SLS如今已成为这一战略的重要平台。新加坡教育部表示，从小学到大学预科阶段，学生都可以使用与课程相衔接的学习资源，同时接触SLS中的部分AI功能。 政府科技部门的介绍则显示，SLS中的AI工具可用于支持个性化学习和教师了解学生的学习情况，并配有安全防护措施和适龄使用要求。

这也带来了比“给每个学生配设备”更复杂的教育任务：学生必须学会质疑AI的回答、发现其中的错误，并判断在什么情况下使用AI会违背作业本身的学习目的。

真正的风险：把核心思考过程交出去

“认知卸载”本身并不一定有害。人们一直在借助外部工具减少不必要的心理负担。计算器、参考书和拼写检查器，都可以帮助人们把注意力留给更复杂的任务。

问题出现在学生尚未独立尝试之前，就把学习的核心环节交给AI。例如，让AI先替自己搭建论证、解读证据、解决陌生问题，或写出完整解释。

这样做的即时效果往往很诱人：完成速度更快，语言更流畅，表面错误更少。但一份 polished 的作业可能掩盖了薄弱的学习成果。学生未必因此获得足够牢固的思维模型，去完成以下事情：

• 识别看似合理却错误的说法；
• 将已有知识迁移到新问题；
• 解释一个论证为什么有说服力；
• 找出论证中缺失的证据；
• 在没有AI帮助时说明并捍卫自己的答案。

这正是教育工作者所说的**“有效挣扎”**：回忆、尝试、犯错、接受反馈，再进行修改。困难并不总是低效的阻碍；很多时候，它正是推理能力和长期记忆形成的过程。把所有难题都交给AI，可能让任务变得轻松，却也可能删掉了学习真正发生的部分。

研究支持担忧，但没有证明AI必然伤害批判性思维

现有证据足以支持谨慎态度，但还不能简单得出“AI总会削弱批判性思维”的结论。

一项关于生成式AI在高等教育中的范围综述指出，AI可以支持写作、反馈、问题解决和研究，同时也带来认知卸载、工具依赖和学习者自主性受损等担忧。

另一项涵盖89项研究的系统综述发现，生成式AI的认知影响并不统一，而是取决于使用方式和教学情境。该综述中，40.4%的研究记录了积极结果，23.6%的研究则发现效果复杂、混合或有条件。研究报告的主要风险包括过度依赖、分析自主性下降和认知卸载。

其他研究综述也得出了相近的谨慎结论：如果通用型AI绕过学生掌握技能所需的思考过程，分析、推理和创造力等高阶能力可能受到影响。因此，研究建议学生先建立基础知识，再接受AI素养教育，并以循序渐进、有明确支架的方式引入工具。

不过，相关研究仍在发展中。不同研究对“批判性思维”的定义并不一致，涉及的学科、年龄、任务类型以及AI介入程度也各不相同。 因此，更稳妥的结论是：

当AI充当学习支架、反馈伙伴，或帮助学生检验和挑战自己的推理时，它更可能促进学习；当AI替代了基础性的理解、解读和分析时，它更可能削弱学习。

其中最值得警惕的，是任务表现与持久学习之间的差距。学生可能更高效地完成作业，却没有获得这项作业原本要培养的知识、判断力和独立推理能力。

从查重与反抄袭，转向重新设计学习评估

ChatGPT于2022年公开发布后，全球许多教育机构的第一反应集中在作弊、抄袭和AI检测上。新加坡大学目前呈现出更细化的做法：在部分课程作业中，AI可以被允许使用，但具体规则仍由课程和教师决定；学生必须对提交内容的准确性、学术诚信和引用负责。

新加坡国立大学（NUS）的指导意见要求学生披露AI使用情况，与教师确认课程规则，并对作品的质量和完整性负责。 NUS的相关政策还明确指出，直接提交AI生成内容，或将AI生成内容改写后不作说明地当成自己的成果，都可能构成不当抄袭。

AI检测工具的局限也越来越明显。南洋理工大学（NTU）表示，将从2027年起停止使用校级AI检测器，理由是相关技术不够可靠，缺乏足以证明学术不端的实证有效性。学校计划转而关注学生的创作过程，包括使用统一格式披露AI使用情况。

这意味着评估理念正在发生变化。与其仅凭最终文本猜测作者是谁，教师不如让学生如何得出结论的过程变得可见，例如：

• 先完成不使用AI的初步尝试；
• 提交多个版本和修改记录；
• 标注和整理参考资料；
• 撰写反思性的过程说明；
• 进行口头解释或答辩；
• 使用学科特定、地方性或个人化证据；
• 将概念应用于陌生情境，避免简单复制标准答案。

目标不是打造一份“AI绝对无法参与”的作业，而是确保评估真正看见正在被培养的学习能力。

什么才是负责任的AI使用方式？

对学生而言，一条实用原则是：在自己的思考之后、思考过程中，或用AI来挑战自己的思考，而不是用AI代替思考。

学生可以怎么做

1. 先独立开始。 在打开AI工具前，先列提纲、尝试解题、找出相关来源，或提出一个暂时性的观点。
2. 把AI当作思维伙伴。 可以让AI提出反方论点、找出假设、提供检索关键词、生成练习题，或批评自己的草稿。
3. 把AI输出当作待核实的主张，而不是证据。 事实、引文、参考文献、计算结果和解释，都应与可靠的一手资料或权威来源进行核对。
4. 保留AI使用记录。 记录所用工具、关键提示词、重要输出、采纳或拒绝的内容，以及核验方法。NUS的指导意见已要求学生说明AI使用情况并承担个人责任，部分院系还要求提供更详细的披露表。
5. 保持独立掌握。 学生应能够在没有AI协助的情况下，解释并捍卫作品中的每一项主要主张。

教师和学校可以怎么做

学校和大学可以为每项作业明确AI权限等级：

• 禁止使用： 作业考查的是独立记忆、计算、写作或其他基础能力；
• 允许但须披露： AI可以帮助检索、反馈或编辑，但学生必须记录使用过程并核验结果；
• 鼓励或要求使用： 评估重点是学生能否审问、改进或反驳AI输出。

一个更有利于学习的流程可以是：先独立完成初稿，再接受有指导的AI反馈，随后由学生独立修改，最后反思AI哪些地方正确、遗漏或错误。

教师还需要把“会写提示词”和“真正理解知识”区分开来。复杂的提示词并不能证明学生掌握了学科内容；相反，如果学生能够有理有据地拒绝一个看似合理的AI答案，这往往是更强的学习证据。

对于年龄较小的学生，新加坡教育部的立场是：AI使用必须有益于学习和发展，具有明确目的，并且符合年龄和发展阶段要求，安全且负责任。 近期报道还提到，教育部开发的工具将从小学四年级起在教师监督下分阶段引入，同时加强教师AI培训。 因此，儿童需要的是有指导的课堂使用和成年人支持，而不是无限制的私人访问。

有设备，不等于具备AI素养

新加坡较为集中的数字基础设施，有助于减少学生在设备和获准学习工具方面的差距。教育部表示，各校都能获得数字基础设施、设备和软件方面的支持，学生也可以在整个学校系统内使用SLS。

但设备使用机会相同，并不意味着学生具备同等的批判性使用能力。家庭拥有更多时间、信心或教育经验的学生，可能更容易获得帮助：如何质疑一个回答、核查一个来源，或判断一段解释是否只是表面流畅。若学校不明确教授这些方法，差异就可能演变为新的教育不平等。

学校可以把原本隐藏在家庭环境中的“专家行为”变成课堂上人人都能学习的能力：

• 在课堂上示范如何核验信息和评估来源；
• 提供结构化提示，以及AI使用得当和不当的案例；
• 教授元认知，让学生思考“我如何知道自己真的理解了”；
• 提供受学校治理和监督的工具，而不是让学生完全依赖质量、隐私保护和付费功能各不相同的消费级工具；
• 培训教师，避免学生获得的指导取决于个别教师对AI的熟悉程度。

教育部目前推动的AI素养方向，包括理解AI的好处、局限和风险，质疑AI输出，并识别其中的偏见、虚假或误导性信息。

到2029年，新加坡可能走向哪里？

目前的政策信号指向更深度的整合，而不是退出。未来几年，新加坡很可能继续在不同学习阶段加强AI素养教育，扩大经批准的AI教学工具，并利用SLS提供个性化练习和形成性反馈。

大学也可能继续采用披露、责任追究和课程级规则，而不是依赖AI检测器执法。 在独立推理是学习目标的课程中，评估将更看重学习过程、知识应用、对话交流和判断力。

真正的考验在于：AI究竟是在扩大学生的思考能力，还是悄悄取代培养思考所必需的训练。

因此，新加坡最有说服力的模式不是“到处使用AI”，也不是“任何地方都不能使用AI”，而是结构化使用，同时为不借助工具的努力保留明确、受保护的时间。

学生最终需要具备的不只是与AI协作的效率，还包括发现AI出错的能力、判断何时不应使用AI的能力，以及在工具不可用时仍能独立进行可靠推理的能力。这正是“与AI一起学习”和“把学习外包给AI”之间的区别。

SLS如今已成为这一战略的重要平台。新加坡教育部表示，从小学到大学预科阶段，学生都可以使用与课程相衔接的学习资源，同时接触SLS中的部分AI功能。 政府科技部门的介绍则显示，SLS中的AI工具可用于支持个性化学习和教师了解学生的学习情况，并配有安全防护措施和适龄使用要求。

这也带来了比“给每个学生配设备”更复杂的教育任务：学生必须学会质疑AI的回答、发现其中的错误，并判断在什么情况下使用AI会违背作业本身的学习目的。

真正的风险：把核心思考过程交出去

“认知卸载”本身并不一定有害。人们一直在借助外部工具减少不必要的心理负担。计算器、参考书和拼写检查器，都可以帮助人们把注意力留给更复杂的任务。

问题出现在学生尚未独立尝试之前，就把学习的核心环节交给AI。例如，让AI先替自己搭建论证、解读证据、解决陌生问题，或写出完整解释。

这样做的即时效果往往很诱人：完成速度更快，语言更流畅，表面错误更少。但一份 polished 的作业可能掩盖了薄弱的学习成果。学生未必因此获得足够牢固的思维模型，去完成以下事情：

• 识别看似合理却错误的说法；
• 将已有知识迁移到新问题；
• 解释一个论证为什么有说服力；
• 找出论证中缺失的证据；
• 在没有AI帮助时说明并捍卫自己的答案。

这正是教育工作者所说的**“有效挣扎”**：回忆、尝试、犯错、接受反馈，再进行修改。困难并不总是低效的阻碍；很多时候，它正是推理能力和长期记忆形成的过程。把所有难题都交给AI，可能让任务变得轻松，却也可能删掉了学习真正发生的部分。

研究支持担忧，但没有证明AI必然伤害批判性思维

现有证据足以支持谨慎态度，但还不能简单得出“AI总会削弱批判性思维”的结论。

一项关于生成式AI在高等教育中的范围综述指出，AI可以支持写作、反馈、问题解决和研究，同时也带来认知卸载、工具依赖和学习者自主性受损等担忧。

另一项涵盖89项研究的系统综述发现，生成式AI的认知影响并不统一，而是取决于使用方式和教学情境。该综述中，40.4%的研究记录了积极结果，23.6%的研究则发现效果复杂、混合或有条件。研究报告的主要风险包括过度依赖、分析自主性下降和认知卸载。

其他研究综述也得出了相近的谨慎结论：如果通用型AI绕过学生掌握技能所需的思考过程，分析、推理和创造力等高阶能力可能受到影响。因此，研究建议学生先建立基础知识，再接受AI素养教育，并以循序渐进、有明确支架的方式引入工具。

不过，相关研究仍在发展中。不同研究对“批判性思维”的定义并不一致，涉及的学科、年龄、任务类型以及AI介入程度也各不相同。 因此，更稳妥的结论是：

当AI充当学习支架、反馈伙伴，或帮助学生检验和挑战自己的推理时，它更可能促进学习；当AI替代了基础性的理解、解读和分析时，它更可能削弱学习。

其中最值得警惕的，是任务表现与持久学习之间的差距。学生可能更高效地完成作业，却没有获得这项作业原本要培养的知识、判断力和独立推理能力。

从查重与反抄袭，转向重新设计学习评估

ChatGPT于2022年公开发布后，全球许多教育机构的第一反应集中在作弊、抄袭和AI检测上。新加坡大学目前呈现出更细化的做法：在部分课程作业中，AI可以被允许使用，但具体规则仍由课程和教师决定；学生必须对提交内容的准确性、学术诚信和引用负责。

新加坡国立大学（NUS）的指导意见要求学生披露AI使用情况，与教师确认课程规则，并对作品的质量和完整性负责。 NUS的相关政策还明确指出，直接提交AI生成内容，或将AI生成内容改写后不作说明地当成自己的成果，都可能构成不当抄袭。

AI检测工具的局限也越来越明显。南洋理工大学（NTU）表示，将从2027年起停止使用校级AI检测器，理由是相关技术不够可靠，缺乏足以证明学术不端的实证有效性。学校计划转而关注学生的创作过程，包括使用统一格式披露AI使用情况。

这意味着评估理念正在发生变化。与其仅凭最终文本猜测作者是谁，教师不如让学生如何得出结论的过程变得可见，例如：

• 先完成不使用AI的初步尝试；
• 提交多个版本和修改记录；
• 标注和整理参考资料；
• 撰写反思性的过程说明；
• 进行口头解释或答辩；
• 使用学科特定、地方性或个人化证据；
• 将概念应用于陌生情境，避免简单复制标准答案。

目标不是打造一份“AI绝对无法参与”的作业，而是确保评估真正看见正在被培养的学习能力。

什么才是负责任的AI使用方式？

对学生而言，一条实用原则是：在自己的思考之后、思考过程中，或用AI来挑战自己的思考，而不是用AI代替思考。

学生可以怎么做

1. 先独立开始。 在打开AI工具前，先列提纲、尝试解题、找出相关来源，或提出一个暂时性的观点。
2. 把AI当作思维伙伴。 可以让AI提出反方论点、找出假设、提供检索关键词、生成练习题，或批评自己的草稿。
3. 把AI输出当作待核实的主张，而不是证据。 事实、引文、参考文献、计算结果和解释，都应与可靠的一手资料或权威来源进行核对。
4. 保留AI使用记录。 记录所用工具、关键提示词、重要输出、采纳或拒绝的内容，以及核验方法。NUS的指导意见已要求学生说明AI使用情况并承担个人责任，部分院系还要求提供更详细的披露表。
5. 保持独立掌握。 学生应能够在没有AI协助的情况下，解释并捍卫作品中的每一项主要主张。

教师和学校可以怎么做

学校和大学可以为每项作业明确AI权限等级：

• 禁止使用： 作业考查的是独立记忆、计算、写作或其他基础能力；
• 允许但须披露： AI可以帮助检索、反馈或编辑，但学生必须记录使用过程并核验结果；
• 鼓励或要求使用： 评估重点是学生能否审问、改进或反驳AI输出。

一个更有利于学习的流程可以是：先独立完成初稿，再接受有指导的AI反馈，随后由学生独立修改，最后反思AI哪些地方正确、遗漏或错误。

教师还需要把“会写提示词”和“真正理解知识”区分开来。复杂的提示词并不能证明学生掌握了学科内容；相反，如果学生能够有理有据地拒绝一个看似合理的AI答案，这往往是更强的学习证据。

对于年龄较小的学生，新加坡教育部的立场是：AI使用必须有益于学习和发展，具有明确目的，并且符合年龄和发展阶段要求，安全且负责任。 近期报道还提到，教育部开发的工具将从小学四年级起在教师监督下分阶段引入，同时加强教师AI培训。 因此，儿童需要的是有指导的课堂使用和成年人支持，而不是无限制的私人访问。

有设备，不等于具备AI素养

新加坡较为集中的数字基础设施，有助于减少学生在设备和获准学习工具方面的差距。教育部表示，各校都能获得数字基础设施、设备和软件方面的支持，学生也可以在整个学校系统内使用SLS。

但设备使用机会相同，并不意味着学生具备同等的批判性使用能力。家庭拥有更多时间、信心或教育经验的学生，可能更容易获得帮助：如何质疑一个回答、核查一个来源，或判断一段解释是否只是表面流畅。若学校不明确教授这些方法，差异就可能演变为新的教育不平等。

学校可以把原本隐藏在家庭环境中的“专家行为”变成课堂上人人都能学习的能力：

• 在课堂上示范如何核验信息和评估来源；
• 提供结构化提示，以及AI使用得当和不当的案例；
• 教授元认知，让学生思考“我如何知道自己真的理解了”；
• 提供受学校治理和监督的工具，而不是让学生完全依赖质量、隐私保护和付费功能各不相同的消费级工具；
• 培训教师，避免学生获得的指导取决于个别教师对AI的熟悉程度。

教育部目前推动的AI素养方向，包括理解AI的好处、局限和风险，质疑AI输出，并识别其中的偏见、虚假或误导性信息。

到2029年，新加坡可能走向哪里？

目前的政策信号指向更深度的整合，而不是退出。未来几年，新加坡很可能继续在不同学习阶段加强AI素养教育，扩大经批准的AI教学工具，并利用SLS提供个性化练习和形成性反馈。

大学也可能继续采用披露、责任追究和课程级规则，而不是依赖AI检测器执法。 在独立推理是学习目标的课程中，评估将更看重学习过程、知识应用、对话交流和判断力。

真正的考验在于：AI究竟是在扩大学生的思考能力，还是悄悄取代培养思考所必需的训练。

因此，新加坡最有说服力的模式不是“到处使用AI”，也不是“任何地方都不能使用AI”，而是结构化使用，同时为不借助工具的努力保留明确、受保护的时间。

学生最终需要具备的不只是与AI协作的效率，还包括发现AI出错的能力、判断何时不应使用AI的能力，以及在工具不可用时仍能独立进行可靠推理的能力。这正是“与AI一起学习”和“把学习外包给AI”之间的区别。