一、当前教学与科研的需求

随着高等教育规模的扩大以及科研竞争的日益激烈，教学与科研领域面临着多重需求和挑战。一方面，教育领域需要提高教学效率、促进个性化学习、减轻教师负担；另一方面，科研领域则迫切需要提高研究效率、实现创新突破，特别是在数据分析、文献检索和论文写作方面。教师与科研人员既希望借助新技术提高工作效率，也面临着如何保持学术严谨性、知识内化和认知发展的挑战。

对于学生而言，当前教育环境不仅要提供知识，更重要的是培养学生的批判性思维、创新能力和解决实际问题的能力。这需要学生在学习过程中经历积极的认知挑战和实践锻炼，而不仅仅依靠外部工具或过于简单的技术支持。

二、AI赋能教学与科研的可行性

人工智能技术的迅速发展为某些专业和某种层次的教学与科研可以提供强大的技术支持（但不是所有专业和所有层次）。具体表现如下：

（一）AI在教学中的应用

AI可以显著提高教学效率和个性化程度。智能教育平台能实时分析学生的学习数据，识别知识薄弱环节，并据此推荐个性化学习路径。这种个性化推荐不仅提升了学生的学习兴趣和效率，也使教师能够从大量重复性的教学任务中解脱出来，集中精力于高阶教学活动，如互动式讨论和深度教学设计。

另外，AI辅助教师进行作业批改、试卷阅卷，大幅减少人工工作量，并能及时反馈学生的知识掌握情况，从而实现精准教学和针对性辅导。

（二）AI在科研中的应用

AI在科研领域最显著的贡献包括高效的数据分析、文献综述（但目前AI并除了归纳文献，并不能进行综合与评价，后者才是提出新问题的关键，需要研究人员自行阅读）和论文撰写辅助。科研人员可以利用AI进行大规模数据挖掘和分析，快速识别潜在的研究热点和趋势；同时，AI文献管理工具能够自动识别、分类和摘要重要文献，提升研究人员的信息获取效率。此外，AI还可辅助论文撰写过程中的语言优化、语法修正、结构建议，提升论文质量和学术表达的准确性。

三、AI赋能教学与科研的不足

尽管AI技术带来了诸多优势，但其在实际应用中也存在明显的不足与挑战：

（一）教师全面使用AI的困难

古语云：“功不十，不易器”，教师经过多年实践形成了稳定的教学风格和方法，轻易改变必然面临巨大阻力。首先，教师在全面使用AI时面临的是技术门槛和心理抗拒。部分教师对于新技术接受程度不高，学习和适应新技术需要投入大量时间和精力，尤其是老年教师群体可能更容易遇到困难。此外，AI工具存在过于标准化的问题，可能无法很好地适应不同教学风格和个性化的教育需求。

另外，教师若过度依赖AI工具，可能逐渐丧失对教学过程的精细化控制，降低教学灵活性，甚至可能出现对教学任务和过程的“盲目自动化”。

（二）对学生的不利影响

根据CIH (2025) 发表的研究成果显示，过度依赖AI工具会显著降低学生通过亲身经历锻炼认知肌肉的能力。AI辅助学习工具虽然能减轻学生的学习压力，却可能在无形中剥夺了学生亲自解决问题、经历认知冲突和锻炼“认知肌肉”的机会。如果学生过于依赖AI工具获取答案和解决方案，可能弱化其独立思考和问题解决能力，造成“认知退化”现象。

此外，AI教学工具还可能导致趋同化，降低教师和学生个体差异性所带来的创造性和多样性，无法有效发挥不同教师的思考和创作能力。

另外，教学与科研领域本身早已广泛使用各种辅助工具，虽然不明确称之为AI，但如果为了迎合潮流刻意强调AI，反而会给师生增加额外负担，使简单问题复杂化。

四、存在的问题与建议

（一）存在的问题

当前国际上先进的AI工具普遍存在收费高昂和访问受限的问题，尤其是某些尖端工具因地域限制或政策因素难以获取。在国内，服务器繁忙、系统负载过高经常导致AI工具无法顺畅使用，严重影响了师生的教学与科研效率。

此外，高校教学与科研在很大程度上依赖于师生通过长期实践积累的隐性知识，这种知识与个人经历、直觉以及特定情境下的经验密切相关，而AI则主要基于人类当前积累的显性知识进行插值或推理。这种显性知识无法覆盖隐性知识的丰富性和灵活性，因此AI工具在某些情况下的实际作用十分有限。

另外，许多学科专业所涉及的技术远远超出了目前AI技术能够处理的范畴。例如，大规模科学计算与复杂仿真技术包含了大量超越当前AI算法和计算能力的内容，如果刻意强调AI在这些领域的应用，反而可能导致教学与科研水平的降低。

（二）具体建议

师生是否或如何使用AI工具，按理应完全由师生自主决定，由市场行为和实际价值来导向，通过师生自身的判断来确定哪些工具值得使用。例如，师生可通过自身科研成果的提高情况、学生评教的反馈等间接指标来判断AI工具使用的效益。高校教学与科研具有多样性、复杂性和可变性，可能不适合强制所有人采取相同且尚未充分验证效果尤其并未形成共识的AI范式（例如，美国一些中小学已禁止学生携带手机进入校园，这表明AI技术在教育领域的应用尚未形成共识；又如，一些学科方向的顶级期刊已经不愿录用基于机器学习等AI方式产生的研究形成的论文）。即使在未充分了解AI价值的情况下，部分师生愿意使用AI，也建议遵循以下具体建议：

1. 技术使用培训与分层推广：应根据不同用户群体设计分阶段、个性化的培训与支持措施，帮助师生更好地适应和应用AI工具。

2. 明确AI适用边界：在推广AI时明确划分出适合与不适合AI使用的领域，避免过度强调AI而忽视原有高效工具和方法的价值。

3. 鼓励多样性与创新性：在教学与科研中，避免完全依赖标准化的AI工具，鼓励教师和学生发挥创造性，保持多样的教学方法与科研模式。

4. 优化基础设施：加强国内AI基础设施建设，保障AI工具的稳定可用性，解决服务器繁忙及访问受限的问题。

5. 强调人机协作模式：推广“人机协作”的应用模式，将AI工具的应用定位于辅助角色，确保师生能够充分发挥自身的隐性知识和个性化优势。

   
   

（三）自行测试建议

我们可能都听说过，一些教师经过测试发现，AI工具能够正确回答约80%的本科生习题。然而，更值得关注的是那未能正确回答的20%。如果20%的教学内容因依赖AI工具而变得错误或存在误导性，这将产生怎样的后果？教育界是否能够接受这一点？在传统的教学过程中，我们默认授课内容应当准确无误，又怎能接受有20%的内容可能出错呢？

因此，我们建议师生在正式采用AI工具之前，先自行设计一道难度适中的测试题，以便初步评估AI工具的实际表现。为方便读者自行测试，附录A提供了一道不需要专业背景即可尝试的示例测试题。

结语

在某些方面，AI技术赋能教学与科研虽然可能具有强大的优势，但也可能伴随潜在的负面效应。关键在于精准地掌控AI应用的范围与方式，明确其辅助性角色，避免技术替代人类认知锻炼的机会。只有坚持技术应用与认知发展相结合，才能真正实现AI赋能教学与科研的双重效益。

最后强调一下，考虑到AI的现有不足和对其作用尚未形成共识的前提下，贸然一刀切地对所有人强调AI的使用，一旦发现带来的是不利影响，可能会为时已晚。因此，具体如何做，应经过足够的讨论和市场验证，逐步明确。

我们期待AI能赋能教学与科研，但更不希望在考虑不周到情形下，带来适得其反的效果。

附录A 测试题

建议各位师生在正式使用AI之前，可以自行设计类似难度适中的测试题，以评估AI工具的实际表现。为方便读者自行测试，这里提供了一道无需专业背景即可进行尝试的示例测试题。

测试题：

考虑定常超声速流动条件下的定常马赫反射，气体为空气，比热比取1.4，来流马赫数为4，入射激波的气流偏转角为25度。请计算马赫反射三岔点（也称为三叉点，或三激波点，即入射激波、反射激波和马赫杆的交点）邻域内各流动区域的马赫数以及压力（以来流压力为1）与来流压力的比值，并求各激波的激波角和滑移线的初始下偏角。请将来流区域标记为0区，入射激波下游区域标记为1区，反射激波下游区域标记为2区，马赫杆下游区域标记为3区。

说明：

这是一道某工科专业本科大三学生在学习相应课程后应能给出正确答案的习题。任何学历背景与专业方向的人均可将上述内容输入给AI，观察AI的反应（请不要因为自身不熟悉而放弃尝试，因为你期待的AI本来就应能协助解决你不熟悉的问题）。在AI完成答题后，再将随后的正确答案输入AI，由AI自行判断自身答案是否正确。

正确答案