一篇关于预印本 《解构能动性，分离应答性：在 AI 辅助学习中培养不可委托之物》 (Tomita, 2026) 的通俗语言解读。
预印本： https://osf.io/preprints/edarxiv/hvbfe*](https://osf.io/preprints/edarxiv/hvbfe)*
(日文版 日本語解説: https://researchmap.jp/ketomy/others/54141521*)
当一个系统能够规划论文、起草、修改，并根据要求解释自己的推理过程时，一个曾经只是修辞性的问题变得无法回避：当 AI 能完成工作时，学习者还需要原创什么？
各机构大多以两种方式回应——要么禁止工具以保护能力，要么接纳工具并希望能力得以幸存。这两种回应都将 能动性 视为一个单一的、AI 要么威胁要么不威胁的量。本文认为，这是对问题的错误理解。能动性并非单一事物。一旦你以正确的方式将其拆解，就会发现它的大部分都是可训练、可支持或可在人机系统中分配的——而一个微小、精确的剩余部分，根本就不是一种能力。
不同的切分方式：按可委托性，而非按心理功能
经典的能动性分解方式是按心理功能 (Bandura, 2001) 或时间取向 (Emirbayer & Mische, 1998) 来切分。两者都擅长回答各自的问题。但两者都不是为 AI 现在所迫使我们面对的问题而构建的。因此，本文在一个不同的轴线上进行切分——可委托性——由一个简单的测试来定义：当你试图将每个部分交出去时，会发生什么？
由此得出三个组成部分。
- 方向——学习者所朝向的目标：使某个问题成为 他们的 而非仅仅被分配的评价性承诺。
- 驱动力，分为两层——一般驱动力（类似特质的能量和活动水平）和动机驱动力（朝向特定对象的状态性力量）。
- 模式——驱动力通过学习者的性情流动的特征模式：一个人通常是创造、连接、批判还是维持。那个能打磨任何放在面前的草稿却从不原创任何东西的学习者，并非能动性低；他们只是以一种单一模式运作。
这些是可委托性分析的分类箱，而非一种新的心理学。关键在于，当每个部分都接受测试时会发生什么。
大部分都能清晰归类
表 1. 可委托性轴线下的学习者能动性。
运行测试，能动性的大部分都能归类：一般驱动力是可选择和支持的；模式是可训练和支持的——AI 可以直接为较弱的模式提供支架（为批判者提供草稿作为对象，为连接者提供结构作为材料），这使其成为争议最小的条目；动机驱动力可以从一般驱动力转化而来。
唯有方向抗拒——但精确性很重要。抗拒的 不是 候选方向的供给。提议是廉价的：老师可以建议十个，AI 可以根据要求生成五十个，两者在拓宽学习者所遇到的事物方面都有合法作用。无法交出去的是所有权。一个被提议的方向成为学习者自己的——或者未能成为——这个过程是提议者无法控制的，而一个被安装的方向和一个被拥有的方向之间的区别在行为上是可见的：服从追踪监督者的注意力；承诺则不会。 自我决定理论从另一个角度为这种区分提供了趋同支持——外部提出的目标只有在既是关系性的也是信息性的条件下，才能被整合而非仅仅被服从 (Ryan & Deci, 2000)。
根据当前的分解，这证实了能动性的分布观 (Cukurova, 2026) 对于这些组成部分的正确性：规划支架、对一般驱动力的支持、模式扩展工具、围绕现有动机的维持架构——所有这些都真正分布在人机配置中。本文并非对分布式能动性的否定。它是对分布所能解释的范围的限制。分布理论正确指出了什么可以分布——但对什么不能分布保持沉默。
那个从未是组成部分的剩余物
图 1. 一个拥有组成部分；另一个处于应答性之中。
当分类完成时，剩下了一些从未在列表上的东西——而且它不是第四个组成部分。它是一种关系：应答性，即不可转让的、必须为 一个判断 作答 的地位，向有权提问的人作答。（在教育中，应答性 也有巴赫金式的渊源；这里使用的含义更窄，是达沃尔式的——向有权提问的人作答的地位。）
本文以第二人称的方式对此进行论证，并且这种借用必须被精确标记。它从 Darwall (2006) 那里借用了第二人称对话的结构：主张和要求是人与人之间提出的，而具有应答性就是那个可以被要求作答的人。借用的是那个对话结构。这里原创的是其延伸——将其从 行为（Darwall 自己的主题）扩展到判断的正当性：即一个评价性判断，不亚于一个行动，需要一个可以被对话、被质疑并且必须作答的承担者。
Darwall 论述中的一个不对称在此被视为决定性的。主张 的一方明确允许代理——受托人可以代表他人提出要求，第三方可以为受害者感到愤慨。在 作答 的一方没有出现类似的代理：内疚的自然表达是忏悔、道歉和自我谴责。本文将这种不对称视为论点转折的关键：作答不能由学习者以外的人代劳。
两个区分防止了这一点与邻近概念的混淆：
- 问责 vs. 应答性。 问责是制度上可分配的：它可以分散、被审计和重新分配。应答性是关系性的且以人为索引：判断的正当性始终锚定在必须作答的特定 Agent 身上 (Tomita, 2026b)。
- 权威 vs. 地位。 这种地位的方向与 Xing 等人 (2026) 研究的 AI Agent 权威相反。根据当前的论述，权威是由学习者赋予的，并追踪感知到的能力，而地位则由做出判断的人保留，并追踪应答性。Agent 可以被授予更多权威，而无需因此获得地位。
为什么 AI 无法处于这种地位——以及为什么这不是一个能力主张
一个熟练的骗子拥有丰富的方向，并且不对任何人负责——直到被迫如此。 这个限定条件正是关键：一个人类骗子可以被要求作答；正是这种易感性——被对话、被质疑、被追究——是第二人称能力在行动中的体现。当前的 AI 系统的输出无法在这种意义上被要求作答：无法从它那里拿走任何东西，它自己的承诺不处于危险之中，脚本化的自我谴责将是空洞的。这种差异不是沿着任何组成部分维度的程度差异。它是拒绝一种关系与无法处于一种关系之间的区别。
应排除两种误解：
- 这不是一个任务能力主张。 规划、起草、解释或自我监控能力的任何积累本身都不能建立第二人称地位——Darwall 的第二人称概念（权威、有效主张、第二人称理由和对他人的责任）形成了一个相互定义的循环，无法从外部进入。相关的问题是系统是否能进入对话和回应的关系，而不是它能执行多少任务。本文并未断定未来的系统是否能够获得第二人称能力；它排除了仅凭能力作为捷径的可能性。界限遵循能力，而非基质。
- 这不是精英主义。 应答性并非由少数有才华的人持有。居民从获得执照的第一天起就持有作答的地位；学生从以自己名义提交作品的那一刻起就持有它。培训所建立的不是地位，而是良好地占据它的能力。
在另一个方向上也有一个实际边缘：不加批判的委托不会让学习者一方不受影响——在高度依赖下，它可能会削弱在规划、监控和评估中的参与度 (Fan et al., 2025)。这就是为什么该处方将委托视为需要被塑造，而不仅仅是允许。
方向从何而来
如果方向不能被安装，它从何而来？本文提出了一个由三个运动组成的精简机制：与问题持有者的具身相遇促成了评价性承诺的结晶；结晶后的方向然后将一般驱动力转化为动机驱动力。每个运动都命名了一个条件，而非保证。
医学已经运行这种设计一个世纪了。临床实习将学生安排到患者身边，其明确前提是，对护理的方向是在床边形成的，而不是在讲堂里安装的。 只要课程能够提供与问题持有者持续的、早期的、具身的接触，这个模型就可以作为设计启发。
一个两阶段的处方
这种双层结构产生了一个两阶段的处方，并且这两个阶段不能合并。
第一阶段——针对分解所能定位的一切。
- 一个诊断罗盘。 OECD 的 2030 年学习罗盘将能动性置于学习者如何驾驭不确定世界的中心，但它指向的是一个行进方向，而不是将方向分解成教育者可以解读的部分 (OECD, 2019)。这个阶段提供了第二种罗盘：分别解读学习者的方向、一般驱动力、动机驱动力和模式，对照可委托性分类，而不是将它们加总成一个单一的“能力”。它不需要新的心理测量学——只需要以不同的方式解读现有工具。一个保留意见是构成性的，而非警示性的：罗盘只能读取可以被外化的东西。应答性不会出现在任何指针上，而一个声称能对其评分的罗盘将重新引入本文所诊断的混淆。工作示例。 一个学习者表现得“缺乏动力”。罗盘进行分解：一般驱动力高（同一个学生在别处充满活力），方向缺失，模式主要是批判性的。这不是动力缺陷，而是一个前结晶状态——一个没有对象的强大引擎——杠杆是接触遭遇，而非说教。罗盘还用观察你自己的梯度（一个前结晶学习者实际上可以做的事情）取代了找到你的目标（一个主要让人瘫痪的二元要求）。
- 遭遇工程。 如果遭遇能促成方向，课程可以设计为具有遭遇密度——与问题持有者的结构化接触，早期且具身，在能力按常规“证明”其合理性之前。
- AI 护栏。 配置 AI，使委托能移除障碍，而不替代学习者。但要注意限制：与 AI 的对话，无论配置得多好，都不能培养应答性——系统可以引出承诺，但它不能成为学习者向其作答的那个人。护栏服务于第一阶段。它们不能替代第二阶段。
第二阶段——针对第一阶段无法触及之物。
应答性只在第二人称交流内部成长：被质疑、作答并拥有答案。教育者不可替代的功能——任何工具配置都无法吸收的功能——是成为另一个人：问学习者你的评估是什么？ 并让他们对自己所说的话负责。临床监督一直是这样运作的——住院医师，一个案例接一个案例，向有权提问的人作答，而这正是如何在一个从一开始就存在的地位上建立作答能力的方式。
这在结构上是有根据的，而非怀旧。使用 Nonaka 和 Takeuchi 的 SECI 模型 (1995)，Tomita (2026b) 认为，当 AI 加速知识的外显化和组合时，有效的速率限制过程转向了社会化和内化——而社会化，即评价性承诺在人与人之间被质疑和修订的地方，正是第二人称的场所。自我决定理论发现的内化所需的关系条件指向了同样的方向 (Ryan & Deci, 2000)。混合人机配置是正确的容器，第一阶段填充了它；但在任何配置内部，作答的一方是其中的人，而不是配置本身。
结论
所以，对学习者还剩下什么 这个问题的答案是两种类型的，而保持它们的区别是本文的核心纪律：
- 方向——一个抗拒安装但屈服于遭遇的组成部分。
- 应答性——根本不是一个组成部分，而是学习者就一个判断向某人作答的地位。
AI 改变了围绕那种关系的一切的经济性，从教学和学习中剥离了外显化负担。它没有改变的是关系本身：谁必须作答，以及向谁作答。 教育者的位置因此被澄清，而非削弱——设计遭遇，配置工具，解读罗盘；然后成为学习者向其作答的那个人。
AI 移除了教育的外显化负担；它无法移除的是另一个人。
AI 时代的教育不是对人类任务对抗自动化的防御。它是培养那些从来不是任务的东西。
如何融入更大的框架
这是关于 AI 压缩什么和不压缩什么的一系列工作中的第三篇。第一篇区分了外显化成本（AI 剥离的东西）和规格说明——AI 辅助本身在框架的目标领域中并不提供的领域判断 (Tomita, 2026a)。第二篇将规格说明分解为事实型（Sein）和负载价值型（Sollen）组成部分，并定位了一个委托合法性边界——越过这条线，AI 可以生成输出，但不能成为其合法性的来源 (Tomita, 2026b)。这一篇打开了那些论文中保持恒定的变量——学习者——并在人类的边缘发现了一个关系而非一个量。操作符是恒定的；被争论的概念发生了变化。
参考文献（支撑性；完整列表见预印本）
预印本详细阐述了反循环论证、机制模型的证据局限性以及本简短叙述中省略的制度性限定条件。
- Bandura, A. (2001). Social cognitive theory: An agentic perspective. Annual Review of Psychology, 52, 1–26.
- Cathcart, S., Priestley, M., Priestley, A., & Rushton, E. A. C. (2026). Unravelling agency. Review of Education, 14(1), e70131.
- Cukurova, M. (2026). Agency as a system property in human–AI interaction in education. British Journal of Educational Technology, 57(4), 1065–1070.
- Darwall, S. (2006). The second-person standpoint: Morality, respect, and accountability. Harvard University Press.
- Emirbayer, M., & Mische, A. (1998). What is agency? American Journal of Sociology, 103(4), 962–1023.
- Fan, Y., et al. (2025). Beware of metacognitive laziness. British Journal of Educational Technology, 56(2), 489–530.
- Nonaka, I., & Takeuchi, H. (1995). The knowledge-creating company. Oxford University Press.
- OECD. (2019). OECD Learning Compass 2030: A conceptual learning framework.
- Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation. American Psychologist, 55(1), 68–78.
- Tomita, K. (2026a). Domain-native development: A Mekiki framework for AI-assisted knowledge work [Preprint]. SocArXiv.
- Tomita, K. (2026b). Philosophy as cognitive assay [Preprint]. SocArXiv.
- Xing, W., et al. (2026). Unveiling interaction patterns between students and a generative AI teachable agent. British Journal of Educational Technology, 57(4), 896–923.
- Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective. In Handbook of self-regulation (pp. 13–39). Academic Press.
附注：这篇解读很密集，其背后的论文更密集。你可以随时让 AI 和你一起阅读其中任何一篇——总结、翻译、解读。这正是 AI 应该从你手中接过的外显化工作。AI 也可以测试论点：检查逻辑、找出反例、权衡证据。它不能做的是，为你决定是否接受它。将论点视为有根据的，并为此负责，这仍然是你自己的事。
