坚守多年的备课惯性与时代变局

   我备课有个习惯——说是习惯，不如说是惯性。每学期开学前，我会把课件从头到尾过一遍，删掉去年课堂上没讲完的，补上新出的数据和案例，调整一下先后顺序。大的翻修隔三五年做一次，通常放在暑假，把自己关在书房里，对着屏幕啃上一整个月。

   我的《数理统计学》PPT，最早可以追溯到2012年。那时候还是手写教案，后来费了好大劲转成Word，再后来又花了整整一个暑假做成PPT。此后每学期微调，大改过三次。有些页面我自己都记得——第47页那个假设检验的图，我画了四版才满意，每次替换都得重算一遍，麻烦得要命。

   但我不觉得这是负担。或者说，我已经习惯了这种节奏——备课就该是慢的，好东西急不来。所以这些年，每当有什么"革命性教学工具"横空出世，我的反应都很稳定：先观望，再敷衍，最后不了了之。

   电子白板装了，好像还是实体白板更适应；翻转课堂喊了很久了，我仍然是从第一周讲到最后一周；MOOC说要让线下课消失，结果我依然白板手推。每一次都是雷声大雨点小，每一次我都庆幸自己没有跟风。

   这一次，我大概也没想到，事情会不一样。

那个不得不试的深夜

那三秒钟

   WorkBuddy的回复来得很快。第一版大纲，我看了一眼，嗤之以鼻。标准的"数据类型—描述统计—可视化方法—案例"路线，中规中矩，跟我从教材上抄下来的没什么两样。我心里说：果然，通用框架，跟百度搜的一样。我正准备关掉，目光扫到了它最后的一句话。

   它问："你提到课程要培养学生的'数据思维'，这个'思维'具体指什么？是理解图表的能力，还是选择图表的能力，还是批判性地看待数据呈现的能力？"

   我愣了一下。这个问题，我其实想过无数次。每次跟同事聊课程目标，我都会说"培养数据思维"，但从来没被谁追问过"具体指什么"。大家默认理解了，或者默认不需要理解了。可现在一个AI在问我。

   我的手指搁在键盘上，犹豫了几秒，开始打字。一开始是敷衍——"就是让学生学会看数据、用数据"——打完又觉得太糊弄，删掉重来。第二遍认真了些："理解数据背后的信息，选择合适的呈现方式，能判断一个图表是否在误导人。"打完还是不满意。我又加了句："还有，知道什么时候该信任数据，什么时候该怀疑数据。"发出去之后，我发现自己写了快两百字。一个本想敷衍的问题，我居然认真回答了。

   然后它又回了。这次的大纲不一样了——模块顺序调了，"批判性思维"单独拎出来成为一条线，贯穿课程始终。

   我看着这个新版本，慢慢往后靠在椅背上。不是因为它有多好——说实话，这一版还有不少毛病。而是因为它问了我一个问题，一个我以为自己早就想清楚了、但其实一直没想清楚的问题。这件事让我不太舒服，但也让我有点兴奋。我又打了一行字过去。

六版迭代

   接下来发生的事情，我自己也没想到。从那天深夜开始，我跟WorkBuddy来来回回，大纲从16讲改成18讲，又从18讲改成19讲。模块顺序推翻重排了两次，第三讲和第五讲的内容对调了一次，"可视化原则"这一块从理论先行改成了案例先行。

   每一版我都在挑毛病——

   "这个模块太散了，学生学完记不住主线。"

   "数据处理和可视化不该分开讲，应该揉在一起，边处理边画图。"

   "这个案例不行，太刻意了，换成真实的数据集，学生才有感觉。"

   每一版它都在调。有时候调得好，有时候调得不好，调得不好的我又改回去。我发现自己越来越较真——不是"AI做得好"的那种较真，而是"我说得不够清楚它才做不好"的那种较真。

   这感觉有点奇怪。我好像不是在用一个工具，而是在跟一个特别有耐心的搭档磨合——它听不懂的时候我得换种说法，我说的含糊的时候它就理解偏了。

   到第四版的时候，我已经开始认真了。不再是"试试看"的心态，而是"我要把这件事做对"的心态。我花在描述需求上的时间，比看它输出结果的时间还长。

   凌晨两点半，最终版出来。19讲，36学时，从数据思维启蒙到批判性可视化，中间穿插三个递进的项目实训。结构完整，逻辑通顺，每个模块的学时分配都合理。我盯着屏幕上那个结构表，沉默了很久。不得不承认：这比我计划用两周做出来的东西，更完整。

   心里五味杂陈。有欣慰——新课总算有了着落。有不安——这事做得太快了，快得让我不踏实。还有一丝说不清的失落，好像某个我引以为傲的东西，被证明了没那么不可替代。

   我关上电脑，去倒了杯水。窗外的城市已经安静下来了，远处有几盏灯还亮着。我端着水杯站在窗边，脑子里转来转去只有一个念头：一个晚上的事，我以前要用两周。

那个"聊"出来的设计

   大纲定了之后，有个问题一直悬在我心里：怎么让学生既会用AI，又不依赖AI？

   这个困惑其实不是新问题。我教统计这么多年，早就发现一个规律——工具越方便，学生越不动脑子。以前用Excel，很多学生就是"点按钮出图"，图为什么长那样、该不该长那样，一概不想。现在有了AI，这个问题只会更严重：你问一句它答一段，学生连"点按钮"这步都省了。

   我跟几个同事聊过，大家都有这个担心，但没什么好方案。无非就是"少用"或者"不用"，但这也不对——学生出去工作是要用AI的，你课堂上不让用，等于装作这个工具不存在。掩耳盗铃。

   有天晚上，我又打开了WorkBuddy。不是备课，就是想聊几句。"我教的数据分析课，学生大三了，他们以后工作中肯定要用AI。但我怕他们在课堂上用习惯了，就不自己想了。怎么办？"

   它给了几个方案，前两个我听了就摇头——什么"限制使用时间""设置AI禁区"，都是面上的功夫，治标不治本。

   但聊到第三轮的时候，一个想法慢慢浮上来了：让AI的角色随课程递进变化。

   课程刚开始，学生什么都不会，AI当"私人家教"——不会的概念问它，不会的操作问它，它是拐杖。到中间某个阶段，完全不用AI——把拐杖撤了，看学生能不能自己走。到最后，AI变成"初级分析师"——学生要指挥AI做事，而不是被AI带着走。

   我想了想，又补了一层：课程的设计任务也分三档。L1——听AI的，它能做就让它做，重点是学会用；L2——审AI的，它做的你得过一遍，找出问题；L3——带AI的，你指挥它干活，你是老板它是员工。

   L1听AI的→L2审AI的→L3带AI的。

   我看着这几行字，心里忽然亮堂了。这个设计的内核——什么时候该放手、什么时候该收住——是我二十年教学直觉给的。我知道学生什么时候需要支撑，什么时候需要独立，什么时候可以放开。这些东西不是AI"想"出来的。

   但我也得承认：没有那几轮对话，这个想法可能一直藏在潜意识里，出不来。它就像一颗种子，需要有人问对问题，它才发芽。而那个"人"，碰巧是个AI。这件事既奇妙，又有点讽刺。

讲义与PPT

那些放不下的

窗边

   那天深夜，我关掉电脑，没有立刻去睡。我站在窗边，看了很久。

   想起自己写的第一份教案。A4纸，手写的，蓝色墨水，改了七遍。第七遍的时候我觉得终于满意了，结果上了课还是讲岔了一段。那天晚上回来又改了第八遍。

   想起第一次做教学PPT。整个暑假，把所有手写课件一页一页搬上屏幕。画面丑得不堪回首，但那时候觉得，这大概就是未来了。

   想起五年前，有人说MOOC会让线下课消失。我信了三天，不信了三年。线下课还在，MOOC也还在，但谁也没替代谁。

   想起今晚——一个AI帮我把一门新课从零建了起来。大纲、讲义框架、PPT、案例设计，从构思到成稿，不到一周。

   我不知道AI最终会把教育带到哪里。也不知道五年后的课堂会是什么样子。但我很确定一件事。

   二十年来我真正在课堂上做的事，不是讲PPT，不是念教案，不是按部就班走流程。是某个学生突然抬起头，眼睛亮了一下——可能是听懂了一个概念，可能是发现了一个漏洞，可能是忽然把两个不相干的东西连在了一起。

   那个瞬间，是二十年的积累才换来的。

   AI帮我省下的那些时间——不再一遍遍调整PPT格式的时间，不再手动查数据换案例的时间，不再因为"改动成本太高"而放弃一个好想法的时间——

   那些时间，终于可以让我更专注地去留意：今天的课堂上，有多少双眼睛亮了。

   窗外的夜色很安静。远处的路灯在楼群之间画出一串光点，像数据可视化里的一条回归线——散点是乱的，但趋势是清楚的。

   我放下水杯，转身回了办公室。明天还有课，我想再调整一页PPT。以前改一页要半小时，现在三分钟。那省下来的二十七分钟，够我想一个更好的问题了