AI时代，学习与考试需要重新回答什么？

从一种新的课堂情境出发

当学生能够借助生成式工具完成初稿，教师面对的问题会更具体：这份成果中，哪些理解能够由学生独立说明？本文提出的是课程与评价的研究设想，尚未以课堂数据验证。

先明确希望看见的学习

如果目标是理解材料与形成判断，最终文字只是证据的一部分。学生提出问题、选择来源、比较解释与回应追问的过程，同样需要进入评价设计。

学习目标	可以增加的证据	需要防止的偏差
理解概念	用自己的例子解释概念	将表达流利当作理解充分
判断材料	说明来源与取舍理由	将引用数量当作可靠程度
形成论证	保留观点修订与反例回应	将过程文档长度当作投入程度
迁移应用	回应一个条件变化的新问题	使用学生未获得支持的背景知识

让任务要求透明

若课程允许使用AI，应在任务开始时说明可用范围、需要说明的使用方式，以及必须独立完成的部分。学校规则、学生年龄、隐私条件与工具可获得性都影响具体安排。

这些设计需要遵守学校实际规范。不能要求学生提交未经授权的个人或学校内部资料。

独立解释如何进入评价？

一种可研究的安排是：完成成果后，每位学生从自己的论证中选一条关键材料，解释它的作用，再回应教师提出的一个条件变化。解释可以采用口头或书面形式，并提供合理支持。

仍需验证的问题

这种安排会增加多少教师工作量？怎样保证不同学生获得公平的解释机会？过程证据是否真的提升了判断的准确性？这些问题应在小规模课堂尝试中记录，不能由一个方案直接推断答案。