这篇政治小论文是作者我、岛池与我们的另外一个朋友花了近一个月的（主要在晚自修，因此我合法携带了 iPad 与手机）时间一起写就的（虽然主力是我），然后同时大量使用了 ChatGPT 5 Thinking（资料检索、问卷优化、初步组织语言）与 Gemini 2.5 Pro（文风优化、字数删减）作为辅助。据指导老师所言，这篇文章比普通的政治小论文「更具有学术特征」，也就更受到他的喜爱。不过具体校内评比以及后续市级层面能否获奖他与我们就都不清楚了。

一、引言

　　2025 年的今天，AI 已从远景概念转为教育实践的日常：杭州宣布自新学期起在全市中小学开设必修人工智能课程，学校可集中授课或融入学科，每学年至少 10 课时；北京则明确自 2025 年 9 月 1 日起中小学每学年至少 8 课时的AI教育，并按学段循序进阶。这些地方性动作，正是教育部 2024 年关于「加强中小学人工智能教育」的路线图在地方的直接回响，标志着我国基础教育对 AI 素养的制度化转向。

　　在这一背景下，宁波并非旁观者。宁波杭州湾青少年学生实践基地的「政府统筹—基地赋能—学校应用」模式，作为世界人工智能大会的优秀案例，为本地 AI 教育提供了实践范式。本文据此把宁波作为样本，聚焦课堂教学、学情分析、作业辅导、课外内容与心理健康五个维度，回答一个直截了当的问题：AI 正在怎样改变宁波学生的学习？又应当如何在 AI 工具盛行的情况下，给学生们提供当下与未来的建议。 

二、社会调查与社会分析

　　为获得切实的本地视角，我们对 40 名宁波市高中生的问卷调查，注意到了当前AI在学生学习中「普遍但肤浅」的应用现状。尽管 60% 的学生设备使用条件便捷，但其使用仍是短时、零散的，高度集中于资料检索（55%）、写作润色（45%）等辅助环节。

　　调查暴露出的核心问题是「流程缺失」：高达 73% 的学生承认使用 AI 时无固定流程，导致约 13.5% 的学生存在直接照搬答案的学术诚信风险。这背后是制度指导的缺位：90% 的学生表示教师从未系统讲授过 AI 使用规范，87.5% 的学生无来源标注或过程留痕的要求，行为边界依赖主观判断。因此，即便学生能意识到 AI 存在事实性错误（25%）与模板化内容（20%），风险行为依然存在。

　　这一数据清晰地指明了方向：引导学生从无序的初级使用，迈向有流程、可验证的成熟使用。学生对 AI 进课堂（77.5% 支持）和口头复述等验证性任务（72.5% 接受）的积极态度，为我们推行教学闭环、验证流程与使用契约提供了坚实的实证基础。

三、案例叙述与论证 

1．课堂教学：以权利与义务的边界建构人机协作新秩序

　　在海曙区古林镇中心初级中学，教师通过智能批改终端将学生作业数据快速汇总为可视化的错因图示。讲评中，教师仅选取代表性题目，并列呈现人工与 AI 的解题路径，引导学生进行公开辨析。该过程的核心价值，并非单纯提升效率，而在于使班级普遍困惑得以聚焦，并通过学生的口头复述，将外部逻辑内化为自身认知。这一做法恰好呼应了我们的调查发现：高达 72.5% 的学生愿意接受口头复述任务。宁波东海实验学校则将 AIGC 微课用作前置导学，但课堂中心始终回归教材，教师拥有最终决断权，有效应对了调查中反应的 AI 内容失实等问题。

　　为将这些实践制度化，我们倡导通过民主程序制定《AI 课堂协作与留痕公约》。公约可明确界定行为清单：允许、禁止、需说明（参考外部思路须留痕并能当堂复述）。如此，政治学科中「权利与义务」的辩证关系，便具体化为师生共守的行动指南，学生在规则内享有学习自由，同时承担清晰的说明义务。 

2．学情分析：以民主监督重塑数据应用的权责关系

　　北京市第二十中学把平台生成的个性化学习手册加入讲评，学生需复述错误原因并制定下一步行动计划；海淀区的学业诊断平台将典型难点提炼为错因清单回归课堂；上海进才中学北校的教学节奏是：先通过线上作业与即时统计，精准定位学生的知识薄弱点；再经由讲评环节分析错误原因，并辅以变式练习和复述来巩固知识。这些实践呈现出一致的逻辑：学情分析的核心功能在于为学生生成下一步的学习任务，而非固化对其能力的个体印象，从而形成「学情分析—课堂讲评—任务布置」的紧密闭环。

　　为避免学情焦虑与数据标签化，班级公约可将学情平台界定为服务学生的任务引擎，只呈现错因与行动建议，不作个体排序。同时引入监督机制：学生有权对数据画像提出质询，教师有义务说明；系统生成的异常提示须经人工复核方可生效。如此，政治课程中公民参与公共事务与民主监督的原则，便转化为了学生对自身学习数据的知情权、质询权与更正权，保障了技术应用的透明性与善意性。 

3．课外辅导：以程序正义规范家庭构建 AI 使用的规则边界

　　调查中高达 73% 的学生缺乏固定使用流程，以及87.5%的学生表示学校未做留痕要求，这使得课外辅导成为 AI 滥用与潜力发挥并存的关键场景。 为深入探究此现象，我们对一名每周使用 AI 进行学习长达 3～7 小时的深度用户进行了个案访谈。其学习模式为我们揭示了在制度缺位下，学生自主探索所能达到的潜力与其中潜藏的风险。

　　该生的实践呈现出高度的系统性与策略性。他不仅同时使用 ChatGPT、Gemini 与 DeepSeek 等多平台服务以实现交叉验证，还对不同应用场景做了明确的功能分割。在题目问答方面，他已用 AI 替代传统的搜题应用，并通过连续追问的方式，直至完全理解题目的内在逻辑。在资料检索方面，他利用 AI Agent 进行高效的学术资料查询，并创造性地将 AI 作为思想陪练，通过与其的交流辩论来检验自己的认知与设想。

　　该生的模式极具启发性，但其有效性高度依赖个体自律，思维路径不可见、不可迁移，这正是教育公平需要关注的「隐形流程」，也恰好印证了将优秀个人经验转化为集体规范的必要性。班级公约的意义在于通过民主程序，将二次比对与思路复述等有效方法从个人习惯提升为集体规则。在此，「程序正义」理念得以实践：公约的制定体现民主决策，执行体现民主监督，将学生「看情况」的主观判断，转变为清晰、公正的规范行为。 

4．课外内容：以程序保障推动从会用到会证的能力升级

　　调查显示，学生 AI 应用仍以浅层检索为主，近三分之一的学生未形成有效纠错习惯。 在上海七宝中学的无人艇项目中，学生通过亲身管理数据来源、解释每一个参数的选择，来完成从提出问题到用证据复现验证的完整科研训练；北京市第十八中学 AI 问学社团把来源标注与反例搜寻作为常规动作；海淀区则通过校内 AI 自习室将过程性反馈回流至课堂。这些实践正是对上述能力短板的精准回应，旨在引导学生信息素养从浅层的会用软件，转化为深层的会做研究、会讲证据。

　　为保障研究过程的严谨性，班级公约可将项目日志四件套（问题陈述、材料来源、关键提示词、结论与反思）设定为硬性要求。成果展示环节则采用三分钟可复现陈述的模式，由同伴与教师共同验证。至此，政治课程中「依法治国」「程序正义」「公共参与」的宏大原则被具体化：每一份成果都因其流程的透明而可被复刻与修正，学生则在受监督的程序中学会如何负责任地创新。 

5．心理健康：以制度护航确保技术向善与人文关怀

　　在心理健康领域，AI 的应用边界尤为重要。南京师大附中树人学校的实践中，任何平台提示都以「邀请谈谈」落实到面对面的关怀，谈话聚焦于作息与学习难点，并以小步行动和回访机制收束；上海无人化咨询室为情绪识别与放松训练提供时间增益，但谈话留痕需加密保存并定期人工复核，仅当出现连续高危词项时才触发提醒，但后续的判断、干预与责任始终由人承担。

　　班级公约必须在此划定红线：遵循最小必要采集、适龄保护、人工复核原则，明确规定不得自动化判定学生心理结论，不得将敏感标签与学业评价挂钩。同时，保障学生与家长的知情权与撤回权。政治学科的「权利保障」原则在此转化为可执行的教育语言：技术让支持更可及，但判断与责任始终在人。 

四、前瞻性研究：从学生选择到学校治理的路径重塑

　　本研究行至前瞻性分析，我们的关注点不再局限于技术本身，而是回归到学生与学校的长期发展路径之上：AI 究竟能将个体的可选择性拓展到多大范围，又能将学校的可治理性深化到何种程度？学生们普遍对 AI 进入课堂持积极态度，并愿意在合适的任务设计下尝试口头复述等验证性环节；然而，其实际学习流程仍以检索与润色为主，而证据组织与过程留痕等深度应用尚未成为多数行为。规则与边界的设定多依赖于个人判断，班级层面的制度化约束普遍缺失。正是在这种意愿积极与实践不成型的差距之间，未来的发展方向变得格外清晰：

　　AI 并非简单地替代某个职业，而是在根本上重塑职业内部的任务结构：流程化的环节将被技术压缩，而问题界定、证据组织、跨工具协同与公开表达等能力将被提升为核心竞争力。基于我们样本中短时、轻量、以检索润色为主的现实起点，最具可行性的能力跃迁，并非盲目增加 AI 使用时长，而是将使用行为转化为可证明的能力成长——即从会用工具向会做研究迈进。这可以具体到为学生建立一份以证据为基础的动态能力画像，回答其在哪门学科能承受长时训练、何种能力可跨学科迁移等关键问题。证据的形成则依赖于规范化实践，如每学期完成采用「项目日志四件套」的小型项目，并固化「二次比对—思路复述」的学习闭环。这种以证据为核心的语言，能将 AI 带来的效率红利，稳固地转换为可解释、可迁移的个人能力，并自然沉淀出面向未来的发展路径。 

五、结语

　　从更长远的视角看，上述制度化的努力，终将把 AI 影响就业与 AI 重塑教育这两条线索，融合为一项统一的实践：学校通过建立稳定的规则与流程，为学生的发展提供确定性，让他们学会用共同的证据语言来呈现成长；学生则通过遵守这些规则，将行为的确定性回馈给学校，使规范成为自觉。届时，课堂内的讨论将不再纠结于能不能用 AI，而是聚焦于用到哪一步，如何阐释 AI 结果。当这些实践成为常态，所谓的「前瞻性」便不再是一纸趋势报告，而是浸润在每一堂课中的日常常识。

　　综上所述，本文的内容可归于一个核心原则：在法治与民主的框架下，让工具上台，让过程留痕，让人抬头交流；只记录学生如何学，不定义学生是怎样的人。前者确保了效率与创新，后者则守护了诚信与尊严。宁波作为样本给我们的启示并不喧哗，却十分深刻：只要将抽象的规范翻译成可执行的课堂动作，将复杂的边界绘制成人人读得懂的《行动指南》，技术红利就将稳步沉淀为制度能力。届时，学生的选择会更加笃定，学校的治理会更加从容，而我们今日反复强调的证据、过程与表达，也将成为明日每一位毕业生随身携带的「硬通货」。

宁波市中小学生ＡＩ学习使用情况问卷

说明：非常感谢能抽出时间的各位，本问卷仅用于学术研究，参与者隐私将采取脱敏化处理。未标注的题目默认单选。

1、您的性别？
□ 男 □ 女 □ 其他：__________

2、您的学段？
□ 小学（1～3 年级） □ 小学（4～6 年级） □ 初一 □ 初二 □ 初三 □ 高一 □ 高二 □ 高三

3、过去一周，您在学习相关活动中使用 AI 的总时长？
□ 从不／几乎不 □ 1～15 分钟 □ 16～60 分钟 □ 1～3 小时 □ 3～7 小时 □ 7 小时以上

4、过去一周，您主要把 AI 用于哪些学习环节（多选）？
□ 预习提纲/知识梳理 □ 课堂即时问答 □ 作业／答案相关 □ 解题步骤检查／纠错 □ 写作润色／结构调整 □ 英语口语/听力练习 □ 资料检索与摘要 □ 科创／编程／数据分析 □ 其他：__________

5、最近一次完成学科作业时，您是否使用过 AI？
□ 否（跳到第 7 题） □ 是

6、最近这次作业您做了哪些步骤（多选）？
□ 先写简要思路（不直接让 AI 出答案） □ 让 AI 给分步提示或示例（而非直接答案） □ 将 AI 产出自行改写后再使用 □ 用口头复述向同学／老师解释答案 □ 做了自我测试／反例验证 □ 直接使用 AI 的完整答案

7、您是否接受过老师关于「如何正确使用 AI 学习」的指导？
□ 从未 □ 偶尔提及 □ 系统讲过 1～2 次 □ 经常作为作业要求

8、学校或老师是否要求标注 AI 协作或保留使用记录？
□ 无要求 □ 建议标注 □ 明确要求标注 □ 明确要求且会抽查

9、关于过去一个月，您的作业平均用时的变化？
□ 明显减少 □ 略减 □ 无变化 □ 略增 □ 明显增加

10、您对 AI 进入课堂（学校发放 AI 终端、提供 AI 问答、AI 选修课等）的总体态度？
□ 非常反对 □ 比较反对 □ 中立 □ 比较支持 □ 非常支持

11、您是否愿意在作业或测评中加入「自我解释」「口头复述」环节？
□ 不愿意 □ 视情况而定 □ 愿意

12、您的 AI 使用条件如何？
□ 无可使用 AI 的电子设备 □ 受限使用 □ 不受限使用

13、您一般使用什么厂商／种类的 AI（可多选）？
□ ChatGPT □ Gemini/AI Studio □ Claude □ Grok □ Mistral □ Perplexity □ Meta AI □ Copilot □ Manus □ DeepSeek/腾讯元宝 □ 通义千问 □ 豆包 □ Kimi □ 智谱清言 □ 讯飞星火 □ 文心一言 □ 系统自带 AI □ 官方直出 API □ 路由平台 API □ 本地开源模型 □ 其他：__________

14、您在情绪不佳时，您是否会使用 AI 进行相关交流？
□ 从不 □ 偶尔 □ 经常

15、当一项作业明确禁止使用 AI 时，您会？
□ 遵守规定 □ 看情况 □ 用 AI 直接产出

16、您最近一次被 AI 误导的情况是什么（可多选）？
□ 无（跳到第 18 题） □ 事实性错误／张冠李戴 □ 引用／来源编造（假文献、假链接） □ 数学／逻辑推理错误 □ 题意理解偏差／抓错条件 □ 写作结构空洞／模板化堆字 □ 语言与风格不当（语病／中英混用） □ 编程／数据／作图错误 □ 翻译不准／术语不当 □ 违规内容 □ 其他：________

17、您当时使用了什么方法来纠正（可多选）？
□ 不纠正 □ 自己检索／翻教材 □ 换提示词／让 AI 自检与给反例 □ 请教老师 □ 与同学互查 □ 用第二个AI交叉比对 □ 改回传统方法

18、此事造成的影响程度？
□ 无明显影响 □ 略受影响（多花时间） □ 中度（答案部分错误／分数受损） □ 严重（明显低分／被质疑诚信／重做）

19、对于扩大AI在学习生活、学校家庭中的应用，您有什么看法（选写于下方空白处）？ 

对了，我想在在这里补充一下，其实正文第三个例子的原型就是我本人（

另外，在问卷里放私货还是挺有趣的（第 13 题）。