本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

本页是英文页面的机器翻译,尚未经母语者审校。

这是一本来自心理学教学学会(Society for the Teaching of Psychology)的免费编著文集(2026 年,ISBN 978-1-941804-82-7),它按课程而不是按工具来组织生成式 AI。许多 AI 使用调查的受访者来自心理学,心理学本身却不是这些调查的主题;这本书是那个对照案例,255 页里有 21 个课程章节,另加一篇导论和一篇结论。

这本书提出的论点

编者的前提是:心理学教师所处的位置格外适合教授如何使用 AI,因为这门学科本来就在教关于测量、证据与人类行为的判断。他们的主张比「AI 素养很重要」更窄:AI 素养是发展性的——学生不是有或没有,而是通过分阶段的接触、反思和反馈逐步获得。

由此得出三条设计承诺,多数章节至少落实其中一条。分阶段规定学生可以用工具做什么,随着判断力成长,从有引导的使用走向独立使用。把使用与验证配对:用模型提出的一个主张,必须对着来源核查并展示出来。把成功定义为对「什么时候用、是否该用」这个工具的判断,而不是对它的熟练度。

结构本身就是论点。章节按教师即将要教的那门课分组——基础与跨课程、临床与咨询、研究方法与统计学——而不是按工具、能力或院校政策分组。

第一部分:基础与跨课程

  • 接入是第一个问题,而不是工具(Slade 与 Hyk)。入学时没有 AI 使用经验的学生会双重吃亏:他们缺少提示技巧,也缺少判断一个流畅答案是否可靠的能力。该章在教授提示工程的同时,给出可复用提示的开放仓库,并把这项教学当作一项公平措施。作者披露了自己在一家将教育 AI 商业化的公司中有财务利益。
  • AI 作为教学的内容生成器(Corcoran)。该章的用例是教师自己的备课:围绕一个明确的目标生成视觉素材、例子、习题和其他教学刺激。它的论点是:让输出有用的是针对该目标的定制,而不是新奇。该章还坚持要教学生「关于」AI 的知识——它的局限与伦理——而不只是把工具递给他们。
  • 把学习技能当作通往理论的桥(Costa)。在一门高年级学习与记忆课程中,学生使用 AI 学习工具,然后把这些工具所做之事对应到间隔练习与提取练习上。这个设计让心理学成为主题、让工具成为标本,这是教一门内容本身就是这些工具声称实现的学习科学的课程时最干净的做法。
  • 一个应用行为改变项目(Emanuel)。学生以 AI 系统为教练开展一个健康行为改变项目。他们的反思把有效的部分——即时、贴合个人、不带评判的建议——与无效的部分分开:没有共情,以及关于健康的似是而非的错误信息。这是少数把模型放进一个「错了要付代价」的角色里的章节之一。
  • AI 作为辩论教练(Jackson)。一门高年级社会心理学课程用模型来梳理论证、浮出反方论点,并在公开辩论前排练反驳,每一个主张都要对照同行评议的来源核实。在书面反思中,75% 认为模型在准备阶段至少中等有用,35% 强烈正面;约 10% 认为用处很小,主要是因为模型给出泛泛的论证或自信的错误。后续一轮迭代增加了一份一页纸的准备计划和一份把每个主张连到来源的证据台账。
  • 一个承担反馈职责的课程聊天机器人(Lee、Nam 与 Wages)。为「心理学导论」「研究方法」和「心理学学徒」三门课构建的聊天机器人支持主题头脑风暴、研究问题细化和论文结构。作者报告前测调查有 124 名学生、后测回答率 25%,因此结果证据比实施细节要薄。
  • 三个层次的评价(Granito)。诊断性、形成性和总结性任务各有一个 AI 增强版本,而总结性那一端转向真实项目,其中工具是支持伙伴而不是交付物。如果问题是要停止给什么打分,这章就该读。

第二部分:临床与咨询课程

  • 把心理治疗当作入门活动(Castro)。学生选一种 DSM-5-TR 障碍和一项心理治疗技术,然后体验一次模拟会谈,并讨论基于 AI 的远程医疗得到了什么、失去了什么。这个设计以对照来教技术:模拟通过省略治疗中的关系性部分,把那个部分显示出来。
  • 一起搭建案例研究(Pulido)。学生用 ChatGPT 起草 DSM-5-TR 案例研究,然后对它们作评价,这就把评价能力放在学生而不是模型身上。该章描述了研究生和本科生的调整版本,并把反复打磨提示当作临床推理的一部分,而不是技术杂务。
  • 研讨课中的个案概念化(Draheim)。个案概念化是学生综合来访者信息与治疗结果研究的地方,在本科层面很难教。研讨课用 AI 生成并批评概念化,并把教师被点名的反馈负担当作让这个工具一开始就有吸引力的那个约束。
  • 文化谦逊(Draheim)。一项作业用模型来研读一篇关于文化谦逊的文章,随后是课堂练习:在生成式输出里找出偏见。这个配对很重要:工具先被用来打开一个话题,同一周里又成为被批评的对象。
  • 创伤回应式教学(Rubio)。研究生创伤课程用文本与图像模型共同创作治疗性故事和「安全之地」意象,以 Herman 的三阶段模型和 Perry 的神经序列模型为依据。在这里干活的是框架;工具提供材料,再由框架加以约束。
  • 作为治疗师的机器人(Niederjohn)。学生与若干聊天机器人对话,并把这种体验与面对面建立治疗联盟的工作相比较。该章给出让这个练习变得紧迫的数字:在早先的调查中,65% 的心理健康专业人员认为聊天机器人支持有益,而 86% 不支持在照护中使用它们。它的实用建议是一架梯子:先做 AI 角色扮演,然后是同伴,再是人类模拟病人。
  • 为受训者做角色扮演(Labriola 与 VanHara)。AI 角色扮演用没有脚本的临床陈述取代照本宣科的同伴角色扮演,作者主张这提高了真实感和承担风险的意愿。他们把这种需要锚定在学生调查数据上:16 个国家近 4,000 名学生中有 86% 报告使用 AI,58% 说自己对其了解不足,72% 希望有 AI 素养课程。

第三部分:研究方法、统计学与科学素养

  • AI 作为研究副驾驶(Sumutka 及同事)。这些活动带新手走一遍:收窄主题、查找来源、生成并操作化变量、应用伦理。既定的目标是信息素养优先、速度其次,该章也明说工具在被使用的同时也在被示范。
  • 用问题生成来做批判性评价(Burkett)。一门本科研究方法课程用三阶段方法把 ChatGPT 变成关于研究设计的评价性问题的生成器,还为此构建了一个自定义 GPT。这些问题随后充当理解程度的测量——这是其他章节谈到却很少真正落实的一种评价手法。
  • 用途与滥用,做成模块(Urdan、Firtch 与 White)。即取即用的模块覆盖研究设计生成、练习测验和已知的失效模式,其理由是:对于对 AI 好奇但时间紧张的老师,采用上的摩擦才是真正的障碍。
  • 那个没达到预期的聊天机器人(Hilley 与 Edwards)。「Zig」搭建在 Juji 平台上,用于一门必修统计学课程,本意是为练习题提供随时的帮助。它没有达到预期。它的失败很具体,也有教益:一个学生问 Levene 检验,把「levee」打了进去,得到的是一句拒绝;一个关于评分的问题引出了与 z 分数无关的回答;要例子,得到的却是定义。其中许多要归因于一个靠问答堆起来的平台,而不是一个推理模型,但这一章是这本文集诚实的负面结果,也是在搭建课程机器人之前该读的那一篇。
  • R 教学中的分阶段整合(Garrison、Tyson 与 Lyu)。四阶段模型从无 AI 的学习开始,只有在学生能够评价工具产出时才加入工具。作者点名的就绪信号是学生对 AI 局限的挫败感,他们记录的失效模式是过早引入 AI,那会在基础还不存在时先造出依赖。
  • 高年级研讨课里的 ChatGPT 加 Elicit(Katzarska-Miller)。四场预备工作坊先于一学期的研究论文,用生成模型起草、用研究助手工具做文献。该章把设计扎根于社会建构主义学习理论,并用课程前后的自我评估来检查 AI 素养是否发生了变化。

二十一章中反复出现的东西

  • 把接触分阶段。 几乎每一章都先推迟给出工具,直到学生有东西可以用来判断它——无论那东西是一个统计量、一个框架、一个辩论立场,还是一项编程基础。
  • 要求验证,并让它可见。 证据台账、来源核查、提示日志和「事实核查后改了什么」的说明在各部分都出现。正是这项要求把工具使用转化为学习。
  • 把学生反思当作测量工具。 反思是多数章节的证据基础,这也是这本文集方法论上的核心弱点。
  • 在课程层面设计,而不是工具层面。 这本书自己的组织决定——一门课一章——就是它的建议。
  • 把教师的判断保留为对象。 反复出现的主张是:学生离开时应当能够决定什么时候不用这个工具。

这本书的薄弱之处

这些章节是实践者的叙述。几乎没有一章报告设计、样本或效应量,数字出现的地方描述的是实施,而不是学习。例外也是部分的:Lee 及同事有前测与后测调查,后测回答率 25%,Jackson 的反思分析是对一个班级的主题编码。

热情受到检验的程度也不均匀。Corcoran 和 Costa 是以倡导者的身份写作;Hilley 与 Edwards 报告了一次失败;只有 Slade 与 Hyk 披露了商业利益。点名具体产品的章节会很快过时,因为多数描述的是工具在 2025 年期间的表现。

值得知道的覆盖缺口:成本与付费档位几乎没被讨论,可及性与残障没有被当作一节来处理,K-12 只出现在 Castro 的中学教育那一章。这本文集讲的是美国的本科与研究生心理学教学,除了 Costa 和 Granito 之外,对大班讲授课程谈得很少。

你可以用它做什么

读你即将要教的那门课对应的那一章。三个部分——基础与跨课程、临床与咨询、研究方法与统计学——把相关的章节放在一起。例如:心理统计学中的 AI 辅导聊天机器人、高年级研讨课中 ChatGPT 与 Elicit 的搭配、AI 作为辩论教练、临床训练中的个案概念化与文化谦逊,以及一章让学生用 ChatGPT 生成问题再加以批评的研究方法课。

适用对象

任何职业阶段的心理学教师,以及相邻社会科学学科中那些评价问题形状相同的教师:写作密集的作业、案例讨论、统计焦虑、一门课只要一次重新设计就承受得起的小班。

说明与注意事项

免费 PDF,无需账号。版权属 STP,而不是知识共享许可:在署名前提下允许个人与课堂使用,而再分发或商业使用需要作者许可。各章是实践者叙述,不是研究——没有设计、样本或效应量——所以要把其中的主张当作经验报告,并逐章引用。

关联概念

嵌入此页

复制下面的代码,将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。