生物行移动版

面对学生使用AI“抄近路”的担忧，神经科学教育者正在探索如何将AI工具转化为教学机遇。一位教育者分享了自己在编程课上的实践：通过明确AI使用规范、加强课堂讨论和设计评估方式，她试图在帮助学生利用AI的同时，确保他们真正掌握代码设计、调试和评估的核心能力。其核心洞见是：编程教育的重点正从记忆语法转向培养“设计计算流程、评估输出、协作决策”的更高阶思维。

传统教学与AI的张力

许多神经科学学生最初学习编程，是靠改编别人的脚本。作者回忆自己读博时，花了大量时间逆向工程MATLAB代码。如今，新程序员有了AI代理，不仅能调试代码，还能教他们如何编写。这引发了一个问题：那些为掌握代码理解而必要的“挣扎”时间，在多大程度上是必需的？

AI在教育中的复杂图景

AI正在改变教育，但并非均匀地改变。在计算机科学教育领域，对AI的看法也各不相同。一些学者认为其弊大于利，而另一些则在课堂上与AI共教。大多数教育者认同：即使学生不是从头编写代码，他们仍然需要能够设计和调试代码。

从学生视角出发的课堂实践

作者在2022年设计了一门面向生物学学生的编程课，当时只有少数学生在使用AI。如今，几乎每个学生都在以某种方式使用AI，但他们自己也困惑于该如何使用。学生并非都在作弊：许多学生害怕错过AI这个工具，但又不愿违反学术诚信；最弱势的学生更担心作弊而较少使用AI；女性使用AI少于男性。如果不正视这些日益扩大的鸿沟，可能加剧教育中已有的不平等。

建立共同规范：一堂课

今年初，作者在课堂上开启了关于AI辅助编程的对话。她向学生展示了AI使用的七个可能层级（从提出概念问题到编写完整程序），让学生先讨论哪些适用于课程的不同环节，然后匿名投票。班上约90名学生给出了不同的答案，但总体上与作者相当一致：他们同意不应让AI编写每周的编程作业；对于期末项目，作者比学生更愿意接受使用AI（因为学生此时已有足够知识来生成小代码片段并编写测试）。

评估方式的变革

为防止学生用AI完成整个项目，作者增加了更多纸笔考试：让学生预测输出、调试代码或追踪代码片段。期末考中，学生还被要求反思自己在项目中做出的选择，以确保他们并非生成了一堆自己不理解的代码。AI时代带来的变化，使作者能评估学生更复杂的认知任务（预测、评价、修改），而不仅仅是记忆。

因课制宜的规则

在神经生物学实验课上，AI可用于编写代码，但不能用于撰写实验报告。作者坚信写作与思考密不可分，因此自己也从不用AI写作。教学目标和学生群体也是关键考量。这门课不是为训练软件工程师而设，而是为对编程好奇、希望将其加入技能包的学生设计。学生常带着对编程的恐惧进入课堂；结课后，有些学生开始在个人项目、其他课程或研究中尝试编码。如果更多学生结课后继续编码，作者就成功了。

鼓励坚持，缩小差距

数十年的研究表明，在编程领域，性别和社会经济差距依然显著。作者在教学中反复思考两个问题：“什么能帮助学生学习？”和“什么能鼓励他们坚持？”在理想情况下，课堂时间应花在批判性思考代码选择上，而不是描述何时使用冒号或分号。AI可能为那些原本会放弃的学生架起一座桥梁。

坦诚面对：老师也使用AI

上周，一位学生私下问作者：“你编程时用AI吗？”作者毫不犹豫地回答：“用。”她向学生展示了AI工具如何集成到她的编码环境中，如何通过反复迭代让代码达到所需效果，以及AI如何基于文献搜索提供替代方案。她总结道：我们不应仅仅因为某些习惯（包括训练学生的方式）已成为一种“成年礼”就固守不放。如果目标是训练学生成为优秀的科学家，就需要认真思考，如今成为一名优秀科学家需要哪些新技能。这些技能不是识别语法，而是设计计算流程、评估输出，以及——也许最重要的——在科学探索的下一阶段协作决策。