识别 AI 在校园、平台、公共服务和工作中的具体使用场景，而不是把 AI 等同于聊天。
Appearance
第 01 周 · AI 如何改变社会：机会、风险与人的位置
AI 已经进入搜索、推荐、翻译、写作、图像生成、客服和办公流程。真正需要掌握的，不是背诵某个产品的功能，而是看清一项任务中哪些环节由 AI 参与、它依据什么产生结果、谁会受到影响，以及最后由谁承担责任。
本周先建立一条贯穿全书的判断原则：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。 UNESCO 的学生 AI 能力框架也把以人为本、伦理判断、技术理解与系统设计并列，而不是只把“会操作工具”当作 AI 素养。
本周以讲授和案例拆解为主。阅读时请始终带着一个问题：如果 AI 给出的结果被用于真实学习或工作，谁需要检查什么？
图 1：能力可以交给系统，责任必须落在人和可检查的证据上。
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。同一个产品可能同时包含规则、搜索、推荐模型和生成模型；同一个结果也可能同时受训练数据、当前输入、产品目标和人的选择影响。
可以用“四格观察法”分析任何校园场景：
| 观察项 | 要问的问题 | 校园示例 |
|---|---|---|
| 输入 | 系统拿到了什么信息 | 搜索词、课程记录、点击历史、上传文件 |
| 处理 | AI 在做生成、分类、排序还是预测 | 推荐课程、摘要资料、识别图片文字 |
| 输出 | 人最终看见或收到什么 | 一个答案、一组排名、一条提醒、一份草稿 |
| 影响 | 谁会因此改变判断或行动 | 学生、教师、社团负责人、被评价的人 |
例如，“AI 帮我总结一篇文章”看起来只是文本处理，但仍要继续追问：上传的文章是否允许进入该工具？摘要有没有遗漏限制条件？别人看到摘要后是否还会回到原文？如果摘要用于作业，学生是否说明了 AI 的参与？
讲义中的“风险”不是为了阻止使用，而是提醒我们把影响较大的环节设置得更可见、更可检查。低风险草稿可以快速试，高风险结论、授权、发送和公开发布则需要更明确的人工确认。
AI 已经在哪里影响我们
一天之中，哪些建议、排序、审核或创作已经可能由 AI 参与？
本周只建立共同认知：不设置课堂讨论、分组任务、工具操作或离场作业。
- 校园生活情境卡
- 新闻与产品截图
- 个人观察单
- 0–8 分钟问题定位
从“一天之中，哪些建议、排序、审核或创作已经可能由 AI 参与？”切入，说明本节为何需要理解这个问题。
- 8–20 分钟核心概念讲解
先让学生看到 AI 已经嵌在推荐、识别、生成和辅助决策中；它影响的是具体环节，不是遥远的概念。 本节重点解释：识别、推荐、生成。
- 20–32 分钟案例拆解
投屏一个常见应用，分别指出“谁提供数据、AI 做了什么、人最后决定什么”。
- 32–40 分钟边界与风险
重点辨析：不要把“用了手机 App”一概说成“AI 替人做了决定”。
- 40–45 分钟本节收束
回到课程目标：识别 AI 在校园、平台、公共服务和工作中的具体使用场景，而不是把 AI 等同于聊天。
AI 改变工作：任务会怎样重组
讨论“AI 会不会替代某个职业”往往过于粗糙。一个岗位由许多任务组成：收集材料、沟通需求、形成初稿、核对数据、做出判断、承担承诺。不同任务需要的上下文、责任和现场经验不同，因此更有用的问题是：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？
国际劳工组织 2025 年的任务层研究指出，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。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：
- 把模糊目标拆成具体任务。
- 判断每一步需要什么资料和权限。
- 把适合 AI 的重复生成、整理和比较环节交给工具。
- 为事实核验、利益权衡、对外承诺保留人工责任。
- 记录过程，使结果能被别人复查和接手。
以活动宣传为例，AI 可以根据已确认材料生成多个文案版本，也可以检查是否漏掉时间和地点；但活动定位、未经确认的嘉宾信息、公开发布时间和最终发布仍需要负责人决定。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。
AI 改变工作：任务会怎样重组
AI 替代的是一个职业，还是职业中不同类型的任务？
本周只建立共同认知：不设置课堂讨论、分组任务、工具操作或离场作业。
用“重复、判断、沟通、责任”四类任务分析 AI 如何改变工作分工。
- 岗位任务清单
- 任务分类贴纸
- 职业访谈短片
- 0–8 分钟问题定位
从“AI 替代的是一个职业，还是职业中不同类型的任务？”切入，说明本节为何需要理解这个问题。
- 8–20 分钟核心概念讲解
把一个岗位拆成重复处理、专业判断、沟通协作和责任承担，学生才看得见哪里适合协助、哪里必须由人负责。 本节重点解释：重复任务、专业判断、责任。
- 20–32 分钟案例拆解
以“活动负责人”为例，在白板上把工作拆成四类，再标出 AI 可协助的节点。
- 32–40 分钟边界与风险
重点辨析：不要把“AI 能生成一份方案”误解成“AI 能承担方案的责任”。
- 40–45 分钟本节收束
回到课程目标：用“重复、判断、沟通、责任”四类任务分析 AI 如何改变工作分工。
面对 AI 内容：先问什么
AI 生成内容通常语言流畅、结构完整，这会让人产生“它既然说得像，应该就是对的”的错觉。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。
面对任何准备采用的 AI 内容，先问四个问题：
- 来源是什么？ 能否回到原始网页、文件、数据或工具结果？
- 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？
- 边界在哪里？ 时间、对象、样本、权限和不确定性是否写清？
- 谁来负责？ 如果结果出错、越权或误导，谁必须在执行前发现？
“迎新晚会加抽奖会更受欢迎”就是一个典型例子。如果没有问卷、往年数据或本届新生反馈，这句话最多是一条待验证建议，不能写成“调研结论”。如果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。
今后每次提交 AI 协作成果，都要同时保留三样东西：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。透明记录不是附加负担，而是证明成果可靠和个人真正学习过的证据。
面对 AI 内容：先问什么
看到一段很像真的 AI 内容时，先检查什么才能不被带着走？
本周只建立共同认知：不设置课堂讨论、分组任务、工具操作或离场作业。
掌握来源、证据、目的和影响四个基础问题，形成使用 AI 前后的责任边界。
- 真假混合信息卡
- 来源核验清单
- 班级协作约定模板
- 0–8 分钟问题定位
从“看到一段很像真的 AI 内容时，先检查什么才能不被带着走？”切入，说明本节为何需要理解这个问题。
- 8–20 分钟核心概念讲解
学生先学会区分“看起来像真的”和“可以被证实的”；来源、目的、影响是最基础的四问。 本节重点解释：来源、证据、目的与影响。
- 20–32 分钟案例拆解
展示一条“很像真的”AI 生成通知，现场查找来源、发布日期和证据缺口。
- 32–40 分钟边界与风险
重点辨析：不要只问“是不是 AI 写的”；更重要的是它能不能被可靠地使用。
- 40–45 分钟本节收束
回到课程目标：掌握来源、证据、目的和影响四个基础问题，形成使用 AI 前后的责任边界。
中国语境：这门课为什么是"必答题"
- 政策锚点：2021 年中央网信委《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《关于加快推进教育数字化的意见》提出建设"通用+特色"高校 AI 通识课程；2026 年教育部等五部门《"人工智能+教育"行动计划》进一步推动 AI 成为高校公共基础课。也就是说，"AI 素养"已经不是选修的兴趣，而是国家认定的基础能力。
- 校园锚点：武汉大学已构建"1+16+N"数智教育核心课程体系，其中《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《人工智能导引》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。
- 数据锚点：浙江大学团队对 13 所高校 3000 多名本科生的调研显示，三到四成学生表示会直接复制 AI 生成的内容；约四成受访工科研究生承认过度依赖 AI 已造成思维惰性。本课要建立的第一道防线，就是把"直接采用"改成"核验后采用"。
- 规则锚点：复旦大学已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。
45 分钟课堂节奏
| 课节 | 时间线 | 环节 |
|---|---|---|
| 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：任选一个自己今天用过的 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"AI 可做 / 人必须做 / 需共同确认" | |
| 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："迎新晚会加抽奖会更受欢迎"——这句话能直接用吗？ |
| 10–30' | 四问练习：给每组一段 AI 生成的活动方案，逐条过来源、证据、边界、责任 | |
| 30–40' | 建立"AI 使用透明声明"模板：用了什么输入、AI 做了什么、我检查了什么 | |
| 40–45' | 布置迁移练习与下周预告 |
深一步追问（给"吃不饱"的同学）
- 推荐算法的"输入"里包括你没点过的内容吗？系统如何知道你没有兴趣？
- 如果一个岗位的 10 个任务里 7 个能被自动化，剩下 3 个的价值会升值还是贬值？为什么？
- "AI 写的摘要没有错，但它漏了关键限制条件"——这算不算错误？责任在谁？
本周小结
- 分析 AI 影响要落到具体任务、输入、输出和受影响的人。
- 工作更可能按任务重新组合，学生需要学会分工、核验和交接。
- AI 内容的流畅度不等于正确性；来源、证据、边界和责任必须单独检查。
迁移练习
任选一个你每天使用的 AI 功能，例如信息流推荐、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。