摘要：当知识获取已经被互联网和 AI 大幅降低成本，大学课堂的价值不再是重复教材和定义，而是帮助学生建立问题意识、思维框架、判断力与实践能力。真正值得学生到场的课，不是信息量最大的课，而是最能推动他们思考、表达、合作与创造的课。
越来越多大学老师发现：课越上越难了。学生坐在教室里，眼睛看着屏幕，耳朵未必听讲；老师讲得口干舌燥，台下却很少点头、提问、反馈。有人把原因归结为短视频摧毁了注意力，也有人责怪学生功利、浮躁。但若只把问题推给学生，大学课堂恐怕会继续失去吸引力。真正值得反思的是：当知识获取已经被互联网和 AI 极大降低成本，大学课堂还凭什么值得学生到场？
过去，教师拥有明显的信息优势。教材、论文、行业经验、经典案例，主要通过老师的讲授进入学生视野。那时“把知识讲清楚”本身就有价值。但今天，学生可以让 AI 解释概念、生成案例、比较观点、列出参考书，也能观看世界各地的公开课。若一门课仍只是照着 PPT 念定义、按章节复述教材、拿多年不变的例题训练标准答案，学生自然会觉得课堂可替代。不是他们一定更聪明，而是课堂的稀缺性变了。大学老师不能再把自己定位为“知识搬运工”，而要成为学习的设计者、问题的引路人和判断力的训练者。
那么，大学课堂到底应该教什么？
第一，教“问题意识”，而不只是知识点。大学教育的核心不是让学生记住多少结论，而是让他们知道一个问题为什么重要、从哪里来、有哪些争议、怎样被拆解。真正好的课，开头不应只是“今天讲第三章”，而应让学生意识到：这个知识与现实世界有什么关系？它能解释什么，又解释不了什么？问题被点燃，知识才会有入口。
第二，教“思维框架”，而不只是零散信息。AI 可以提供答案，但它并不保证答案可靠，更不能替学生建立稳定的判断结构。大学课堂应帮助学生形成学科的基本思维方式：历史学如何处理证据，法学如何权衡规则与情境，医学如何在不确定中决策。框架不是模板，而是一种看世界的方式。学生一旦掌握框架，就能在新问题面前迁移、辨析、修正，而不是换一道题就重新求助搜索。
第三，教“判断力”和“辨别力”。AI 时代最稀缺的不是信息，而是判断信息质量的能力。课堂应训练学生追问：这个结论的证据是什么？数据从哪里来？有没有反例？模型的假设是什么？谁的利益被看见，谁的声音被忽略？老师的价值不在于永远比学生知道得多，而在于带着学生识别知识的边界、陷阱和代价。尤其在大学高年级，学生需要的不是更多“标准答案”，而是面对复杂情境时做出有理由选择的能力。
第四，教“方法”和“实践”。许多学生不听课，是因为他们听不出课程与自身能力增长的关系。课堂应让学生练习如何阅读一篇论文、如何做一次访谈、如何设计实验、如何写一份分析报告、如何把观点讲给不同对象听。方法不能只靠老师描述，而要在任务中反复训练。大学课堂若能让学生带着一个真实问题进来，带着一份经过修改的作品出去，它就不再只是时间表上的一格，而是能力形成的现场。
第五，教“人与人之间的学习”。这是 AI 最难替代的部分。课堂的价值还在于同伴讨论、观点碰撞、公开表达和即时反馈。一个学生的疑问可能启发另一个学生；一次争论可能暴露知识盲区；一次小组合作可能让人理解沟通、分工与责任。大学不只是知识仓库，也是社会化训练场。若课堂只有老师单向输出，学生当然容易沉默；若课堂设计了必须参与的任务，沉默就会被转化为思考和表达。
大学课堂又应该怎么教？
首先，教师要放弃“我讲完了就算完成教学”的观念。课堂不是讲授进度的容器，而是学习发生的空间。老师当然可以讲，而且好老师的讲授仍然极有力量，但讲授必须服务于学生的理解、应用和创造。最需要老师讲的，是难点、误区、脉络、争议和经验判断；最不需要占用课堂时间的，是学生自己读教材或问 AI 就能弄懂的基础信息。课前可以让学生完成阅读、向 AI 提问并提交困惑；课堂则集中处理真正值得讨论的问题。
其次，课堂要从“答案驱动”转向“任务驱动”。与其连续讲两小时，不如围绕一个案例、一组数据、一个情境、一项设计任务展开。新闻传播课可以分析同一事件在不同平台上的叙事差异；公共管理课可以为一个社区难题设计政策方案；计算机课可以比较 AI 生成代码与人工代码的缺陷。任务越真实，学生越容易投入，因为他们知道自己不是在陪老师完成 PPT，而是在练习未来会用到的能力。
再次，老师要把 AI 纳入课堂，而不是把 AI 视为敌人。禁止学生使用 AI，往往只能制造形式上的服从。更有效的做法是教学生正确使用 AI：如何提出好问题，如何验证 AI 回答，如何让 AI 扮演反方，如何记录自己的修改过程，如何区分“辅助思考”和“代替思考”。作业也应随之改变，不能只要求一篇可被 AI 轻易生成的通用论文，而要要求过程、证据、个人观察、课堂讨论痕迹和多轮修改。AI 不是大学教育的终结，而是逼迫大学教育回到更高层次的开始。
第四，课堂反馈要更密集、更具体。很多学生不是不愿学，而是不知道自己哪里没学会。传统课堂常常期末一次考试定成败，过程中的困惑长期无人看见。教师可以用随堂小测、匿名提问、学习日志、同伴互评、阶段性作品展示等方式，让反馈成为课程的一部分。反馈不是简单表扬或批评，而是指出下一步怎么改。学生能感到自己被看见，就更可能愿意进入课堂。
第五，评价方式也要改变。若考试只考记忆，学生就会把课程理解为背诵；若作业只看结果，学生就会追求最省事的生成；若评分只奖励标准答案，学生就不会冒险提出新观点。大学课堂应更多评价分析过程、证据使用、问题提出、合作贡献、反思能力和表达质量。评价什么，学生就会重视什么。教学改革不能只改课堂气氛，必须改评价逻辑。
当然，强调教师反思，并不意味着学生没有责任。大学生不是消费者，不能把所有不投入都归咎于老师。学习本来需要自律、耐心和主动性。只是从教育供给者的角度看，老师不能用“学生不行”来掩盖课堂设计的停滞。真正成熟的大学课堂，应在教师专业性与学生主体性之间建立新的契约：老师不再提供低效重复，学生也不能只做被动观众；老师负责设计有挑战的学习，学生负责带着准备、问题和行动进入课堂。
大学课堂不会因为 AI 而消失，但会因为缺乏改变而被边缘化。未来值得学生认真听的课，不一定是信息量最大的课，而是最能让他们思考、判断、表达和创造的课。课堂真正的目标，不是让学生离开教室时记住老师说过什么，而是让他们离开教室后，能更好地面对一个没有标准答案的世界。