以下为初中课堂小组讨论用的启发性问题（共7题，难度中等）。每题包含：开场问题、后续问题、可能的学生小组回答示例。

1. 我在社交媒体上花了多少时间，值不值得？

• 开场问题：你每天/每周大概花多少时间在社交媒体？这些时间主要用在做什么（聊天、看短视频、资讯、学习号）？
• 后续问题：
  • 和作业、睡眠、运动/兴趣相比，这些时间的取舍合理吗？
  • 你用过“屏幕时间统计”或限制工具吗？数据有什么让你意外的地方？
• 可能的学生小组回答：
  • 我们发现实际时间比自己以为的多很多，常常挤占睡眠。
  • 有人主要用来社交放松，觉得能缓解压力；但临近期末会后悔刷太久。
  • 用了屏幕时间限制后，反而更容易按时停下，但需要同伴互相监督。

2. 注意力与效率：一心多用，真的更高效吗？

• 开场问题：一边刷消息一边写作业时，你的效率和质量有什么变化？
• 后续问题：
  • 通知弹出对你影响有多大？是否尝试过“勿扰模式”或番茄钟？
  • 哪些内容会让你“停不下来”？你如何设计“刹车点”？
• 可能的学生小组回答：
  • 我们认为频繁切换让思路断掉，正确率下降。
  • 关闭通知+定时休息能明显提高速度；但短视频算法很“黏人”。
  • 设定看完3个视频就停、或写完一题再看1条，有一定效果。

3. 点赞与归属感：数字影响情绪与友谊吗？

• 开场问题：点赞/浏览量会影响你的心情或你对朋友关系的判断吗？
• 后续问题：
  • 如果发的内容互动少，你会怎么解释？会影响你和同学的相处吗？
  • 你们的圈子里有“互赞”“必须秒回”的隐形规则吗？
• 可能的学生小组回答：
  • 我们有人很在意点赞，少了会觉得被忽略；也有人觉得没必要绑架友谊。
  • 互赞让人有支持感，但也会带来压力和比较。
  • 学会不把线上数据等同于真实关系，心情更稳定。

4. 线上误会与线下关系：冲突如何被放大或化解？

• 开场问题：你见过哪些线上误会（语气、玩笑、转发）引发现实尴尬或冲突？
• 后续问题：
  • 公开评论和私聊解释，哪种更有助于修复关系？为什么？
  • 你们的小组/班级群需要哪些“交流规则”来减少误会？
• 可能的学生小组回答：
  • 表情包被误读成讽刺；截屏传播让事情升级。
  • 先私聊澄清、承认感受，再公开补充会更有效。
  • 规则如：不截屏二次传播、先问再转、争议内容隔夜再回。

5. 信息茧房与同伴圈：你在看什么，决定你和谁聊什么

• 开场问题：算法推荐会让你和同学的共同话题变少还是变多？
• 后续问题：
  • 你是否因为“看不到”而错过了班级或社团的重要信息？
  • 如何主动“打破同温层”（订阅多元来源、关注不同观点）？
• 可能的学生小组回答：
  • 我们常各看各的圈子，聊天容易变成“各说各的”。
  • 班级通知最好固定在一个官方渠道，减少遗漏。
  • 刻意关注与自己不同的领域，让讨论更有碰撞。

6. 把社交媒体变成工具：时间边界与正向使用

• 开场问题：有哪些具体做法能让社交媒体帮助学习和社交，而不是吞噬时间？
• 后续问题：
  • 你最有效的时间边界是什么（固定无手机时段、睡前一小时断网等）？
  • 关注哪些“高质量账号/群”最有价值？如何定期清理“低价值关注”？
• 可能的学生小组回答：
  • 设“作业黄金时段”关通知；用番茄钟+白名单只留必要消息。
  • 关注科普、英语口语、历史讲解类账号，学习群内设置“只管理员发言”。
  • 每月清理一次关注，减少诱惑内容，效率上升。

7. 自我形象与同伴压力：真实与“完美”的平衡

• 开场问题：滤镜、修图和“人设”会如何影响自我评价和同学关系？
• 后续问题：
  • 如果担心被评价，你会减少发帖还是换一种呈现？为什么？
  • 同伴可以如何互相支持，降低外貌/成绩比较带来的压力？
• 可能的学生小组回答：
  • 我们有人因对比而自卑，也有人把社交媒体当创作平台更自信。
  • 选择不看恶意评论、限定可见范围，或发“真实日常”减压。
  • 约定不拿外貌和分数做比较，多给努力和善意的反馈。

提示：可把全班分小组，每题3–5分钟讨论后随机抽组分享；记录“一个利、一项弊、一个改进策略”，在结束时汇总为班级的“健康社交媒体公约”。

以下为高中课堂“人工智能时代的职业伦理与人机协作边界”启发性讨论问题（较难），共8题。每题包含开场问题、后续追问与可能的辩论式学生回答（正反两方）。

1. 决策权边界：AI应是“副驾”还是“自动驾驶”？

• 开场问题：当AI在某些任务上平均表现优于人类（如医疗分诊、自动驾驶紧急避让），我们是否应允许AI在关键场景中拥有最终决策权？
• 追问：
  • 哪些决策必须由人类保留“最后一锤”（right to final say）？依据是什么（风险级别、涉及权利、可逆性）？
  • 是否应设定可量化门槛（如准确率、置信区间、可解释性）才能放权？由谁评估？
• 可能的辩论回答：
  • 正方：若AI能显著减少整体伤害与错误，放权符合功利主义最大善；设置人类可随时介入的“紧急断电/撤销权”可兼顾安全。
  • 反方：涉及尊严与权利的决策具有不可替代的人类审辨性；即便AI均值更好，也可能在极端个案中缺乏道德判断，导致不可接受的不公。

2. 责任与问责：AI出错谁担责？

• 开场问题：当AI建议导致误诊或财务损失时，主要责任应由开发者、部署机构、前线使用者，还是新设“算法责任主体”承担？
• 追问：
  • 若多方共同作用，如何分配责任比例（设计、数据、监管、执行）？
  • 没有可解释性的黑箱模型能否成为“合格证据”承担或转移责任？
• 可能的辩论回答：
  • 正方：建立“可追溯责任链”，按影响环节分配（数据/模型/部署/使用）；引入强制保险与事故基金对受害者更公平。
  • 反方：复杂分配会稀释责任，降低谨慎义务；应坚持单一最终责任方（如部署机构），再内部追偿，确保外部受害者得到清晰保护。

3. 公平与效率的权衡：不完全公平的“更好”系统要不要上？

• 开场问题：若一个AI总体准确率更高，但对少数群体误差更大，是否应该先行部署以拯救更多人，还是延迟直到公平指标达标？
• 追问：
  • 公平应以群体平等错误率、个体化保护，还是结果平等来衡量？
  • 可否边部署边修正？如何防止“先用再说”使弱势群体长期受损？
• 可能的辩论回答：
  • 正方：分阶段部署+刚性公平约束+实时审计，可在带来净收益的同时持续纠偏；零容忍会错失改善机会。
  • 反方：对少数群体的系统性伤害不可用“净效益”抵消；先解决偏见是最低伦理底线，否则会固化歧视。

4. 可解释性 vs. 性能：选可解释的“次优”还是黑箱的“更优”？

• 开场问题：一个黑箱AI能将致死事故降低10%，但几乎不可解释；另一个可解释模型效果稍差。应选哪一个？
• 追问：
  • 不同行业（医疗、司法、广告）应否有不同解释性门槛？
  • “可证伪的可解释性”标准如何界定，避免虚假安慰？
• 可能的辩论回答：
  • 正方：在高风险场景优先选择能最大限度挽救生命的方案，并结合事后可审计、模型监控，逐步补强解释工具链。
  • 反方：缺乏可解释性削弱问责与申诉权，尤其在司法、医疗等权利相关领域；宁可牺牲部分性能也要保证可被人类理解与质询。

5. 工作场所的算法监控：效率还是尊严？

• 开场问题：公司用AI追踪键盘输入、摄像头与产出评估来提升效率，这在伦理上是否正当？
• 追问：
  • 员工“同意”在权力不对等下是否有效？应否有“拒绝被算法评估的权利”？
  • 数据保留、二次用途、误判申诉机制如何设计？
• 可能的辩论回答：
  • 正方：在高风险或高合规行业，合理、透明、可选择的监控能保护安全与绩效；聚合化、匿名化处理可降隐私风险。
  • 反方：持续监控造成“寒蝉效应”与心理压力，扭曲创造力与信任；应默认最小化收集，且必须提供无惩罚的退出选项。

6. 创作与署名：AI辅助作品的归功与报酬

• 开场问题：当记者、艺术家大量用AI生成与润色内容，谁应当署名与获得报酬？比例如何判定？
• 追问：
  • 是否需要披露AI参与度标签？最低人类原创贡献应是多少？
  • 训练数据中被使用的创作者是否应获得分润或数据版税？
• 可能的辩论回答：
  • 正方：建立“人类主创+AI协作”双重署名与贡献比例框架，按提示工程、编辑深度计酬；对被用作训练的数据引入集体版税池。
  • 反方：过度标签与分润会抬高创作门槛、窒息创新；现有版权与署名规则已足够，AI只是工具，报酬应主要归人类用户。

7. 数据获取与同意：公共网络内容可否“默认可抓取”？

• 开场问题：AI公司是否可以在未征得明确同意的情况下抓取公开网页、社交媒体内容用于训练？
• 追问：
  • “公开可见”是否等于“可用于任意机器学习目的”？未成年人与敏感数据如何例外处理？
  • 应采用默认退出（opt-out）还是默认加入（opt-in）？成本由谁承担？
• 可能的辩论回答：
  • 正方：公共信息为公共知识生态的一部分，抓取促进技术与社会整体进步；可通过Robots协议、版权例外与透明目录来平衡。
  • 反方：可见不等于可摘取；应以知情同意与用途限定为前提，并对个人与原创者提供简便、免费的拒绝与补偿机制。

8. 资源与气候伦理：算力该如何分配？

• 开场问题：在AI训练耗能巨大的背景下，是否应对高耗能模型设定碳预算与算力配额，把资源优先分配给公共利益（医疗、教育）？
• 追问：
  • 是否需要强制披露模型能耗与碳足迹标签？谁来核验？
  • 娱乐或商业增效是否同样正当？如何避免“绿色洗牌”？
• 可能的辩论回答：
  • 正方：算力与碳是稀缺公共资源，应优先满足社会价值更高的应用；用碳税、能效标准与可再生能源比例约束可推动绿色创新。
  • 反方：价值判断易被滥用，抑制竞争与创造力；市场会自然把资源配置到最有效率处，监管应聚焦透明度而非硬性配额。

使用建议：

• 先以1或2作为热身，再按班级关注选择其余问题。
• 每题可采用“立场速辩-角色扮演-规则重构”的三段式讨论：先表态，后换位，最后共同起草一条班级版“人机协作边界”原则。