主题为“涵育一流生态，服务科教强国”的北京大学“科技创新年”工作推进会于4月29日召开

2023年起，随着ChatGPT的爆火，Kimi、DeepSeek等AI大模型如雨后春笋般涌现。从科技公司到大学校园，人们都在尝试用AI技术解决实际问题。随着AI与教育的交互不断加深，其对人文社科教育的冲击也引发人们思考。

一些学者认为，传统的教育方式经过千百年的沉淀与探索，在人才培养方面仍是行之有效的。如今AI直接帮学生写论文、做作业，有教师直言：“我在批改作业时，能明显感觉到某些段落像是AI的‘流水账’，那些属于年轻人的鲜活思考正在消失。”当学生习惯用AI提供的答案，他们还会愿意花时间研读《理想国》并在思辨中磨砺自己的思想吗？当学生通过AI就能收集海量史料并得到现成的归纳总结时，他们还有机会体会到经过辛苦搜集寻访史料的过程而产生的“在场”感吗？另一方面，也有学者认为，AI对信息的处理效率，能帮我们将节省出的时间用于挖掘和思考更深刻的问题。因此教师需要主动提升技术素养，探索如何开展AI辅助教学与研究、如何利用AI技术建设新形态教材。

这场争论促使人们反思人文社科教育范式，即在技术不断融合发展的当下，人文社科教育的挑战在哪里？人文社科教育究竟需要坚守什么？如何改革才能适应发展的需要？

人工智能和人文社科教

育当前，人文社科教育面临以下三大结构性挑战。

第一，知识传授与能力培养的割裂。现行的教育体系源自19世纪柏林大学的知识传授方式，即“教师讲-学生记”的单向传输模式。AI可以瞬间调取海量知识，传统教育却还在培养“知识储备型”人才——这显然已经跟不上时代。在信息过载，尤其是知识碎片化的时代，学生不仅缺乏批判性思维的训练，更表现出“知识丰沛，但思维贫瘠”的状态。

第二，学科壁垒与复合型需求的冲突。当今世界重大现实议题，如气候变化、人工智能等日益呈现跨学科特征，但传统学科壁垒却依然森严。人文社科领域的核心课程仍遵循单一学科逻辑设置，交叉学科选修课占学分要求较低；跨学科课程的设计也尚未实现真正融合。这种割裂直接导致学生在知识迁移能力上的断层，即无法有效整合不同学科的方法论以分析和解决问题。最终出现教育难以匹配社会对复合型人才的迫切需求。

第三，传统教学与数字原住民（DigitalNatives）学习习惯的脱节。21世纪后出生的一代人作为数字原住民，其获取和认知信息的方式早已发生根本转变。他们接受信息的量级和范围更加宽泛，注意力转换的速度也更高。传统课堂仍以板书和讲授为主，与学生们习惯的互动式、多媒体的学习方式形成强烈反差，导致知识传递的效率低下。

“豆角”AI教学助手的前沿探索

作为北京大学2024年“人工智能助推课程建设”的重点项目，光华管理学院开发的AI教学助手“豆角”（谐音“都教”，英文名TeachPod）旨在解决教学中的如下三大痛点。第一，教学案例素材缺乏中国情境下的“理论-实践”融通。案例教学法作为全球商学院的核心教学法之一，长期依赖西方案例库，但西方企业管理经验在中国却时常遭遇“水土不服”：中国经济发展迅速，商业环境瞬息万变，西方商学院的案例要么太过陈旧，要么不贴合中国实际情况。比如当教师们使用星巴克案例讲解选址策略时，学生们可能更想讨论瑞幸如何用数字化逆袭。第二，不同程度的学生陷入“一刀切”的教学节奏。管理学是一门交叉学科，涉及经济学、数学、心理学、历史学等多个学科。学生的学术背景多样，同样一门《微观经济学》课程，既有具备高等数学基础的学生，也有纯文科背景的学生。这就导致教师在授课时往往陷入“讲深了文科生听不懂，讲浅了理科生嫌无聊”的两难。第三，课堂囿于单向灌输模式。虽然案例教学法的本质在于强调学生主动参与和互动讨论，但由于文化和教育体制等因素的差异，中国学生普遍较为内敛，课堂讨论的效果往往不理想。“豆角”的设计理念既不是替代教师，也不是简单“堆砌”技术。“豆角”的目标是通过人工智能与教育场景的深度耦合，让教师从重复劳动中解放出来，提高教师备课效率，丰富课堂教学内容，加强教学质量和效果；提升学生理论与实践融通的能力，获得量身定制的学习体验，并培养学生的思辨力和创新力。

为实现这些目标，“豆角”以大语言模型（LLM，LargeLanguageModel）为技术基础，经由提示工程（PE，PromptEngineering）对大模型进行专业性引导，并借助检索增强生成（RAG，Retrieval-AugmentedGeneration）技术规避大模型的幻觉问题，打造了一系列可以进行任务规划并调用工具的智能体（AIAgent）。

在产品功能上，“豆角”目前面向教师和学生两个用户群体设置了“案例设计”“课程设计”和“数智课堂”几大模块。这些模块主要对教师开放，但“数智课堂”也包括了专门为学生设计的AI课程学习界面。“豆角”的主要产品功能背后都对应着具体的AIAgent，类似“教学小助理”。这些“小助理”通过学习教材、学术论文、商业案例、专业术语映射表、数据库等资料，具备丰富的专业领域知识和技能，能够确保教师“想教的”和学生“想学的”内容的正确性与全面性。

针对教师端，“案例设计”和“课程设计”模块中的“小助手”主要解决了教师备课和教学的痛点。过去准备案例教学，教授们需要花费相当时间筛选适合的案例资料。比如当教师希望讲解有关数字化转型相关的知识点，传统的备课需要通过关键词检索模式手动整理和筛选相关文档并逐篇评估案例的适用性，流程繁琐且耗时。现在，通过“找案例小助手”，教师可以直接说出自己的需求，比如输入“体现数字化转型困境的中小企业案例”，“小助手”会通过其检索增强能力，在自己的知识库中（例如：北京大学管理案例研究中心案例库等），以极短时间搜索到符合教师需求的案例，并生成包含企业背景、决策冲突点、教学讨论和相关理论等在内的完整内容，以便让教师清晰了解案例的核心，确认该案例与课程需求的匹配程度。如果不满意或存在任何疑问，教师也可以通过进一步的提问继续进行挖掘。

如果教师在现有的知识里找不到适合其教学需求的案例素材，或是需要结合当下某个具体的企业动态进行相关知识点的讲授，也可以让“写案例小助手”快速生成一份更加贴合需求的二手资料案例。同时，教师也可以根据学生的具体情况，对课程内容进行相应的修改与优化。比如同样讲“博弈论”，相应的“课程设计小助手”可以在给本科生生成的材料中插入外卖平台竞价等生活化案例，而面向研究生的案例则更侧重在量化模型的推导。此外，随着“小助手”与教师互动频次的增加，它们能够学习教师过往课件的表达习惯，并记住教师的偏好，比如有的教师喜欢用思维导图梳理逻辑，有的偏爱用辩论式提问引发思考，那么“小助手”生成的内容就会贴合这些个性。

相较于传统的备课方法，“豆角”大幅简化备课过程，原本需要数个小时准备的课件能够缩短至30分钟产出。在“豆角”的支持下，教师能够将更多精力投入到教学设计与学术创新中。

针对学生端，“数智课堂”中的多智能体协同机制能够模拟多元化的学习交互场景，从而实现“千人千面”的教学适配，并在尊重学习者的主体性差异的同时确保学科核心素养的系统化培养。具体而言，学生通过“数智课堂”学习一门课程时，不仅有教师的“AI虚拟分身”可以实时回答学生的提问，也有许多不同性格特点的“AI同学”与之共同学习。在一些专业性较强、难度相对较高的课上，学生可以选择与“显眼包”一起上课，活跃课堂气氛；而在讨论一些相对前沿的学术领域时，学生也可以选择和“好奇宝宝”共同学习，听听他的奇思妙想。这种沉浸式的互动方式能够提高课堂的趣味性和参与感。对于诸如“论文写作课”这种授课内容变化不大，但每学期都需要重复讲授的课程，“数智课堂”在一定程度上让教师得以从重复性工作中解放出来，同时保证了学生获得的教学质量的稳定性。“数智课堂”可以持续追踪学生的学习数据，能够在课后将学生提问的热点、课堂小测结果、作业错误分布等数据整理成教学报告，教师可以通过可视化看板实时调取班级或学生学习数据，判断哪些内容是学习难点，哪些知识点需要放慢讲解，继而为后续课程实施精准教学设计。比如，如果大多数学生都向AI教师提问了与“囚徒困境”理论相关的问题，教师就会考虑调整该知识点的讲授方式。如果有多个班级的学生在“市场定位理论”出现相似的理解偏差，系统也可以推荐能够优化该知识点讲解的案例。这样，每次课堂互动、每份作业批改、每个教学决策都能够沉淀为训练数据，反哺系统迭代。

未来：坚守与创新并重

创新技术的应用并非简单的工具叠加，而是从根本上重构人文社科教育的认知基础设施。“豆角”向我们呈现了技术与人文社科教育融合的新可能。虽然这场变革存在隐忧：经济系学生习惯用算法优化模型，却疏于理解市场背后的人性动机；新闻系学生依赖AI撰写报道，却失去街头采访的敏锐触觉；这些同时提醒我们，人文社科教育的核心使命，始终是培养“反思者”和“开拓者”。

在机器能解方程、会写论文、擅于归纳规律的今天，人类独有的批判性思维、价值判断与创造性的想象显得尤为宝贵。因此，教育者需要积极探索人机协同的新范式：例如允许学生使用AI撰写论文，但需要要求学生寻找反驳机器论点的理论依据，这种刻意制造的思维对抗，旨在训练学生超越技术表象的批判能力。

科技创新对人文社科教育教学的真正价值，不在于替代人的思考，而在于拓展思维的疆界。人文社科教育的未来形态既不应对技术盲目崇拜，也不应对传统固执坚守，而应在人机互动中持续追问“为什么”的本质命题。当科技创新的浪潮推动新文科发展时，我们期待更多学科走出“技术焦虑”，主动融入创新洪流，使科技真正成为人文社科教育向前发展的核心推动力。

（作者为北京大学光华管理学院副院长，教授）