在过去的一段时间里，我们大部分时间都把重心放在教师的人机协同能力提升上。但是，AI时代带来的变革不应仅仅关注教师的成长，也要关注学生的成长。既然我们希望让AI辅助学生学习，那前提是学生也要会用AI，因此学生的人机协同能力理应被纳入课程培养目标。

    那么，人机协同能力包括哪些呢？

    有效识别AI在课程中的应用场景。举个例子，很多学生遇到一道数学题不会做时，会直接把题目发给AI，让AI帮忙解答。这不是一个有效的应用场景，因为这样隐去了自己的思考过程，只是让AI直接给出答案。如果学生把题目发给AI，让AI用苏格拉底式的提问方式一步步引导自己解答，或者让AI识别出题目背后的知识点，并根据不同知识点对自己进行考核，找出在哪个知识点上有误区，再让AI为自己讲解，之后再复做题目，这就是有效的应用场景。

    判断是否是有效应用场景的方式，要看自己是思考得更多还是思考得更少，看学生是通过人机协同学到的更多还是学到的更少。思考越多、获得越多，越是有效场景。

    选择适配应用场景的AI工具。不同的AI工具有不同的特长。通常每个学生都有自己常用的AI，但在不同的场景需求下所适配的AI工具不同。比如我想做一个PPT，适合用哪一种工具？我要解数学题，适合用哪一种工具？我进行古诗词探讨，又适合哪一种工具？这需要学生在与不同的AI工具合作过程中，通过评判不同AI工具执行结果的质量，判断到底哪一个更适合目前的应用场景。

    如果想降低学生选择AI工具的负担，防止过度纠结工具选择分散学生对学习内容本身的注意力，教师可提醒学生工具选择的底层方法，比如需要逻辑引导选对话型AI，需要内容生成选创作型AI。

    与AI对话的能力。与AI对话的能力主要包括两部分。第一部分是向AI明确任务要求的能力。如果学生把一道数学题发送给AI之后，没有交代清楚需要它进行苏格拉底式的引导，那么AI可能直接就提供了答案，AI不会进行相应引导，也不会提供一些变式题进行刻意练习。所以，布置任务的能力就是如何向AI交代清楚。第二部分是阅读AI生成结果的能力。AI生成的结果，学生要经历“阅读—学习—辨析—追问”的过程。首先要仔细阅读，在阅读的基础上问自己“我向AI学到了什么”，之后辨析哪些部分自己不理解、有疑问、有质疑，继而对AI进行追问。这也说明，与AI对话不是一次性的，而是多轮思考的过程。

    评估AI执行结果的有效性。AI虽然一直在不断进步，但仍然存在大模型的幻觉问题，可能是对所上传的图表类信息的识别错误，也可能是整个执行结果的错误。因此，学生必须具备评估AI执行结果有效性的能力。例如，我们让AI协同评估学生写的一篇文章，需要思考AI的评估都是合理的吗？它给的建议我都一定要采纳吗？我都认同吗？这都不一定。所以，这种评估背后也是学生对学科知识的理解、掌握和运用，是一种融会贯通的能力。

    构建AI知识库的能力。基于专业的AI知识库进行的问答，质量往往会更高。学生需要自己积累、建构有效的知识库，而且知识库的建构本身需要学生主动按照标准筛选，然后根据相应的评估指标进行分门别类的整理。这种筛选和分类本身也是学生理解相关材料的一种方式。所以，构建AI知识库的过程对学生本身就是一个学习的过程，而基于知识库的AI对话又能够提升与AI协同的结果。

    如果担心学生建构知识库的时间和精力有限，或者自主筛选进错误信息，可采用“师生共建框架、学生个性化补充”的模式。教师先提供学科基础知识库的分类框架，学生根据自身薄弱点补充内容。

    将人机协同纳入课程目标，就需要教师将其融入所教课程，在课堂上给学生做相应的示范，给学生提供相应的人机协同学习的支架，以及做好学生人机协同过程或结果的有效评估，这样才能够帮助学生更有效地提高其人机协同能力。

    （作者系河北大学教育学院副教授）