:被引用的人、被通知的人、被公开的场合都要承担后果。
原则:这些环节不能无人负责。发送前谁看过、依据什么、由谁点头,都要有明确的答案。
关键一句
讲义中的"风险"不是为了阻止使用,而是提醒我们:影响越大,越要在 AI 与真实世界之间放一道"人的确认"。
数字素养与人工智能通识 · 第 01 周
08 / 36
动手任务:给你今天用过的 AI 填四格表
第 1 节 · 小组任务(约 15 分钟)+ 代表汇报(约 8 分钟)
任选一个自己今天用过的 AI 功能,
用四格观察法填写下面这张记录卡。
我遇到的场景
在哪个 App、做了什么操作
AI 可能参与了什么
排序?生成?识别?摘要?
对我有什么帮助 / 可能影响谁
更快?更省事?谁的行为被改变
最后应由谁判断
我是否相信、转发、提交、照做
工作册 · 模板 1「AI 场景观察卡」:填完再写一句提醒——"当 AI 参与___时,我会先检查___。"
设备三轨 · 都能完成
教师机
没有设备的组:看教师投屏演示,负责观察输入、动作、输出与边界,替全班记录。
电脑
电脑组:实际操作一个 AI 功能并填表,屏幕可投给同组核对。
手机
手机组:用手机完成同样的观察,并担任验收人——检查其他组四格是否填得有依据。
数字素养与人工智能通识 · 第 01 周
09 / 36
常见错误:四格观察法的三种"填空式"用法
第 1 节 · 填了格子,不等于做了观察
×
错误一:把贴标签当分析
反面示例:"这个 App 很智能,所以是 AI。"
改进:同一个产品可能同时包含规则、搜索、推荐模型和生成模型——不拆位置,标签什么也解释不了。
×
错误二:只看"输出"一格
反面示例:"它给了答案,答案不错,结束。"
改进:输出只是第三格。不问输入从哪来、影响落在谁身上,就发现不了权限、隐私与被改变判断的人。
×
错误三:把"有风险"理解成"别用了"
反面示例:"涉及隐私,那这个工具就别碰。"
改进:风险不是禁止,而是分级:低风险草稿可以快速试,高风险的发送、授权、公开发布才需要明确的人工确认。
问
教师点评时会追问:"影响"一格你写的谁?——答"用户""大家"都不算数,要能说出具体是谁、在哪个动作上被改变。
数字素养与人工智能通识 · 第 01 周
10 / 36
本节检查表
第 1 节 · 交观察卡之前,逐条打勾
1
我没有只写"这是 AI",而是说清了它做的是生成、分类、排序还是预测。
2
"输入"一格写到了具体信息:搜索词、点击历史、上传文件,而不是笼统的"数据"。
3
"影响"一格写到了具体的人:谁会因此改变判断或行动。
4
我至少对一格提出了追问(如:上传是否被允许?摘要是否丢了限制条件?)。
5
我区分了低风险与高风险环节:发送、授权、公开发布是否需要人工确认。
6
如果这张卡涉及作业,我说明了 AI 参与的方式。
6/6
六条全勾,观察卡才算完成。少一条,就回到对应的格子补一次观察。
这条检查表与工作册「AI 场景观察卡」配套,课后填写的迁移练习也用它自检。
数字素养与人工智能通识 · 第 01 周
11 / 36
第 1 节小结
看见 AI 的位置 · 三个带走
一
分析要落到具体环节
AI 影响不在"智能"标签里,而在具体任务、输入、输出和受影响的人身上。四格观察法给你一条固定路径:输入 → 处理 → 输出 → 影响。
二
追问让风险可见
"AI 帮我总结一篇文章"值得四个追问:上传是否允许、条件有没有丢、读者会不会回原文、作业有没有说明参与。追问不是否定工具,而是让影响大的环节可检查。
三
AI 参与环节,人仍负责
低风险草稿可以快速试;高风险的结论、授权、发送和公开发布,必须有明确的人工确认。这句话是全课的判断原则,本周后两节还会反复出现。
下一节 →
看见了单个场景里的 AI,我们把镜头拉远:一份工作由许多任务组成,AI 会重组它们,而不是整格替换"职业"。
数字素养与人工智能通识 · 第 01 周
12 / 36
导入问题
你理想中的"理想职业清单",
十年后还成立吗?
先想一个职业
翻译、客服、记者、程序员、设计师……你觉得哪个会"消失"?为什么?
再拆它的一天
这个职业的人每天都在做哪些事?收集材料、沟通需求、形成初稿、核对数据、做出判断、承担承诺——哪些会被 AI 拿走?
本节方法:把"职业"这个大词换成"任务"这个小单位,讨论才有抓手——哪些任务环节会被自动化、哪些被增强、哪些仍需要人作关键判断。
02
第 2 节
AI 改变工作:
任务会怎样重组
问"AI 会不会替代某个职业"往往过于粗糙;
岗位是由任务组成的。
核心概念:岗位 = 一组任务的集合
第 2 节 · 单位换小了,问题才会变准
岗位
≠ 整块
一个岗位由许多任务组成。不同任务需要的上下文、责任和现场经验不同——这正是 AI 与人的分界线所在。
更有用的问题:哪些任务环节会被自动化,哪些会被增强,哪些仍需要人作出关键判断?
1
收集材料
找文件、查记录、汇总消息——重复度高
2
沟通需求
弄清楚各方到底想要什么——靠现场判断
3
形成初稿
把已有材料组织成文本——AI 擅长
4
核对数据
数字对不对、来源可不可靠——必须人过手
5
做出判断
在冲突和不确定中拍板——人的责任
6
承担承诺
对外说了什么,就要有人认账——只能是人
■ 绿/金:AI 可参与
■ 粉/深:人必须做
■ 灰:共同确认
数字素养与人工智能通识 · 第 01 周
14 / 36
证据:任务转型,而非整岗替代
第 2 节 · 国际劳工组织(ILO)2025 年任务层研究
ILO · 任务层研究
生成式 AI 对工作的主要影响,更可能是岗位中的任务转型,而不是简单的整岗替代。
这项研究不是在岗位层面数"谁失业",而是把每个职业拆成任务清单,再逐项估计 AI 的暴露程度——结论自然落到"任务如何重组"。
对大学生而言,这意味着职业准备不能只学"让 AI 生成",还要学习重新组织工作。
三种走向 · 标注每个任务
自动化
重复生成、整理、比较类环节,可交给工具批量完成。
增强
人定方向,AI 补执行:速度变快、选项变多,但判断仍在人。
人的关键判断
事实核验、利益权衡、对外承诺——AI 可以给建议,拍板的必须是人。
下两页我们把"怎么重组"拆成五个可操作的步骤。
数字素养与人工智能通识 · 第 01 周
15 / 36
方法拆解:任务重组五步法
第 2 节 · 从"会生成"到"会组织工作"
01
拆目标
把模糊目标拆成具体任务。"办一场晚会"不是任务,"确认场地时间"才是。
02
查资料与权限
判断每一步需要什么资料和权限——谁能看什么、谁能定什么。
03
交出重复环节
把适合 AI 的重复生成、整理和比较环节交给工具。
04
留住人的责任
为事实核验、利益权衡、对外承诺保留人工责任。
05
记录过程
记录过程,使结果能被别人复查和接手。
为什么是这五步
前三步让 AI 干得动,
后两步让工作交得出去。
这五步与工作册「模板 2 · 岗位任务重组图」对应:逐任务勾选是否重复执行、是否需要判断、是否需要沟通、谁承担责任,最后写 AI 可怎样协助。
数字素养与人工智能通识 · 第 01 周
16 / 36
方法深化:标注每个任务的三种归属
第 2 节 · 五步法的第 3、4 步怎么落地——逐格标注
根据已确认材料,生成多版活动文案
AI 可做
材料已确认,生成只是变体组合,错了重生成即可。
检查文案是否漏掉时间和地点
AI 可做
与已知信息比对,属于重复核查类工作。
决定活动定位与主题
人必须做
定位牵动整个筹备方向,需要现场经验与责任承担。
使用未经确认的嘉宾信息
人必须做
信息未获对方确认前进入宣传,出错就是公共事故。
公开发布时间与最终发布
需共同确认
AI 可以草拟推送,但"几点发、发不发"要负责人点头。
标注的依据不是"AI 厉不厉害",而是这个任务需要多少上下文、承担多少责任、依赖多少现场经验。
数字素养与人工智能通识 · 第 01 周
17 / 36
案例分析:活动宣传的人机分工
第 2 节 · 好的分工不是"AI 做完,人签字"
AI 负责的环节
根据已确认的材料,生成多个文案版本,供人比较挑选。
逐条检查海报与推送是否漏掉时间和地点这类硬信息。
把散落在群消息里的确认项整理成清单,方便人核对。
共同特点:输入已经确认,出错可以快速重做,影响范围有限。
负责人必须决定的环节
活动定位——宣传往哪个方向走,是一切文案的前提。
未经确认的嘉宾信息——不能因为"听起来合理"就写上去。
公开发布时间与最终发布——按下发送键的必须是人。
共同特点:一旦出错,影响的是真实活动和他人的判断,无法靠"重新生成"挽回。
关键
好的分工是在人机之间布置清楚的输入、检查点和交付标准——而不是"AI 做完,人签字"。
数字素养与人工智能通识 · 第 01 周
18 / 36
动手任务:把"办一场迎新晚会"拆成 8 个任务
第 2 节 · 演练(约 20 分钟)+ 各组贴出分工图比较(约 8 分钟)
拆出 8 个任务环节,逐格标注:
AI 可做 / 人必须做 / 需共同确认。
节目征集
场地与时间
嘉宾邀请
宣传文案
物资采购
现场流程
签到与安全
经费报批
以上只是提示方向,不是标准答案。每个组自己拆、自己标——重点是把"这个任务需要什么上下文和责任"说清楚,标注才有依据。
用工作册「模板 2 · 岗位任务重组图」记录:逐任务勾选重复执行、需要判断、需要沟通、承担责任,最后必须写出"我认为仍必须由人负责的一项任务"及理由。
设备三轨 · 都能完成
教师机
投屏展示一份示范拆解的前两行,各组只做观察与口头标注。
电脑
用文档或表格完成 8 环节拆解与标注,产出可分享的分工图。
手机
在备忘录里完成拆解,并交叉检查电脑组的标注是否有依据。
数字素养与人工智能通识 · 第 01 周
19 / 36
常见错误:任务重组的四种想当然
第 2 节 · 分工的难点不在"AI 能做什么",在"谁核验"
×
问得太粗
"翻译职业会消失吗?"
岗位由任务组成。同一职业里,有的任务被自动化,有的被增强,有的离不开人。
×
AI 做完人签字
"让 AI 全写完,我最后看一眼。"
签字的前提是检查点分布全程:输入确认、中途抽查、发布把关,而不是最后一步扫一眼。
×
把能生成当能交付
"AI 已经生成好了,任务完成。"
交付 = 结果可复查、可接手。没有记录过程的输出,别人无法判断它依据什么。
×
责任悬空
"反正 AI 写的,错了不怪我。"
能力可以交给系统,责任落在人。谁发布、谁承诺,谁就要在执行前检查。
数字素养与人工智能通识 · 第 01 周
20 / 36
本节检查表
第 2 节 · 分工图贴出来之前,逐条打勾
1
我把"职业"拆到了具体任务层,而不是停留在岗位名称。
2
每个任务都标了归属:AI 可做 / 人必须做 / 需共同确认,并写出了依据。
3
标注依据说到了上下文、责任、现场经验,而不是"这个简单 / 那个难"。
4
事实核验、利益权衡、对外承诺三类环节,明确保留了人工责任。
5
过程有记录:别人能看出每一步用了什么资料、AI 参与了什么。
6
自问一句:如果明天我休假,接手的人能照着分工图继续吗?
6/6
分工图的价值不在好看,而在第 6 条:能否被复查和接手,是重组是否成功的试金石。
第 10–11 周的智能体流程任务会复用这张表——那时标注对象从"人做还是 AI 做"升级为"智能体的每一步谁来确认"。
数字素养与人工智能通识 · 第 01 周
21 / 36
第 2 节小结
工作怎样被重组 · 三个带走
一
单位换小:从岗位到任务
"哪个职业会消失"过于粗糙。岗位由任务组成,ILO 的任务层研究也表明:主要影响是任务转型,而不是整岗替代。
二
重组有方法:五步走
拆目标、查资料与权限、把重复环节交给 AI、为核验与承诺留住人工责任、记录过程——职业准备就是练习这套组织能力。
三
分工的难点在"谁核验"
好的分工不是"AI 做完,人签字",而是在人机之间布置清楚的输入、检查点和交付标准。活动宣传的例子就是一张现成的对照表。
下一节 →
分工之后,AI 会产出大量"看起来能用"的内容。拿过来之前先问什么?第三节课给你四个问题。
数字素养与人工智能通识 · 第 01 周
22 / 36
03
第 3 节
面对 AI 内容:先问什么
AI 生成内容通常语言流畅、结构完整——这恰恰是最需要警惕的时刻。
?
先问,再用
导入案例
"迎新晚会加抽奖会更受欢迎。"
——AI 给活动方案加上的这句话,能直接写进宣传推送吗?
情境导入:这句话能直接用吗?
第 3 节 · 一句常见的 AI 建议,摆在桌面上过一遍
AI 在活动方案末尾"顺手"加的建议
"迎新晚会加抽奖
会更受欢迎。"
它读起来顺理成章:谁不想要抽奖?但请先按住"采纳"的手——这句话现在还不具备写进方案的资格。
一
它的依据是什么?
有问卷、往年数据或本届新生反馈吗?还是只是"通常如此"的常识推理?
二
谁希望我相信它?
是调研结论,还是模型在生成"讨人喜欢"的句子?
三
现在能用它做什么?
写进"已确认方案",还是先作为一条待验证建议拿去问筹备组?
本节要建立的,就是把这类本能提问变成固定的检查动作。
数字素养与人工智能通识 · 第 01 周
24 / 36
核心概念:流畅错觉
第 3 节 · "它既然说得像,应该就是对的"——这是错觉
AI 生成内容通常语言流畅、结构完整。这种流畅会让人产生"它既然说得像,应该就是对的"的错觉。
但流畅只说明文本连贯,它不能证明三件事:
事实准确
、
资料最新
、
结论适用于当前场景
。
模型的目标是生成连贯得体的文本,不是替你核实事实。把核实留给流畅,就是没人负责。
读起来流畅
只证明
文本连贯 ✓
不证明
事实准确 ✗
资料最新 ✗
适用当前场景 ✗
数字素养与人工智能通识 · 第 01 周
25 / 36
方法拆解:四问检查
第 3 节 · 面对任何准备采用的 AI 内容,先过四关
01
来源是什么?
能否回到原始网页、文件、数据或工具结果?
02
证据够不够?
现有材料真正支持哪一句话,又不能支持哪一句话?
03
边界在哪里?
时间、对象、样本、权限和不确定性是否写清?
04
谁来负责?
如果结果出错、越权或误导,谁必须在执行前发现?
为什么是这四问
来源回答"它从哪来",证据回答"凭什么信",边界回答"用到哪为止",责任回答"出错了谁兜住"——四个问题对应 AI 内容进入真实世界的四道关卡。
数字素养与人工智能通识 · 第 01 周
26 / 36
方法深化:每一问,追问到什么才算过
第 3 节 · 四问不是口号,每问都有可验收的动作
来源
过 = 点得开原始出处
不是"网上说的",而是能回到原始网页、文件、数据或工具结果。AI 给的引文,要真的打开过一次。
证据
过 = 分得清支持与不支持
现有材料真正支持哪一句话,又不能支持哪一句话?把"支持的部分"和"推过去的部分"分开写。
边界
过 = 条件写进了结论
时间、对象、样本、权限和不确定性是否写清?"抽奖更受欢迎"在没有数据时,边界就是:这是一条待验证建议。
责任
过 = 有人名、有时点
如果结果出错、越权或误导,谁必须在执行前发现?"大家都会看"不是答案,"发布前由 XXX 核对"才是。
四问全过,内容才能从"AI 的输出"升级为"可以采用的材料";任何一问过不了,就退回上一格:补证据、写边界、或者明确标注待确认。
数字素养与人工智能通识 · 第 01 周
27 / 36
案例分析:抽奖建议的四问过堂
第 3 节 · 回到那句"迎新晚会加抽奖会更受欢迎"
待检对象
"加抽奖会更受欢迎。"
这句话本身不是错误,问题是它现在的"身份":如果当作结论直接写进已确认方案,就是越权。
没有问卷、往年数据或本届新生反馈——它最多是一条待验证建议,不能写成"调研结论"。
✗
问来源
说不出依据来自哪份问卷或哪年数据,只能回到"通常如此"。
✗
问证据
现有材料支持不了"更受欢迎"这个比较——没有前后对比的可能。
△
问边界
可以保留为待验证建议:标注"待新生调研确认",不写成结论。
✗
问责任
抽奖仍未经过筹备组决定,也不能让 AI 把它自动写进已确认宣传方案。
正确姿势:把句子改写成"待验证建议 → 提交筹备组讨论 → 有调研后再升级为方案内容"。句子没变,身份变了。
数字素养与人工智能通识 · 第 01 周
28 / 36
动手任务:四问练习 + 透明声明
第 3 节 · 小组过堂(约 20 分钟)+ 搭模板(约 10 分钟)
每组领一段 AI 生成的活动方案,
逐条过:来源、证据、边界、责任。
怎么算过完
每一条都要落到具体:能回哪个原文、支持哪句不支持哪句、缺什么数据、谁在执行前把关。答"感觉还行"不算数。
用工作册「模板 3 · AI 内容四问」记录四问结果;不确定的地方写"待确认",不要为了填满而猜。
再搭一个"AI 使用透明声明"模板,
今后每次提交 AI 协作成果都带上。
① 用了哪些输入
上传了什么文件、给了什么提示词、参考了什么材料
② AI 具体参与了什么
生成草稿?整理清单?给建议?写清到环节
③ 自己检查和修改了什么
核对了哪些事实、否掉了哪些建议、改了哪里
设备三轨:教师机看示范、电脑组做成文档模板、手机组用备忘录记录并验收他组。
数字素养与人工智能通识 · 第 01 周
29 / 36
常见错误:内容核验的四种"想当然"
第 3 节 · 这些错法,每年都有人踩
×
把流畅当正确
"写得这么顺,应该没错。"
流畅只说明文本连贯,事实、时效、适用场景都要单独检查。
×
把建议写成结论
"加抽奖会更受欢迎"→ 写成调研结论。
没有数据支撑的句子,只能以"待验证建议"的身份进入文档。
×
只交成品不留过程
只给老师看最终版。
缺少输入与修改记录,别人无法判断哪些判断是你做的。
×
把声明当负担
"声明 AI 参与显得我不会做。"
透明记录恰恰是证明成果可靠、学习真实发生的证据。
数字素养与人工智能通识 · 第 01 周
30 / 36
本节检查表
第 3 节 · 采用任何 AI 内容之前,逐条打勾
1
关键内容我都回到了原始出处,而不是引用 AI 的转述。
2
我能说出材料真正支持哪句话、不支持哪句话。
3
时间、对象、样本、权限等限制条件,跟着结论一起保留了。
4
没有数据支撑的句子,我标注为"待验证建议",没有写成结论。
5
出错时必须在执行前发现的人,有名字、有时点。
6
提交物附有透明声明:用了什么输入、AI 做了什么、我检查了什么。
6/6
四问检查 + 透明声明,是这门课贯穿 12 周的最低交付标准——每次提交 AI 协作成果都适用。
第 12 周展示时,老师会现场追问:"请指出一处 AI 建议没有被采纳,并说明理由。"这张表就是你的弹药库。
数字素养与人工智能通识 · 第 01 周
31 / 36
第 3 节小结
面对内容先问什么 · 三个带走
一
流畅 ≠ 正确
语言流畅只说明文本连贯,不能证明事实准确、资料最新或结论适用于当前场景。核验永远是单独的动作。
二
四问是固定动作:来源、证据、边界、责任
来源能不能回原文、证据支持到什么程度、边界有没有写清、出错谁在执行前发现——四问全过,AI 输出才能升级为可采用的材料。
三
透明声明是证据,不是负担
提交 AI 协作成果时保留三样东西:使用了哪些输入、AI 具体参与了什么、自己检查和修改了什么。它证明成果可靠,也证明你真的学过。
接下来 →
三节课的方法都已到位。下面把 135 分钟的课堂节奏、中国语境和本周作业一起收拢。
数字素养与人工智能通识 · 第 01 周
32 / 36
课堂节奏:三节课 × 45 分钟
每节课的讲授、演练与汇报,分钟级安排
第 1 节 · 看见 AI 的位置
0–5′
导入:出示三张校园截图(推荐流、翻译、客服),猜"哪里有 AI"
5–20′
讲授"四格观察法",教师现场拆解一个例子
20–35′
小组任务:任选一个今天用过的 AI 功能,填四格表
35–43′
2–3 组代表汇报,教师追问"影响"一格
43–45′
收束:强调"AI 参与环节,人仍负责"
第 2 节 · 工作怎样被重组
0–3′
提问:你觉得哪个职业会消失?哪些只是任务变了?
3–15′
讲授任务重组视角 + ILO 任务层研究要点
15–35′
演练:把"办一场迎新晚会"拆成 8 个任务环节,逐格标注
35–43′
各组贴出分工图,比较差异
43–45′
小结:分工的难点不在"AI 能做什么",在"谁核验"
第 3 节 · 面对内容先问什么
0–10′
案例:"加抽奖会更受欢迎"——这句话能直接用吗?
10–30′
四问练习:给每组一段 AI 生成的方案,逐条过四问
30–40′
建立"AI 使用透明声明"模板:输入、参与、检查
40–45′
布置迁移练习与下周预告
共同结构
每节课都是:短导入 → 方法讲授 → 动手演练 → 汇报追问 → 一句收束。课后请对照检查表自评。
数字素养与人工智能通识 · 第 01 周
33 / 36
中国语境:这门课为什么是"必答题"
政策 · 校园 · 数据 · 规则,四个锚点
政
政策锚点
2021 年《提升全民数字素养与技能行动纲要》首次官方界定数字素养;2025 年教育部等九部门提出建设"通用+特色"高校 AI 通识课程;2026 年《"人工智能+教育"行动计划》推动 AI 成为高校公共基础课。AI 素养是国家认定的基础能力,不是选修兴趣。
校
校园锚点 · 武大
武汉大学已构建"1+16+N"数智教育核心课程体系,《人工智能导引》是面向全校的基础通识必修课,提出"智观、智识、智思、智行"四目标。本课与它互为补充:那边侧重理念与知识,本课侧重真实任务中的方法与责任。
数
数据锚点
3–4 成
直接复制
52.8%
经常/总是使用
浙江大学团队对 13 所高校 3000 多名本科生的调研:三到四成学生会直接复制 AI 内容;约四成受访工科研究生承认过度依赖已造成思维惰性。本课第一道防线:把"直接采用"改成"核验后采用"。
规
规则锚点
复旦大学发布国内首份本科毕业论文 AI 工具使用规定("六个禁止");天津科技大学要求论文智能生成内容原则上不超过 40%。等你们大四时,规则只会更细——现在练习"透明声明 AI 参与",就是在为那时做准备。
数字素养与人工智能通识 · 第 01 周
34 / 36
深一步追问 与 迁移练习
课上"吃不饱"的往左看,课后作业在右边
深一步追问 · 三个机制性问题
1
推荐算法如何知道你没有兴趣?
"输入"里包括你没点过的内容吗——系统对你的认识,一半来自你做了什么,另一半来自你没做什么。
2
10 个任务被自动化 7 个,剩下 3 个的价值会怎样?
升值还是贬值?答案取决于剩下的 3 个是不是"判断与承诺"型任务。
3
摘要没有错,但漏了关键限制条件,算不算错误?
责任在谁?生成者、发布者,还是没回原文的读者?
提示:这三个问题没有标准答案,第 12 周展示时的口头答辩可能从中抽问。
迁移练习 · 本周作业
任选一个你每天使用的 AI 功能——信息流推荐、拍照识别、翻译或写作助手,用
四格观察法
记录它的输入、处理、输出和影响,再指出一个
必须由人决定的节点
。
输入
处理
输出
影响
交付要求:按工作册「模板 1 · AI 场景观察卡」填写,附一句提醒——"当 AI 参与___时,我会先检查___";用第 1 节检查表(6 条)自评后再提交。
数字素养与人工智能通识 · 第 01 周
35 / 36
能力可以交给系统,
责任必须落在人和可检查的证据上。
本周你带走了三件工具:四格观察法、任务重组五步法、内容四问。
从下周起,我们走进真实的资料、权限与项目。
武汉大学 · 数字素养与人工智能通识 · 灯火计划
第01周-AI如何改变社会
←
→
← → 翻页 · Home/End 首尾 · F 全屏