当AI给出离谱回答时，课堂首先要追究的东西

在某所初中的科学课上，学生问AI光合作用的原理，回来的却是一段像模像样却与教材不同的解释。学生把那个答案原样抄进了笔记，老师直到评分时才发现错误。学习了整个互联网的通用型AI不会显示信息取自何处，因此答案是否正确，学生和老师当场都无从确认。便利的背面，就这样潜藏着失去出处的信息流进课堂的风险。没有必要对AI心怀莫名的恐惧，但引进哪一种AI，确实必须好好掂量。

信任的起点是‘依据是否可见’

负责任地运用AI的第一个问题不是性能，而是可验证性。只有答案是否正确能够当场确认，老师才能安心地把它带进课堂。

• 依据的范围：AI基于什么来作答必须清清楚楚。是整个互联网，还是老师制作的课堂资料，信任的性质会完全不同。
• 出处的可见性：如果依据与回答一同显示出来，学生就会养成确认依据的习惯，而不是照抄信息。
• 数据的边界：必须检查学生输入的提问与记录会堆积到哪里，是否不四处散落而集中在一处管理。

好的AI不是给出聪明答案的AI，而是把自己答案的依据一并递出来的AI。

在模块依据之上作答的AI 导师

把这套标准直接落实为结构本身的案例，就是Nallijaku的Flipsson。Flipsson的AI 导师不会去翻互联网来作答，而是以老师用积木块编辑器制作的课堂模块为依据作答。也就是说，学生得到的答案就在这堂课所涉内容的框线之内，而且回答中会一并标注出处，说明取自哪个模块。学生会自然而然地学会说“根据这份资料的这一段”，而不是“AI说的”。

除此之外，Flipsson是无需安装、在网页上直接使用的模块化课堂平台，因此从备课到直播课、再到复习，数据都在同一个平台内流动。学生的提问、提交卡片、意见板记录不会散落到多个服务里，而是汇集到老师仪表盘一处，因此掌握谁输入了什么、能看到什么程度要容易得多。学生管理与通知也在同一界面完成，每次切换工具时数据漏出的缝隙也随之减少。看得见出处的AI与汇聚于一处的数据，可以说是负责任运用的两条轴。

当然，这并不免除老师的审阅。模块本身如果不准确，AI也会跟着犯同样的错误，因此把资料做好依然是老师的职责。只不过在依据与出处都可见的结构中，这份审阅会轻松得多。

核心要点

把AI带进课堂时首先要追究的不是华丽的功能，而是答案的依据是否可见、数据是否汇集在可管理之处。在模块依据之上作答并标注出处的AI 导师，会为学生养成验证的习惯；汇集在同一平台上的数据，会减轻老师的管理负担。Flipsson无需登记银行卡，最多10个班级即可免费开始。只有站在值得信任的工具之上，负责任的运用才终于成为可能。