前 11 篇论文精读的片尾曲，连在一起听。这一集只有歌曲，没有论文口播。每首歌围绕相应文献提出的问题写成；歌词是创学空间的编辑创作，不是论文原文或作者结论。 曲目与章节： 00:00 01《先把问题说清》｜Bearman · Ryan · Ajjawi（2023） 02:40 02《把问题留在手上》｜Lyu · Zhang · Chung · Sun · Zhang（2025） 05:09 03《交出去之前》｜Lee · See（2004） 06:30 04《同一步吗》｜Suchman（2007） 08:13 05《问题会转弯》｜Schön（1983） 10:50 06《把时间留给彼此》｜Duncombe · Armour（2004） 13:14 07《换一束光》｜Dorst（2011） 16:04 08《不只会使用》｜Long · Magerko（2020） 17:56 09《队友的位置》｜Seeber 等（2020） 20:38 10《回应之间》｜Guzman · Lewis（2020） 23:38 11《谢谢以后》｜Nass · Moon（2000） 从高校如何谈论 AI，到信任与怀疑、任务交付、现场行动、共同学习、人机交流，以及我们为什么仍会对机器作出社会回应。这 11 首歌保留了每篇读完之后值得继续想一想的问题。 对应论文精读文章：https://cxspace.com/readings/ 创学空间 · 论文精读

同一位教师，让 AI 帮忙整理资料，也担心学生误用它。这是矛盾，还是更具体的判断？ 本期读 Lyu 等人（2025）对美国一所大学178名教师的研究。从信任与不信任的分别测量，到教师自述的核查工作，我们把“信不信AI”重新放回任务、课程目标和工作负担中。 你会听到： - 熟悉概念、写进大纲和实际用进教学，为什么不同？ - 信任与不信任怎样并存，四组为什么不是四种人格？ - 核查具体要做什么，又增加了谁的工作？ - 正文与附录中的同一位教师，为何值得放在一起读？ 研究数据收集于2024年3月，是单校、横截面、自我报告调查。它没有验证培训效果，也没有直接测量学生学习损害。受访者材料均为中文概述，节目中的便笺练习由本栏目整理。 原文： Lyu, W., Zhang, S., Chung, T. (R.), Sun, Y., & Zhang, Y. (2025). Understanding the practices, perceptions, and (dis)trust of generative AI among instructors: A mixed-methods study in the U.S. higher education. Computers and Education: Artificial Intelligence, 8, 100383. https://doi.org/10.1016/j.caeai.2025.100383 作者提供的期刊全文（PDF）： https://zjanice.github.io/assets/papers/CEAI25_GenAI_instructor.pdf 延伸阅读： Lee & See (2004), Trust in Automation: Designing for Appropriate Reliance. https://doi.org/10.1518/hfes.46.1.50_30392 Bearman et al. (2023), Discourses of artificial intelligence in higher education: a critical literature review. https://doi.org/10.1007/s10734-022-00937-2 创学空间 · 论文精读 从一篇文献出发，把问题读得更清楚。

AI 已经来了，我们必须跟上。但在这句“必须”背后，谁需要改变，谁可以提出异议，谁又承担责任？ 这一篇，创学空间带你读 Bearman、Ryan 与 Ajjawi 的批判性文献综述。从 29 篇高教文章中的“必须响应”和“改变权威”两套话语，重新看见技术讨论里的专业判断与关系安排。 论文编入 2023 年期刊，文献检索截至 2020 年 11 月。它分析学术文本，不能直接代表今天教师使用生成式 AI 的实际立场。节目中的教研讨论与课程反馈场景为说明性设想。 你会听到： - 定义还很模糊，角色为什么已经被分配？ - “必须响应”为什么也可以包括抵抗？ - 权威如何在人、机构、企业与技术之间重新安排？ - 怎样让文献帮助理解不同立场，而不是提前给人分类？ 原文： Bearman, M., Ryan, J., & Ajjawi, R. (2023). Discourses of artificial intelligence in higher education: a critical literature review. Higher Education, 86, 369–385. https://doi.org/10.1007/s10734-022-00937-2 延伸阅读： - 连接生成式 AI 的实际经验：Lyu 等人 (2025)，Understanding the practices, perceptions, and (dis)trust of generative AI among instructors: A mixed-methods study in the U.S. higher education。单校调查，数据收集于 2024 年 3 月；不作为对本篇两套话语的直接验证。 https://doi.org/10.1016/j.caeai.2025.100383 - 关心问责与劳动：回到本篇原文 pp. 381–382。 - 关心信任与依赖：Lee & See (2004), Trust in Automation: Designing for Appropriate Reliance。 https://doi.org/10.1518/hfes.46.1.50_30392 - 关心理解不同立场：Van Exel & de Graaf (2005), Q methodology: A sneak preview，§§2.1–2.4（PDF）。 https://qmethod.org/wp-content/uploads/2016/01/qmethodologyasneakpreviewreferenceupdate.pdf 如果你正在参与相关研究，请先按研究安排完成排序与访谈，再自愿选择延伸阅读。 创学空间 · 论文精读 从一篇文献出发，把问题读得更清楚。 本期音频由 MiniMax speech-2.8-hd 合成，音色 Cn1。

电脑向你询问自己的表现，你给的分数会不会更客气？它刚刚帮了你，你会不会愿意为它多做一点事？ 本期精读 Nass 与 Moon（2000）的《Machines and Mindlessness》，沿着五组真实实验，讨论礼貌、互惠、个人披露、团队标记和专家标签怎样进入人与机器的互动。我们也会慢慢拆开几个容易混淆的问题：社会回应不等于相信机器是人，评价更高不等于能力更强，多说一点也不等于已经证明长期关系受损。 本期内容： - 电脑问起自己时，评价为什么不同？ - 帮过忙的电脑，会得到更多回报吗？ - 电脑先“说自己”，人会不会披露更多？ - 蓝队与绿电脑：同队感怎样被安排出来？ - 同样的节目，为什么“专业电视”得到更高评价？ - 作者如何讨论替代解释，又留下哪些问题？ - 回看一次自己的回应：线索、行动、期待与依据。 原文：Nass, C., & Moon, Y. (2000). Machines and Mindlessness: Social Responses to Computers. Journal of Social Issues, 56(1), 81–103. https://doi.org/10.1111/0022-4537.00153

从渠道到交流对象，理解人机传播的功能、关系与边界问题：回应一个系统，意味着怎样的期待，又不意味着什么？ 本期精读 Guzman · Lewis（2020），围绕交流与关系定位展开。原文论述与栏目提出的讨论练习分别说明。 本期内容： - 01 · 从传递消息到回应消息 - 02 · 功能：我们在回应什么 - 03 · 关系：一个称呼带来什么期待 - 04 · 关系也连接到别人 - 05 · 边界：交流者不等于人 - 06 · 研究启发 - 07 · 延伸阅读与练习 原文：https://doi.org/10.1177/1461444819858691 章节： - 00:00 开场：纠正 AI 时发生了什么 - 00:45 从渠道到交流对象 - 01:37 功能：我们在回应什么 - 02:33 关系：称呼带来什么期待 - 04:10 边界：交流者不等于人 - 05:05 怎样研究一次真实交流 - 05:22 功能、关系与边界的展开 - 09:13 练习：找一次纠正对话 创学空间 · 论文精读

机器进入团队之后，需要设计的不只有模型。读懂技术、协作与制度三个层面，以及效率、控制和知识可能出现的不同走向。 本期精读 Seeber 等（2020），围绕分工与协作条件展开。原文论述与栏目提出的讨论练习分别说明。 本期内容： - 01 · 队友是一个设计问题 - 02 · 八百多条问题怎样产生 - 03 · 不只设计机器，也设计协作 - 04 · 更快之后，谁来消化 - 05 · 承担任务，不等于保留控制 - 06 · 研究启发 - 07 · 延伸阅读与练习 原文：https://doi.org/10.1016/j.im.2019.103174 章节： - 00:00 开场：队友究竟做什么 - 00:32 八百多条问题意味着什么 - 01:30 机器、协作与制度三个层面 - 02:35 更快与认知负担 - 03:05 知识扩展与流失 - 03:50 责任、控制与权限 - 05:01 研究启发：三类领域与十七组后果 - 08:59 练习：把分工写清楚 创学空间 · 论文精读

AI 素养除了操作技巧还包括什么？从理解数据、人类参与和能力边界，重新看我们怎样学习与评价 AI。 本期精读 Long · Magerko（2020），围绕AI 素养与判断展开。原文论述与栏目提出的讨论练习分别说明。 本期内容： - 01 · 为谁定义 AI 素养 - 02 · 一百五十份材料意味着什么 - 03 · 看见系统背后的人与数据 - 04 · 不会编程，也要理解可编程性 - 05 · 素养怎样落到一次判断 - 06 · 研究启发 - 07 · 延伸阅读与练习 原文：https://doi.org/10.1145/3313831.3376727 章节： - 00:00 开场：会提示词算懂 AI 吗 - 00:46 为非技术背景者定义素养 - 01:16 一百五十份材料与框架 - 02:06 看见系统背后的人与数据 - 03:00 不编程，也要理解可编程性 - 04:32 评价不能只看熟练度 - 05:13 能力、设计与迁移 - 09:10 练习：为一次输出写便签 创学空间 · 论文精读

从娱乐街区的设计案例，区分增加方案与改变问题框架，追问一个新视角怎样连接具体做法和预期价值。 本期精读 Dorst（2011），围绕框架与问题设计展开。原文论述与栏目提出的讨论练习分别说明。 本期内容： - 01 · 设计思维在这里指什么 - 02 · 同时寻找什么与如何 - 03 · 框架要能接到行动 - 04 · 从治安现场看到音乐节 - 05 · 怎样判断换框架有用 - 06 · 研究启发 - 07 · 延伸阅读与练习 原文：https://doi.org/10.1016/j.destud.2011.07.006 章节： - 00:00 开场：更多点子够不够 - 00:52 两类设计溯因 - 02:16 框架不只是换名字 - 02:46 从治安现场到音乐节 - 04:09 怎样检查新框架 - 04:45 研究启发：记录变化 - 05:10 推理、证据与组织学习 - 09:11 练习：价值、原理、改变、证据 创学空间 · 论文精读

共同学习为什么会卡在日常工作中？从两所学校的体育教师经验，区分分享资源、共同探究与组织支持。 本期精读 Duncombe · Armour（2004），围绕协作与专业学习展开。原文论述与栏目提出的讨论练习分别说明。 本期内容： - 01 · 研究从哪里出发 - 02 · 分享还可以往前走一步 - 03 · 时间不是附带条件 - 04 · 支持怎样变得可见 - 05 · 有交流，还要看学到了什么 - 06 · 研究启发 - 07 · 延伸阅读与练习 原文：https://doi.org/10.1080/13674580400200230 章节： - 00:00 开场：想学，也要有时间 - 00:52 愿意学习与有条件学习 - 01:31 从分享走向共同探究 - 02:26 时间、管理与关系条件 - 04:09 怎样判断共同学习发生 - 04:55 方法与证据边界 - 07:57 研究启发：支持怎样可见 - 09:25 练习：补齐四个位置 创学空间 · 论文精读

答案越来越多，问题却可能仍未说清。从问题设定与建筑评图，理解专业人士怎样在行动中改变判断。 本期精读Schön（1983）的著作重点章节。讨论问题： - 解决问题之前，问题是怎样被定下来的？ - 行动中反思为什么不等于快速反应或事后总结？ - Quist与Petra的评图怎样改变问题框架？ - 多轮修改与专业学习，需要怎样的证据来区分？ 原著为The Reflective Practitioner: How Professionals Think in Action（1983）。依据重印本核读相关章节；建筑评图来自书中，教学与AI场景为编辑延伸，不是AI学习成效实验。 原著入口： https://www.routledge.com/The-Reflective-Practitioner-How-Professionals-Think-in-Action/Schn/p/book/9781138458284 当代延伸：Lyu等（2025）的高校教师调查，提供不同层次的使用经验材料，不能当作本篇框架的完整验证。 https://doi.org/10.1016/j.caeai.2025.100383 章节： - 00:00 开场：先换一个问题 - 01:41 解决问题，与设定问题 - 03:41 行动中的知晓 - 04:15 意外怎样进入反思 - 05:16 Quist 与 Petra 的建筑评图 - 07:14 经验也可能固定分类 - 08:17 练习：保留一次改主意 创学空间 · 论文精读 从一篇文献出发，把问题读得更清楚。

计划如何在现场成为行动？从复印机的沟通误解，检查人与系统各自知道什么，以及分歧怎样被发现。 本期精读Suchman（2007）的著作重点章节。讨论问题： - 计划写得完整，现场为什么仍需要解释与协调？ - 系统顺利进入下一步，怎样可能掩盖误解？ - 人与系统各自获得哪些信息？ - 怎样记录分歧与修复的过程？ 原著为Human–Machine Reconfigurations: Plans and Situated Actions（第二版）。沿用2007版权年引用，印刷出版记录为2006。复印案例来自原著；教学与AI示例为本栏目延伸，不是当代模型能力实验。 原著入口： https://doi.org/10.1017/CBO9780511808418 当代延伸：Lyu等（2025）的高校教师调查，提供不同层次的使用经验材料，不能当作本篇框架的完整验证。 https://doi.org/10.1016/j.caeai.2025.100383 章节： - 00:00 一台顺利运行、双方却理解不同的复印机 - 00:30 论文与版本说明 - 01:07 研究现场：Xerox PARC与专家帮助系统 - 02:22 计划如何成为行动中的资源 - 03:52 复印机案例中的隐蔽分歧 - 04:59 把问题带回今天的AI工具 - 06:11 让范围、状态与限制可以核查 - 07:15 研究方法上的提醒 - 07:48 四条记录练习 创学空间 · 论文精读 从一篇文献出发，把问题读得更清楚。

相信一个工具，却没有用；仍然不放心，却把一部分工作交给它。只看“用了没有”，能知道一个人有多信任吗？ 本期读 Lee 与 See（2004）的经典综述《Trust in Automation: Designing for Appropriate Reliance》，把信任、依赖意愿和实际行动分开讨论。 - 校准为什么不是给出一个中间分数？ - 表现、过程、目的，分别提供什么判断依据？ - 用得更久，为什么也可能忽略错误？ - 怎样记录一次任务分配，从反馈中更新判断？ 这是一篇自动化信任综述，并非生成式AI教学实验。教学场景和任务记录练习由本栏目延伸整理；练习不是经过验证的测量工具。 章节： - 00:00 为什么相信不等于使用 - 01:28 信任、意愿与行动 - 03:31 校准与分辨能力 - 05:37 表现、过程与目的 - 07:02 反馈怎样更新信任 - 08:30 为适当依赖设计 - 09:05 一次任务分配练习 原文：Lee, J. D., & See, K. A. (2004). Trust in automation: Designing for appropriate reliance. Human Factors, 46(1), 50–80. https://doi.org/10.1518/hfes.46.1.50_30392 大学网站全文（PDF）： https://user.engineering.uiowa.edu/~csl/publications/pdf/leesee04.pdf 延伸阅读： Lyu 等（2025），教师对生成式AI的实践、认识与信任/不信任。 https://doi.org/10.1016/j.caeai.2025.100383 Bearman 等（2023），高等教育中的AI话语。 https://doi.org/10.1007/s10734-022-00937-2 创学空间 · 论文精读 从一篇文献出发，把问题读得更清楚。

同一位教师，让 AI 帮忙整理资料，也担心学生误用它。这是矛盾，还是更具体的判断？ 本期读 Lyu 等人（2025）对美国一所大学178名教师的研究。从信任与不信任的分别测量，到教师自述的核查工作，我们把“信不信AI”重新放回任务、课程目标和工作负担中。 你会听到： - 熟悉概念、写进大纲和实际用进教学，为什么不同？ - 信任与不信任怎样并存，四组为什么不是四种人格？ - 核查具体要做什么，又增加了谁的工作？ - 正文与附录中的同一位教师，为何值得放在一起读？ 研究数据收集于2024年3月，是单校、横截面、自我报告调查。它没有验证培训效果，也没有直接测量学生学习损害。受访者材料均为中文概述，节目中的便笺练习由本栏目整理。 原文： Lyu, W., Zhang, S., Chung, T. (R.), Sun, Y., & Zhang, Y. (2025). Understanding the practices, perceptions, and (dis)trust of generative AI among instructors: A mixed-methods study in the U.S. higher education. Computers and Education: Artificial Intelligence, 8, 100383. https://doi.org/10.1016/j.caeai.2025.100383 作者提供的期刊全文（PDF）： https://zjanice.github.io/assets/papers/CEAI25_GenAI_instructor.pdf 延伸阅读： Lee & See (2004), Trust in Automation: Designing for Appropriate Reliance. https://doi.org/10.1518/hfes.46.1.50_30392 Bearman et al. (2023), Discourses of artificial intelligence in higher education: a critical literature review. https://doi.org/10.1007/s10734-022-00937-2 创学空间 · 论文精读 从一篇文献出发，把问题读得更清楚。

AI 已经来了，我们必须跟上。但在这句“必须”背后，谁需要改变，谁可以提出异议，谁又承担责任？ 这一篇，创学空间带你读 Bearman、Ryan 与 Ajjawi 的批判性文献综述。从 29 篇高教文章中的“必须响应”和“改变权威”两套话语，重新看见技术讨论里的专业判断与关系安排。 论文编入 2023 年期刊，文献检索截至 2020 年 11 月。它分析学术文本，不能直接代表今天教师使用生成式 AI 的实际立场。节目中的教研讨论与课程反馈场景为说明性设想。 你会听到： - 定义还很模糊，角色为什么已经被分配？ - “必须响应”为什么也可以包括抵抗？ - 权威如何在人、机构、企业与技术之间重新安排？ - 怎样让文献帮助理解不同立场，而不是提前给人分类？ 原文： Bearman, M., Ryan, J., & Ajjawi, R. (2023). Discourses of artificial intelligence in higher education: a critical literature review. Higher Education, 86, 369–385. https://doi.org/10.1007/s10734-022-00937-2 延伸阅读： - 连接生成式 AI 的实际经验：Lyu 等人 (2025)，Understanding the practices, perceptions, and (dis)trust of generative AI among instructors: A mixed-methods study in the U.S. higher education。单校调查，数据收集于 2024 年 3 月；不作为对本篇两套话语的直接验证。 https://doi.org/10.1016/j.caeai.2025.100383 - 关心问责与劳动：回到本篇原文 pp. 381–382。 - 关心信任与依赖：Lee & See (2004), Trust in Automation: Designing for Appropriate Reliance。 https://doi.org/10.1518/hfes.46.1.50_30392 - 关心理解不同立场：Van Exel & de Graaf (2005), Q methodology: A sneak preview，§§2.1–2.4（PDF）。 https://qmethod.org/wp-content/uploads/2016/01/qmethodologyasneakpreviewreferenceupdate.pdf 如果你正在参与相关研究，请先按研究安排完成排序与访谈，再自愿选择延伸阅读。 创学空间 · 论文精读 从一篇文献出发，把问题读得更清楚。 本期音频由 MiniMax speech-2.8-hd 合成，音色 Cn1。

第二季 10 期，我想把「人机关系」拆开看：它到底沿哪几条线在动。 第一季我问的是：人为什么会把 AI 体验成关系对象。第二季往前一步：这段关系，究竟沿哪几条线展开？ 拆下来是四条：信任、角色、动力、情感。 - 信任不是「信不信」，是校准到什么位置：E11 / E12 - 出问题的不一定是用的人，也可能是决定上这套系统的人：E13 / E14 - 技术不是中立的，它在放大一些东西时也在遮蔽另一些：E15 / E18 - 被评价会杀死创造力，难度被抹平会让人掉出心流：E16 / E17 - 最后两期是反方，也是最不客气的两期：E19 / E20 这条音频把十期连在了一起，2 小时 28 分。可以用下面的章节时间戳跳到任意一期。 00:00 E11 信任不是有没有，是校不校准 16:21 E12 信任的底色，是文化 31:47 E13 出问题的，不一定是用的人 46:36 E14 机器读不到你的处境 1:01:14 E15 技术从来不是中立的 1:16:28 E16 创造力是怎么被杀死的 1:30:10 E17 心流：无聊与焦虑之间 1:45:44 E18 你在和「什么」说话 2:00:36 E19 当表演看起来就够了 2:14:40 E20 说得好，不等于懂 如果你想看字幕、章节画面和完整文献路径，每一期都有对应的视频版，链接放在下面了： E11《信任不是有没有，是校不校准》https://youtu.be/OP4xndseN_I E12《信任的底色，是文化》https://youtu.be/AxiJTXJkfhE E13《出问题的，不一定是用的人》https://youtu.be/ip3zF6KW4fg E14《机器读不到你的处境》https://youtu.be/m7UQE5ZekcQ E15《技术从来不是中立的》https://youtu.be/qs44v2535tE E16《创造力是怎么被杀死的》https://youtu.be/dXYR76oQMNk E17《心流：无聊与焦虑之间》https://youtu.be/WlENRiHdHHM E18《你在和「什么」说话》https://youtu.be/TA0x0n9BgsE E19《当表演看起来就够了》https://youtu.be/zvckTUL3v5o E20《说得好，不等于懂》https://youtu.be/zMKtq9tfpYo 如果想一次看全，这是 AI 关系考古的完整播放列表： https://www.youtube.com/playlist?list=PLwGxVpY8uFYeVlKjUhcFhO2ZUcyad1rJd 你听见论文，也看见自己。