人工智能通识课开出来不难，难的是上完这一学期，学生能判断一条 AI 生成的结论该不该用。判断力不是讲出来的，它分四层，每层都要交出一件能被判的东西：标出错处、留下修改记录、写出验证过程、说清使用边界。这篇按四层往下走，讲清课堂上要换哪三处安排，再落到学时、学期与师资怎么排进培养方案。

一门通识课最容易被上成两种样子。一种是概论课：发展历程、技术流派、典型应用讲满十六周，考试考名词，学生结课时能说出大模型怎么训练，却说不清一段 AI 生成的分析里哪句是编的。另一种是工具课：教注册、教提示词、教生成图片，学生点得很快，换个任务就不知道从哪下手。

两种上法缺的是同一件东西——判断。工具一年换一轮，判断不会过期，学生毕业三五年后用的还是它。

判断力能不能分档，不是教学上的新提法。从业人员能力要求类的标准里，同一岗位的初级与高级，差别常常不在会不会用工具，而在能不能独立判断结果、说清依据。美林数据参与过这类标准的起草，累计参与 40+ 项标准制定，分档的办法由此带回课程设计，也有了下面四层各自可交的产物。

一、判断力分四层，每一层都要交出一件能被判的东西

四层不是四个学期，也不是四门课。它是一门课里的四段，每段结束时学生交一件东西，教师按这件东西判他到了哪一层。

认知层：能标出一段输出哪里不对

这一段要建立的不是原理推导，是「它为什么会错」的直觉。生成式模型的输出是概率上最像人话的续写，不是查过资料的结论，所以会编参考文献、算错数、把两个相似的概念混着用。

作业可以很具体：给一段三百字左右的行业分析，埋三处问题——编造的出处、与给定数据矛盾的结论、把相关当因果的推断。学生标出来并写明依据。

判分看三件事：找到几处、依据是否站得住、有没有把正确内容误判成错误。误判最容易被忽略，却是判断力的另一半——分不清真假的人，和见谁都怀疑的人一样不能用。

体验层：能说清自己改了什么、为什么改

这一段上手工具。但作业不该是「生成一张海报」，而该是修改记录：同一个任务写三版提示词，每版记下改了什么、结果哪里变好、哪里反而变差。

判分看收敛过程：改动是不是针对上一版的具体问题，三版之后结果有没有稳定下来。只交成品，看不出会不会调；交了三版记录，才读得到每次判断的依据。

实战层：能证明这个结果可以用

实战层把工具放进一个完整任务：取数、清洗、跑出结果、验证、返工。产物是一份带验证过程的项目记录，不是一份漂亮的汇报。

要写清三件事：数据从哪里来、用了什么办法交叉核对、哪一步返工了以及为什么返工。判断力在这一层体现为知道自己哪里不确定——能把不确定的地方标出来，比给出一个自信的结论更接近可用。

伦理层：能说清什么情况下不该用

伦理层只有两三个学时，位置却在最后收口。作业给三个情境：把实习单位的原始数据上传到公有模型、用 AI 起草文献综述、把生成的图当作实验结果。学生判断能不能做，依据哪一条规范。

判分不看立场对不对，看依据是否指向具体条款：学术规范、数据安全法、著作权与署名约定，约束的是不同行为，混成一句「要注意合规」不算判断。

四层里最容易被压缩的是实战层与伦理层：前者耗时，产出不好看；后者学时少，常被当成附加内容。判断力恰恰在这两层成型——只做前两层，学生停在「会用」。

二、四件产物要能判得下去，素材、任务与量规得先对上

四层的要求都不复杂，落到一个班几十人、来自十几个专业的课堂上，就变成三个具体问题：素材够不够分、任务怎么留、分凭什么给。

素材：同一个场景，按学科与职业群各切一刀

一门课面向全校，素材不能只有一套。本科与职教的取材起点不同，方案里分得很清楚：本科 4E 从学科门类往回取，覆盖 14 个学科门类，四段依次是认知、体验、实战、伦理；职教 4S 从职业群往回取，覆盖 19 个职业群，四段依次是素养、技能、行业、规范。

取材起点不同，同一层的问法也不同。同样是实战层，工科问参数优化结果能不能复现，法学问生成内容的责任归谁，医学问辅助判断的边界，艺术学问作品的署名与授权。

这套素材不是为教学编的。美林数据把产业侧的场景做教学化改造，沉淀出 150+ 行业应用案例、1000+ 知识点与 500+ 实验课程，同一个产业场景按学科切一刀，就是不同专业的课堂任务。

任务：公共部分保底，专业部分分层

混班教学最常见的失败是任务只照顾一类学生。可行的做法是把任务拆成两半：公共部分全班同题，专业部分按分组替换。

公共部分练通用判断，比如给输出找错、核来源出处。专业部分换场景不换方法：工科给一组传感器数据，文科给一份访谈记录，医工交叉给一批脱敏影像，要求都是同一套——标出不确定处、给出核对办法。

好处还在于评分可以横向比：方法相同、场景不同，教师判的是同一件事，不必为每个专业各写一套标准。

量规：四个维度、四个档，档与档的差别写在依据上

判断力的分数最难给，因为答案不是单一的。解决办法不是找标准答案，是把量规写在依据上：找到几处问题、依据是否指得出处、有没有误判、能不能说清不确定在哪里。四个维度各分四档，档与档的差别写成一句话，两名教师分别判，分歧不会太大。

过程记录是量规能用的前提。学生每次提问、修改、核对都留在平台里，教师判的是记录，不是成品。美林数据这套通识平台的学情侧记录了知识点掌握度与实践能力画像，量规可以直接挂上去。通识课规模做大之后也只能这么办——一个学期几千份作业，看成品看不出来，看记录才看得出。

承载：账号、教材与备课参照

美林数据的做法是备一层承载：账号统一、任务分发、过程留痕、成绩汇总。配套内容也要对得上，教师备课才有参照——与西安交通大学、厦门大学合编的《大数据与人工智能导论》《数据治理概论》，模块与章节能对照。

三、排进课表时，学时、学期与师资要一起定

课程设计得再好，排不进培养方案就等于没开。这一步有三处要一起定。

学时：32 学时里，别先动实战与伦理

4E 的完整路径是 32 学时：认知 6、体验 14、实战 10、伦理 2 学时。体验与实战合起来占 24 学时，纯讲授只留 6 学时。

学时紧时，最先被砍的往往是实战与伦理，因为这两段不出漂亮的课上成果。可砍掉实战，前两段就退回演示；砍掉伦理，判断力少一半依据。可行的折中是先开认知与体验，把实战与伦理留到大二补齐，而不是从大纲里删掉。

学期：排在大一，把进阶课留给大二

排在大一下学期比较合适：学生已有基本文献检索与数据处理能力，专业方向刚定，内容能与专业导论接上。

大二可以开分学科进阶课，接实战层没做完的部分：把本专业案例做深，或者接一个跨专业小项目。两门课的关系要在培养方案里写清——进阶课不是重复，是把头一年练的方法用到本专业问题上。

师资：三种人分工，比一个人扛一整门课可行

通识课由谁上，常常比用什么教材更决定开课质量。可行的分工是三种人各管一段：机制与工具由信息类院系教师讲，他们讲得清模型为什么出错；学科案例由专业教师提供并带任务，他们知道本专业的判断标准在哪；规范与伦理由图书馆、教务或法学背景的教师承担，学术规范与数据合规本就在其业务范围内。

三种人合上一门课，需要一份共同的教案模板：每段写清讲什么、留什么任务、按什么判。模板不统一，三段就会各讲各的。

四、下一轮怎么改，看首轮留下的三类记录

首轮开完，效果不该只靠问卷。三类记录直接指向该改哪里。

判断类任务的得分分布。 如果全班集中在中间两档，说明难度或量规描述有问题；如果某一档几乎没人，说明这层的教学目标没达到。

任务返工率。 返工多不一定坏，可能是任务真实；完全没有返工，多半是任务太浅，学生一次就过。

跨专业分组的使用情况。 哪些专业的学生在公共任务上做得好、在专业任务上做不下去，能看出素材切得对不对。

三类记录都来自平台，不必额外组织评估。下一轮按记录改任务与量规，比按印象改大纲有效。

五、常见问题

判断力怎么考，能标准化吗？

不能标准化成一个答案，但可以标准化成评分维度。四个维度、四个档，档与档的差别写清楚，双评的分歧能控制在可接受范围。

学生基础差异大，一套任务怎么兼顾？

同一任务设两档要求：基础档完成规定动作，进阶档加一项验证或一次返工。任务相同、要求分档，混班才不至于一半人等、一半人放弃。

没有产业案例，能不能先用公开数据集？

能开课，但判断力的训练会打折。公开数据集的答案往往已知，学生很难遇到「这份数据本身有问题」的情形；产业案例的价值正在于它带着真实的不确定性。

总结：

人工智能通识教育建设的难点，不在开几门课，在这门课能不能让每个专业的学生都练出判断。四层各对应一件可交的产物；产物判得下去，靠切过学科的素材、能分层的任务与写在依据上的量规；排进课表时，学时、学期与师资一起定，首轮才有可改的记录。美林数据这套以 4E／4S 双轨为骨架的通识方案，落点正在这里。