周二继续参加工作坊。9:02开始，主持人先让大家分享对前一晚回家作业的评价。有的人觉得视频中的AI工具很有意思，有人却认为反映出了偏见，比如仅仅根据“影响因子”判断论文的价值，搜索引擎也据此排名，不利于非传统、边缘化的声音和知识获得学者关注。又有人觉得视频中的做法更适合理科的研究，人文学科并不需要阅读所有已经发表的论文，而且有的学科重视的是深度而不是速度，用AI工具快速地撰写文献综述不那么有用。另外，作为教育者，我们应该思考教给学生什么。这些都是很好的问题，不过也说明对AI工具的评价褒贬不一，在美国学院中争议不小。

 

然后，主持人问大家，我们是否觉得视频中的做法“合乎道德”（ethical）。有的同事觉得依赖AI是“懒惰”的表现，影响学生创造力的培养。有人询问大学对于使用AI是否有官方统一的政策。还有人觉得追求“效率”可能损害批判性思维的培养，让学生无法深入学习、研究材料。我一方面赞同同事们的一些担心，另一方面又觉得他们有点过于忧虑。老师和学生最好是教学相长，不必高高在上，大包大揽。我们完全可以让学生反思使用AI的利弊，而不是一开始就预设他们只会偷懒、作弊。

 

10:20左右中场休息，10:30第二天的工作坊继续。下半场由一位图书馆员介绍各种AI工具。她说，AI工具可以分为解释过程（explainable）以及不解释过程、只提供结果的（blackbox），也可分为通用和专用型。使用AI时我们要注意它们资料的来源（代表何种视角）以及时间范围。不同的AI工具使用不同的算法和技术，展示不同的知识，代表不同的成见。她又介绍，现在不少AI工具都建立在ChatGPT这个通用工具的基础上，对范围等稍作修改，制造出专用型的AI。比如Semantic Scholar，只展示免费的论文的通用工具，常被用来改造成其他工具。它的局限当然是资料不完整，排除了许多需要付费才能阅读的优质内容。

 

每天都有新的AI工具产生，可能几个月就过期没用了，我们可以搜索哪些AI还能用。挑选AI需要事先了解一些情况，比如它属于谁，从哪里获得信息，怎么对待用户个人信息，使用的难易程度和速度，这个工具对教学效果的影响，什么任务可以外包给AI，有没有介绍这个AI的文字记录。接着，她展示了其中一种搜索学术文章的AI工具Elicit。有人问这些AI工具是否适合人文、社科学科，图书馆员解释目前大部分AI还是更适合理科学科。还有人问怎么在海量选项中找到最合适的AI工具，图书馆员说搞清自己需要AI做什么，找准一个就行了。

 

最后又到了解释第二天功课的时间。我们要试验使用一种AI工具，第三天工作坊时间分享经验。第二天的工作坊提前大约半小时就结束了。