ai-learning-boundary-mapper

AI 学习边界映射器

此技能的作用

针对特定作业，逐项生成分析，依据该作业旨在实现的学习目标，标明哪些部分适合借助 AI、哪些部分不受影响，以及哪些部分会因 AI 介入而受到削弱。这是一款面向教师的设计工具，用于重新设计 AI 时代的作业：它以现有作业为基础，生成一份边界图，帮助教师制定具体且有理有据的 AI 使用政策，而不是一概采取“允许使用 AI”或“禁止使用 AI”的立场。其核心观点是，任何一项作业中的不同部分都服务于不同的学习目标——有助于完成某一部分的 AI 辅助，可能会削弱另一部分的学习效果。要求学生同时开展研究（AI 可以帮助概述背景）和提出原创论点（AI 辅助会绕过构建论点所需的认知活动）的论文，应采用针对各部分的政策，而不是统一规定。输出包括目标分析（逐项判断 AI 辅助是支持还是削弱每个学习目标）、作业组成部分边界图、有理有据的 AI 政策建议、可选的 Google 与 AI 聊天机器人工具对比（适用于信息收集任务），以及重新设计建议，以保留学习所必需的挑战，同时允许在确实有帮助的地方使用 AI。这项技能是 metacognitive-monitoring-ai-contexts 的教师设计补充：边界映射可防止元认知风险出现；metacognitive-monitoring-ai-contexts 则在风险出现时加以应对。

证据基础

Wiggins 与 McTighe（2005）确立了逆向设计原则：评估设计应从学习目标（阶段 1）出发，逆向梳理学习证据（阶段 2），再确定学习活动（阶段 3）。这一原则可直接应用于 AI 使用边界的设定：要问的不是“这项作业是否应使用 AI？”，而是“这项作业服务于哪些学习目标？AI 辅助是支持还是绕过这些目标所需的认知活动？”Bjork 等人（2013）记录了能力错觉——即学习者感觉自己学到的内容比实际更多的情况。AI 辅助会产生流畅错觉：借助 AI 完成的任务看起来完整无误，但能够带来持久学习的认知活动却被绕过了。边界图旨在识别最容易受到这一效应影响的作业部分。Kazemitabaar 等人（2023）提供了直接的实证证据：使用 AI 辅助编程的学生完成任务更快、错误更少，但在之后不使用 AI 的任务中表现出较弱的理解能力。此处将这一效应作为识别“受 AI 削弱”部分的范例——凡是将认知过程（而不只是最终成果）作为学习目标的任务，均属于此类。Kirschner、Sweller 与 Clark（2006）证实，对于新手而言，最低限度的指导所带来的学习效果不如明确指导，因为新手学习者需要任务本身带来的认知挑战，才能构建掌握专业知识所需的知识结构。这支持了这样一种判断：移除认知挑战（通过 AI）也会一并移除学习效果。Wineburg 与 McGrew（2019）为工具对比这一维度提供了间接支持：不同的信息工具具有不同的认知特性（可验证的引用与综合推断），学生会受益于明确指导，了解针对不同的信息需求应使用哪种工具。

输入架构

教师必须提供：

• 作业说明： 学生要做什么。例如：“10 年级历史：撰写一篇 600 字的论文，论证《凡尔赛条约》是否是第二次世界大战的主要原因，并至少引用三位具名历史学家的观点”／“9 年级科学：撰写一份关于反应速率实验的实验报告，包括方法、结果、分析和结论”／“12 年级英语：就课堂上学习的两篇文本撰写一篇比较论文”
• 学习目标： 这项作业旨在培养什么能力。例如：“学生学习构建基于证据的历史论证、评估相互竞争的史学解释，并恰当地使用来源证据”／“学生学习根据自己收集的数据撰写科学分析，并得出有效结论”

可选（如有，则由上下文引擎注入）：

• 当前 AI 政策： 目前允许使用 AI 做什么
• 学生年级： 年级
• 学科领域： 学科
• 评估背景： 形成性评估、总结性评估、考试准备
• 是否需要工具比较： 是否纳入 Google 与 AI 的使用指南

提示词

You are an expert in curriculum and assessment design, with deep knowledge of Wiggins & McTighe's (2005) backward design, Bjork et al.'s (2013) research on illusions of competence, Kazemitabaar et al.'s (2023) empirical findings on AI assistance and learning, Kirschner et al.'s (2006) findings on minimally guided instruction, and Wineburg & McGrew's (2019) work on information tool evaluation. You understand that the question for AI boundary-setting is not "is AI helpful?" but "does AI assistance support or bypass the specific cognitive work this assignment requires?"

CRITICAL PRINCIPLES:
- **The learning objective is the boundary.** If the learning objective is "students will construct an argument," then AI-generated arguments bypass the learning, regardless of whether the final product is good. If the learning objective is "students will edit their argument for clarity," AI assistance does not bypass the learning — it supports a stage after the core cognitive work.
- **Blanket AI policies are not justified by this analysis.** The answer is almost never "no AI anywhere" or "AI everywhere." Within any assignment, some components are AI-beneficial, some AI-neutral, some AI-undermining. A defensible policy is component-specific.
- **Process components are more vulnerable than product components.** AI undermines learning most severely when the PROCESS of doing the task is the learning objective. Research, drafting, data analysis, problem construction — these are process objectives. Formatting, spell-checking, citation formatting — these are product objectives where AI assistance is generally neutral.
- **Novelty and transferability are the indicators.** AI is most harmful where students are building new knowledge structures or practising a transfer of learning to a new situation. It is least harmful for rote or clerical tasks. The boundary map should identify which components are knowledge-building and which are not.
- **The tool comparison matters.** For information-gathering tasks, search engines (verifiable citations, current information) and AI chatbots (synthesised inference, no attribution, training cutoff) have fundamentally different epistemic properties. Students should be explicitly directed to the appropriate tool for each information need.

Your task is to generate an AI learning boundary map for:

**Assignment description:** {{assignment_description}}
**Learning objectives:** {{learning_objectives}}

The following optional context may or may not be provided. Use whatever is available; ignore fields marked "not provided."

**Current AI policy:** {{current_ai_policy}} — if not provided, assume no formal policy has been set.
**Student level:** {{student_level}} — if not provided, design for a general secondary school context.
**Subject area:** {{subject_area}} — if not provided, infer from the assignment.
**Assessment context:** {{assessment_context}} — if not provided, treat as a formative assessment task.
**Tool comparison needed:** {{tool_comparison_needed}} — if not provided, include tool comparison guidance if the assignment has a research or information-gathering component.

Return your output in this exact format:

## AI Learning Boundary Map: [Assignment Name]

**Assignment:** [Brief description]
**Key learning objectives:** [List]
**Assessment context:** [How this is assessed]

### Objective Analysis

[For each learning objective, a one-paragraph analysis of whether AI assistance supports, is neutral to, or undermines it — with explicit reasoning from the backward design principle]

| Learning Objective | AI Impact | Reasoning |
|---|---|---|
| [Objective] | Supports / Neutral / Undermines | [Why] |

### Component Boundary Map

[Break the assignment into 4-8 components. For each:]

**Component [N]: [Name]**
- **What students do:** [Description]
- **Serves objective:** [Which learning objective]
- **AI boundary:** AI-BENEFICIAL / AI-NEUTRAL / AI-UNDERMINING
- **Reasoning:** [Why this boundary — what cognitive work AI bypasses or supports]
- **Specific policy:** [Exactly what AI use is permitted or restricted for this component]

### AI Policy Recommendations

[Based on the component analysis, a specific, defensible AI use policy for this assignment. Not blanket allow/prohibit — component-specific guidance in plain language for students]

**Recommended policy statement:**
> [The exact wording a teacher could use in an assignment brief]

**Rationale for each restriction:** [Brief, student-accessible rationale for each restricted component — "AI is restricted here because this component develops [specific skill] that requires you to do the cognitive work yourself"]

### Tool Comparison

[If the assignment has information-gathering components — or if tool_comparison_needed is true:]

**For [information component]: Use [search / AI / library] because:**
[Guidance on which tool to use for which information need, with reasoning about the epistemic properties of each tool]

| Task | Best tool | Why |
|---|---|---|
| [Task] | [Tool] | [Epistemic reason] |

### Redesign Suggestions

[3-5 specific modifications to the assignment that strengthen the boundary between AI-assisted and learning-critical components, without fundamentally changing the assignment]

**Suggestion [N]: [Name]**
- **Current design:** [What the assignment currently asks]
- **Modification:** [What to change]
- **Why it helps:** [How this modification makes the learning-critical component more AI-resistant or makes AI assistance more obviously beneficial]

**Self-check before returning output:** Verify that (a) the objective analysis is specific to these learning objectives, not generic, (b) each component boundary is justified by a clear reasoning from the backward design principle, (c) the policy is component-specific rather than blanket, (d) the policy statement is in plain, student-accessible language, and (e) redesign suggestions are practical modifications, not wholesale rewrites.

输出示例

情境： 作业说明：“10 年级历史论文：撰写一篇 600 字的议论文，论证《凡尔赛条约》是否是第二次世界大战的主要原因。必须引用至少三位具名历史学家及其观点。下周截止。”／学习目标：“学生将构建基于证据的历史论证；评估相互竞争的史学解释；恰当选择和运用来源证据；使用历史论证的分析性语体写作”／评估背景：“总结性评估——占单元成绩的 30%”

---

AI 学习边界图：关于《凡尔赛条约》的议论文

作业： 撰写一篇 600 字的议论文，论证《凡尔赛条约》是否是第二次世界大战的主要原因 关键学习目标： 构建历史论证；评估史学解释；运用来源证据；使用分析性语体写作 评估背景： 总结性评估——占单元成绩的 30%

目标分析

学习目标	AI 的影响	理由
构建基于证据的历史论证	削弱	如果由 AI 构建论证，学生练习的就只是阅读和编辑 AI 文本，而不是进行历史论证。选择立场并为其构建基于证据的论据这一认知活动被绕过了。这是首要学习目标，因此在此处限制使用 AI 最为关键。
评估相互竞争的史学解释	削弱	比较和评估 Fischer 与 Clark 等历史学家的观点，要求学生理解双方立场、比较其证据质量，并作出有理有据的判断。如果由 AI 完成比较，就绕过了评估所需的认知活动。
选择和运用来源证据	削弱	学生选择要使用的证据并将其融入论证，是知识建构的一部分。由 AI 选择证据会绕过这一过程。不过，AI 帮助查找某位特定历史学家的著作是否存在（书目辅助）不会产生影响——学习目标是使用证据，而非查明其出处。
使用历史论证的分析性语体写作	部分削弱	学习新的语体需要练习。不过，使用 AI 改进学生自己撰写的草稿（发展性编辑），不同于使用 AI 生成草稿。前者能够提供支持，后者则会产生削弱作用。

组件边界图

组件 1：研究——确定相关历史学家及其观点

• 学生要做什么： 研究哪些人曾探讨凡尔赛条约是否导致了第二次世界大战，以及他们的观点是什么
• 服务的目标： 评估史学解释
• AI 边界： AI 中立，但有限制
• 理由： 查找费舍尔提出了 X 观点属于信息检索；理解和评估费舍尔的观点才是学习任务。AI 可以帮助查找“哪些历史学家值得关注”——但学生必须自己阅读并理解这些观点。
• 具体政策： 你可以使用 AI 查找相关历史学家，并简要了解他们的立场。对于你引用的每位历史学家，你必须至少阅读一份一手或二手资料。

组件 2：规划论点

• 学生要做什么： 确定立场，并规划基于证据的论证
• 服务的目标： 构建历史论证
• AI 边界： AI 有损学习
• 理由： 构建论证是核心学习目标。让 AI 规划会绕过决定论点及其支撑方式这一关键认知过程。
• 具体政策： 不得使用 AI 规划论点。你的计划必须手写，或在没有 AI 帮助的情况下完成。

组件 3：撰写论文

• 学生要做什么： 运用历史写作的分析性文体撰写论证
• 服务的目标： 历史论证与文体
• AI 边界： AI 有损学习
• 理由： 主要学习就发生在这个环节。写作就是思考——提出论证的过程就是形成理解的过程。让 AI 起草会完全绕过这一过程。
• 具体政策： 初稿必须由你本人撰写。我们会将你的初稿与在网上找到的 AI 输出进行比对。

组件 4：修改与编辑

• 学生要做什么： 改进初稿——提升清晰度、结构和论证力度
• 服务的目标： 运用分析性文体写作（发展阶段）
• AI 边界： AI 中立至有益，但有限制
• 理由： 学生完成真实的初稿后，使用 AI 找出论证结构中的弱点，或建议更清晰的措辞，属于发展性反馈，而非生成论证。原始思考仍属于学生本人。
• 具体政策： 完成由你本人撰写的初稿后，你可以使用 AI 提问：“你认为我的论证结构有哪些弱点？”或“这一段清楚吗？”不要让 AI 重写段落——让它指出问题，由你来修改。

组件 5：引文格式

• 学生要做什么： 正确排版引文
• 服务的目标： 不属于上述任何目标
• AI 边界： AI 有益
• 理由： 引文格式整理属于文书工作，不服务于上述学习目标。在这方面使用 AI 可以节省时间，且不会影响学习。
• 具体政策： 允许并鼓励使用 AI 引文格式工具。

AI 政策建议

建议的政策声明：

对于这篇论文：AI 可用于 (1) 查找相关历史学家并简要了解他们的立场——但对于你引用的每位历史学家，你必须至少阅读一份资料；(2) 为你已经写好的初稿提供反馈——问它“我的论证有哪些薄弱之处？”，而不是“帮我写一个更好的版本”；(3) 排版引文。不得使用 AI 规划论点、撰写初稿或重写论文段落。计划必须手写。初稿必须由你本人撰写。

各项限制的理由：

• “不得使用 AI 规划：决定论点及其支撑方式，就是这篇论文旨在培养的技能。如果由 AI 做出决定，你就无法练习这项技能。”
• “不得使用 AI 起草：撰写论证是培养本单元所关注的历史思维的方式。如果由 AI 来写，你就会错过学习机会。”

工具比较

任务	最佳工具	原因
查找哪些历史学家撰写过关于凡尔赛宫的内容	搜索引擎（Google Scholar、图书馆数据库）	搜索可以找到真实且可引用的来源；AI 可能会给出真实的历史学家姓名，但也可能捏造具体论文
简要了解某位历史学家的论点	AI 聊天机器人（需核实）	AI 适合快速总结，但在依赖总结之前，应对照真实来源进行核实
查找某个来源的出版日期或完整标题	图书馆数据库或出版商网站	AI 可能会给出看似可信但错误的书目信息；务必核实
检查你的论证结构是否清晰	AI 聊天机器人	对已完成的草稿提供结构方面的反馈，是很适合使用 AI 的场景

重新设计建议

建议 1：增加手写计划提交环节

• **当前设计：**学生提交论文；没有要求完成中间环节
• **修改方案：**要求学生在论文截止日期前一天提交手写论文计划（论点 + 证据提纲）
• **帮助原因：**让 AI 规划更容易被发现，并改变激励机制——无论如何，没有自行规划的学生都得从头写一份计划

建议 2：加入“历史学家选择理由”栏

• **当前设计：**学生引用历史学家，却不解释选择他们的原因
• **修改方案：**增加一项要求：每引用一位历史学家，都要用一句话解释你为何选择该历史学家的论点，以及它对你的论证有何补充
• **帮助原因：**AI 无法生成这句话而不暴露其参与，因为这要求学生阐明自己的评价性推理

建议 3：用指定的来源集替代开放式研究阶段

• **当前设计：**学生独立开展研究
• **修改方案：**向学生提供 4-5 段历史学家摘录供其使用——他们不能引用来源集之外的历史学家
• **帮助原因：**完全取消研究阶段（降低该阶段的 AI 风险），并将全部学习时间集中于围绕指定来源集进行论证和评价

---

已知局限

1. **这项技能分析的是作业设计，而非学生行为。**一项站得住脚的 AI 政策无法阻止 AI 使用——它能明确划定边界的学习理由、改变激励机制，并为教师开展检测和反馈提供有原则的依据。决意全程使用 AI 的学生仍然可以这么做。

2. **AI 检测并不可靠。**声称能检测 AI 生成文本的工具，误报率和漏报率都很高。边界建议不应依赖可靠检测，而应设计成让 AI 的使用要么确实无害，要么在教育过程中显而易见。

3. **设定边界会带来公平性影响。**无力负担私人辅导的学生，可能会依赖 AI 作为认知支架，其作用类似于昂贵的私人辅导——统一限制 AI 可能会让他们处于尤为不利的境地。教师应考虑，对于已确认有支持需求的学生，是否可以在 AI 不影响评价的环节允许更多使用。

4. **将逆向设计具体应用于 AI 的实证验证仍然有限。**逆向设计原则（Wiggins & McTighe，2005）以及认知负荷／能力错觉的证据基础，在一般学习设计方面都有充分证据支持。将其具体用于设定 AI 使用边界虽有原则依据，但仍属新领域——目前尚无大量实证证据说明，哪些类型的 AI 使用边界最能在允许有益使用 AI 的同时保全学习效果。