綜合外媒消息，人工智能正深度重塑學(xué)術(shù)資源獲取模式，讓資源相對(duì)短缺的學(xué)校與學(xué)生也能接觸到海量學(xué)術(shù)資料，這無(wú)疑是巨大的進(jìn)步。不過(guò)，當(dāng)一篇碩士論文能列出上百篇參考文獻(xiàn)、展現(xiàn)出寬廣的全球視野時(shí)，一個(gè)更深層次的問(wèn)題引發(fā)了人們的思考：學(xué)生是否真正學(xué)會(huì)了在特定語(yǔ)境下負(fù)責(zé)任地整理、闡釋和傳播知識(shí)。

南非羅德斯大學(xué)教育學(xué)院副教授英格麗德·舒德?tīng)枺↖ngrid Schudel）近期在“大學(xué)世界新聞網(wǎng)”發(fā)文表示，當(dāng)前關(guān)于人工智能與高等教育的討論，大多集中在抄襲、作弊以及評(píng)價(jià)體系改革方面，強(qiáng)調(diào)監(jiān)考和監(jiān)控，卻忽略了人工智能對(duì)學(xué)習(xí)本質(zhì)的影響。實(shí)際上，人工智能已徹底改變了學(xué)生獲取研究成果的方式——只需輸入幾個(gè)提示詞，就能生成全面的參考文獻(xiàn)列表、推薦全球案例研究、檢索各大洲的最新出版物。文獻(xiàn)收集的門(mén)檻降到了前所未有的低。

但舒德?tīng)柼嵝?，撰?xiě)基于本地語(yǔ)境且經(jīng)過(guò)批判性思考的研究論文，才是社會(huì)科學(xué)研究的基礎(chǔ)。人工智能加快了文獻(xiàn)獲取速度，卻也增加了文獻(xiàn)篩選的難度：檢索容易，甄別困難。一篇出色的文獻(xiàn)綜述或概念框架，從來(lái)不是簡(jiǎn)單地羅列參考文獻(xiàn)目錄，而是基于判斷的論證。當(dāng)人工智能將來(lái)自越南的研究、馬來(lái)西亞的會(huì)議論文、加拿大的農(nóng)村案例和南非的小規(guī)模干預(yù)項(xiàng)目調(diào)查無(wú)差別地并列呈現(xiàn)時(shí)，它們看似同樣權(quán)威，實(shí)則忽略了學(xué)術(shù)研究中學(xué)術(shù)論證的獨(dú)特性，包括學(xué)科歸屬、學(xué)術(shù)權(quán)威性以及特定研究背景的相關(guān)性。

舒德?tīng)栒J(rèn)為，在人工智能時(shí)代，負(fù)責(zé)任的學(xué)術(shù)研究和學(xué)術(shù)傳播需要重新審視幾個(gè)關(guān)鍵維度。

首先是學(xué)科維度。不同學(xué)科有不同的方法論，擁有各自的核心爭(zhēng)論、奠基性思想家以及既定的概念工具。比如，將醫(yī)學(xué)領(lǐng)域的研究直接應(yīng)用到科學(xué)教育、教育心理學(xué)或課程理論領(lǐng)域，必須經(jīng)過(guò)嚴(yán)謹(jǐn)?shù)恼撟C。忽視學(xué)科邊界，研究就會(huì)失去根基。

其次是地域維度。地域背景在學(xué)術(shù)研究中常常被簡(jiǎn)單處理，“鄉(xiāng)村學(xué)?！被颉叭鮿?shì)環(huán)境”常被當(dāng)作背景描述而非分析范疇。然而，地域?qū)虒W(xué)法有著深刻影響，不同地域的資源可獲得性、教師分布、語(yǔ)言習(xí)慣和社區(qū)動(dòng)態(tài)都會(huì)改變教育干預(yù)的有效性。雖然現(xiàn)在學(xué)生能方便地接觸到全球性的研究成果，但這種全球性視野對(duì)本地問(wèn)題產(chǎn)生的影響并不明確。舒德?tīng)枏?qiáng)調(diào)，高質(zhì)量的學(xué)術(shù)研究需要“全球本土化”，也就是將全球研究與當(dāng)?shù)貙?shí)際情況細(xì)致地融合。

再次是時(shí)間維度。人工智能工具往往優(yōu)先推送近期文獻(xiàn)，這導(dǎo)致了一種新的偏差：很多文獻(xiàn)綜述里滿(mǎn)是近兩三年的文章，卻很少提及某一學(xué)科領(lǐng)域的基礎(chǔ)性著作。學(xué)術(shù)研究是一個(gè)不斷發(fā)展的譜系，基礎(chǔ)理論確立核心概念，后續(xù)研究對(duì)其進(jìn)行完善、批判或拓展。如果缺乏基礎(chǔ)理論，學(xué)生只引用最新研究，就會(huì)無(wú)法理解研究背后的概念脈絡(luò)。更重要的是，學(xué)術(shù)權(quán)威性被模糊，知名期刊與不知名期刊并列，開(kāi)創(chuàng)性理論家與邊緣作者并肩，學(xué)生難以分辨哪些理論是該領(lǐng)域的基石。

最后是政策背景維度。像課程改革、評(píng)價(jià)體系等結(jié)構(gòu)性因素，深刻塑造了教育實(shí)踐。如果忽視這些政策架構(gòu)所涉及的國(guó)家或地區(qū)背景，文獻(xiàn)綜述可能就不夠嚴(yán)謹(jǐn)，得出的結(jié)論也不準(zhǔn)確。

在舒德?tīng)柨磥?lái)，這些挑戰(zhàn)共同指向一個(gè)核心轉(zhuǎn)變，即在人工智能時(shí)代，檢索不再是稀缺技能，信息辨別能力才是學(xué)者需要掌握的關(guān)鍵技能。學(xué)者必須意識(shí)到，在使用海量參考文獻(xiàn)時(shí)，應(yīng)從知識(shí)的積累轉(zhuǎn)向負(fù)責(zé)任的使用。如果大學(xué)不改變支持和教授學(xué)術(shù)寫(xiě)作的方式，就會(huì)培養(yǎng)出只能編輯出令人印象深刻的參考文獻(xiàn)列表，卻難以真正理解其學(xué)科內(nèi)涵的畢業(yè)生。

舒德?tīng)柋硎?，?yōu)秀的學(xué)術(shù)研究需要明確研究路徑，選擇、比較和關(guān)聯(lián)各種觀點(diǎn)。學(xué)科、地域、時(shí)間和政策背景等因素構(gòu)成了知識(shí)負(fù)責(zé)任傳播的基礎(chǔ)。當(dāng)人工智能讓文獻(xiàn)資料獲取變得容易時(shí)，真正的挑戰(zhàn)不在于找到更多資料，而在于學(xué)會(huì)如何與這些資料建立有意義的對(duì)話。這或許正是人工智能時(shí)代學(xué)術(shù)教育需要回歸的本質(zhì)。

責(zé)任編輯：王俊美

原標(biāo)題：《人工智能時(shí)代需強(qiáng)化學(xué)術(shù)寫(xiě)作規(guī)范》

閱讀原文