打好数字素养根基：高职师生的当务之急

又到一学期排课的时候，人工智能通识课几乎成了各校的"标配"——仿佛不给学生开这么一门课，学校就落后于时代了。可是，当你坐在机房前，看到学生手指悬在键盘上，连最基本的文档排版都要先问一句"AI，帮我改改格式"的时候，一个问题会忍不住冒出来：我们到底是在帮他们建高楼，还是在替他们把地基悄悄抽掉？

这轮AI热潮，为什么让老教师心里发慌

说实话，作为在一线教了多年的计算机基础课的老师，我打心底欢迎AI走进课堂。它把抽象的概念变得直观，把枯燥的重复劳动交给了机器，课堂上学生的眼睛比以前亮多了。但欣喜之余，我也观察到一些让人坐不住的现象。

最刺眼的一个，是基础数字技能的断崖式跌落。早几年，学生在机房打盲打、练Word排版、学Excel公式，这些看似琐碎的功夫，如今正被一节节压缩甚至砍掉。学生的理由是充分的："AI都能自动生成报告，我为什么要学排版？"可结果呢？交上来的实验报告连最基本的分段标题都没有，让做个简单的数据梳理，第一反应是整段复制粘贴给AI。AI一旦成了拐杖，走路的肌肉自然就慢慢萎缩。

比技能退步更隐蔽的，是计算机原理的普遍匮乏。学生把大模型当作会算命的黑箱，输入问题、拿到答案，却说不清数据在内存里怎么流动，理解不了算法复杂度的意义，更想象不出GPU到底比CPU强在哪。能熟练用自动驾驶却完全不懂发动机的司机，遇上机械故障就只能停在半路。

这背后其实藏着一个更大的矛盾：教育本该从"教解答"转向"教提问"，可我们的课程几乎没教过学生怎么提问，遑论怎么审视AI给出的答案。当一个十几岁的孩子面对"幻觉"、"数据偏见"、"信息茧房"这些词毫无警觉，我们培养出来的，恐怕不是能驾驭 AI 的人，而是不自觉地替算法偏见做扩散的帮凶。

一线教师最关心的几个问题

下面这几个问题，是这段时间和我搭班的同事、来听课的老师们问得最多的。我把自己实操中的体会摊开来讲，供同行参考，也说不上是什么标准答案。

问题一：数字素养这堂课，到底该落在哪个阶段、给多少学时？

先说结论：别想靠一门课一次性解决，数字素养是贯穿三年的底子活。借鉴不少已落地院校的做法，比较稳妥的安排是"通识打底 + 专业渗透 + 综合运用"三段式，总学时大致落在36—54区间，折算下来约合2—3个学分，可分两学期消化。

当然，这只是一个参考区间，不是统一规定，具体还得看各专业的培养方案。关键是不要把这块内容当成选修课里的"添头"——它应该成为大一新生入学的"数字第一课"，并在后续的专业课里反复用到。

问题二：学生基础差、起点参差，该从哪里先下手？

很多老师的难点不在"要不要教"，而在"不知道从哪个学生教起"。这里给一个低门槛的入门路径，先稳定住最基本的"数字生存能力"，再谈"数字应用能力"。

- 第一步，先补文档、表格、演示三件套，不追求高深技巧，只要求能规范、成结构地产出内容；
- 第二步，补文件管理、信息检索与来源甄别，让学生知道一份资料从哪来、靠不靠谱；
- 第三步，再把逻辑清晰的描述和提问补上，让学生学会把一个模糊的需求说成一句AI能读懂的命令。

这三步走完，学生基本就有了自主使用数字工具的地基，后面的AI学习和专业应用才不会悬空。

问题三：同样一批学生，能不能只靠一套方案带到底？

靠一套方案去包打天下，往往是最容易翻车的。分层、分类地给不同的学生搭不同的梯子，效果要稳得多。我习惯把学生粗分成三层：

分层的意义不在于把学生贴上标签，而在于让每个人都能在"够得着"的地方起步。骨干层学生的输出，反过来还能给新手层当学习样本，形成互助的正循环。

问题四：教AI这半年，学生最该被反复盯住的是什么？

如果只能挑一件必须天天盯的事，我会说：盯住"审视"两个字。AI能替学生省去大量重复劳动，但它也会一本正经地"编"——这就是圈内常说的幻觉。所以从第一节课起，我就在作业里埋了一条硬规矩：任何AI给的结论，都要附上你的核验过程，你是查了原始资料，还是做了个验证性的小实验，都得写清楚。

这样逼出来的，不是不让学生用AI，而是让他们用AI，但不盲信AI。久而久之，"输出的是谁的判断"这根弦，学生才算真正绷上了。

问题五：我自己也是AI的"新手"，怎么先把课上得像个样？

这是最诚恳也最常见的一个问题。我的建议很朴素：不需要你成为AI专家，但你需要成为那个敢先下水的人。每周只给自己定一条小目标，比如这周用AI把一门课的教案提纲重做一遍，下周让AI帮你出一道带陷阱的题，再下周试着用AI生成一段例题代码并挑出它的错。

老师自己先"趟"过一遍，面对学生的困惑才不会心里没底。教师的数字素养，是学生那根梯子最靠下的横梁——这句话是我这几年最有体会的一句。

问题六：数字素养这门课，期末究竟该怎么考？

考什么，往往决定了学生学什么。这里我比较认同"过程留痕为主、结果展示为辅"的做法，把考核切成分解动作，而不是临到期末逼一份看似精美的成品。一个不算复杂但又有效的办法，是三类动作按比例合成：日常操作任务占四成、AI核验小报告占三成、综合探究展示占三成。

日常操作任务检验的是打字、排版、查资料这些"看得见的功夫"；AI核验小报告则逼着学生把"我查了什么、怎么判断它可信"写出来，这恰好对应前面盯住的"审视"能力；综合探究展示再让学生把学到的东西串起来做成一个能讲的成果。当然，这仍是个人经验层面的参考切法，不同专业完全可以调整权重——但只要守住"能动手、能辨伪、能表达"这三个抓手，考核方向就不会跑偏。值得提醒的是，别把过程分全压在AI生成物上，否则等于在替学生把地基换成AI的贴片砖。

---

数字素养培育，到底该往哪个方向走

讲了这么多具体的做法，最后想把它收拢成一个看得清的框架。我觉得可以借用三句话：向下扎根、向上生长、向外融合，它们像一棵树的根、干、冠。

向下扎根，意味着计算机基础、编程和算法思维这些底子活，不能因为有了 AI 就从此搁下——它们是读懂数字世界运行规律的"代码语言"；向上生长，是把批判性思维、精准提问和 AI 素养托举起来，这是驾驭 AI、守住独立思考的"掌舵"；向外融合，则要求在人机协作、伦理安全与使用边界上建立起系统认知，这是负责任地让技术落地的"导航仪"。

这三层缺一不可。只在"使用"那一层打转的AI教育，培养的是一批熟练却悬浮的高级用户；只有当根、干、冠连成一气，学生才算真正站在了数字时代的土地上。高职院校的价值，恰恰在于能把这条链条落到实训、落到岗位、落到实实在在的能力上——这正是我们在这次浪潮里最该守住、也最该发力的位置。