跳到主要内容

Reading notes — gamifying-ai-in-higher-education-teaching

逐章边读边记。行号 = text/xx.txt:N。导航章(half title/copyright/contents/index/references)跳过。

结构事实​

  • 实际正文 = Intro(05) + ch01–ch18。ch17+ch18 合在 file 22(22 = Section 4 分隔页 + ch17「Diagnosis AI」行 6–330 + ch18「On the Trail of the Notorious AI Artist」行 331 起)。
  • 作者:Sierra Adare-Tasiwoopa ápi。序作者 Dr. Kevin Yee(UCF,AI Hacks for Educators 合著者)。序言说:这是第一本把 gamification 和 GenAI 连起来的书;书的核心是「一套带完整说明的游戏」。
  • 书的结构:Section 1 = 背景(ch1–3);Section 2 = 伦理收益相关游戏(ch4–11);Section 3 = GenAI 准确性与幻觉(ch12–16);Section 4 = 偏见与刻板印象(ch17–18);结论。
  • Intro (05):literacy(懂)vs fluency(会用)(行 8,Yee 2024)。2023 年起出生的孩子不会有无 GenAI 的世界(行 3)。GGTCC framework = Gamifying GenAI to Teach Cognitive Competencies(行 32, ch3 提出)。5S prompting framework(行 39)。PAIR framework(行 50)。

ch01 Gamification (06, 331 行)​

  • 定义史:gamification 一词 Pelling 2002 造("deliberately ugly word");Deterding et al. 2011 定名「在非游戏情境用游戏设计元素」(行 22-23)。Kapp 2012:游戏机制+美学+游戏思维去吸引人、激励行动、促进学习、解决问题(行 32)。
  • 作者自己的定义(行 41-47):平衡 gameplay 里吸引人的部分——scenario 抓注意力、points/badges/leveling up、leaderboard 竞争、真实挑战在安全环境里解。
  • Serious Games (SG):完整为教育设计的游戏(区别于提取游戏元素)。López et al.:SG = 「performance expectancy 最高的 gamification 学习法」(行 52)。不必数字化:实体 scavenger hunt 也行(行 78-86,Harry Potter/Game of Thrones/Avengers 主题,对照组都要求参加)。
  • GBL/DGBL:Prensky 2001 写了 DGBL 的书;digital native 一代与传统教学法不合(行 96)。作者全书把 DGBL/GBL(线上线下)统一叫 GBL(行 110)。
  • SBL 情景学习:好情景→empathy+critical thinking;「wicked problems」无唯一正解(行 120-122)。CYOA(Choose Your Own Adventure)型:安全环境犯错重试(行 141-148);警告:故事线必须贴近现实,否则负面迁移(行 146-148)。
  • PBL vs PjBL:PBL 以问题为中心解;PjBL 要再产出 tangible artifact(行 178-181)。PjBL 练 4Cs(行 174)。
  • 理论五件套:
    • Landers 理论(行 206-217):两条通路——mediating(游戏元素→行为/态度改变→学习成果)和 moderating(行为态度调节教学内容与学习的交互)。关键警告:「如果教学内容本身不能帮学生学会,gamification 不可能自己造成学习」(行 216-217)——这句话是全书最重要的边界。实验:leaderboard→time-on-task(行 218-221)。徽章让学习者愿意做额外工作(行 222)。badges 降低表现焦虑(行 224-225)。
    • Kolb ELT(行 235-248):CE 具体经验→RO 反思观察→AC 抽象概念化→AE 主动实验;escape room 映射例子(行 244-248)。debriefing 是把游戏体验变成真学习的关键(行 256-257)。
    • Constructivist(行 264-268):Piaget,知识来自与对象互动、内化。
    • SDT(行 280-298):autonomy/competence/relatedness 三需求→intrinsic motivation。破坏方式:无选择、任务过难、感觉孤立(行 296-298)。Jones et al. 2023 实验:运动学课程 gamified class 自选积分解锁自定成绩等级,Game of Thrones 命名(Villager D→Knight's Watch C→Commander B→Iron Throne A)(行 300-313),GC 动机与成绩更好。
    • Flow(行 317-327):Csikszentmihalyi;挑战刚好高于能力→忘我。autotelic experience→还想再玩→学更久。

ch02 Generative AI and AI Fluency (07, 519 行)​

  • AI 简史一笔带过(1950s 学科、1971 医学、Boden 1998「离创造性 AI 还很远」→ 24 年后 ChatGPT,2022-11-30,行 32-34)。
  • LLM 定义之争(行 62-70):McTear & Ashurkina「预测下一个词」;Alimardani 反驳「从最可能的词里随机挑一个」;Chan & Colloton「accidental intelligence」;stochastic parrot;Heaven「statistical slot machines」。
  • Mollick 的 42 彩蛋(行 71-75):让 LLM 报随机数,42 出现频率远超统计应有的 1%——《银河系漫游指南》。
  • 幻觉词汇表(行 76-89):Balderdash 桌游类比(Yee et al. 2023);confabulations(Dell'Acqua);hallucination snowballing(Zhang et al. 2023,被戳穿后加倍坚持)。作者轶事:webinar 聊天里打「hallucination snowballing」被 GenAI 监察判「inappropriate」拒发(行 85-89)。
  • 训练数据:Borg 式吞一切,含盗版书(行 90-93)。
  • AI literacy 定义(行 104-146):Long & Magerko 2020(批判评估/协作/当工具用);Ng et al. 2022 按 Bloom 分层+伦理第四域;Cardon 四组件:accountability/application/authenticity/agency。GenAI literacy ⊃ AI literacy(O'Dea:伦理责任+社会后果;Chan & Colloton:深知 proclivities/局限/偏见训练+版权产权;Simms:数据隐私)。
  • The Good(行 155-227):Yee 头脑风暴 85% 垃圾/10% 微调/5% 有用(行 162-165);GenAI TA 伦理——作者不喂学生论文,用自己积累的「reoccurring comments」文件让 AI 润色(行 192-197);Dell'Acqua 758 名顾问:受过训练者生产力大增;Levingston 90 分钟医学生 mini-course;「省时间」存疑——fact-check 吃掉收益(行 224-227,指向 ch11)。
  • The Bad(行 229-303):Vaccaro et al. 106 项研究 mega-analysis:人机协作常常不如单干;AI 比人强时组合反而受损(行 237-241);MIT Sloan 2024 反例:真伙伴关系>各自单干(艺术灵感+细节执行,行 242-247)。语言流利度掩盖错误(「disguise the misinformation as truth」行 254-255);假引用一半真一半编(行 256-257)。偏见自我强化循环:用户把带偏见的输出改一改再喂回去(行 272-274,dog chasing its own tail)。地域偏见轶事:Khanmingo 只报盟军女间谍,提醒后才补德日(行 275-281)。图像偏见:DALL-E 默认年轻白人男性;Feldman-Maggor 逼 ChatGPT-4o 画女化学家(行 287-292)。
  • The Ugly(行 305-392):「ethical and responsible use」= Kenny Rogers「The Gambler」——知道何时收手(行 310-315);作者拒用 GenAI 写作和查语法(行 324-329)。double plagiarism(Cheng et al. 2025):GenAI 抄版权文章,学生不加注粘贴,双重剽窃(行 341-345)。US Copyright Office 第 1060 号(2025):纯 GenAI 输出无版权,须人加工才可版权,加工量未定(行 348-351)。EU AI Act 2024-03 定义 deepfake;Romero Moreno 担忧与隐私/表达自由冲突。FERPA。WEF 2025 调查 1000+ 雇主:到 2030 年 40% 企业计划在 AI 能胜任处替换工人(行 375-378)。环境:训练一次碳排=数百辆车年排放,最高估 626,000 磅 CO2e(行 107-110)→ ch6。
  • AI fluency(行 394-428):Yee et al. 五组件(懂原理/知何时该用/会写 prompt/记住现在永远是最差版本/保住 human value)。作者五条定义:批判评估与负责任使用优先/评估能力与局限/倡导并实施伦理使用/安全与数据隐私/评估对人互动的影响。responsible use 出现两次是刻意的——两种不同技能。
  • AIAS 五级(Perkins et al. 2024,行 430-449):不走查全文,但走查例子:调水工程作业 Level 2 头脑风暴→Level 4 迭代细化→Level 1 无 AI 写草稿→Level 3 编辑→Level 4 生成图表→交作业附完整交互日志。
  • Prompt engineering(行 450-490):Hall & McKee 公式;CoT;Bowen & Watson TFVC;5S 首现(→ch4/ch9 详解);overfitting=过于具体限制多样性(Giray);loom vs hammer:GenAI 是织机不是锤子(行 480-481)。
  • 聊天机器人史:ELIZA 1966、PARRY 1972(扮演妄想症病人)、ALICE 1995(行 493-497)。

ch03 Merging GenAI into Gamification (08, 319 行)​

  • 文献空白:研究都在用 GenAI 造游戏,几乎没人让 GenAI 进游戏当角色/NPC(行 50-63)。Ma et al. 37 篇只有 3 篇提 gamification of GenAI。
  • Kim & Kim:两个 ChatGPT 玩 Spyfall,都会幻觉撒谎但都不太会骗人(行 54-56)。
  • Chien et al. 59 名大学生 RPG:阵亡军官的「记忆芯片」聊天机器人,回忆模糊残缺、可调取次数有限;prompt 越好回答越有用(行 74-81)。
  • 框架盘点:Chan & Colloton 5 因素(含 affectiveness);DEC 5 点(独有:学科定向训练);PAIR(Acar 2024):Problem→AI→Interaction→Reflection;Annapureddy 12 组件;HITL(Getto);IDEE(Su & Yang):Identify desired outcomes/Determine appropriate level of automation/Ensure ethical considerations/Evaluate effectiveness——准 Backward Design;DEQ(Asamoah)。
  • GGTCC(作者自造,Gamifying GenAI to Teach Cognitive Competencies):gamification + GenAI + cognitive competencies + GenAI fluency(行 136-142)。cognitive competencies = García-Martínez & Bauer 三束:intellectual/internal/interactive。作者的 8 个 C:Clear Communication、Collaboration、Critical Thinking、Challenging Problem-Solving(原 Complex)、Creative Thinking、Complex Reasoning(顶替 Computational Thinking)、外加 Complicated Decision-Making、Cultural Sensitivity(行 171-188)。
  • 2023 调查:58% 的 HR/管理层/高管认为应届生缺 21 世纪认知能力(Rix 2024,行 191-192)。WEF:与 GenAI 协作能力需求在 2024→2025 两期报告间涨 87%(行 193-196)。
  • know-what / know-how / show-how(Owoseni)→ show-how = gamifying GenAI(行 205-223, 313-315)。
  • 海牛游戏走查(行 237-290):海牛从濒危降级为受威胁→学生扮草根组织志愿者说服立法者;翻新成侦探游戏(G.A.I. 因调查不力被开除);用免费 ChatGPT 3.5 + Stable Diffusion;故意不迭代 prompt——给学生的就是未经打磨的原始输出,错误和虚构来源正好当教材。8C 映射:协作/沟通/复杂推理/批判思维/挑战性解题/创意/决策/文化敏感(海牛视角漏了原住民→G.A.I. 也漏了→学生补)。Nevers 清单(行 294-299):永不共享 PII/永不上传含 PII 的东西/永不上传原创作品(尤其免费版,会被 assimilate)/永不上传版权与学术知识产权。
  • DALL-E 拒画福尔摩斯帽子的 guardrail 轶事(行 224-235);改名 ChatGPT images 后偏见依旧。

Section 2(ch4–11):能力与伦理使用的游戏​

ch04 Breadcrumbs Don't Always Lead to the Baker (09, 218 行)​

  • Tessa(全国进食障碍协会的 GenAI 聊天机器人)因给出有害建议被下架(行 12-14)——「AI 营养建议会伤人」的锚。
  • Cook-Gen(专门喂过不一致烹饪描述的 GPT);EvoRecipes 按 novelty/visual appeal/feasibility/simplicity 加权评估(行 37-40);Brody et al. 虚拟医院一学期模拟:ChatGPT 编剧情+DALL-E 画人物+ElevenLabs 合成语音(行 41-55)。
  • 作者出过两本烹饪书(行 58);让 GenAI 配菜谱「amazed and miffed」,大部分难吃但藏着 gems→ Healthy Indulgences 餐厅创业游戏。
  • prompt 工程师就业数据(Vu & Oppenlaender,拆 20,662 条 LinkedIn 招聘,行 88-94):AI knowledge 22.8%、prompt design 18.7%、communication 21.9%、creative problem-solving 15.8%——与游戏能练的能力重合。
  • 大多数学生 prompting = trial-and-error(Oppenlaender);教学策略:先透明展示「烂 prompt→N 次迭代才像样」(行 114-121)。
  • 5S 首次完整出现(Tassoti/AI for Education,行 122-154):Set the Scene / be Specific / Simplify your language / Structure the output / Share feedback(Quality Matters 把最后一个换 Edit)。含 4 步方括号 prompt 实例(20 份套餐,行 141-148)。
  • 游戏本体:主厨+GenAI 营养师;20 份四道式套餐→菜谱+营养事实→每道菜 3 个健康版→自查营养事实(行 156-196);交:全交互日志+反思+核实用参考文献表。教员注意:菜单故意不要求荤素平衡——营养课学生该自己发现(行 186-190)。

ch05 Did They Come from Outer Space? (10, 348 行)​

  • 技术接受三阶段(行 18-36):Technological Determinism(技术天塌)→ SCOT(社会建构,人重新掌舵)→ Social Shaping(技术与社会互相塑造,不再是新东西,像手机)。
  • Infographic = mindtool(Jonassen 2000 定义,行 46-48)。
  • 外星人入侵 PR 游戏 5 相(行 62-305):Phase 1 30 分钟 60 秒广播稿;Phase 2 四受众分流(科学家/政治领袖/普通公民/儿童——每类给了 4 个引导问题);Phase 3 让 GenAI role-play conspiracy theorist 压测自家信息;Phase 4 公共信任 campaign 多渠道包;Phase 5 汇报。Box 5.1–5.5 是教员投放的「突发新闻」推进器。
  • 团队角色(行 324-329):prompt engineer / editors / graphic designer / ethics officer / spokesperson。
  • 作者自白:用 ChatGPT-5 头脑风暴了部分引导问题与活动(行 58-60)——全书多处类似声明,「透明使用」人设的落地。

ch06 Environmental Disaster (11, 528 行)​

  • PAIR 详解 + Gibbs 反思循环六阶段(description/feelings/evaluation/analysis/conclusion/action plan)逐段映射到 GenAI 使用(行 21-58)。
  • 环境代价数字(行 91-110):某模型训练 1287 MWh + 502 吨 CO2;ChatGPT-4 训练约 9450 MWh;人类日常交互数据中心日耗 >500 MW;IEA:2026 年用户交互能耗翻倍以上;Crawford:2027 年冷却用水≈英国预期用量一半;一次大模型训练碳排=数百辆车年排放,最高 626,000 磅 CO2e。付费版幻觉更少→「haves/have nots」不平等(行 118-119)。
  • Reddit 实验(Zhong et al. 2025,行 133-141):带权威链接的 AI 干预帖能让否认者正面回应,无链接则强化阴谋;旁观的支持者还会补充证据。
  • 飓风 Charybdis 社交媒体战 4 个活动(行 145-447):myth-busting flashcards(按逻辑谬误归档/150 词反驳/成人+儿童两套/do-today 清单)→ 影响测绘(一页纸×3 受众+地图+疏散计划)→ 反虚假信息冲刺(4+4 hook 的 A/B 测试、truth sandwich = fact—myth—fact、0-2 分四维评分 tone/clarity/civility/evidence)→ 登陆前 triage(谣言升级树、儿童版 10 件事、无法疏散视频)。每活动都标了 Where/When to use GenAI 与禁止项(如「不许让 GenAI 写反思」)。
  • 教员中盘投放(行 241-259, 300-313, 352-362, 411-425):假 Instagram 轮播、假冒 NOAA 科学家 meme、bot-swarm 15 条同质评论、市长 deepfake 音视频、假募捐诈骗——全是模拟攻击面。
  • If/Then prompting 实例:「提供带 DOI 的同行评审来源。若某个 claim 没有同行评审来源,则陈述 No Source 并停止」(行 451-452)。
  • 团队角色轮换(行 457-488):CCCL(协调)/RL(研究+核来源)/SMM(社媒)/RF(反思促进,按 Gibbs 循环)。

ch07 The Great Debate (12, 260 行)​

  • Argumate(Guo et al. 2022):每题喂 40 正 40 反论据,只会生成不会个性化反馈→Lee et al. 判「auxiliary assistants, not debate partners」(行 31-39)。
  • Xiao et al. 侦探游戏:42 学生讯问 3 个 ChatGPT 嫌疑人 NPC,关键线索要穷追追问才吐(行 43-51)。
  • Argument map:claims/counterclaims/evidence 可视化,warrant 与「connective logic」;一眼看出没有 counterargument 的论点(行 54-59)。Archila 44 名学生:argument mapping 帮助写出更好的 rebuttal 去对抗 ChatGPT 权威腔的反方;Crudele & Raffaghelli 27 名学生:地图+GenAI 反方→更丰富的知识增益。
  • 游戏:人类太空探索 vs 机器人探索,参议院小组听证会。学生选边,GenAI 扮对手专家 Gee P. Tee 再扮 Senator 提 5-7 个追问(行 117-120, 167-174)。verification checklist(Box 7.1,13 项)。steelmanning(Friedersdorf 2017):把对方(含 GenAI)最弱的反论修到最强,再回头补自己的洞——「目的不是赢,是评估论证构造」(行 210-219)。逻辑谬误黑名单(诉诸权威/草率概括/错误类比/从众)。
  • 趣味瑕疵:正反两个 scenario 里对方代表都叫 Gee P. Tee(行 93-94 vs 107)——复制粘贴没改干净。
  • 「sycophantisms」:ChatGPT 的谄媚腔(行 253-254)。

ch08 A Legendary Quest (13, 275 行)​

  • 禁令反效果:多项研究——ban 会 backfire(行 20-22)。解法:产品→过程转向;先学基础再引入 GenAI(Jiang & Nakatani:减少认知过载+有知识才能识破 GenAI 的权威腔谬论,行 30-37);AlAfnan:改作业意图——在 GenAI 内容里埋缺口让学生补;Mollick & Mollick 三障碍:迁移/自以为懂(浅表理解)/缺批判评估(行 46-49);「让 GenAI 出 3 个概念场景→学生评级+解释+改进」的练习(行 50-55)。
  • 内在学习导向的学生即便允许用 GenAI 也不作弊→清晰政策+以学为中心的作业设计(行 64-67)。
  • 游戏:2050 GEOT 政府教育监工禁一切教育技术;地下 resistance「TED」;Gena Iye = GenAI 的字谜变位,扮禁忌时代前的退休教师,给 cryptic 线索(行 110-111)。学生(师范生)按 edict 反着找技术。
  • 密码走查(行 199-251):数字串 20-16-1-3-11-19-1-13-18-9-19-20-5 → 字母表序还原 = TPACKSAMRISTE;「只拿每场小比赛的铜牌」= 取每行第 3 个词 → Transform traditional lessons…;答案钥匙 Box 8.7:SCENARIOS / AUGMENT / Transform… / TPACKSAMRISTE / FILES。
  • 教学框架:ISTE 标准、TPACK、SAMR、UDL;Gena Iye 聊天机器人喂透材料、禁止联网,定位是 springboard 不是答案机(行 237-257)。LMS exact-match quiz 当关卡锁,答错反馈里给提示(行 234-236)。
  • GEOT edict 1 = Lancaster 监工制(1800 年代真实教学法,一名教师管数百儿童)(行 124-130)。

ch09 Blinded by Science (14, 160 行)​

  • 作者的 5S 终版(Box 9.1,行 57-64):Set the Scene / Be Specific / Be Succinct / Formatting Scheme / Suggest Improvements——与 ch04 的 AI for Education 版(Set/Specific/Simplify/Structure/Share feedback)和 Quality Matters 版(第 4S=Specify Format,第 5S=Edit)三者并存。Duruaku:结构化、语境丰富、HF 对齐的 prompt 产出更可操作(行 45-48)。
  • 古生物学家游戏:与 GenAI 共创未知恐龙展览(形象/栖息地/食物链/生态位/futurecast);硬约束:栖息地与生态必须建立在所选年代的既定科学事实之上;音频导览词必须自己写;Barb(生物学家)/Ethan(生态学家)人格 prompt 实例(行 124-127);5-8 分钟协作反思视频。
  • 幻觉当创造力:Bowen & Watson 视幻觉为「creative endeavors 中的潜在优势」;作者:故意管理下的幻觉使用让学生看到罕见好处(行 130-137, 156-161)。Star Trek 发明清单当 futurecast 论据(自动门/手机/平板)。
  • 作者一般不做预制聊天机器人,怕压制学生的创意筛滤(行 138-141)。

待查问题​

ch10 The Curious Branching Case Study (15, 466 行)​

  • 原设想「GenAI 不适合做心理健康诊断」因诉讼风险改为职业选择(行 3-6)。
  • Tree of Thoughts(Yao et al. 2023)机制解释(行 76-89):LLM 先汇集「thoughts」→审查→评估选出最合理一步输出;树:每个决策分出多个分支→中间结果→多种解决。
  • WHAM(Kanervisto et al. 2025):在人类玩家数据上训练,生成分支并把玩家每次选择直接织进游戏画面与剧情(行 90-95)。
  • 规则设计:每分支最多 3 条路径;自定义聊天机器人(喂 OER/CC 材料,不许传版权书)vs 通用 GenAI 两条路线;autoprompting(Harmon & Rutman)——初始 prompt 后由 GenAI 自己生成后续 prompt;评分不看 GenAI 选了什么路,只看学生对 GenAI 建议的分析(行 67-74)。
  • 主走查素材:ChatGPT-5 ToT 完整输出示例(Vignette 10.1,行 156-444,作者声明一字未改):大二生物系想当外科医生但 A&P 挂科。4 个 pivot,每步三分支带置信度(1A 70%/1B 60%/1C 45%→2A 75%→3A 70%→4C 70%),自评+选择+理由+下一步 prompt;终局「milestone contract」:学期 GPA ≥3.6、MCAT 十周内到 510+、每周 3-4 小时临床;实际结果 3.54/503-505/第 12 周触发 pivot 条款转护理(CRNA/NP)。全文以证据而非恐慌解决职业危机。
  • 伦理连接:更好的 prompt→更少迭代→更少能耗(行 452-457)。

ch11 Rockhound (16, 193 行)​

  • 图像生成进步:五条腿动物时代过去;作者用「真狗照+同品种 AI 照」让学生挑真图,总有误判(行 22-26)。
  • DALL-E 训练约 10 亿张图(Agrawal);2022-11~2025-06 各平台生成 150 亿+图,部分回流训练(Paludan)(行 15-21)。
  • 版权:US Copyright Office 2025 原文「sufficient expressive elements…not the mere provision of prompts」(行 30-32);Harvard Law Review「language of personality」;Hwang et al. 30 名韩越学生:迭代越多越觉得自己拥有版权——与版权局立场相反(行 36-41)。
  • 图像耗电是文字的 30 倍(行 52-56)→ 更要教 prompt。
  • zero-shot 提示州岩石:Stable Diffusion 时好时坏;搜 CC 图库反而更快更可靠(行 59-71)——「对的工具未必是 GenAI」。
  • 作者真实轶事(行 74-83):给小孩做州岩石绘本,问 ChatGPT,数据常把 state rock 混成 state mineral/gemstone/metal(Nevada:银是 state metal,sandstone 才是 state rock);核实数小时后放弃,手动搜官网。
  • Copilot 生成的示例页(Box 11.1,行 136-173,声明一字未改):讲 Comstock Lode 银矿故事,编造「2023 年 Dayton 小学四年级学生推动银成为州岩石」——内容有趣、部分事实正确,但根本不是 state rock 的故事。学生任务:逐句 fact-check/改写/配图(图要再用真照片核对)。
  • TFVC 图像 prompt 实例:Context(插画师)/Task(非虚构州岩石书)/Voice(8-12 岁)/Format(彩色写实)+ 州名(Nevada sandstone vs Kansas sandstone 同名不同貌)(行 126-133)。

ch12 The Case of the Inept AI Detective (17, 169 行)​

  • 15 分钟速游戏:G.A.I. 留下的案件摘要,学生喊 Objection!(行 1-10)。
  • misinformation(无心)/disinformation(有意)之分(Roberson);lateral reading:离开信源去查信源(Spracklin & Espina);新手 vertical reading(在信源内部细读),老手横向求证+溯源到一手文档(Corrigan & Forzani)(行 12-27)。
  • 主走查:G.A.I. 案件摘要(行 62-77)+ 11 条虚构清单(行 91-121):要求 ChatGPT-5 埋 2 个假事实,它自称埋了 4 个(「它太想讨好了」),实际 10(算上最高法院案名顺序 11):存在但业务不符的 Friends of the Desert(实为济餐组织)/不存在的 Clark County Water Authority(实有三家名字相近机构)/Muddy River 本来就流入 Lake Mead/不存在 USACE 2022 EIS/120 亿加仑是编的/内华达没有 Department of Environmental Quality(是 Division of Environmental Protection)/不存在 2018 Desert Rivers v. BLM 判例/没有未决案件/没有法官 Eve J. Sanchez/petitioner 应列前名。
  • 交叉验证实验(行 122-133):Claude 只找出与 ChatGPT 自认相同的 4 条;Copilot 找 5 条,抓住了 Friends of the Desert 没起诉+Clark County Water Authority 不存在,却漏了 Muddy River 整条(尽管它引的正当来源写明该河流入 Lake Mead),还提到 120 亿加仑可疑却没列入——拿另一个 GenAI 当 fact-checker 不是捷径。
  • Lee & Liu:公众分不清 AI 假信息与人类网络假信息;不信任 GenAI 当 fact-checker。

ch13 GenAI's Scandalous Research (18, 167 行)​

  • 复制性危机:GenAI 内容无法复制(Reason et al.),科研基石受损(行 3-6)。
  • 「不会缝衣服不再让我们不安→不会自己写论文也将如此」(Yeralan & Lee);Malik:创造力重定义为会用 ChatGPT(行 18-25)——作者觉得「chilling」。
  • trust 定义(Lee & Liu):相信 GenAI 有效/可靠/合伦理/合人类价值观的确信度;van Berlo:完全披露才能换来信任;黑箱问题(von Eschenbach 2021,GenAI 元年前一年)(行 36-55)。
  • Kwon 2024:假证据已经进了正经期刊;各刊要求披露 GenAI 内容与图像(行 60-65)。
  • 游戏:AXE-42 实验药造假疑云,6 步走查(行 104-139):审数据集(outliers/重复/缺失/可疑相似值)→析报告(「too perfect」统计)→批图(视觉操纵)→改写报告+图→组间同行评审→3-4 分钟汇报答 4 问(结果有效/有瑕/伪造?伦理违规?修正后支持还是削弱?下一步:复制实验/撤稿/辩护?)。教员给每组造不同的假数据+假图。
  • Cail:识别能力上升→对输出的信任下降——这是要的效果。

ch14 AI Witness for the Prosecution or the Defense? (19, 237 行)​

  • 目击证人记忆的脆弱性(misinformation 污染/事后负面暗示);featural justification(「我忘不了他的眼睛」)vs recognition(「我认识他」)——人们反而更不信 featural 表述;Kelso:AI 评估能抵消该偏见,但仅对本来就信 AI 的人有效(行 16-27)。
  • ChatCharlie(Dando & Adam):目击者初次取证聊天机器人,一周后回忆更好、confabulation 更少,但「部分正确信息」略增(行 28-35)。
  • Malvado 案:6 名证人(3 检方 3 辩方)全部是定制聊天机器人;书面证词互相矛盾(摄像机状态:Delgado 说 10:45 打卡时已挂 vs Llewellyn 11:00 看见红灯闪;SUV 黑色 vs 深蓝;时间漂移)(行 66-101)。
  • Discrepancy Matrix 七列:Current Claims/Conflicting Source/Possible Explanation/Verification Steps/Artifact Test/Outcome/Status(supported/undermined/unresolved)(行 143-146)。Theory of the case:把核实过的事实串成经得起交叉询问的叙事,矛盾分「reconciled 与 quarantined」(行 110-114)。
  • 证据包细节(行 149-175):$35,000「emergency service」、$450,000 壳公司转账、固化日志 22:16 与 23:40、burner phone 0.4 英里内 ping 23:10-23:52 23:55 关机、9mm 弹壳与 Rook Arms Model 92「一致但不唯一」、dumpster 盖 GSR。关键:「证据要支持多种合理解释」(行 126)。
  • 庭审延展:ethos/pathos/logos;法官要请学科馆员当——作者吃过亏,输的一方会报复讲师的评教;或者让奇数个 GenAI 当陪审团投票(行 215-225)。
  • 证词/证人不可靠 ↔ GenAI 输出不可靠的同构是这一章的教学点(行 229-232)。

ch15 Embedded with Alexander's Army (20, 293 行)​

  • 历史「无聊」→角色扮演;Assassin's Creed: Odyssey 教学案例:游戏篡改历史反而成为对照史料的机会(行 28-33)。
  • 反常规设计:故意不用定制聊天机器人(行 41-46)——喂好数据、断网就剥夺了学生见识 GenAI 全貌(偏见/错报/幻觉)的机会;「warts and all」。
  • perceived authority(Yee et al.);GenAI 是工具不是可靠信息源(Wall et al.);「不只是工具」(Lodge)。
  • Møgelvang 性别差研究(行 52-65):挪威某大学 1313 女/1067 男;女生在 16 个界面的 14 个上使用显著更少;女生更担心可信度/伦理/独立思考退化,男生更想了解工具怎么用;两组都没受过正规训练。
  • prompt chaining(Yee et al.):不重复初始 prompt 的部分,在其上追加与聚焦——省 token/能量;给角色 bio prompt,学生链上固定数量的追问(行 67-75)。人名 bios 由 ChatGPT-5 生成,错误故意保留当 fact-checking 素材(行 76-78)。
  • 5 大主题 30 个人设(建筑师/石匠/马赛克匠/书记官/医生/天文学家/商人/军官/被占领城市女性……);作品集 8 件套:每条访谈断言至少 2 个来源(1 古籍译本+1 现代学术)+Chicago 格式(行 239-242)。
  • 作者当过报社 stringer:采访收尾必问「有没有我没问到但你想补充的?」↔ 5S 第五条 Suggest Improvements(行 270-275)。
  • Rao & Stupans 警告:教员示范角色扮演会让学生照抄示范而非入戏(行 266-269)。

ch16 Escape! Escape If You Can! (21, 520 行)​

  • Tarrant(名字意为雷/越界者/易泛滥的河)——不情愿 NPC:被反复纠缠才勉强给提示,且提示不一定对(行 100-113)。设计原理:不热情的 NPC 逼学生迭代 prompt;它会反问要更多信息;建议可能误导→学生必须评估其可靠性(行 14-19)。
  • scaffolding 框架(Richardson et al.:更有知识者支持学习者直到能独立完成);NPC 降低焦虑(Chien)(行 114-125)。
  • Help Desk 门槛:求助前必须在 Padlet 记录「试了什么/用了什么数据/什么失败了/当前假设」并向 Tarrant 复述——把反思变成求助的前置条件(行 150-160)。
  • 完整机制(行 169-264):5 人队(农学家/土壤生态学家/水文专家/保护生物学家/城市规划师),角色牌能力每关一次、与 token 组合增强;Kanban Ops Board 九列(To Do/Resources/Working On/Mid-Task Incidents/Blocked/Review/Accomplished/Penalty Ledger/Help Desk);10 种 token(Water/Labor/Funding/Equipment/Political/Community Trust/Ecology/Data/Time/Emergency Waiver)各有具体用途(如 Funding=LEPA/LESA 改造、Political=WUI buffer +25 m、Time=跳过 1 分钟锁定);6 任务 4 关 2 小时;每向 Tarrant 求助罚 1 分钟锁(上限 5);主动寻找的坏建议不罚时,不请自来的建议也不罚——鼓励听但必须鉴别;3 分钟 token 市场交易需双方贴 MoU;组间强制互评,采纳他人建议并署名则两队各减 2 分钟。
  • 关卡走查:Level 1 Task A Dust Bowl 近因/远因分拣(80% 及格);Task B 12 张土地实践卡按侵蚀增/减分拣(10/12);Level 2 Task C 火-旱四环反馈回路图(干旱→植被胁迫→火→气溶胶/反照率→对流雨→干旱);Level 3 Task D 最后 2 亿立方米水怎么分(五部门+最小生态基流+6 小时防火带+总量硬约束,permit 卡摆板)→Resilience Score;Task E 城市撤离通道(防风林每 5-7 km 垂直盛行风、<8% 坡免耕/>=8% 多年生、WUI 50-100 m 防御空间、河岸缓冲 ≥30 m 双侧);Level 4 Task F 三年反尘暴计划(now/6/18/36 月+KPI+预算+责任机构+公平性说明)。
  • Incident Cards 中盘投放:风向转 30°(防风林旋转)、禁令(重配水)、Public Backlash(不得新征地)、Clinic Surge(上风带优先)。Civic Ops medal:有创意的缓解可获奖章+减 2 分钟,别的队可以花 1 Political token「授权使用」该创意(行 486-488)。
  • Level 3 中途不预告地换角色(行 440-443)——逼不同知识的应用。
  • 教员前端工作量全书最大;Tarrant 台词示例(「把裸土、风和外墙漆混一起知道得到什么吗?现代艺术!」)(行 474-478)。

ch17 Diagnosis AI (22 行 6-330)​

  • 起点:州护理组织邀请讲 GenAI 在医疗的变革→作者设计 intake nurse 游戏;作者非护士,靠帕金森/阿尔茨海默/多发性硬化知识+两位护士朋友审核案例(行 8-21, 167-170)。
  • 研究面:Shen:GenAI 帮护理学生把分散信息组织成照护计划大纲,但需融合课程/临床/个人经验;prompt 指明病情+细节层级→更准、迭代更少,须与病人隐私平衡(行 29-40)。共情之争:Shen 说 GenAI 缺情感理解 vs Maurya:ChatGPT 能以「假装的情感 discernment」扮演来访者供咨询师训练(行 41-46)。Rädel-Ablass:医护学生反而更喜欢和特训聊天机器人练,而不是真人扮演的标准化病人(行 88-94)。聊天机器人的短板:非语言线索(体语/沉默/声调)、离奇回答、偶发偏见、情绪表达吃力、无法应对意外(行 67-77)。
  • 游戏:病人=聊天机器人,只回答被问到的;症状列表里故意留白的部分——学生问不到就不出现(行 271-278);Box 17.2 聊天机器人指令是全书最详细的 chatbot 配置单:不许给医学建议/不许暗示该问什么/只答被直接问到的/要犹豫、含糊、有时绕弯/认知类敏感问题要等学生换措辞再问/永不说出诊断名(行 279-297)。Martinez 配置全公开:人口学+环境(含 Bernese Mountain Dog 性格——低能量所以「不会扯倒她」,是症状留白的道具)(行 262-278)。
  • 6 个案例(Johnson/Patel/Baker/Nguyen/Lopez/Martinez),症状交叠(非运动症状可指向三种病);评分用 NCSBN Clinical Judgment Measurement Model(行 103-116)。
  • 伦理链:好 prompt→少迭代→少环境成本→负责任使用(行 318-320);同时暴露 GenAI 与学生自己的偏见。

ch18 On the Trail of the Notorious AI Artist (22 行 331-524)​

  • 数据面:Facebook 约 3 亿张照片+滤镜美化 → 喂出失真审美(Ahn & Haley);10 亿张训练图+150 亿用户 prompt(行 340-347)。GenAI 不只复制还放大偏见(Ananya;AIDahoul)。
  • 证据链(行 350-394):Midjourney/Stable Diffusion 高薪职业人像=浅肤色男性金发(Hu & Kurylo);Stable Diffusion 男性高 prestig职业图像是女性的三倍(Bowen & Watson);文化刻板:印度=大胡子老人+脏乱街道,墨西哥=sombrero;亚裔女性要「职业化」头像被改成浅肤色蓝眼睛;Stable Diffusion 10,000 张:「racial homogenization」——中东男性几乎全是络腮胡深肤传统服饰,同种族非西方人长得太像(AIDahoul);DALL-E 2 15,300 张图×153 职业对照 2021 美国人口普查+Google 图:男抬女压+男像上扬严肃/女像低头微笑;DALL-E 3 澳洲医学生图:女性不足、零有色人种(Currie);Sadeghiani 四个生成器:没有任何一个生成可辨识残障的人物;中老年男性只出现在领导/顾问角色。反例:Adobe Firefly 过度代表黑人医生/发明 1960 女大法官(早 O'Connor 20 年)——「纠正历史」本身也是失真(行 384-388)。Paludan:图像生成「民主化创作」,作者有条件同意(行 389-394)。
  • chef=白男/cook=有色女性:一词之差,默认人像翻转(Ananya)(行 395-398)。
  • 游戏:美术馆策展人,故意 nonspecific prompt(只说「某职业的人物肖像」,不指定媒介/种族/性别/年龄/能力),不迭代,第一张就用(行 416-431);挂 Padlet 画廊+反思;延展局:第二个画廊,同一 prompt 加上与第一局相反的人口学指定,记录全部迭代——迭代路线分叉正是教学点(行 456-477)。科学课变体:AI 生成的细胞/肿瘤图 vs 期刊真图对照(期刊雇 image integrity consultants 抓 AI 图)(行 487-495);不许让学生生成真实科学家的肖像(行 484-486)。
  • AIDahoul:反复暴露于刻板图像会改变人的视角(行 498-506)。

ch19 Conclusion (22 行 525-562)​

  • 重申「worst version」论;越人化越需要 fluency;个人轶事:嵌入 GenAI 按名字把她判成西语人群推西语广告;最高信条=human in the loop;希望 Data 式的 AI 而非 Terminator Genisys;「the Force consists of living things. GenAI does not.」

全书收束(为切分与主线服务)​

  • 全书骨架:Section 1 理论(ch1-3)→ Section 2 能力与伦理(ch4-11)→ Section 3 准确性与幻觉(ch12-16)→ Section 4 偏见(ch17-18)→ 结论。
  • 反复出现的轴心概念:literacy vs fluency、prompt 迭代、human in the loop、verification log、幻觉、5S、定制 vs 通用聊天机器人、安全环境 fail-and-try-again、Kenny Rogers「知道何时收手」、能源代价、透明使用(每章 Warning! 声明)。
  • 值得引的机制走查素材:ch10 ToT 职业决策全输出(带置信度)、ch12 11 条虚构清单+Claude/Copilot 对照、ch11 Copilot 州岩石假页、ch16 Tarrant 求助门槛与 token 经济、ch3 海牛游戏 8C 映射、ch17 聊天机器人指令单、ch2 AIAS 五级走查。
  • 作者自造词要标注:GGTCC、Gena Iye/Tarrant/G.A.I.、「reoccurring comments」、Escape 2050!。教育术语要就地解释:形成性评估(书中未用此词,我们补时标来源)、scaffolding、Bloom's taxonomy、andragogy、experiential learning、SDT、flow、mindtool、truth sandwich、lateral reading、steelmanning、lateral vs vertical reading、CYOA、KP/KPI、WUI、dead pool。
  • 引用注意:作者行文海量 APA 引注(文献综述体),我们引用时指「作者引 X 研究」即可,锚行号要落在作者转述的那一段。