第 14 / 26 个单元主动学习与知识建构区
第 13 章 先定义问题,再向 AI 提问
核心问题怎样把“我没学会”变成可以观察、解释和验证的差距?
“帮我学懂这门课”是一个真实愿望,却不是一项已经定义好的任务。AI可以立即生成课程计划:每天读多少页,看哪些视频,完成几道练习。计划可能周密,仍然没有回答最关键的问题——你现在不会的究竟是什么。
有人卡在概念,有人卡在题目识别,有人能计算却不会解释,有人只是没有形成稳定练习。若困难不同,所需材料、练习和反馈也不同。问题没有定义清楚,AI越高效,越可能把人带到错误方向上。
工程思维在这里用于把“感觉没有学会”转换为可以观察、可以提出原因假设、可以验证变化的差距。它服务于诊断,不要求个人学习照搬项目管理流程。
先区分现象和解释
一名学生说:“我不会这部分力学。”追问以后,他描述了具体情况:沿着例题可以算出答案,题目改变受力方向后,就不知道该画哪几个力。
“换题后不会画受力图”是现象。“基础差”“公式不会”“空间想象不足”都是对原因的解释。解释可能成立,也可能只是第一反应。若直接把解释当成问题,AI会围绕它提供大量建议,却没有机会检验真正的障碍。
可以把起点写成两行:
观察到的现象:能复现例题步骤,条件变化后无法独立建立受力模型。
当前原因假设:也许没有理解约束与力的对应关系,而不只是公式记忆不足。
这两行故意不追求完整。它们的作用是把事实与猜测分开。后续练习若表明学生其实能够识别全部受力,只是在分解方向上出错,原因假设就应修改。问题定义允许被证据推翻,才具有工程意义。
从现状到目标,需要写出一个可验证差距
“提高能力”“深入理解”“系统掌握”听起来积极,却无法验收。目标状态应当描述可观察表现,并与当前学习阶段相匹配。
对刚才的例子,目标可以是:面对三道改变接触面方向或连接方式的基础题,能够独立画出受力图,解释每个力来自哪个相互作用,并说明为什么没有添加某些常被误画的力。
这比“学会力学”窄,也比“做对三道题”更有信息。只写正确率,可能掩盖蒙对和模仿;增加解释要求,才能检查模型是否真正建立。
一个可执行的问题定义通常包含六项:
- 对象:具体概念、技能或任务是什么;
- 现状:已经能做什么,在哪种变化下失败;
- 原因假设:目前认为差距可能来自哪里;
- 目标表现:学习后能够完成什么;
- 约束:时间、材料、课程范围和不可使用的数据;
- 验收测试:用什么新问题判断能力是否迁移。
六项不必写成表格。它们更像一份思考底图,用来决定后面哪些资源值得投入。
把一句“研究证明”放进问题底图
后面几章将反复使用另一条构造材料:某份课程练习说,“经常使用AI辅助复习的学生平均成绩更高,因此AI提高了成绩。”它不是现实调查,也不能作为事实引用。
若直接问AI“请证明这句话”,任务已经把因果结论偷偷写进了前提。先按六项底图重写:
- 观察到的现象:在一份构造的课程问卷中,两组学生的平均成绩不同;
- 当前原因假设:AI辅助复习可能有帮助,也可能是原本投入更多、基础更好的人更常使用AI;
- 目标表现:能够区分样本中的相关描述与因果主张;
- 资料范围:只使用练习提供的方法说明和结果表;
- 本轮任务:判断原句写强了哪一步,并改成证据能够支持的表述;
- 验收测试:换成“自习小组与成绩”的新例子,仍能指出其他解释和所需证据。
这样,下一步不再是让AI围绕既定结论堆材料,而是调查“现有证据允许写到哪里”。C14会把这项调查做成一张完整证据卡,C15再把卡片里的断言、解释和未知连成图。
问题、任务、提示词和测试处在不同层
这四个词经常被压成“怎样写一个好Prompt”。实际上,它们解决的是不同问题。
问题描述现实差距:面对条件变化时,无法独立建立受力模型。
任务限定本轮交付:基于教材指定章节,比较三个典型受力情境,形成一页解释和三道变化题。
提示词把当前步骤交给AI:提供教材中的定义和自己画错的一道虚构示例,请AI指出模型中可能遗漏的相互作用,并给出两个反例。
测试判断学习是否发生:关掉AI,完成一组没有见过的新题,并解释受力来源。
提示词是任务接口,不是问题本身。它可以让输出更清楚,也可以约束格式和范围;它不能替人决定学习目标是否正确,也不能证明最终能力已经形成。
把大量时间投入“万能提示词”,却没有定义验收测试,是常见的供给侧错误:围绕手中工具优化表达,而没有先确认学习者真正需要跨过哪道障碍。
AI最适合帮助挑战原因假设
问题定义不能全部交给AI,但AI可以成为有用的反方。
把现象和当前假设交给它,要求它提出其他可能解释。例如,学生不会画受力图,可能因为没有理解相互作用,也可能因为不能稳定识别研究对象,或者把运动方向误当成力的方向。随后为每个假设设计一个低成本区分办法:换一道不需要计算的概念题,看错误发生在哪一步。
这种用法比“给我一套完整学习计划”更有价值,因为它增加的是诊断信息。AI提出的替代解释仍是候选,是否成立要由教材、作答过程和教师反馈判断。
AI还可以检查问题描述中的空词。若目标写着“全面提升”,它可以追问提升哪种表现;若任务写着“分析资料”,它可以追问产出是比较表、论证还是决定;若约束没有说明资料范围,它可以提醒权限和版本。但最终取舍来自课程要求、学习阶段和现实后果。
一个问题定义得好不好,要看它能否改变下一步
问题描述不是为了填满一张卡。它要直接影响资源选择和行动。
如果障碍是概念边界,下一步应比较定义和反例;如果障碍是题目识别,应练习分类与变化;如果障碍是计算熟练度,可能需要分布练习;如果障碍来自先修知识缺口,就应回到前置概念。四种困难都可能被一句“不会做题”遮住。
问题定义还要给出停止条件。材料出现冲突,AI开始引入课程范围外的高级结论,或者错误涉及健康、安全、学业处分和专业责任时,应转向教师、正式文件或相应专业人员。停止意味着当前资源不足以继续作判断,也为下一步补充资料或寻求帮助留下了明确入口。
到这里,那名学生没有得到一份“全面提升力学”的计划。他只留下两张纸:一张写着受力图错误发生在哪一步,另一张写着下一组变化题怎样验收。问题变窄以后,缺口反而第一次看得见。
“AI复习与成绩”的练习还停在另一处缺口:观察已经写下,因果解释尚未成立。下一章从这里继续。