生成式AI赋能教育：培养提问技能与理智美德的设计策略

《Episteme》：Teaching Skills and Intellectual Virtues with Generative AI

本文针对生成式AI在教育领域的滥用可能导致学生认知能力退化和创造力丧失的问题，提出了一种旨在培养提问技能和理智美德的新型生成式AI导师（Q-Tutor）设计框架。作者论证了通过精心设计的对话式AI，不仅能帮助学生深入理解、选择有价值的探究主题，还能培育开放心态和创造力等关键理智美德。这项研究为构建与教育目标协同而非冲突的AI工具提供了重要的理论依据和实践路径。

　　

随着生成式人工智能（Generative AI），特别是大型语言模型（LLM）如ChatGPT的普及，教育领域正面临前所未有的挑战。学生们越来越依赖这些工具来完成论文写作、头脑风暴甚至解决复杂问题，这种便利性的背后却隐藏着深刻的危机：教育最核心的目标——提升学生内在认知能力、传授新的智力技能以及培养理智美德（Intellectual Virtues）——正受到严重威胁。越来越多的报告显示，过度依赖AI正在导致学生的“去技能化”（Deskilling），使他们错失了发展批判性思维、创造性写作和深度问题解决能力的关键机会。更令人担忧的是，这种趋势可能侵蚀人类独有的创造力这一智力标志。然而，面对教育AI工具投资的不断增加和全球教育资源分配的不均衡，完全禁止这些技术既不现实也不明智。那么，我们能否重新构想生成式AI的设计，使其从教育的“破坏者”转变为“赋能者”？

正是在这一背景下，德国埃尔朗根-纽伦堡大学哲学与人工智能研究中心（PAIR）的研究员Hadeel Naeem在哲学期刊《Episteme》上发表了题为“Teaching Skills and Intellectual Virtues with Generative AI”的研究论文。该研究提出了一个创新性的解决方案：设计一种名为Q-Tutor的生成式AI导师，其核心目标是教会学生“如何提出好的问题”（Question Well），并以此为基础，培养一系列关键的智力技能和理智美德。

为了回答如何设计能与教育目标协同的生成式AI这一核心问题，研究人员主要采用了哲学分析与概念设计相结合的研究方法。首先，作者对教育的认识论目标（Epistemic Goals of Education）进行了系统的理论梳理，明确了教育在提升先天认知能力、传授智力技能（Intellectual Skills）和培养理智美德三个层面的核心使命。其次，针对生成式AI导致的“去技能化”忧虑，特别是创造力丧失的风险，进行了深入的哲学分析。在此基础上，研究提出了一个具体的生成式AI应用——Q-Tutor的概念设计框架。该框架的核心技术方法是基于大型语言模型构建一个对话式导师系统，其教学设计哲学植根于“通过提问进行教学”的理念，并借鉴了L. Watson关于提问技能的理论以及心理治疗中的引导式对话模式，而非传统的苏格拉底式诘问。设计包含两种核心操作模式：AI主导探究模式和学生主导练习模式，旨在通过个性化的、引导式的对话互动来实现教学目的。

2. Epistemic goals of education

本研究首先厘清了教育的认识论目标。教育不仅仅是知识的传递，更重要的是帮助学生构建理智品格（Intellectual Character）。这包括三个方面：一是发展和提升我们与生俱来的认知能力（Onboard Cognitive Abilities），例如通过正规教育将婴幼儿的原始算术能力（如瞬间识数Subitising）转化为高级的算术技能。二是帮助学生获得新的智力技能，如阅读、写作、批判性思维等。这些技能允许我们执行特定的智力任务。三是培育理智美德，即稳定的认知品格特征，如开放心态（Open-mindedness）、创造力（Creativity）、谦逊（Epistemic Humility）等。与单纯的技能不同，理智美德要求个体不仅熟练掌握相关技能，并且能出于对真理、知识等认知产品（Epistemic Goods）的热爱而习惯性地运用这些技能。因此，教育的最高目标之一是培养学生形成由理智美德驱动的理智品格。

3. Generative AI, deskilling, and creative deskilling

论文接着分析了生成式AI对教育目标构成的威胁。生成式AI（如LLM）是基于海量数据训练、能够生成新内容（文本、图像等）的人工智能系统。当前，学生将写作、头脑风暴、解决问题等核心认知任务外包给AI，导致了严重的“去技能化”问题。技能如同肌肉，需要持续练习才能维持和提升。过度依赖AI使得学生失去了锻炼和提升其先天认知能力（如记忆力、逻辑推理能力）的机会，也阻碍了新智力技能（如高质量写作）的有效获得。其中，“创造性去技能化”（Creative Deskilling）尤为突出。创造力（定义为产生新颖、有价值的思想或制品的能力）是人类智能的瑰宝，但其发展有赖于持续的练习和挑战。当学生将诗歌创作、新颖观点生成等创造性任务外包给AI时，他们实践创造性技能的机会大大减少，长远来看可能导致人类整体创造力的退化。尽管有观点认为新技术会催生新技能（如提示工程Prompt Engineering），但本研究认为，写作、创造性思维等基础技能的价值是永恒的，值得保留。

4. Learning intellectual skills with AI

针对上述威胁，研究者并未止步于批判，而是提出了建设性的解决方案——Q-Tutor的设计。Q-Tutor是一个面向小学生的生成式AI对话导师，其核心理念是通过教授提问技能来带动其他智力技能的发展。根据Watson的理论，良好的提问技能（Questioning Well）是指在正确的时间、向正确的对象提出正确的问题，以获取有价值的信息。这是通往深度理解、选择有价值的探究路线以及其他理智美德的关键门户。Q-Tutor的设计包含两种核心模式：在AI主导探究模式中，AI会就某个主题提出一系列封闭式或开放式问题，引导学生思考，并自然地从学生的回答中衍生出后续问题，示范如何进行有价值的深入探究。在学生主导练习模式中，学生练习提问，AI则扮演支持性的伙伴角色，通过回应和引导帮助学生保持探究主题的专注和深度。通过这种方式，Q-Tutor不仅能直接教授提问技能，还能间接帮助学生学会如何进行有价值的探究（Leading Noble Inquiries）、达成更深层次的理解（Deeper Understanding）（即把握解释性联系Grasping Explanatory Connections），以及建立概念间的个人化联系。这种基于对话的、个性化的学习方式有助于激发学生的好奇心和求知欲。

5. Cultivating intellectual virtues with AI

研究进一步论证，Q-Tutor的设计有望超越技能培养，助力理智美德（尤其是开放心态和创造力）的培育。理智美德的培养需要两个条件：熟练掌握相关技能，以及出于对认知产品的热爱而运用这些技能。根据H. Battaly的观点，美德教育需要介绍美德、提供实践技能的机会和展示典范（Exemplars）。而M.S. Brady则强调激发理智情感（Intellectual Emotions）（如好奇、惊奇）的重要性。Q-Tutor可以通过以下方式促进开放心态：设计提示（Prompt）让LLM鼓励学生思考多种答案，权衡不同观点，反思自身推理，从而实践考虑替代视角的技能。为了培养创造力，Q-Tutor可以被提示提出各种“假如”（What-if）问题、角色扮演问题和开放式问题，激励学生进行非常规思考，生成新颖想法。研究特别提出，Q-Tutor的对话风格应借鉴心理治疗师而非苏格拉底的方式，即更多地引导学生发现属于自己的答案和见解，从而促进真正的、个性化的创造性突破（包括个人创造性P-creativity和历史创造性H-creativity）。此外，可以增加“讲故事模式”（Storytelling Mode），根据学生的兴趣生成体现特定美德（如蜘蛛创造性织网）的奇想角色（Whimsical Characters）故事，以此作为典范，激发学生的理智情感，为美德的形成奠定情感基础。

结论与意义

本研究系统地回应了生成式AI在教育领域引发的“去技能化”忧虑，并提出了一个积极的、建设性的应对方案。研究表明，通过精心的哲学引导和教学设计，生成式AI不仅不必成为教育目标的破坏者，反而可以成为培养关键智力技能和理智美德的有力工具。Q-Tutor的概念设计提供了一个具体可行的范例，展示了如何利用AI的可扩展性和个性化优势，通过以提问为核心的教学法，帮助学生学会提问、深入理解、进行有价值的探究，并初步培育开放心态和创造力。

这项研究的重要意义在于：首先，它为开发与教育根本目标相一致的教育AI产品提供了清晰的理论框架和设计原则，具有重要的实践指导价值。其次，它将哲学中的美德认识论（Virtue Epistemology）与人工智能教育应用紧密结合，为跨学科研究提供了新思路。最后，在面对技术带来的挑战时，研究倡导的是一种积极引导和创造性利用的立场，而非简单禁止，这对于如何在技术时代守护和提升人的内在价值具有深刻的启示作用。当然，如作者所言，将这种设计付诸实践还需要解决技术实现（如长期记忆检索Augmented Memory）和安全伦理等诸多问题，未来的实证研究（如Orona等人采用的方法）也将是检验其有效性的关键。这项工作为未来人机协同的教育模式开辟了一条充满希望的道路。