批判性问题生成

246 浏览

23 试用

5 购买

Oct 23, 2025更新

为指定书籍或主题生成20道定制化批判性讨论题，覆盖布鲁姆认知六层（记忆—创造），每题明确认知目标并在最后给出按层级整理的题号表与参考来源。支持指定读者水平与引用偏好，适合课堂讨论、读书会与教学大纲使用，帮助促进深度分析与批判性对话。

讨论问题：

准确列出《理想国》中关于“正义”的三个关键界定阶段（传统德性观、强者利益、城邦与灵魂之和谐），并标注对应的卷次与提倡者；指出这些界定之间的差异点与过渡线索。
列举并按退化顺序说明五种政体（贵族制—军人寡头制—寡头制—民主制—僭主制）及其对应的灵魂类型与主导快感；为每一类给出文本中的核心特征关键词。
用你自己的话解释“各司其职”（specialization）原则在城邦与个体层面的含义；阐明其与“技艺/治理是一门技术”的类比关系。
阐明“善之形相”在认识论（线段与太阳比喻）与政治论证中的地位：为何哲学家必须把握“善”才具统治资格？请以对话中的比喻为证。
在I卷中重构色拉叙马霍斯将正义定义为“强者的利益”的论证结构；指出苏格拉底反驳的关键逻辑转折（如技艺为受益者而非技艺者自身），并评估该反驳是否真正触及对方的核心前提。
比较格劳孔“吉吉斯之戒”与阿德曼图的名誉/教育怀疑论挑战如何迫使苏格拉底将正义从外在回报转向内在秩序来论证；分析两者的不同关注点对整体论证路线的影响。
选取一个现实团队或大学治理案例，依据城邦—灵魂类比与“各司其职”原则，提出岗位分工与权力配置方案；说明这如何提升“组织之正义”（内在协调）而非仅仅外在绩效。
将柏拉图的正义框架用于评估一种算法治理场景（如内容审核或信用评分）：在三分灵魂与统治者—护卫者—生产者职责的类比下，规范地界定“算法的正义”与“失衡”的判据。
对“高贵的谎言”（noble lie）的规范地位进行评估：它是巩固正义秩序的必要政治神话，还是破坏真理与信任的工具？请基于对话文本与现代政治伦理提出可检验的标准。
解析“洞穴寓言”的认识与政治双线结构：标注个体从影像到善的上升阶段与统治资格的形成路径，并分析为何返回洞穴（政治参与）是必要却痛苦的。
评估柏拉图对民主的批评（如多欲、缺乏统治技艺、意见凌驾于知识）在当代自由民主中的适用性与局限；给出一个具体制度环节（例如选举、媒体或审议）的案例判定。
分析守护者中男女同训与同职的主张：它如何与“功能适配”原则一致/冲突？讨论这对当代性别与能力平等政策的启示与难点。
依据音乐与体操的双重教育及后续数学—辩证训练，设计一套培养“理性部分”主导的本科通识课程框架；说明课程次序与评估方式如何体现从信念到知识的上升。
评估“正义即灵魂之和谐”的内在主义命题：在多元价值社会中，个体的心理整合是否足以构成公共正义？需要哪些外在制度条件来补足？
解释知识与正确意见在《理想国》中（线段比喻）之区分及其政治意义：为何仅有“知识”而非“正确意见”能够稳定良治？举例说明“护卫者”依赖何种认知层次执行职责。
重新建构城邦—灵魂类比，提出一个改进版本以更好地容纳现代个体自治与权利，同时保留功能协调与整体善；在你的模型中，说明“善”的公共可论证性。
为一个学生组织起草一份受《理想国》启发的简明“章程”（不超过10条），兼顾“哲学家—护卫者—成员”角色分工与现代保障（法治、透明、问责）；阐述你在每一条中做出的权衡。
分析“三个浪潮”（女性守护者、共同家庭与财产、哲学家统治）作为“理想城邦的压力测试”：哪一个最能检验城邦正义的可行性与一致性？给出文本与理论依据。
对比柏拉图的“整体善—和谐”框架与罗尔斯的“两原则”与“原初状态”：指出在处理不平等与基本自由方面，两者各自的优势与致命弱点，并提供一个现实政策情景进行判例比较。
以政体退化序列为分析工具，选取一个现代国家过去30年的政治轨迹，论证其在不同阶段最接近哪一种柏拉图式政体及对应灵魂结构；明确你的指标与证据边界。

布鲁姆分类法归类： | 认知层次 | 问题编号 | |----------|----------| | 记忆 | Q1, Q2 | | 理解 | Q3, Q4, Q15 | | 应用 | Q7, Q8, Q13, Q20 | | 分析 | Q5, Q6, Q10, Q12, Q18 | | 评估 | Q9, Q11, Q14, Q19 | | 创造 | Q16, Q17 |

来源：

Plato, Republic, trans. G. M. A. Grube, revised by C. D. C. Reeve, Hackett Publishing, 2nd ed., 1992/1997.
Plato, The Republic of Plato, trans. Allan Bloom, Basic Books, 1968/1991.
Julia Annas, An Introduction to Plato’s Republic, Oxford University Press, 1981.
G. R. Ferrari (ed.), The Cambridge Companion to Plato’s Republic, Cambridge University Press, 2007.
C. D. C. Reeve, Philosopher-Kings: The Argument of Plato’s Republic, Princeton University Press, 1988.
Eric Brown, “Plato’s Ethics and Politics in The Republic,” Stanford Encyclopedia of Philosophy, first published 2003; substantive updates 2017–2020. https://plato.stanford.edu/entries/plato-ethics-politics/
Terence Irwin, Plato’s Moral Theory: The Early and Middle Dialogues, Oxford University Press, 1977.
John Rawls, A Theory of Justice, Harvard University Press, rev. ed., 1999.

讨论问题：

列出书中三次重大社会变动，并对应福贵一家发生的关键事件。
用自己的话说明书名“活着”在小说中不只是“生存”，还包含哪些情感或价值。
选取一幕情节，把“命运—选择—社会变迁”的关系画成一个三角关系（可口述描述），并解释你为何这样对应。
比较福贵与家珍在苦难来临时的应对选择，有何相同与不同？这些差异如何影响结局？
说出两个配角（如有庆、凤霞、春生、龙二、二喜、苦根）的命运转折点及其直接原因。
你认为福贵对家族悲剧负有多大责任？用书中三处证据支持你的判断。
假如你是记录者“我”，提出三个你会追问福贵的深挖问题，并说明你期待得到什么信息。
解释牛“福贵”这一意象在后半部中的象征意义，它如何延伸“活着”的主题。
将书中的一个人物置于当代社会，他/她最可能做出哪些不同选择？依据是什么？
找出两到三个情节，展示“个人努力”与“时代洪流”的张力，梳理清楚因果链条。
用你熟悉的家庭故事或新闻案例，类比书中“选择受限”的处境，指出相似点与不同点。
叙述采用“口述回忆”。这种视角如何影响我们对真相、记忆与因果的理解？
用简短几句话，概括“活着”对福贵、家珍、凤霞、有庆分别意味着什么。
如果把《活着》解读为一部关于“韧性”的作品，这一解读有什么优点与盲点？
对比小说与张艺谋电影改编在“命运与时代”上的呈现差异，差异来自哪些叙事选择？
在极端社会变迁中，个体是否还应为自己的选择负主要责任？提出你的立场并回应一个反对意见。
选择一个关键转折点，写一个“如果当时另选”的短场景，并推演可能的连锁后果。
说明作者如何用平实语言与重复的日常细节，累积出“活着”的力量感。
按时间线梳理福贵一生的五个节点，并标注对应的历史背景。
以“活着的代价/礼物”为题，写出一句话论点，并给出一篇短评的三段式提纲。

布鲁姆分类法归类： | 认知层次 | 问题编号 | |----------|----------| | 记忆 | Q1, Q5, Q19 | | 理解 | Q2, Q8, Q13, Q18 | | 应用 | Q3, Q9, Q11 | | 分析 | Q4, Q10, Q12, Q15 | | 评估 | Q6, Q14, Q16 | | 创造 | Q7, Q17, Q20 |

来源：

余华：《活着》，作家出版社，1993/2012修订本。
Yu Hua. To Live: A Novel. Translated by Michael Berry, Anchor Books, 2003.
Michael Berry. A History of Pain: Trauma in Modern Chinese Literature and Film. University of Hawai‘i Press, 2008.
Kirk A. Denton (ed.). The Columbia Companion to Modern Chinese Literature. Columbia University Press, 2016.（含余华与当代文学背景条目）
张艺谋导演：《活着》，电影，1994。

讨论问题：

根据OECD AI原则与ISO/IEC 23894，给出“算法透明度”“可解释性”“可审计性”“问责”的标准化定义边界，并指出其差异的要点。
概述NIST AI RMF的四大功能（Govern、Map、Measure、Manage）中与透明度直接相关的关键实践清单项目。
列出EU AI Act对高风险系统的核心透明度义务（如技术文档、日志记录、数据治理、用户信息与标识等），并指出GDPR第22条的自动化决策相关告知与救济要求。
解释透明度义务与安全风险之间的内在张力，阐明公开模型文档如何可能导致模型提取/反演、数据泄露或攻击面扩大，并说明常见缓解策略。
区分程序性问责（流程/治理）与结果性问责（成效/影响），并说明在公共政策审计中它们如何协同以保障公共利益。
说明“有意义的人类监督”在不同风险等级中的作用机理，以及它如何与组织问责链（开发者—部署者—审计方）对齐。
针对一家大型平台的个性化推荐系统，设计一份符合Model Cards与英国算法透明度记录标准的披露模板，明确应披露的用途、受众、局限与已知风险。
为信用评分模型制定透明度度量体系，使用NIST AI RMF中的测度建议与ISO/IEC 23894的风险准则，产出可量化指标（如解释覆盖率、解释一致性）与阈值，并说明验证方法。
在医疗影像诊断AI的场景下，构建一套风险分层的披露策略，平衡知识产权保护与患者权利（含个体反事实解释供给、数据源说明、分布外风险）。
依据EU AI Act与纽约AEDT审计法，起草一份部署后事件报告与沟通流程，涵盖触发条件、升级路径、对外通告、纠偏方案与修复时间线。
比较GDPR第22条与美国部分州/城市框架（如纽约AEDT、科罗拉多/加州隐私法在自动化决策与画像方面的规定）在透明度、申诉与复审机制上的差异，并评估跨境合规的空白与冲突。
分析三类解释方法（SHAP值、反事实解释、因果图）在公平性、稳健性与可审计性上的优劣与适用边界，给出在信贷、医疗、招聘三类场景的选型依据。
将开发者、部署者、数据提供方、第三方审计方的责任链分解，映射至EU AI Act角色（提供者/部署者）与产品责任框架，识别潜在责任断点与可操作的缓解措施（合同、控制、日志）。
针对公开模型文档与权威基准的做法，开展威胁建模（如STRIDE或AI特有的提取/反演/对抗样本），评估透明度收益与对抗性滥用风险的权衡，并提出差异化披露策略。
评价“开源或开放权重有助于提升信任”的命题，在生物、金融、医疗等高风险领域分别给出支持与反例，并提出采纳条件（风控能力、使用限制、审计强度）。
判断一次性第三方合规审计是否足以替代连续监控与事中反馈回路；提出你认可的最低充分条件（数据漂移监控、事件SLA、独立复审）与适用边界。
在自动化招聘中，评判“解释权”应采用“厚解释”（个体化反事实）还是“薄解释”（一般逻辑说明），并以比例原则、行政可行性与真实可用性为准则给出裁决。
设计一个企业级AI治理体系结构，包括透明度门户、审计流水线（数据/模型/过程）、事件登记与共享、红队测试与责任分配，确保与ISO/IEC 42001、NIST RMF及OECD原则对齐。
构建覆盖透明度—问责—安全的KPI仪表盘，包含前瞻性与滞后性指标（如解释满意度、申诉响应SLA、模型漂移阈值、审计缺陷闭环率），并给出数据采集与验证方案。
提出一个跨行业的“风险加权透明度披露”标准框架，类比金融压力测试，定义披露层级、监管沙箱流程与执法工具包（罚则、纠偏令、补救计划），并说明对创新与竞争的影响。

布鲁姆分类法归类： | 认知层次 | 问题编号 | |----------|----------| | 记忆 | [Q1, Q2, Q3] | | 理解 | [Q4, Q5, Q6] | | 应用 | [Q7, Q8, Q9, Q10] | | 分析 | [Q11, Q12, Q13, Q14] | | 评估 | [Q15, Q16, Q17] | | 创造 | [Q18, Q19, Q20] |

来源：

National Institute of Standards and Technology (NIST). Artificial Intelligence Risk Management Framework (AI RMF 1.0). 2023. https://nvlpubs.nist.gov/nistpubs/SpecialPublications/NIST.SP.1270.pdf
ISO/IEC 23894:2023. Information technology — Artificial intelligence — Risk management. https://www.iso.org/standard/77825.html
ISO/IEC 42001:2023. Artificial intelligence — Management system. https://www.iso.org/standard/82210.html
OECD. Recommendation of the Council on Artificial Intelligence (OECD AI Principles). 2019. https://oecd.ai/en/ai-principles
OECD. A Framework for the Classification of AI Systems. 2022. https://www.oecd.ai/en/classification
Council of the European Union. Artificial Intelligence Act — Final compromise text (ST 5662/24). 2024. https://data.consilium.europa.eu/doc/document/ST-5662-2024-INIT/en/pdf
Regulation (EU) 2016/679 (GDPR), Art. 22 and Recital 71. https://eur-lex.europa.eu/eli/reg/2016/679/oj
NYC Local Law 144 of 2021 (Automated Employment Decision Tools) and rules by DCWP (effective 2023). https://rules.cityofnewyork.us/rule/automated-employment-decision-tools-aedt/
UK Cabinet Office. Algorithmic Transparency Recording Standard. 2021. https://www.gov.uk/government/publications/algorithmic-transparency-recording-standard
IEEE Std 7001-2021. Standard for Transparency of Autonomous Systems. https://standards.ieee.org/standard/7001-2021.html
Mitchell, M. et al. Model Cards for Model Reporting. FAT* 2019. arXiv:1810.03993 https://arxiv.org/abs/1810.03993
Gebru, T. et al. Datasheets for Datasets. CACM, 2021 (preprint 2018/2020). arXiv:1803.09010 https://arxiv.org/abs/1803.09010
Lundberg, S., Lee, S.-I. A Unified Approach to Interpreting Model Predictions (SHAP). NeurIPS 2017. https://arxiv.org/abs/1705.07874
Wachter, S., Mittelstadt, B., Russell, C. Counterfactual Explanations without Opening the Black Box. 2017. https://arxiv.org/abs/1711.00399
Fredrikson, M. et al. Model Inversion Attacks that Exploit Confidence Information. CCS 2015. https://dl.acm.org/doi/10.1145/2810103.2813677
Tramèr, F. et al. Stealing Machine Learning Models via Prediction APIs. USENIX Security 2016. https://www.usenix.org/conference/usenixsecurity16/technical-sessions/presentation/tramer
Goodfellow, I. et al. Explaining and Harnessing Adversarial Examples. 2015. https://arxiv.org/abs/1412.6572
UK ICO. Guidance on AI and Data Protection (updated). https://ico.org.uk/for-organisations/guide-to-data-protection/key-dp-themes/ai/
White House OMB. Memorandum M-24-10: Advancing Governance, Innovation, and Risk Management for Agency Use of AI. 2024. https://www.whitehouse.gov/omb/information-for-management/omb-memoranda/
ISO/IEC TR 24028:2020. Artificial Intelligence — Overview of trustworthiness in AI. https://www.iso.org/standard/77608.html
AI Incident Database (Responsible AI Collaborative). https://incidentdatabase.ai/

解决的问题

提供一个高度结构化的提示词解决方案，用于生成20个批判性思考问题，帮助学习者基于布鲁姆分类法的各个认知层次深入分析主题，提升批判性思维和学习深度。

适用用户

教育工作者

帮助教师设计高质量的课堂讨论题，覆盖从基础知识到创造性应用的全认知层次。

课程开发者

支持按主题创建批判性问题，用于课程内容规划和学习活动设计，提高课程互动性与深度。

企业培训专家

打造针对员工技能提升或案例分析的定制化问题集，增强企业内训的思考深度。

特征总结

• 快速生成20个批判性思考问题，覆盖布鲁姆分类法六大认知层次，全面满足深度学习需求。

• 按主题自动定制高阶思维问题，立足用户输入书籍或学科，精准贴合学习与教学场景。

• 内置布鲁姆分类法分析，清晰标注每个问题的认知层次，帮助用户结构化地设计学习内容。

• 支持多领域使用，无论是教育教学、企业培训还是研究分析，都能快速适配主题需求。

• 创新输出问题及分类表格，直观呈现结果，提升用户在教学设计中的效率与体验感。

• 有效激发学习者批判性思维，通过层层递进的问题设计，帮助学习者实现深度理解与创造。

• 基于可靠来源的智能问题生成，提供内容质量保障，让用户轻松获取学术级别的成果。

• 操作简便，一键生成复杂问题集，节省用户的时间和精力，完成高效知识管理。

• 精准适配教学目标，从记忆到创造全路径覆盖，助力用户打造更具启发性的学习过程。

• 支持优化与定制，为用户提供灵活调整的功能，满足不同场景下的问题设计需求。

如何使用购买的提示词模板

1. 直接在外部 Chat 应用中使用

将模板生成的提示词复制粘贴到您常用的 Chat 应用（如 ChatGPT、Claude 等），即可直接对话使用，无需额外开发。适合个人快速体验和轻量使用场景。

2. 发布为 API 接口调用

把提示词模板转化为 API，您的程序可任意修改模板参数，通过接口直接调用，轻松实现自动化与批量处理。适合开发者集成与业务系统嵌入。

3. 在 MCP Client 中配置使用

在 MCP client 中配置对应的 server 地址，让您的 AI 应用自动调用提示词模板。适合高级用户和团队协作，让提示词在不同 AI 工具间无缝衔接。

AI 提示词价格

￥15.00元

先用后买，用好了再付款，超安全！

在线免费用提示词

您购买后可以获得什么

✓

获得完整提示词模板

- 共 438 tokens

- 5 个可调节参数

{ 书籍/主题 } { 学科 } { 目标读者 } { 难度偏好 } { 是否需要引用 }

✓

获得社区贡献内容的使用权

- 精选社区优质案例，助您快速上手提示词

购买

批判性问题生成

解决的问题