AI 回答得头头是道，孩子怎么知道它有没有说对？

01｜说得顺，不等于有证据

生成式 AI 擅长把问题组织成完整、连贯的回答，但语言的完整性与事实的可靠性是两件事。一个答案可能把正确事实、过时信息和推测写在同一段里；也可能给出看似具体的书名、年份，却没有可核对的出处。孩子若只问“它答得像不像老师”，就容易把表达能力当成证据能力。

因此，“核查 AI”不是要求孩子怀疑每一个字。更有效的办法是先把长答案拆开，挑最影响结论、最容易误导作业的一两句来查。联合国教科文组织的学生 AI 能力框架也把对 AI 输出的批判性判断列为能力目标；这是教育框架，不是某种查证法已经在所有年龄段奏效的实验结论。

依据：UNESCO《AI competency framework for students》（2024）。

02｜再问 AI 一遍，不叫独立核查

不少孩子会把同一个问题换个说法，再问同一个聊天窗口：“你确定吗？”这有时能发现自相矛盾，却不等于找到了外部证据。AI 给出的网址、书名或引文也只能算待打开的线索：页面是否存在、作者是谁、原文到底说了什么，都需要离开聊天窗口亲自确认。

把“再问一次”改成三次向外看

这是文章提供的家庭查证流程，不是把不同来源“凑满三个”就自动判真的评分公式。

信息素养研究把这种做法叫作横向阅读：先离开一则信息，看看外部资料如何说明它的来源和主张。家长不必先给孩子上一整套“辨别真假”的课；最小的起点是问：“除了这个回答，我们还能在哪里看到原话？”

03｜研究支持教核查，但不支持“学一次就免疫”

美国一项高中课程研究，让学生练习离开陌生网页、查网站背景，再判断网络信息可信度。六节、每节约 50 分钟的教学后，干预班比常规课堂的同龄学生在相关判断任务上进步更多。可是另一项在意大利高中课堂、用社交平台科学信息做材料的研究，没有发现三类短干预整体上显著提高真假辨识。方法能被教会，不等于每个孩子在每种平台、每种情境里都会主动用出来。

两项高中课堂研究，回答的是不同问题

两项研究测量任务与教学方式不同，不能把人数或结果直接合并比较；都不是针对小学生使用生成式 AI 的效果试验。第一项为匹配对照课堂研究，第二项按班级分配干预。来源：Wineburg 等，《Journal of Educational Psychology》，2022；《Scientific Reports》高中科学错误信息干预研究，2025。

这给家庭练习一个提醒：不要把查证做成“记住三个步骤”的口号。要让孩子在科学、历史、新闻和作业资料里反复遇到真实但难辨的主张，尝试寻找来源，讨论为什么同一证据可能被不同人解释得不一样。

04｜拿一句话练：月球背面“永远黑暗”吗？

假设孩子在某段 AI 回答里读到：“月球背面永远照不到太阳。”先别让他判断 AI “靠不靠谱”，而是把这句话单独拿出来查。NASA 的月球科普说明：人从地球上通常看不到月球背面，但背面并非永久黑暗，同样会得到阳光。原句把“看不到”和“照不到”混成了一回事。这个例子是为了演示核查过程，并非声称某个 AI 在实测中给出了这句话。

事实依据：NASA Science《Top Moon Questions》及 NASA 面向儿童的月球资料。此处只核查“有没有阳光”，不把一个例子推广成“AI 的错误率”。

05｜今晚就能做：一条主张，十分钟核查

不需要每次作业都做完整事实调查。选孩子正在用的一条 AI 解释，最好是课程中可核对、结果有明确影响的内容。年龄较小的孩子由家长先提供教材或机构资料；初中生可以自己找原处；遇到健康、财务、隐私或重要升学决定，则不让孩子单凭 AI 作判断，交由可信赖的成年人及相应专业人士核对。

最后一步尤其重要：如果孩子只能指出“NASA 说不是”，却说不清为什么背面仍有白天，这次练习就还停在搬运结论。可以让他画一个太阳、地球与月球的简单位置图，再讲给家长听。查证的目的不是赢过 AI，而是让孩子把正确答案接回自己的理解。