抬頭率爭議

抬頭率爭議

近日，南京大學耗資三千一百五十二萬元改造智能教室、統計課堂抬頭率的事件引發熱議。雖然涉事學校隨後宣佈停止統計抬頭率、澄清不採集人臉生物資訊、不將數據與成績掛鈎，但這場爭議仍未停止。

校方推出這套系統，初衷並非惡意監管。面對大學課堂手機分心、學生參與度下滑，管理方希望用可量化的數據，直觀掌握課堂狀況，為教學督導提供參考，推動教師反思課堂吸引力。在管理視角裡，抬頭率是一個簡單、易讀的指標，方便快速橫向對比不同課程、不同教師的課堂表現。這種思路，是數字化管理慣性下的自然選擇：把複雜的學習行為，濃縮成一組清晰的數字。

但這套評價體系，從根源上就存在巨大盲點。抬頭不等於專注，低頭也不等於走神。學生抬頭望向黑板，有可能只是目光放空、神遊天外；埋頭低頭的人，或許正在快速記錄筆記、演算推導、整理思路，恰恰處於深度思考的狀態。算法只能捕捉頭部朝向這個外在姿態，卻無法穿透外表，識別大腦內部的思維流動。用單一的抬頭率去定義“認真聽課”，是把學習簡化成一套標準化動作，忽略了大學學習方式的多元性。大學不同於中學，更強調自主思辨、查閱資料、獨立推導，學習本就沒有唯一的標準姿態。

攝像頭數得清抬起的頭，卻永遠數不清被點亮的思想。真正能讓學生主動抬頭的，從來不是監控帶來的壓力，而是課程內容裡那些和他們的成長、困惑、真實需求緊緊相連的東西。當每一堂課都足夠有分量，學生的目光自然會有方向，根本不需要AI來數。

千 語