机械的“是”人：高等教育中的解放性AI教学法

大型语言模型（LLM）在高等教育中的普及，挑战了传统教学框架。本文依据雅克·拉森别尔（Jacques Rancière）的知识解放理论，考察生成式AI如何风险成为“机械的‘是’人”，强化被动性而非培养知识自主性。生成式AI的统计逻辑缺乏因果推理，结合无摩擦的信息获取，威胁削弱真正学习所必需的认知过程。这一现象中存在关键悖论：尽管生成式AI系统被训练用于复杂推理，学生却日益依赖它们以规避构建此类能力的认知工作。本文批判了对生成式AI在教育中的技术乐观主义和限制性方法，提出以验证、掌握和共同探究为基础的解放性教学法。该框架将生成式AI定位为知识工作的材料，而非替代品，强调培养元认知意识和对AI输出的批判性质疑。它要求教育者直接参与这些工具，以引导学生走向批判性AI素养，变革教学权威，从阐释转向批判性介入，既表现知识勇气，又促进协作探究。