AI全面“渗透”澳洲高校，传统考核方式失效！如何评价学生是否优秀？（图）

UNSW副校长 Attila Brungs 此前指出，高等教育应专注于“深度思考和解决问题”，这一观点切中要害。

然而，这一倡议也撕开了高校的遮羞布——长期以来，澳洲大学一直声称其核心价值就在于培养学生的批判性思维、解决问题的能力、沟通技巧、创造力以及专业判断力。

学生将在职场中使用人工智能。他们应在大学里学会善用AI。

引入AI诚然可以帮人类消除繁琐的“事务性杂活”，但教育界目前的难点，在于如何界定哪些是纯粹的文书劳动，哪些是不可或缺的智力训练。

事实上，许多看似繁琐的“机械性任务”，恰恰是学生学习中必经的思维锤炼。阅读艰深材料、核实论据、重构论证逻辑、发现看似合理实则荒谬的答案——这些绝非无用功，而是训练成熟心智的核心过程。

大学的真正职责是提升学生的思维品质，培养自律、博学、对弱证据保持敏锐怀疑，并能在压力下坚持己见的能力。如果高校无法证明其教学能带来这种蜕变，那么所谓的“培养深度思维”就沦为了空洞的宣传口号。

诚然，AI具备搜集、总结、重塑、分类及草拟代用方案的强大功能，充其量能扮演一个得力的学习助手。但它无法独立判断哪些问题真正值得解决，哪些假设具有开创性，哪些信息源可以信赖，又该在面对复杂环境时坚守怎样的结论。

这也印证了古老的苏格拉底教学法：提出一个好问题，往往比得到一个好答案更有价值。在AI时代，平庸的学生直接用AI来索取现成结论；而优秀的学生则会利用AI检验假设、寻找缺失证据、对比不同解释，并引导其生成反驳意见，将理论应用于全新案例中。

提出一个好问题不仅需要创造力，更需要对语境的洞察、清晰的表达以及敏锐的判断力。而判定AI给出的答案是否“不够好”，更极度依赖于学生原有的知识积淀。

如何对这种深层认知进行评估，正是目前大学面临的最大AI挑战。目前，多数高校的应对机制仍停留在“规则许可”、合规自查和行为监控层面。然而，优秀的评估应当展示的是学生的思维演进过程，单纯申报“用或没用过AI”根本毫无意义。

这也暴露了所谓“真实性评估”的最大缺陷。从有监督的传统闭卷笔试，转向更贴近社会实际的创新评估，曾被视为高等教育的重大进步。但在实践中，这沦为了缺乏监管的散文、论文和案例分析，将表面的“相关性”误当成了真正的智力训练成果。如今在AI大潮下，这一体系已不攻自破。

答案是全面拥抱，而非一禁了之

高校广泛推行详细评分标准的做法，反而加剧了作弊危机。过去，独立摸索解题思路也是考核的一部分；如今，聪明的学生早已发现，这些事无巨细的“评分点”原本就是喂给AI生成高分作文的绝佳指令（Prompts）。

因此，高校的唯一出路在于“全面拥抱AI”，而非仅给予有限的许可。既然AI工具实用、廉价、触手可及且已深度嵌入日常软件，大学就绝不该闭目塞听，围绕“学生不会使用AI”的伪假设来制定考核标准。学生终将在未来职场使用这一工具，大学理应教导他们如何善用AI。

当前的挑战在于，高校如何设计出将AI使用作为默认选项、全过程可见、但单凭AI无法独立过关的评估模型。高等教育急需能够适应AI时代的全新考核机制，这远比在教学大纲里加一句限制声明要困难得多。

如今，全球高校面临着前所未有的双重危机：一方面，它们口中所谓的“教授深度思考”早已无法自圆其说；另一方面，作为毕业和资质认证标准的核心评估体系已被AI彻底颠覆。

在供需两端，大学的传统商业模式都在失灵。当只需输入指令就能让机器完成工作时，学生为何还要背负巨额的学费债务，去攻读一个漫长的、混日子的三年制学位？雇主又凭什么为那些AI随手就能生成的工作结果，支付高昂的毕业生薪资？

更大的危机在于大学在行政转型上的举步维艰。尽管校长们手握不菲的薪资，但在分权林立的庞大官僚机构面前，他们其实无力强推改革。院系、学术委员会、外部认证机构、工会，乃至冗长的合规制度，都会成为阻碍AI教学改革的绊脚石。

当下，高等教育亟需重新审视并定义自己的核心价值。坦白而言，这是每个知识密集型行业在AI时代都在经历的阵痛。

但其中也孕育着好消息，即AI为大学“提高学术标准”创造了历史契机。既然学生掌握了如此高效的工具，社会理应对其提出更高的智识预期。而真正令人担忧的是，大学面对变革却依旧故步自封，用空洞的合规表格和多余的官僚审查，构筑起抵御时代巨变的高墙。