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。
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。
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。
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。
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。
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。
共同学习为什么会卡在日常工作中？从两所小学中承担体育教学的教师经验，区分分享资源、共同探究与组织支持。
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。
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。
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。
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？
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。
为什么一个回答会被理解成一种态度？从知识激活、效能与社交连接，细读三组研究及其比较条件。
六国508名教师的调查揭示了什么？从测量题目与三套回归模型，区分理解、能力感、信任及培训的目标。
从多任务监控、报警基准率和设计权限，理解误用、弃用与不当引入，追问人负责需要哪些实际条件。
眼镜、温度计、游戏和供暖如何改变人与世界的关系？从四类关系与多稳定性，重新检查AI呈现了什么。
从歪头、提醒和外部记忆出发，区分当下省力、后续能力与对自己的判断，追问省下的精力去了哪里。
三组学生、两个阶段：为什么有AI时练习进步，撤去帮助后却未必学得更好？读懂教学约束与成绩比较。
319名知识工作者的936个实例，怎样揭示核验、整合与任务把控？区分自述省力、实际判断和长期能力。
106项实验说明，人机组合帮助了人，却未必超过较强的一方。把比较基准、任务差异与分工放回评价。
增强如何为自动化创造条件，自动化又怎样改变邻近工作？从时间、流程和责任理解组织中的持续变化。
同样的工具为何既能改善产出，又会降低正确率？把两类任务、三种条件和完成率、质量、耗时分开，读懂锯齿状技术边界。
解释已经提供，人却仍可能跟随错误建议。比较按需显示、先独立判断与等待，理解认知强制的收益、代价和个体差异。
从平均15%的生产率提升，走向技能差异、经验传播与系统中断：AI辅助之后，哪些收益确实留在了人身上？
AI点子帮助单篇故事获得更高评价，却使一组故事更加相似。分清作品评分、基线差异与集合相似度，理解创作收益的两个层次。
从初次使用到纠错和长期适应，完整展开18条指南。区分能力与可靠性、解释与纠错、局部反馈与全局控制。
从20人给60种颜色评分的实验出发，看懂按人计算相关的思路，也分清排序结构、作者解释与证据能支持的结论。
同一个人换一种指导语，为什么会得到另一份排序？从单案研究、比较单位和理论的三个位置，理解Q方法怎样把主观经验变成研究问题。
同一道弹琴的命令，为什么可能引出不同的体验？从传播之痛与传播之乐，理解Stephenson怎样用自我态度区分工作和游戏，以及这些主张的证据边界。
当前按发布顺序，最早在前。
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。