在今年 4 月教育部举行的新闻发布会上，清华大学校长李路明指出，在人工智能时代，高等教育领域的共识是人工智能会打破已有的学科边界，打破学术界和产业界的边界，也会把原有的知识的生产、传播的边界打破。在这样的时代，学生在大学如何学，老师如何教，都特别具有挑战性。
“前一段时间清华召开教学课程体系的研讨会，有位老师就讲，我现在已经不会上课了，因为学生可以花很短的时间在人工智能大模型的协助下个性化地获得与课程相关的学习内容，乃至解答各种疑问。”李路明认为，在这种背景下，课程体系和知识体系如何重构，是高等教育面临的巨大挑战。
当前，生成式 AI 在学习、生活等场景中被大学生广泛应用。早在 2024 年麦可思就发起了中国高校师生生成式 AI应用情况研究。数据显示，2024 年频繁使用（几乎每天使用和经常使用）生成式 AI 的大学生比例为 64%。大学生在使用生成式 AI 时，主要用于资料查找与整理（54%）、数据分析和可视化（54%）。翻译功能也受到学生的青睐，占比达到 34%。此外，近三成大学生主要使用生成式 AI 写论文或作业。
而麦可思开展的最新研究显示，2026 年频繁使用生成式 AI 的大学生比例已上升至 77%，提升了 13 个百分点，呈持续快速增长趋势。
可见，大学生通过 AI 工具，可以高效完成资料梳理、数据运算、文本撰写等基础学习工作。
北京大学退休教授乔晓春表示，AI 让教学变得异常尴尬。老师讲授的内容学生可以随时通过 AI 查证，甚至能发现其中的错误；导致老师上课压力巨大；学生则认为老师讲的内容 AI 都有，听课积极性大幅下降，即便被强制点名到课，也只是在“假装学习”。
对于现状，有老师发出传统课堂已经失效的感叹。
麦可思研究曾在公众号发起“作为高校教师，您认为传统课堂是否已经失效？”的投票，共有 3142 人为有效投票，其中认为传统课堂已经失效的比例为 72%。可见大部分高校教师切身感受到 AI 普及对原有授课模式的冲击。乔晓春曾强调，中国绝大多数高校的教学核心是传授知识本身，对知识背后的理念、思想和能力培养重视不足。学生花费十年时间从本科读到博士，所学的大量知识性内容都可以被 AI 完美替代，这不仅导致学习的价值大打折扣，更让毕业生在就业市场上面临前所未有的危机。
随着生成式 AI 的普及、AI 技术的发展等，传统单向灌输的课堂形式已难以适配当下学生的学习现状。（2026 年中国本科生就业报告显示）显示，2025 届本科毕业生认为母校教学“课程内容不实用或陈旧”的比例逐年上升，从 2023 届的 37% 上升到 2025 届的 42%，提升了 5 个百分点，反映出在科技、产业模式、社会需求快速变革与发展的背景下，相关专业课程更新速度未能充分匹配知识、技术的迭代节奏。
时代浪潮之下，高校课堂全方位转型势在必行。
高校的教学重心应从知识传授转向能力培养，课堂教学要跳出机械讲授与知识搬运的传统模式，适当弱化浅层知识性内容，将更多时间用于思辨研讨、项目实践与创新创造，重点培养批判性思维、人文关怀与复杂问题解决等 AI 难以替代的高阶能力。
在此基础上，教师应加快实现从“知识传授者”向“学习引导者”的角色转型，充分利用人工智能工具承担重复性与事务性工作，从而将更多精力投入课程设计、学习活动组织与个性化指导之中。与此同时，应正视生成式人工智能可能带来的信息“幻觉”与认知偏差，引导学生提升信息甄别能力，强化自主学习与独立判断能力。进一步而言，学校还可积极探索人工智能与教育教学深度融合的新模式，推动教学方式、教学资源与学习方式的系统性创新。
正如中国高等教育学会副会长李楠所说：“一位优秀的教师不仅是会讲课的教学能手，更应是懂育人的教育行家。”他指出，教师回归教育本质开展教学创新，需要实现三个转变：
从灌输式教学走向建构式教学，广泛采用探究式、项目式、合作式学习；
从重视学习结果走向重视学习过程，鼓励学生试错，将遭遇挫折和进行反思视为宝贵的学习环节；
从追求唯一答案走向包容多元表达，创设安全的课堂对话空间，倡导有理有据的论述、真诚的倾听与建设性的交锋。
此外，高校可以推动教育评价体系同步变革。当前部分高校仍较为依赖标准答案式考核和知识记忆测试，这与 AI 时代的人才培养目标存在一定错位。未来应更加注重过程性评价、项目成果评价和综合能力评价，加强创新意识、团队协作能力、实践应用能力的考核，引导学生从“学会知识”向“学会思考”“学会创造”转变。
AI 的快速发展改变了知识获取的方式，却并未削弱教育的价值，反而对人才培养提出了更高要求。高校课堂转型的核心，不是与 AI 比拼知识储备和信息处理速度，而是着力培养学生独立思考能力、创新创造能力和健全人格。唯有主动拥抱变革、重塑教育理念，才能让课堂真正成为启迪智慧、塑造能力、涵养品格的重要场域，为学生适应未来社会发展奠定坚实基础。
还是评论区看的清楚
点评
谁能想到高校的管理者如此酒囊饭袋，连大模型的本质都不知道，更有甚者，把AI当成百科全书了。
文中多处表述默认大模型是可靠的知识载体，这是最根本的认知错位。
“学生靠 AI 个性化获取学习内容” 根本不成立，专业学习的入门阶段，学生尚未建立完整的知识体系与判别标准，根本无法识别大模型在细分专业领域的错误：包括概念边界混淆、公式推导疏漏、适用条件忽略，甚至编造文献与数据。此时学生用 AI 获取的 “个性化内容”，本质是未经校验的概率化输出，不仅无法替代课堂学习，反而可能形成错误的先入认知，后续纠正成本更高。
“学生用 AI 查证老师错误” 与 AI 本身无关，授课内容的准确性是教师的基本职业要求。在没有 AI 的时代，学生同样可以通过教材、学术数据库、专业工具书查证授课错误。如果 AI 的出现就让教师 “压力巨大”，本质反映的是部分教师备课不充分、内容更新不及时的问题，不能将责任归因于 AI 技术本身。
“知识性内容可被 AI 完美替代” 是根本性错误，大模型是基于海量语料的概率生成系统，不是经过严格编审的权威知识库。传统教材、百科全书的知识具备可溯源、可验证、边界清晰的特点；而大模型在专业领域的幻觉是固有技术属性，越是细分、前沿的内容，出错概率越高。
更进一步说，“知识性内容” 从来不是单纯的结论记忆，还包括知识的推导逻辑、演化脉络、适用边界与体系关联。这些恰恰是 AI 无法替代、需要学生通过系统学习掌握的核心基础。
文中提出 “适当弱化浅层知识性内容，转向能力培养”，完全违背了学习与认知的基本规律。
认知心理学的基本结论是：批判性思维、复杂问题解决等高阶能力，必须建立在基础知识的牢固掌握与自动化提取之上。没有基本概念、原理、规范的记忆与理解，所谓的 “思辨研讨、项目实践” 就没有思考的素材和判断的标尺，最终要么沦为无依据的空谈，要么彻底依赖 AI 输出结果，学生的真实能力反而会持续退化。
正确的改革方向不是 “弱化知识”，而是优化知识的传授方式：摒弃死记硬背的应试式知识考察，转而讲解知识的来龙去脉、应用场景与局限边界，让学生真正内化知识体系；同时用 AI 替代资料检索、重复计算、格式整理等机械性劳动，释放时间用于深度思考，而非跳过知识学习本身。
生成式 AI 的幻觉是其 Transformer 架构的内生特性，它通过预测下一个 token 生成内容，不具备对事实的主动判断与校验能力。这一特性无法通过简单的模型优化彻底消除，只能通过外挂知识库、人工校验等方式降低出现概率。
如果教育领域的政策制定者对这一技术本质认知模糊，只谈 AI 的赋能作用，将幻觉视为次要的附带问题，那么设计出的教学融合方案必然存在严重隐患：一旦让 AI 深度介入课程设计、内容生成、作业批改环节，错误内容的扩散会直接损害教学质量，反而给一线教师增加大量纠错成本。
顶尖院校的学生普遍具备扎实的知识基础与较强的自主学习能力，能够在教师引导下用 AI 辅助深度学习、拓展边界；但普通院校尤其是基础薄弱的学生，使用 AI 的核心诉求往往是直接获取作业、论文的成品答案，既没有意愿也没有能力甄别内容对错。一刀切地放开 AI、推行自主探究式学习，只会加剧学习敷衍、知识断层的问题。
|小黑屋|手机版|Archiver|机械荟萃山庄
( 辽ICP备16011317号-1 )
发表于 
