大學課堂強制用 AI 寫作業：協同修改比直接甩提示詞好得多

當大多數老師還在絞盡腦汁用檢測工具抓學生作弊時，沃頓商學院教授 Ethan Mollick 卻反其道而行之。

本學期，他在自己的三門本科和研究生創新創業課上明確立了規矩：學生必須使用 AI 工具完成作業。這不僅包括構思方案、寫材料，還要拿 AI 做圖甚至做應用。這週他又拿到了新版 Bing 的測試許可權，直言過去的 AI 預期已經全過時了。

經過一段時間的教學實驗，他交出了一份很有意思的課堂觀察報告。

只給一句話，AI 就只能寫出 C- 水平的平庸論文

許多老師抱怨學生交上來的 AI 文章假大空，Mollick 覺得原因很簡單：只要沒經過專門訓練，幾乎所有人一上來用 AI 的方式全都是錯的。

他在課堂上佈置了一次「合法作弊」實驗。學生需要讓 AI 生成一篇關於領導力或團隊協作的五段式論文，配一張圖，並且必須嘗試至少五次提示詞，最後寫反思。絕大多數人第一次嘗試都是直接把作業要求粘進去，頂多加一句用學術口吻寫，結果出來的全都是平庸的及格分水平。

逼著學生改了五次提示詞後，人群分化成了三種路線。

第一種是小修小補，繼續指望 AI 自己發揮，結果寫出來的東西依舊假大空。第二種是往提示詞裡拼命加背景知識和限制條件，雖然質量提升了，但學生總覺得像在抽盲盒，很難精準微調。

效果最好的是第三種：協同編輯。學生不再指望一次性生成完美答案，而是像導師帶助手一樣，告訴 AI 哪一段概念不對、事實有誤，要求換掉特定段落或增加案例。這種來回拉扯不僅產出的文章質量最高，學生在挑刺和糾錯的過程中也學到了最多專業知識。

幻覺沒騙過學生，但舉手提問的人變少了

很多人擔心 AI 胡說八道會誤導學生，但實驗結果顯示這可能有點多慮了。因為課堂規定學生必須對最終事實全權負責，大家對挑錯反而格外上心。學生不僅能抓出編造的引用和虛構故事，甚至能指出 AI 抓住了案例骨架，但丟失了核心語境。

在偏見問題上也是如此。學生很快發現影像生成工具預設把商學院學生全畫成男性，並主動在提示詞裡調整，試圖反映真實的班級多元度。

AI 的全面介入確實大幅拉高了學生期末商業專案的整體質量和團隊參與度。但 Mollick 也發現了一個隱憂：課堂上舉手提問的人明顯變少了。私下一問才發現，很多同學聽不懂時不再當場舉手，而是打算課後私下讓 ChatGPT 解釋給自己聽。

為什麼重要

我們認為，這項教學實驗最聰明的地方，在於徹底打破了「AI 會讓學生停止思考」的非黑即白論調。把 AI 當成單向輸出的自動販賣機，得到的一定是垃圾；但如果把它當作對練的實習生，由人類負責審查、推敲邏輯和核對事實，教學過程反而從死記硬背變成了高階的批判性思維訓練。

對普通人和職場人來說，這也是一份現成的工作流指南。別再迷信單次寫出完美提示詞的神話，拿出一兩句話直接讓模型出方案，註定只能拿到平庸的及格線成果。像編輯審稿一樣多輪互動、段落級微調、指定角色並即時糾偏，才是目前用好大模型的最優解。

不過，課堂提問減少的現象也給所有人提了個醒。當 AI 成為永遠有耐心、絕不嘲笑你的私人導師時，公共場合的思想碰撞和即時追問很可能會被消解。如何避免人機互動退化成封閉的舒適圈，是接下來的教育者和工具開發者必須面對的新課題。