本报综合外媒报道人工智能正在深刻改变学术资源获取的格局，使得以往资源匮乏的学校和学生也能接触到海量学术资料，这无疑是一项重大进步。然而，当一篇硕士论文可以列出上百篇参考文献、展现出广阔的全球视野时，一个更深层的问题引发了人们的思考：学生是否真正学会了在特定语境下负责任地整理、阐释和传播知识。
南非罗德斯大学教育学院副教授英格丽德·舒德尔（Ingrid Schudel）近日于“大学世界新闻网”撰文称，当前关于人工智能与高等教育的讨论大多聚焦于抄袭、作弊和评价体系改革，强调监考与监控，却忽视了人工智能对学习本质的影响。事实上，人工智能已经彻底改变了学生获取研究成果的方式——只需输入几个提示词，就能生成全面的参考文献列表、推荐全球案例研究、检索各大洲的最新出版物。文献收集的门槛前所未有地降低了。
然而，舒德尔警告，撰写基于本地语境且经过批判性思考的研究论文，才是社会科学研究的基础。人工智能加速了文献获取，但也增加了文献筛选的挑战：检索容易，甄别很难。一篇优秀的文献综述或概念框架，从来不是简单地罗列参考文献的目录，而是基于判断的论证。当一项来自越南的研究、一篇马来西亚的会议论文、一个加拿大的农村案例和一项南非的小规模干预项目调查被人工智能无差别地并列呈现时，它们看似同样权威，实则忽略了学术研究中学术论证所具有的独特性——学科归属、学术权威性以及特定研究背景的相关性。
舒德尔认为，在人工智能时代，负责任的学术研究和学术传播需要重新审视这些关键维度。
首先是学科维度。不同学科遵循不同的方法论，拥有不同的核心争论、奠基性思想家以及既定的概念工具。例如，将医学领域的研究直接应用于科学教育、教育心理学或课程理论领域，必须经过严谨的论证。忽视学科边界，研究就会失去根基。
其次是地域维度。地域背景在学术研究中往往被简单处理，“乡村学校”或“弱势环境”常被当作背景描述而非分析范畴。然而，地域深刻影响了教学法，不同地域的资源可获得性、教师分布、语言习惯和社区动态都会重塑教育干预的有效性。尽管当前学生能便利地接触到全球性的研究成果，但这种全球性视野对本地问题所产生的影响并不明确。舒德尔强调，高质量的学术研究需要“全球本土化”——将全球研究与当地实际情况细致地融合。
再次是时间维度。人工智能工具往往优先推送近期文献，这导致了一种新的偏差：很多文献综述充斥着近两三年的文章，却鲜少提及某一学科领域的基础性著作。学术研究是一个不断发展的谱系，基础理论确立核心概念，后续研究对其进行完善、批判或拓展。如果缺乏基础理论，学生只引用最新研究，就会导致其不能理解研究背后的概念脉络。一个更重要的问题是，学术权威性被模糊，知名期刊与不知名期刊并列，开创性理论家与边缘作者并肩而立，学生难以分辨哪些理论是该领域的基石。
最后是政策背景维度。例如，课程改革、评价体系等结构性因素，深刻塑造了教育实践。如果忽视这些政策架构所提出的国家或地区背景，文献综述可能就不够严谨，得出的结论也是不准确的。
在舒德尔看来，这些挑战共同指向一个核心转变，即在人工智能时代，检索已不再是稀缺技能，信息辨别能力才是学者需要掌握的关键技能。学者必须意识到自己在使用海量参考文献时应从知识的积累转向负责任的使用。如果大学不改变支持和教授学术写作的方式，就会培养出只能够编辑令人印象深刻的参考文献列表却难以真正理解其学科内涵的毕业生。
舒德尔说，优秀的学术研究需要明确研究路径，选择、比较和关联各种观点。学科、地域、时间和政策背景等因素构成了知识负责任传播的基础。当人工智能让文献资料获取变得容易时，真正的挑战不在于找到更多资料，而在于学会如何与这些资料建立有意义的对话。这或许正是人工智能时代学术教育需要回归的本质。
来源 ： 中国社会科学报
责任编辑： 王俊美
新媒体编辑：张雨楠
如需交流可联系我们
热门跟贴