问题——大模型“触手可及”，但“会用”不等于“用对”。
随着生成式技术加速进入学习与工作场景，部分大学生在写作、检索、数据整理等方面对工具依赖程度上升：有的停留在“复制粘贴式使用”，把输出当作标准答案；有的缺乏校验意识，忽视事实核对与逻辑审查；还有的在价值判断与表达风格上被工具牵引，出现同质化、空泛化倾向。
如何让学生既能拥抱技术红利，又能守住思考底线，成为高校新学期教学的一道必答题。
原因——技术门槛降低与学习方式变化叠加，数字素养短板显现。
一方面，大模型产品迭代快、入口多、成本低，学生“先用起来”很容易，但系统掌握提示设计、结果验证、偏差识别与伦理边界却需要训练。
另一方面，部分课程仍以工具展示或简单示范为主，缺少围绕“提出问题—验证结论—修正偏差—形成观点”的完整学习闭环，导致学生在面对不确定信息时，判断力与责任意识不足。
影响——用得好是“增效器”，用不好可能变成“放大器”。
在学习层面，若将生成内容视作最终答案，容易弱化资料辨析、论证推理与原创表达能力；在科研与就业层面，忽视数据来源、模型偏差与合规要求，可能带来错误决策甚至学术不端风险。
同时，大模型带来的“快速产出”也在重塑用人标准：企业更看重能提出高质量问题、能验证与复盘、能将工具嵌入业务流程的人才。
高校必须把“会用工具”升级为“驾驭工具”。
对策——以课堂为主阵地，构建“接触—质疑—驾驭”的训练链条。
在武汉工程科技学院的新学期课堂上，教师团队将数字素养融入专业教学，通过可比较、可复盘、可纠错的设计，引导学生从“膜拜式使用”转向“审查式应用”。
在《AI大模型应用训练》课堂，教师抛出“用财务管理指标评估恋爱关系的回报与风险”等贴近生活的设问，组织学生对近十个主流大模型进行同题对比。
不同模型给出从沉没成本、机会成本到情感叙事等多种答案，学生据此讨论：同一提示词为何产生差异，哪些结论缺少依据，哪些假设不成立。
课堂强调，选择工具、设置问题、判断结论本身就是专业能力的一部分，不能把输出当作“标准模板”。
在《新媒体文案创作》课堂，教师引导学生先用工具生成存在明显缺陷的文案，再分组“找问题”、提修改方案。
学生围绕情感温度、受众洞察、传播逻辑与产品卖点等维度逐条拆解，最终重构更符合传播规律的表达。
课程把“生成”变成“素材”，把“挑错”变成“能力训练”，让学生理解：效率可以借助工具，创意与共鸣仍要靠人的洞察与判断。
在《数据采集》课堂，教师把“误差与偏差”作为重点，讲清大模型与智能工具在采集效率、长尾场景覆盖等方面的优势，同时将“校验”嵌入实操流程：明确采集需求、筛选数据源、交叉比对、多方法验证、对异常结果进行人工复核与修正。
课堂强调工具输出只是起点，关键在于使用者能否识别边界、发现偏差并完成纠偏。
前景——以数字素养为牵引，推进专业教育与智能时代同频共振。
业内人士认为，大模型正推动教育从“知识传授”向“能力生成”转型。
面向未来，高校应在课程体系中进一步强化三类能力：一是提出问题与建模能力，把复杂需求转化为清晰任务；二是证据意识与验证能力，建立来源可追溯、结论可复核的学习规范；三是价值判断与伦理合规能力，明确数据安全、隐私保护与学术规范底线。
与此同时，应推动跨课程协同，将工具训练与专业方法、实践场景深度融合，形成可持续的能力培养机制。
技术的边界，从来不是由工具本身划定的，而是由使用者的认知深度决定的。
当一所高校的课堂开始教学生"如何质疑工具"，这本身便是一种清醒。
智能时代真正稀缺的，不是会使用工具的人，而是在工具面前仍能保持独立判断的人。
这堂课的意义，或许远不止于一个学期的开始。