从一篇文献开始，把问题读得更清楚。
理解人与 AI 如何一起工作、学习和判断。
从礼貌、互惠、披露、团队与专家标签五组实验，看人怎样在知道机器身份的同时，仍沿用熟悉的社会规则。
从渠道到交流对象，理解人机传播的功能、关系与边界问题：回应一个系统，意味着怎样的期待，又不意味着什么？
机器进入团队之后，需要设计的不只有模型。读懂技术、协作与制度三个层面，以及效率、控制和知识可能出现的不同走向。
AI 素养除了操作技巧还包括什么？从理解数据、人类参与和能力边界，重新看我们怎样学习与评价 AI。
从娱乐街区的设计案例，区分增加方案与改变问题框架，追问一个新视角怎样连接具体做法和预期价值。
共同学习为什么会卡在日常工作中？从两所学校的体育教师经验，区分分享资源、共同探究与组织支持。
答案越来越多，问题却可能仍未说清。从问题设定与建筑评图，理解专业人士怎样在行动中改变判断。
计划如何在现场成为行动？从复印机的沟通误解，检查人与系统各自知道什么，以及分歧怎样被发现。
信任为什么不一定变成使用？从校准、信任依据与反馈循环，理解我们怎样把具体任务交给自动化。
从美国一所大学的教师调查出发，读懂信任与怀疑怎样并存，以及核查、教学目标和工作负担如何进入判断。
高教文献怎样谈论 AI？从“必须响应”与“改变权威”两套话语，看大学、教师与学生被放在怎样的位置。
当前按发布顺序，最新在前。
把研究发现、证据边界和我们的延伸解释分开读。无需按季补课，也不必从第一篇读起。