强化工科生使用AI的边界感

　　人工智能(AI)的快速发展，极大改变了学生的学习方式、提升了学习效率。但同样不容忽视的是，大学生对AI的依赖越来越强：在日常学习、写论文过程中，“遇事必AI”的情况时有发生。工科学习与研究强调实践牵引、逻辑思维和科学方法，解决问题更是落脚点——学生可以借助AI，但不能被AI替代。

　　认清AI的工具属性

　　AI与历次工业革命中的技术进步一样，会发挥其优势以替代一部分原来由人完成的工作，或帮助人更好地完成工作。不同的是，AI特别是生成式人工智能的冲击和替代，是以往先进技术所无法比拟的。尽管如此，就目前发展水平而言，AI的工具属性仍未变。工科学生借助AI，可以高效完成创新设计、数据分析和模型求解等工作，如虎添翼;如果学生让AI成为自己的“枪手”，主动性、创新性被AI左右，他们无疑就会成为人工智能时代永远长不大的“孩子”。

　　工科学习，不仅是吸收知识的过程，更是应用理论、方法和工具提升学生解决工程实践问题的能力的过程。AI可以帮助学生撰写报告或润色文本，但不能替代学生解决问题;AI可以给学生当助手，但不能反客为主。由于缺乏对复杂问题场景和现实工程需求的理解，当前阶段的AI技术无法达到工科专业水准。因此，工科学生在使用AI进行学习或研究的过程中，必须有明确认知：一是将AI定义为“助手”，而非自己的“替身”;二是只使用AI做有助于提高效率、节省精力等的“体力性”劳动，而把思考、创造的空间留给自己;三是明确标识使用AI生成的内容，以“尊重”AI的贡献。

　　明确分工边界，建立良好协作关系

　　不同于纯文科着重规律洞察和价值思辨，工科更强调工程实践及其结果落地。就工科学生而言，开展论文写作与科学研究时，与AI的分工协作，要具体到每一个环节。

　　首先，工科研究的起点是确定存在什么待解决的工程问题。问题找准了，后续的研究工作才有价值;问题找不准，研究就失去了实践意义。学生可使用AI根据问题表征来圈定可能的问题领域，但最终必须自己来界定工程实践中究竟存在什么问题。

　　接下来是文献工作。学生可使用AI做基础的文献搜索或整理，但不能把总结、比较、评价等智力性工作“外包”给AI。如同吃饭、旅行等体验性强的活动一样，文献工作需要学生亲力亲为。此外，文献工作应服务于要解决的工程实践问题。问题不同，文献工作的着力点也不一样。

　　第三方面是研究方案的设计。学生可以借助AI对论文写作或研究的基本思路做梳理。但AI提供的技术路线、研究方法是否具有科学性、可行性、匹配性，须由学生自行判断。研究方案就像盖房子的图纸，如果图纸有问题，房子就是“建筑垃圾”。

　　再往后是研究方案的实施。AI可以替代学生开展模拟仿真和数据分析。但使用什么模型、方法、工具，如何分析数据，须由学生作出选择。如果学生不密切跟踪研究过程，研究结果很可能就是鸡肋。越是具有探索性质的研究问题，AI越难以主导研究过程。

　　最后是文本的整理、格式的规范。由于这些工作规则性比较强，学生可以借助AI以提高相关工作效率。但如何呈现结果、表达观点，如何论述创新性、贡献性、启示性等工作，仍需以人为主、以AI为辅，只有研究者自身才更懂其中蕴含的深意。

　　以过程和实效控制增强AI使用约束力

　　认知和行为层面的教育引导，有利于强化工科学生使用AI的边界感和价值认知。但如果导师放松对研究过程的监督管理，缺少以研究结果检验工作实效的程序性安排，就很容易出现“事倍功半”的遗憾，失去工科研究的意义。

　　工科研究是解决工程实践问题的过程。从人才培养视角看，工科研究就是提升学生的工程师素养和解决工程实践能力的过程。为了达到这一目标，在工科学生开展论文研究的过程中，教师需切实履行指导责任，对问题的真实性、准确性、可行性、潜在价值以及技术路线和研究方法等方面，分阶段进行刨根问底式的质询，对开题报告、中期报告、成果报告等进行过程性监控，确保学生所做的研究工作和提交的文本并非AI“独创”。

　　在诸多过程性因素中，最重要的是确保学生解决的是一个真实存在、独一无二的问题，而不是一个老旧的、全网皆有范本的标准化、抽象性问题。这对指导教师如何下达“任务书”提出了更高要求，让学生不偷懒，教师首先就不能偷懒。如同很多等级性考试一样，教师应在“命题”上下功夫。教师应善于指导学生在实践一线确定研究问题，而不是仅从文献中找问题。“真题”是增强工科学生AI约束力的源头性因素。

　　有了“真题”就要“真做”。“真做”强调的是工程设计或方案的针对性、具体性和可操作性。这三个方面是研究过程真实可信的保障。即便AI“出手相助”，也不能反客为主。做得好不好，不应只由教师从理论水平和格式规范等角度评价，而应该由需求方或委托方对研究成果是否真的有价值、可应用作出判断。这是产教深度融合最重要的契合点之一——“真用”或“真有用”。工科研究应拒绝美而不实。

　　《中华人民共和国学位法》颁布实施后，会有更多形式的成果成为学生获得学位的条件。能解决真实存在的工程问题的成果才是高水平成果。“真题—真做—真用”的迭代机制，是保障工科学生真正形成AI约束的关键逻辑。

　　(作者：赵钊，系河北工业大学经济管理学院专业学位硕士教育中心主任)

责任编辑：zzy2026