详细内容或原文请订阅后点击阅览
严格幻觉
这是“严谨”系列中的第 2 篇文章，共 2 篇文章 什么是严谨，消除七个误解 严谨错觉 第 2 部分 什么是严谨，消除七个误解 简介 一位老师在 LinkedIn 上发布了一个数学问题，并提出了一个简单的问题：“这是什么 DOK 级别？”这是一个好问题 - 三个步行者，每个 [...]
来源:教育博客桌什么是严格消除七个误解的第二部分
简介
一位老师在 LinkedIn 上发布了一道数学题，并提出了一个简单的问题：“这是什么 DOK 级别？”这是一个很好的问题——三个步行者，每个人都有距离和步速，任务是根据他们步行的时间对他们进行排名。看起来要求很高。它具有更高阶的光泽。
两个前沿 AI 模型参与其中。均返回 DOK 3。
发布该文章的老师 Jeffrey Ringer 并不买账。他说任何询问过语言模型的人都知道：你很难相信它的回答。他不会选择 3。然后埃里克·弗朗西斯（Erik Francis）——《知识深度》一书的作者——解决了这个问题。这是 DOK 2。您正在比较和组织信息，而不是跨来源推理以获得非常规结论。弗朗西斯说，接下来的一句话应该让我们每个人都感到震惊：这是复杂性中的高阶思维，但它并不是所需要的知识深度。
地球上两个最强大的人工智能系统查看了一项任务并误读了其需求。坐在那里。第 1 部分中的七个误解都是关于人类对严谨性的误读。这第八个不一样。这是关于放错了它——这是人工智能时代产生的误解。
这是我想要拆解的版本：假设当学生使用人工智能时，任务的严格性就会下降。感觉很直观。机器完成了最困难的部分，所以任务一定变得更容易了。 Francis 警告了附近的一个问题——生成式 AI 生成的 DOK 示例不一致且不准确（Francis，2026a），这正是这两个模型刚刚演示的。但我想更进一步。贴错标签只是一个小危险。最重要的是：人工智能不会降低任务的 DOK。它悄悄地将学生从任务中移除，而严格性标签却保留在原来的位置。这就是标签令人困惑的原因。这就是为什么第八种误解是迄今为止最危险的一种。