1. 引言
当AI技术从实验室走向教育场景，自我学习系统、智能实训平台等不断渗入到学生的学习日常、学校的教育中时，应用型院校就不得不重视对应用型人才培养的逻辑。然而，AI浪潮的冲击是一把双刃剑。一方面，AI的精准性、场景化等优势，为应用型院校在培养学生“三自”教育中的监督成本高、引导方向散、实践落地难等提供了一定的解决方案；另一方面，过度算法推荐导致信息茧房、过度技术依赖引发自主能力弱化等问题，让部分学生面临被动学习及缺乏思考的困境，这对“三自”品质的培养构成了挑战。在此情境下，如何正确应用AI技术让其与“三自”品质培养融合就成了应用型院校有待解决的问题。作为社会产业与学生链接的载体，应用型院校应以“培养能解决问题的技术人才”为核心，而作为学生应该保持自律意识、自觉能力、自强精神，以此适应技术迭代、立足未来岗位、应对复杂挑战。本文将立足应用型院校与学生的相关关系，分析AI为“三自”品质带来的机遇与困境，进而探索“三自”品质的培养路径，以期在AI浪潮下应用型院校将学生“三自”品质发展实现长效保持。
2. AI浪潮为应用型院校与学生“三自”品质培育带来的机遇
AI技术的核心是利用数据解决问题，其具有精准性与场景化的交互性，能解决传统关于“三自”教育时“监督难、方向散、实践弱”的问题。如国内院校北京市京源学校，借助AI相关活动提升学生的自律能力，美国得州的Alpha School利用AI的教学模式，助力学生提升自觉行为。一系列实践表明，AI能从自律、自觉、自强三个维度为学生品质培育注入新动能，这恰好契合了应用型院校培养能解决实际问题应用型人才的办学定位。
2.1. AI赋能自律：提升管控方式，降低约束成本
自律的核心是个体主动用规则、目标约束自身行为，在欲望与长期价值间做出理性选择，即使无人监督也能坚守。但应用型院校的学生常因为学习任务繁重，需要应对的事情繁多，自我管理能力薄弱等问题出现严重拖延现象。传统解决拖延现象不仅需要老师或者家长的督促，还需要学生自己服从安排，是一个耗时耗力的过程；而在AI技术数据捕捉与个性化参与下，可帮助学生将“被动要求”转化为“主动保持”，即降低了自律的成本。德国第斯多惠主张教育的天然性、启发性、主动性、个性和创造性，他说：“教育的艺术不在于传授本领，而在于激励、唤醒和鼓舞”[1]，AI正是通过智能鼓舞机制去实现这一目标。
如北京市京源学校开展了以“AI时代，解锁我的自律芯片”为主题的相关活动，其中一个活动——学校通过“AI家年华·假期小管家”让学生用AI制定假期计划，每日上传学习照片、作息表等，以此培养学生的自律能力[2]。在后期的成果展示中也表明AI参与过程增加了学生的自律性。此外，AI也可以将学生的一些学习任务和行为规范转化为趣味游戏来吸引学生的兴趣，让学生主动参与学习，在这个过程中建立起学生自律和坚持的习惯。当游戏方案学习激发学生的学习主动性时，那么学习的持续性也会得到保持。
2.2. AI赋能自觉：激发主动探索，唤醒目标追求
自觉的本质是不需要外部督促，主动基于自我认知和目标，规范行为、反思状态并推进行动的内在驱动力。而应用型院校的学生常因对社会产业需求不了解、对自身短板认识不清晰等陷入盲目学习，出现学得杂且不精的情况，不能有效对接社会产业的需求。在AI技术通过对产业数据的分析、自我个性的测评下，学生可以建立“需求–目标–行动”的关联，让学生能够更好发挥自觉，从盲目探索走向有章可循。美国心理学家马斯洛说：“人是一种不断需求的动物，除短暂的时间外，极少达到完全满足的状态”[3]，AI正是通过精准推送学生所需，唤醒学生的自觉意识。
美国得克萨斯州的Alpha School通过使用人工智能打造教学场景，在校学生只需用2~3小时就可以完成当天在学校的学习任务，剩余的时间则可以去培养各种兴趣爱好和技能特长，结果显示他们的学习成绩是优于美国其他学校的平均水平[4]。利用该系统，可以使学生更好地培养自觉性，增强他们自我学习意识，从过去的被老师驱使学习、被迫参加活动变为现在的自觉主动、积极参加，在活动中寻找兴趣爱好和培养技能特长，最大限度地激发对学习的积极性和主动性，不仅提高了学生的学习效率，也唤醒了学生对目标的追求。
2.3. AI赋能自强：突破能力局限，强化潜力发展
自强是指依靠自身力量努力向上、奋发图强，在面对困境或挑战时能自主面对，迎难而上，不依靠他人来实现目标。应用型院校常因实训条件有限，学习资源不足等问题让学生的能力发展受到限制。AI技术通过虚拟仿真、跨学科整合资料等搭建学习平台，让学生可以低成本、高效率地发展自我能力。我国教育学家陶行知曾经说过：“行动是老子，知识是儿子，创造是孙子”[5]，AI正是通过赋能作用让自强有了可实践和可突破的空间。
香港科技大学(广州)向理工科本科学生开放Chat GPT赋能学习平台，通过对18名学生的AI互动实验研究发现，学生常用目标导向搜索、知识拓展等学习方式，喜欢提问复杂的概念，并去验证自己是否掌握了知识点。同时也会对AI的回答结果进行正确与否的评判反馈[6]。由此可见AI使学生探究性学习得到加强的同时也增强了学生的自强意识与自强能力，且正在不断渗入到学生的学习日常，也在不断使学生的自强意识得到增强，助力发挥学生的最大潜力。
3. 面对AI浪击，应用型院校培育学生“三自”品质遇到的困境
人工智能可以助力“三自”品质的养成，但也带来了新问题，如用AI技术替代行为养成违背了自我主动的规律；信息过载可能会让学生在其中迷失方向；算法会把学生的视野引导到自我满足和自我囚禁中，这样就不能激发起学生的自觉性、自主性和自强性。这不但会给学生“三自”品质的养成带来前所未有的困境，也会使应用型高校培养自主发展型人才举步维艰。
3.1. 自律困境：AI依赖降低自我约束，导致自律被动性
AI的便捷易让学生形成对工具的依赖性，将自律的核心从自我意志驱动转为AI监督，当脱离了AI监督，自律行为可能会难以持续。法国哲学家萨特在《存在与虚无》中提出：“人注定是自由的，自由是人的宿命”[7]，而AI依赖却让学生在自律中“放弃自由选择，依赖外部管控”。当外部管控依赖形成就会难以戒掉，且外部管控如果突然消失，自律行为也会因此受损，甚至可能出现有学生直接摆烂的行为。
如前所述，AI催生出的工具依懒从根源上降低了学生的自我驱动力，而获得性奖励机制则让学生产生了假性自驱力。这种机制加重了形式化气息，给本就脆弱的自驱式自律增加了更多的桎梏。一些应用型高校在引入AI管理工具后，并没有兼顾技术效率和育人本质之间的关系，而是把日常所用“AI打卡率”高低、“任务完成率”多少等一些数据指标直接或间接地纳入了奖学金评定或评优类名单上，这一行为更加剧了学生的“形式化自律”。一些本来利用AI来督促自律的学生，他们为了能获得自己眼中的“奖励入场券”，将学习重点从知识汲取与技能掌握上转移到了实现AI规定的任务指标上，打卡只是为了完成任务，为了获得机会，逐渐淡忘学习背后的实际价值与意义。院校是希望用AI技术提高自驱，助力于培养人才的，可结果却成了形式主义的帮凶，这不仅把学生逼上了以做打卡任务代替学习的行为道路，同时也背离了应用型院校以“培育实践能力”为目的的育人计划。
3.2. 自觉困境：信息过载干扰目标判断，导致学习盲目性
AI的海量信息推送容易导致应用型院校学生因筛选能力不足而迷失方向，不能自主寻找自己感兴趣的内容和所需知识。美国传播学者施拉姆在其著作《传播学概论》中曾言“信息洪流冲击着人们，人们不得不拼命地接收信息，却又在信息中迷失自己”[8]，这实际上是描述了AI时代的自觉性问题。
当下很多学生会选择通过AI推荐的多门课程进行学习，却因为本身时间和精力有限而无法有效兼顾全部学习内容出现了半途而废的现象。更有甚者，部分AI平台为了留住用户，通过算法推送“娱乐化”“低难度”的学习内容而不是真正符合学生专业学习和社会产业所需的核心课程，长此以往，学生的实际需求就会得不到有效满足，有的学生就可能出现“学不学无所谓”。而长期处于娱乐化、低难度的氛围下，会给学生带来“自我能力出众”的假性认知，这进一步误导了学生的学习判断，使得学生所规划出的方向偏离自己实际想要走的路线，让学生的自觉之路陷入困境。
3.3. 自强困境：算法茧房限制能力边界，导致发展单向化
当学校利用AI开展个性化推荐，给学生量体裁衣定制学习路径时，可能会存在一定的表象，背后的“隐藏玄机”是通过对学生以往的学习数据、浏览痕迹以及兴趣偏好的分析推算，来不断推送相似类型的信息，日积月累便在学生成长过程中形成了一道无形的“算法茧房”。在这层“茧房”的包裹下，会让学生长时间处于自己所熟悉或容易驾驭的知识领域内，既难以去了解一些非本专业的跨学科前沿知识、掌握高难度实践技能，也难以培养学生感知外界的能力。这种培养方式不符合应用型高校“破除学科壁垒，培养复合型人才”的出发点，正如美国科技作家伊莱帕里泽在其《过滤泡》一书中警醒我们的：由算法所制造出来的这个个体化世界里，很可能就是把人固定在一个局限性的范围内[9]。这样的情况也正是目前学生应用AI技术推荐系统后产生的自强困境。
真实的教学运用过程中，在“算法茧房”的影响下，学生的真实心理是“很少主动去寻找与所学专业不同的其他专业资源”，很多东西都只是被动地去接受AI的推荐，长此以往，只会把学生局限在自己专业传统的固定思维框架内，不能真正让学生去发展更多的技能。“算法茧房”束缚的是学生成长的天花板，困住学生的自强道路，让学生难以跳出业已确定的发展空间，在日后社会发展上也会遇到来自自身的局限。
4. AI浪潮下应用型院校培育学生“三自”品质的破局路径
针对AI带来的困境，应用型院校必须跳出“技术万能”的误区，从工具应用转向制度设计、技术优化、学生引导的协同发力，在发挥AI赋能价值的同时也规避其带来的负面影响，才能为学生“三自”品质的发展提供切实支撑，为应用型院校培养应用型人才提供长期可行的方案。
4.1. 破局自律困境：让AI辅助与意志培育双管齐下
要破解“AI依赖”问题，关键是要做到AI辅佐人而不是替代人，让AI成为配合完成工作的自律小助手而不是改变学生自律的“小杀手”，因此可以通过分级干预、意志力培育以及完善相关机制来解决“AI依赖”问题。
一方面，可以根据学生的自律程度实施“AI分级干预管理”，不同等级的学习帮助可以让学生学会自我管理。对自律较弱的基础型学生，可以通过定时推送任务、检测学习行为并触发预警等方式来实现学生的学习基础落实；对自律一般、学习自觉性有待增强的提升型学生，可以借助平台推送个性化建议，提高自主规划能力；对自律较强的自主型学生，AI也可以辅助其梳理学习上的一些模糊内容，通过跨学科学习资源的推荐促使学生深度学习。因此，可采用适当的AI辅助手段，将学生引向自我管理模式，并且随着时间推移学生的自我学习能力和自律性也会不断提升。
另一方面，强化自律意志培育课程与实践。可在选修课里开设AI时代的自我管理课程，运用相关理论让学生明白自律是一种被内心需要的驱动行为，而不是受外在要求的压迫。开展“无AI自律挑战”“小组互助监督”等活动，让学生脱离外界帮助实现自我规划学习、掌握时间节奏，培养良好的自控能力。并且增加课程考核的“自律成果展示”，以能见到他人优秀的学习规划为荣，用正确的标准加强自身的自律力量。
此外，针对一些以“AI打卡率”“任务完成率”为代表的自律形式化问题，学校可以从调优AI机制的角度进行化解，例如，去掉一些不太公平的做法——把“AI打卡率”“任务完成率”从“评优指标”变为“参考项”，同步引入“学习深度评分”，依据课堂提问情况、实践项目成果、知识应用报告等对同学进行打分，并将其作为总体得分的一部分。从根本上解决学生仅为达到任务要求而就学的问题，让AI激励回归育人本质。
4.2. 破局自觉困境：以能力培育与专业引导化解信息过载
破解AI时代“信息过载”的核心，在于学生和老师双方的努力，一方面要提升学生的信息辨识能力，另一方面也要发挥教师的专业优势，让海量资源服务于学习目标。
在学生能力提升层面，对于学生的能力建设需要通过AI学习平台的推荐升级，当学生基于人工智能学习平台确立对应的发展目标后，平台可根据学生的学习情况数据自动地把学生所要学习的相关知识技能重点推荐给学生，并在AI学习平台上把与之不相关、娱乐化、低关联的相关内容进行隐匿，减少无效信息流对学生造成的干扰。另外，高校可单独设置“信息筛选实务”课程，让学生除学习基本的关键词组合检索及学术数据库使用方法外，还要着重了解“资源质量判别标准”；从“资源的发布机构是否具有权威性，该资源的内容是否有较强的实践价值”等方面来培养学生的资源“抉择”力，提高学生的学习效率，防止出现“盲目收藏”的低效学习方式。
在教学引导层面，需充分发挥教师的专业把关作用，可以建立由教师负责参与的AI资源审核工作机制，让专业课老师结合自己的课程教学目标、结合产业最新的要求选择AI平台推荐给学生的学习资源，进行筛选标注补充。例如，机械专业的老师可以在机械专业课上向学生推荐“工业机器人操作实训视频”“CAD设计规范手册”这类与课程重点相关的资源，同时将不常用、过于陈旧、脱离实际的素材过滤掉。此外，教师应定期与学生沟通其学习资源匹配情况，根据AI生成的“学习行为报告”判断学生目前关注的学习资源是否与学生的专业学习进度、职业规划要求相符合，并据此对学生的偏离方向做出及时指正帮助学生做出学习计划调整，确保学生能围绕自身目标更好地利用资源。
4.3. 破局自强困境：以AI跨界与实践创新打破算法茧房
破除AI“算法茧房”对学生成长发展的制约，需搭建跨学科、跨领域的资源跨界整合与实践创新应用融合平台，从而突破学生的单一流域固有思维束缚，促进应用型院校对学生培养复合型人才的要求实现落地。
在整合资源、拓宽视野上，要建设好AI跨学科学习资源矩阵。院校应联合各个专业的教研室，把各门类学科与AI结合的优秀资源分门别类地梳理出来上传至平台中，并且针对不同专业的学生添加一些相应的专业课程。如给生化专业的学生添上“AI分子结构模拟实验库”“智能微生物发酵参数优化系统”等；还可加入“跨专业项目推荐”模块，结合学生所处的专业和兴趣点推荐可以跨领域做的相关实践项目，例如，“园艺专业 + 大数据专业：基于AI的大数据驱动农作物产量预测模型构建”去引导学生主动接触其他知识。此外，东莞市信息技术学校在“人工智能 + 教育”领域探索也出了成效显著的实践路径。其AI创新实践聚焦智能教学系统、虚拟仿真实战及混合式课堂重构三大核心场景，让AI深度引领教与学的双重创新——既有效激发学生的课堂参与热情，推动他们主动灵活处理、应用数据，深入了解人工智能及跨学科领域的发展动态，拓宽知识视野；更在提升教学质量的同时，也增强了学生的实践能力与学习兴趣，引导他们主动探索多元信息，进而突破算法茧房的束缚[10]。
在实践赋能和能力提升层面，把AI与产业的真实项目结合起来做是可行的。院校可以对接学校周边区域的重点行业企业，按照企业的实际生产需求共同开发教学项目，让学生在项目中进行跨学科能力融合及运用，完成自我能力发展的自立自强，从而使自己的能力发展不会走向“单向化”，以此破解自强困境。
5. 可行性与挑战
5.1. 破局自律困境的可行性与挑战
该路径核心挑战在于AI分级管理系统存在技术开发与运维成本，且评价体系改革易引发公平性质疑，同时会加重教师工作负担。配套保障可通过校际共建共享AI平台、引入校企合作降低技术成本；设置1~2年评价过渡期，采用“量化指标 + 学习深度”双轨模式并公开细则；将相关工作纳入教师考核并给予补贴，开发自动化评分工具减负。
5.2. 破局自觉困境的可行性与挑战
其难点是AI平台定制化推荐算法改造难度大，学生信息筛选能力培育周期长，教师资源审核压力大。可分阶段试点平台改造并签订服务商定制协议；按年级设置梯度化信息筛选课程，配套实训题库；组建教研室审核小组并建立共享库，对教师给予课时减免或奖励。
5.3. 破局自强困境的可行性与挑战
主要阻碍为跨学科协同存在学科壁垒，校企项目对接易有分歧，学生跨学科学习存在基础门槛。需设立校级跨学科管理中心，将跨学科成果纳入考核；出台校企合作激励政策并制定标准化合作协议；配备多学科导师，开设先导课程并设专项项目激励。
6. 结论与展望
AI浪潮下，应用型院校学生“三自”品质的培育不仅有技术赋能的机遇，也有应对工具依赖的一些挑战。只有以学生为中心，将AI技术与教育规律相融合，在自律培养中平衡好工具辅助与意志激发的实践性，在自觉引导中注重能力培养的同时也提供专业引导，在自强实践中打破算法局限及学科壁垒，才能让“三自”品质成为学生适应AI时代、实现终身发展的核心竞争力，同时也能让应用型院校人才培育质量的路径实现可持续发展。
NOTES
*通讯作者。