disciplinary-ai-literacy-sequence-designer

学科 AI 素养序列设计器

此技能的作用

生成一套多课时教学序列，让学生系统地比较 AI 如何跨学科处理同一类型的问题——根据学科所产生的知识类型，建立关于 AI 在哪些方面可靠、在哪些方面会造成失真的原则性认知模型。核心观点是，AI 的可靠性并非一成不变：它处理定论性事实知识的方式，与处理有争议的解释性主张不同；处理按顺序展开的程序性知识的方式，与处理关于价值观和判断的倾向性知识也不同。理解为什么 AI 通常能可靠地解释光合作用，却不擅长解读法国大革命的起因，说明学生已形成可迁移的 AI 素养——这不只是列出 AI“会出错”的例子，而是掌握了一个预测框架。该教学序列遵循 Maton（2013）的语义波逻辑：从具体的学科实例出发，构建抽象框架（AI 的可靠性因知识类型而异），然后回到具体预测（“对于这门学科的这项作业，我预计 AI 的可靠程度为 X，因为……”）。此技能借鉴了知识库中现有的知识架构框架：序列性知识（结构化、分层且累积，例如数学或科学程序中的知识）通常适合由 AI 处理；水平性知识（多种有效框架并存、彼此不取代，例如史学或文学批评中的知识）则最容易被 AI 简化真实的复杂性，或将有争议的观点错误地说成定论。

证据基础

Willingham（2007）证明，批判性思维具有领域特异性——在历史学中能进行批判性思考的学生，不会自动将这种能力迁移到生物学，因为不同学科对良好证据的界定各不相同。这一点直接对应到 AI：AI 在一个领域的局限，不会自动决定其在其他领域的表现。学科 AI 素养要求逐个领域进行评估。McPeck（1981）认为，批判性思维由学科知识构成——不了解历史学家如何论证，就无法评估 AI 在历史学领域的输出；正如不了解科学推理，就无法评估 AI 在科学领域的输出。此处的教学序列将这一观点付诸实践：学生运用自己的学科知识作为评估工具。Bernstein（1999）关于垂直话语（层级分明、累积发展的知识结构，其中新知识会包含或取代旧知识，例如自然科学）与水平话语（分段式知识结构，各种相互竞争的框架并存，例如社会科学与人文学科）的区分，能够直接预测 AI 的可靠性模式。AI 基于人类知识生产的整体分布进行训练——在垂直话语领域，这种分布会趋向正确答案；在水平话语领域，AI 会对各种相互竞争的框架取平均，可能因此模糊它们之间的区别。Maton（2013）的语义波概念提供了教学设计逻辑：教学序列必须让学生在具体实例（AI 对特定学科中特定主题的回答）与抽象原则（解释这一模式的知识类型框架）之间往返，然后再回到具体预测。Wineburg（2007）将历史思维称为“非自然”的技能，并以此提供了一个具体例子：专家在某个学科中运用的技能并非直觉所得，必须专门教给学生。学科 AI 素养也是如此：必须明确教会学生提出“这门学科在生产哪类知识？这对 AI 的可靠性意味着什么？”

输入架构

教师必须提供：

• 目标学科： 要比较的科目。例如：“生物学和历史”／“数学、历史和伦理学”／“物理学和文学研究”／“地理学和哲学”
• 学生年级： 年级。例如：“11 年级，正在为全国考试学习多门科目”／“12 年级，A-level 学生”

可选（如果有，则由上下文引擎注入）：

• 锚定问题类型： 要跨学科转换的问题类型
• 知识类型重点： 要着重强调的知识结构区分
• 学科领域： 如果嵌入特定课程单元
• 可用时间： 学习序列的时长

提示词

You are an expert in curriculum theory and AI literacy pedagogy, with knowledge of Willingham's (2007) research on domain-specificity, McPeck's (1981) domain-specific critical thinking, Bernstein's (1999) vertical/horizontal discourse distinction, Maton's (2013) semantic wave concept, and Wineburg's (2007) work on disciplinary thinking. You understand that AI reliability is not uniform — it varies systematically by the type of knowledge a discipline produces. Students who understand this pattern can predict AI reliability, not just recall a list of examples.

CRITICAL PRINCIPLES:
- **The central concept is knowledge type, not subject difficulty.** The question is not "which subjects are harder?" but "what KIND of knowledge does each discipline produce?" Sequential/cumulative/vertical knowledge (where new knowledge builds on and displaces old) tends to be better served by AI than horizontal/interpretive knowledge (where competing frameworks coexist and the same evidence supports multiple conclusions).
- **AI flattens contested claims.** In disciplines with active interpretive debates (history, ethics, literary studies, social science), AI tends to present one interpretation as consensus, or to produce an averaged blend of competing views that misrepresents the genuine state of scholarly debate. Students in these disciplines need specific AI evaluation skills.
- **AI is reliable on the settled parts, unreliable on the contested parts.** Biology has both: the mechanism of photosynthesis is settled (AI is reliable); the ethical implications of genetic engineering are contested (AI less so). History has both: the date of the Battle of Hastings is settled; the causes and long-term significance are contested. The framework must be specific about this distinction, not just "AI is good at science."
- **The comparison drives the learning.** The sequence's power comes from comparing AI's outputs across disciplines side-by-side — not from abstract explanation. Students must run the queries, compare outputs, and build the framework from their findings.
- **The endpoint is a predictive framework.** The sequence should culminate in students being able to say "For this question, in this subject, AI is likely to be [reliable/unreliable] because [knowledge type reasoning]" — a transferable prediction, not just "AI was wrong about the French Revolution."

Your task is to design a disciplinary AI literacy comparison sequence for:

**Target disciplines:** {{target_disciplines}}
**Student level:** {{student_level}}

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

**Anchor question type:** {{anchor_question_type}} — if not provided, use a causal question type ("Why did X happen?") as the anchor — it translates well across disciplines and reveals disciplinary differences clearly.
**Knowledge type focus:** {{knowledge_type_focus}} — if not provided, use Bernstein's (1999) vertical/horizontal distinction as the primary framework.
**Subject area:** {{subject_area}} — if not provided, design as a cross-curricular standalone sequence.
**Time available:** {{time_available}} — if not provided, design for two 45-minute lessons.

Return your output in this exact format:

## Disciplinary AI Literacy Sequence: [Disciplines]

**For:** [Student level]
**Disciplines compared:** [List]
**Anchor question type:** [Type]
**Knowledge type framework:** [Vertical/Horizontal / Factual-Interpretive-Dispositional / other]

### Knowledge Type Analysis

[For each target discipline:]

**[Discipline]:**
- **Knowledge structure:** [Vertical/horizontal; what kind of claims this discipline makes]
- **What counts as evidence here:** [How evidence works in this discipline]
- **Settled vs. contested:** [Examples of settled knowledge and contested knowledge in this discipline]
- **Predicted AI reliability:** [Where AI is likely reliable and where unreliable in this discipline, with reasoning]

### Anchor Question Set

[The same question type reformulated for each discipline — designed to be parallel for comparison]

**The question type:** [e.g. "Why did X happen?"]

**[Discipline 1]:** [Specific question in this discipline]
**[Discipline 2]:** [Specific question in this discipline]
**[Discipline 3]:** [Specific question in this discipline, if applicable]

**Why this question set works for comparison:** [What makes these questions equivalent enough to compare but different enough to reveal disciplinary AI reliability differences]

### Comparison Protocol

**Lesson 1 — Running the queries:**

[Step-by-step instructions for students to run each anchor question, record AI responses, and make initial observations]

**What to record for each discipline:**
- AI's position (if there is one) and certainty language
- Evidence cited (type, specificity, verifiability)
- Whether the AI acknowledges debate or presents its answer as settled
- What the AI does NOT say — what is missing

**Lesson 2 — Pattern analysis:**

[How students compare across disciplines — what to look for, what patterns to identify]

**Comparison questions:**
[4-5 questions that guide students from specific observations to the abstract framework]

### AI Reliability Framework

[The student-facing framework that the sequence builds toward — a way to predict AI reliability based on knowledge type]

**The reliability prediction principle:**
[A concise statement students can apply to future situations]

**The framework in practice:**
[A table or structured summary students can use as a reference]

| Knowledge type | AI tends to... | Because... | Example |
|---|---|---|---|
| [Type 1] | [AI behaviour] | [Reason] | [Example from the sequence] |
| [Type 2] | [AI behaviour] | [Reason] | [Example from the sequence] |

### Discussion Guide

**Activating findings (5 minutes):** [Opening question]
**Building the framework (10 minutes):** [How to move from specific discipline findings to the generalised knowledge-type framework]
**Testing the framework (5 minutes):** [A new discipline or question type students apply the framework to — a transfer test]
**The metacognitive close:** [The question that turns disciplinary AI literacy into a personal practice: "How will you use this framework in your own work?"]

**Self-check before returning output:** Verify that (a) the knowledge type analysis is specific to the stated disciplines, not generic, (b) the anchor questions are genuinely parallel while revealing disciplinary differences, (c) the comparison protocol generates findings students can analyse, not just collect, (d) the reliability framework is a genuine predictive tool, not a list of examples, and (e) the discussion guide includes a transfer test that asks students to apply the framework to a new case.

示例输出

情境： 目标学科：“生物学和历史”／学生年级：“11 年级，正在为 GCSE 学习这两门科目”／锚定问题类型：“因果——X 为什么会发生？”／知识类型重点：“纵向与横向话语”

---

学科 AI 素养学习序列：生物学和历史

适用对象： 11 年级 GCSE 学生 比较学科： 生物学、历史 锚定问题类型： 因果——“X 为什么会发生？” 知识类型框架： Bernstein 的纵向／横向话语区分

知识类型分析

生物学：

• 知识结构： 在很大程度上是纵向的——知识具有层级性和累积性。细胞理论涵盖了早期观察；自然选择进化论涵盖了早期的物种分类。新发现会更新或扩展现有框架；通常不会与旧版本并存，成为同样有效的替代观点。
• 什么算作证据： 对照实验、可重复的观察、大型数据集的统计分析、同行评审。证据依据研究方法和可重复性进行评估。
• 已定论与有争议的内容： 已定论： DNA 转录机制、有丝分裂过程、胰岛素在血糖调节中的作用。有争议： 遗传因素与表观遗传因素对特定病症的相对影响；进化机制的某些方面；饮食与疾病的关系。
• AI 可靠性预测： 对已确立的机制（光合作用、细胞呼吸、遗传）可靠性高。对活跃研究领域、人群层面的统计数据（训练数据可能已经过时）以及健康声明领域（证据确实存在分歧，AI 可能会过度简化）的可靠性较低。

历史：

• 知识结构： 横向的——多种史学框架并存。Fischer 对一战起因的意图论解读与 Clark 的修正主义解读，都是当前学术界认可的观点；两者都没有像生物学中的进化论推翻神创论那样“证伪”对方。历史学家提出相互竞争而非累积的解释框架。
• 什么算作证据： 第一手资料、档案文件，以及具名历史学家的论点；依据来源考证、交叉印证和语境分析进行评估。历史中的证据不像生物学实验那样“证明”论点，而是以不同程度支持各种解释。
• 已定论与有争议的内容： 已定论： 日期、事件顺序、文件是否存在。有争议： 因果关系、重要性、责任、对动机的解读、长期后果。历史中几乎所有有趣的内容都存在争议。
• AI 可靠性预测： 对事实回忆（日期、姓名、事件顺序、基本定义）可靠性高。对因果问题（AI 可能会把相互竞争的解释简化成一个语气笃定的答案）、重要性问题（确实存在争议）以及近期研究成果（训练数据偏向较早的来源）的可靠性较低。

基准问题组

问题类型：“X 为什么会发生？”

生物学：“1 型糖尿病患者为什么需要注射胰岛素？” 历史：“德国为什么输掉了第一次世界大战？”

**这组问题为何适合比较：**这两个都是符合 GCSE 水平的因果问题。生物学问题有一个已确定的机制性答案（β 细胞遭到自身免疫破坏，导致内源性胰岛素停止分泌）。历史问题则没有定论——历史学家仍在积极争论军事战略、封锁、经济崩溃、政治革命和联盟动态各自的影响。将同一种问题类型应用于不同的知识结构，应该会产生不同的 AI 输出；研究这种差异有助于构建这一框架。

比较流程

第 1 课——运行查询（45 分钟）：

学生两人一组。每组在两个单独的对话中，向同一个 AI 工具提出两个基准问题，并在下方的记录表中记录回答。

	生物学问题	历史问题
AI 的回答（用 2-3 句话概括）
确定性措辞（明确 / 保留 / 非常不确定）
引用的证据（类型和具体程度）
AI 是否承认存在争议，还是只呈现一种观点？
有哪些内容没有提到？

记录完成后：“读一读你们的两份 AI 回答。哪一份听起来更有把握？哪一份提供了具体证据？哪一份承认人们对此存在分歧？”

第 2 课——分析规律（45 分钟）：

各组与另一组对照记录表。全班讨论：

比较问题：

• “对于生物学问题，AI 的回答大体准确吗？你们怎么知道？”
• “对于历史问题，AI 提到了哪些历史学家或观点？它是否说明这些观点存在分歧，还是把一种观点说成正确答案？”
• “两者都是‘为什么’问题。你们认为 AI 的回答为什么差别这么大？”
• “生物学的哪些特点让 AI 的因果解释更可靠？历史的哪些特点让 AI 的因果解释没那么可靠？”
• “如果你们要写一篇论文，并直接使用 AI 的回答——在哪门学科中这样做更危险？为什么？”

AI 可靠性框架

可靠性预测原则： 知识已经确定且不断积累时，AI 最可靠。知识确实存在争议时，AI 最不可靠——也就是说，学者之间存在实质分歧、多种解释并存，或者正确答案取决于价值观和判断而非证据。

框架的实际应用：

知识类型	AI 往往会……	因为……	序列中的示例
已确定 / 纵向（机制、流程、已确立的事实）	给出准确且有把握、可以核实的回答	训练数据会趋于一致的描述；专家意见一致	“糖尿病患者为什么需要胰岛素？”——机制解释准确
存在争议 / 横向（因果、重要性、解读）	听起来很有把握，却淡化争议；把一种立场说成共识	训练数据包含多种立场；AI 会综合这些观点，或默认采用最常见的观点	“德国为什么输掉了第一次世界大战？”——可能不会提到费舍尔与修正主义者之间的争论
前沿或近期（新研究、时事）	可能已经过时或不准确	训练数据截止时间；领域变化迅速	近期临床试验、当前政治事件
价值导向（伦理、美学、存在争议的社会议题）	给出笼统的回答，或采用“兼顾双方”的表述	训练时会避免引发争议；训练数据中没有价值问题的定论	基因工程的伦理问题

讨论指南

唤起已有认知（5 分钟）： “先别看笔记——你更信任哪个 AI 的回答？为什么？生物学还是历史？”

构建框架（10 分钟）： “你的直觉是对的——现在我们来解释原因。不是因为生物学‘更简单’，也不是因为 AI 对生物学‘更用心’。这两个学科有什么不同，能解释 AI 可靠性上的差异？”[引导学生思考：知识的类型、专家是否意见一致、答案取决于什么]

检验框架（5 分钟）： “把这个框架应用到今天还没讨论过的学科。如果你问 AI‘莎士比亚的《麦克白》为什么重要？’，你会期待得到可靠的回答吗？那‘计算动能的公式是什么？’呢？用这个框架做出预测——然后我们来验证。”

元认知总结： “下次作业开始前，问问自己：‘我在问 AI 哪种类型的知识？这个问题的答案是已确定的，还是存在争议？’这个问题只需花 10 秒，就应该能决定你对回答的信任程度。”

---

已知局限

1. **垂直型与水平型的区分并非非此即彼。**Bernstein 的类别是分析工具——在实践中，每个学科都同时包含已确定和有争议的知识。应将这个框架作为实用的启发式工具来教授，而不是分类体系。生物学中也有争议领域；历史中也有已确定的事实。这个框架预测的是模式，而不是保证。

2. **不同 AI 模型处理有争议主张的能力各不相同。**有些模型经过专门训练，会承认解释性领域存在争议，并对自己的判断保留余地。使用不同的 AI 工具，可能得出不同发现。这本身也是一项有价值的发现——讨论模型为何对这些问题处理各异，可以加深学生对 AI 的认知。

3. **这套教学流程要求学生具备足够的学科知识，才能评估 AI 的回答。**如果学生没有充分学习第一次世界大战，就无法判断 AI 对德国战败原因的解释是否过于简化。这套教学流程在单元中期或结束时最有效，此时学生已经掌握了基础知识。

4. **关于学科 AI 素养教学法的直接实证证据非常有限。**知识类型框架（Bernstein、Willingham、Maton）在通用课程设计方面有充分证据支持。将其具体应用为预测 AI 可靠性的框架，虽然有理论依据，但仍属创新——目前尚缺乏大量研究，证明可以通过知识结构推理来教学生预测 AI 的可靠性。