摘要
生成式人工智能（GenAI）在高校学生中的广泛使用，对传统以信息检索和基础整合为主的评价模式构成了根本性挑战。有鉴于此，本文主张不再将人工智能仅用作检测工具，而是积极重构评价方式，着重培养学生的高阶思维能力，以及他们与人工智能进行批判性互动的能力。基于Khlaif等人（2025）提出的AAAE框架（抵制、规避、采纳、探索），本文通过一则英国税法课程的反思性案例研究，分别阐述“采纳”与“探索”两种立场下的具体可行性策略。在“采纳”阶段，教师有意识地将人工智能工具（如定制化的AI导学系统）融入学习流程，用于特定的生成性任务。在“探索”阶段，评价的重心则战略性地转向小组教学中的批判性过程，即在互动式小组研讨课中，学生对AI生成的内容进行评估、讨论和优化。这一双阶段路径不仅加深了学生对专业知识的理解，也系统性地培育了批判性人工智能素养这一核心能力，为学生未来在专业情境中负责任地、批判性地运用人工智能奠定基础。
关键词：人工智能；AAAE框架；批判性思维；评价重构
引言
生成式人工智能（GenAI）正快速融入学生的学习过程，这一趋势必将对高校的教学形态产生深远的影响。过去那种依赖信息检索和基础整合的传统考核方式，在这个新趋势面前越来越难以奏效。如果我们只靠“禁止使用AI”或者依赖不可靠的AI检测工具，这显然不是长久之计。正如Khlaif等人（2025）所说，可持续的做法是主动调整评价方式，优先培养学生的高阶思维能力，从而在教学上建立起更强的韧性。也就是说，我们要从“抵制”和“规避”AI这类防御性姿态，转向更积极的立场——有策略地“采纳”和“探索”人工智能的潜力。
本文将通过一门英国税法课程的案例分析，展示这一教学转型的具体做法。我们将重点说明AAAE框架中的“采纳”与“探索”如何作为两个既相互区别又前后衔接的阶段来操作。案例表明，只要设计得当，人工智能完全可以不是“答案生成器”，而是一个需要学生去批判性分析的结构化对象。通过分别阐述每个阶段的具体操作，我们希望为教育工作者提供一个清晰可行的教学模型，帮助他们把AI带来的挑战，转化为促进学生深度学习和批判性思维的契机
理论框架：如何理解“采纳”与“探索”
AAAE框架（Khlaif et al., 2025）为教育工作者提供了一个战略性的分类工具，用来调整生成式人工智能时代下的评价方式。该框架包含四种立场：抵制（完全禁止AI）、规避（设计AI难以完成的任务）、采纳（允许使用AI但要求批判性审视）、探索（聚焦协作过程和教学创新）。本文集中讨论其中两个积极立场：采纳与探索。
采纳：这个立场是指教师明确允许并有结构地将AI工具融入学习过程，用于完成特定任务。目的是利用AI的生成能力，同时把它的输出定位为后续工作的起点，而不是最终答案。在“采纳”立场下，教师可以明确允许学生用AI来做头脑风暴、起草提纲或生成初步回答，并设计相应的活动来引导这种使用方式。
当然，这种便利也伴随着一个公认的风险：学生可能不加批判地全盘接受AI给出的内容。AI的输出可能包含错误、偏见和编造的信息，也往往缺乏对复杂情境的深入理解（Raji, 2025）。因此，人工智能时代的教育挑战，已经不是简单地提供信息，而是要培养学生评价、质疑、负责任地使用AI所生成信息的能力。
探索：这个立场代表了更高阶的教学理念。在这里，学习的核心不再是“用AI生成什么”，而是与AI互动的批判性过程——学生需要去评估、讨论和优化AI的输出。在“探索”立场下，评价的重心转向元认知能力、协作性批判思维，以及学生用于审视AI生成内容的一套可论证的推理过程。这类活动最适合放在互动式小组研讨课中开展。
接下来我们将具体说明在英国税法课程中如何分别实施这两个阶段，以及如何把它们有机地串联起来。
阶段一：采纳——结构性融入AI工具
“采纳”阶段的落实，主要分为三步：明确政策、提供工具、设计任务。目的是让AI的使用变得正常化，同时引导学生负责任地进行操作。
1. 明确政策与预期
课程大纲和作业说明中要明确告诉学生：允许并鼓励将AI工具用于头脑风暴和知识学习。这种透明的政策减少了“到底能不能用AI”的模糊空间，也缓解了学术诚信方面的担忧，使实际操作与“采纳”这一立场保持一致。
2. 提供定制化的AI导学系统
在“采纳”阶段，我们的一个核心做法是开发和使用了一款针对英国税法的定制化AI导学系统。这款工具基于最新税法条文、英国税法教材和相关案例进行设计，相当于一个24小时在线的数字助教。我们鼓励学生用它来查询复杂问题、生成原理讲解，或者为解答问题搭建初步框架。这一工具是战略性“采纳”的体现——既承认了AI的辅助价值，又把它限定在学科相关的知识范围内。
3. 设计生成性任务
接下来我们在辅导课上，通过具体的任务指令来激活“采纳”阶段。比如，针对一个复杂的税务情景，我们首先要求学生使用AI导学系统或其他允许的工具（如Deepseek）生成一个拟解答。这一任务设计使"用AI完成具体生成任务"成为正当且受鼓励的行为，体现了“采纳”原则。同时，该指令明确将AI的输出定义为“原材料”， 服务于后续更为关键的批判性分析环节。
阶段二：探索——在协作中培养批判性评价能力
“探索”阶段从“采纳”结束的地方开始，把AI生成的内容变成一个需要严格审视和协作批判的对象。
1. 小组内的批判分析
学生以小组为单位，对AI给出的解答进行批判性剖析。我们提供了一些引导性问题，帮助他们聚焦讨论的方向：
准确性与时效性：这个答案反映了最新的英国税法条款吗？
情境适用性：答案里做的假设适用于题目中客户的具体情况吗？
流程正确性：AI是否正确运用了税收减免和计算方法？
专业标准：输出的格式和严谨度符合税务实践的要求吗？
这种结构化的讨论迫使学生在验证观点时，必须去查阅权威来源（如税法条文、官方手册），从而超越了被动接收信息的层面。
2. 把AI的缺点变成学习素材
这个活动有意利用了AI的常见弱点——比如信息可能过时、回答过于笼统、缺乏精细的判断——把这些缺点直接作为学习的核心内容。通过对比有缺陷的AI输出（见图1）与正确的解答（见图2），学生加深了对英国税法知识的理解，也真正体会到了情境判断的重要性。
“采纳—探索”的实践案例分析
在教学中我们发现英国税法课程非常适合采用这种整合式方法：首先，税法涉及大量密集的法条、复杂的计算，而且规则每年都会随政府财政预算更新。因此，尽管AI可基于海量数据进行训练，但要想持续提供准确、及时且贴合具体情境的建议，其天然存在局限——静态模型很可能无法反映最新的税法条款，也难以理解复杂客户场景的独特细节。
基于这一认识，我们在小组研讨课中设计了一项教学活动。在公司税的某一堂课上，我们不再采用传统的解题练习，而是给每组学生一个复杂的税务情境。按照“采纳”阶段的要求，学生首先使用AI导学系统生成一份初步解答。
图1：Deepseek针对一道公司税问题生成的示例答案
然后进入“探索”阶段。各小组协作分析图1中的内容，并对AI给出的答案展开批判性讨论。他们成功识别出一些错误，比如资本减免计算错误、某项减免被误用等。通过小组讨论及共同查阅最新税法规则和官方税务手册，学生们最终形成了一份修正后的、符合专业规范的答案（图2）。
图2：小组讨论修正后的答案
我们通过这一循环方式——先用AI生成（采纳），再协作批判与修正（探索）——将研讨课转变为培养批判性AI素养和深度学科学习的“工作坊”。借助协作讨论，学生成功识别出AI输出中的各种问题：计算错误、条文误解、或仅生成过于笼统的文本，远未达到正式税务计算所要求的精确格式。通过对比AI有缺陷的答案与正确解答，学生对基本原理、正确操作步骤以及必要的专业标准都有了更扎实的理解。通过对比答案、同伴讨论与纠错推理，学生得以摆脱被动接收信息的状态，进而巩固概念、强化准确应用能力、内化程序性知识——这正是源于主动分析与社会意义建构的深度学习。
反思与实施建议
"采纳—探索"模式的成功运用，体现了向积极教学重构的转变——不再主要靠“抵制”和“规避”来应对AI，这与生成式AI时代所倡导的方向一致（Khlaif et al., 2025）。该模式提供了一种实践路径：通过验证机制与真实性评价来维护学术诚信，而非依赖那些并不可靠的AI检测软件；这也呼应了在生成式AI时代强调学生能够展示其对学业成果所有权的相关主张（Raji, 2025）。
为了成功实施这一模式，明确的指导与透明的政策都必不可少。教师需要引导学生经历一个审慎的过程，使其理解AI是工具，而非权威。具体而言，可以从以下几个方面着手：
第一，设定清晰的预期。
课程大纲和作业说明必须明确指出：允许甚至鼓励将AI用于头脑风暴和初步草拟，但AI的输出应该作为批判的起点，而不是终点。一个符合“采纳”和“探索”分类的清晰政策，能够有效减少学生心中的不确定性。
第二，为批判性评价能力搭建支架。
我们不能指望学生未经指导便能有效地批判AI。在最初的几节课上，教师可以先做示范：展示AI对较简单问题的回答，然后带领全班开展集体批判，重点示范如何检查信息的时效性、逻辑一致性以及与情境的契合度。这种示范为学生后续在小组中独立开展批判性工作提供了必要的支撑。
第三，强调过程和元认知。
此类研讨课的评价标准应着重鼓励小组批判性讨论的质量、用于挑战AI的证据力度，以及学生对最终答案进行反思性论证的深度。这一侧重点与AAAE框架中的"探索"原则相契合——即评价学习过程与批判性参与，而非仅关注最终成果（Khlaif et al., 2025）。融入元认知任务可有效落实这一原则，例如在活动后让学生撰写简短反思，阐明自己在税法知识与AI局限性两方面的收获。
第四，培育学术透明的文化。
最后我们可以要求学生记录其AI使用情况，例如附上一份简短声明，说明使用了何种工具、用于何种目的，以及如何对AI输出进行批判性评估与修改。这既符合专业实践规范，也有助于强化负责任使用AI的意识。
结论
综上所述，本文通过英国税法课程的案例，展示了在小组教学中整合生成式人工智能的一种可行路径。通过有意识地设计AAAE框架（Khlaif et al., 2025）中的"采纳"与"探索"两个阶段，我们将AI的广泛使用界定为深化学习的契机，而非需要处处防范的干扰。这一教学转变将关注点从"内容传递"转向"批判性审视、协作性讨论和基于证据的推理过程"。当学生在引导下共同生成、质疑并优化AI产出内容时，他们既强化了专业知识的掌握，也提升了反思性运用数字工具的能力。最终，这一方法所培养的不仅是熟练的技术使用者，更是具有辨识力与伦理意识的思考者——能够在日益由人工智能介导的世界中，做出独立且负责任的判断。
参考文献
Khlaif, Z. N., Alkouk, W. A., Salama, N., & Abu Eideh, B. (2025). Redesigning Assessments for AI-Enhanced Learning: A Framework for Educators in the Generative AI Era. Education Sciences, 15(2), 174.
