在真实情境里，练习思考的方法。

同一场气候争议中，不同发言者有不同立场和专业背景。学生通过立场光谱与视角对照矩阵，分别比较他们的意见、相关专长和所提供的证据。

一张历史照片附带的文字可能包含多项需要核实的信息。学生分别检查照片来源、人物身份、故事细节和背景史实，再判断哪些内容有证据。

可靠的材料也可能与当前问题无关。学生比较 CRAAP 与 CRRAAB 的检查方法，练习同时判断来源是否可靠、内容是否能回答研究问题。

学生用 FLICC 分析两段观点不同的气候视频，检查双方是否存在选择性使用证据等问题，并说明判断的依据。

以一张 1915 年英国征兵海报为例，学生在了解作者、出版者及收藏背景后，逐次修订对史料价值与局限的判断。

区分事实、观点与价值判断，有助于选择合适的核查方法。学生练习检查事实的范围与样本、观点的理由，以及价值判断所采用的标准。

围绕长滩岛是否应开设赌场，学生整理旅游收入、环境承载、治理能力与社区利益等信息，比较各方关注的问题及方案之间的取舍。

从威尼斯短租争议中的一段发言出发，学生明确需要验证的具体说法，再通过多个来源核查，将证据用于写作。

学生回顾自己形成判断的过程，检查推理前提、缺少的推理步骤，以及尚未考虑的经验和视角。

面对结论不同的两篇论文，学生先比较研究对象、数据构成、范围尺度和测量方法，再判断结论是否真的冲突。

学生阅读有关哥伦布的不同史料，检查记录者、写作对象、目的与背景，并比较各份材料能帮助回答什么问题。

一条公众号推文说：NASA 发现地球在变绿，源头在中国和印度。要不要写进论文？横向核查追回一手来源，再回头看转述与原文之间差了什么，最后写成一篇有立场、有证据的议论文。

围绕威尼斯的过度旅游问题，学生比较限制邮轮、管理短租和协助搬迁三个方案，运用纪录片中的材料提出建议并解释取舍。

学生练习规划英文学术论文的结构、组织段落、规范引用，并说明 AI 的使用方式，逐项检查自己的稿件。

拿 Haltinner 与 Sarathchandra 关于气候怀疑者分类的论文当案例，读的不是「作者发现了什么」，而是「作者对每个发现有多大把握」——suggests、indicates、demonstrates，确定度就藏在措辞里。

学生检查坐标轴、比较对象、分母和时间区间，分析数据呈现方式如何影响读者的判断，即使数字本身真实也需要核查。

学生从研究问题出发选择分析方法和图表，再根据结果撰写解释，检查每一项分析是否回答了原先的问题。

查资料不是定题时做一次的事。它贯穿推进、写作和修改，而且每个阶段要的资料不一样：早期用来理解方向，中期用来建立证据，写作时用来核查。

以 Tesla 影响力报告为例，学生将环境相关表述拆成可核查的问题，并结合其他来源检查环境、社会与治理方面的证据。

学生分别练习核查报告、图片与视频：查阅机构原文，检查图片来源与元数据，并结合时间、地点和上下文验证视频内容。

「IOC 承认电竞是体育」和「德国拒绝把电竞叫作体育」可以同时为真，因为它们说的不是同一件事。有的机构在做行政分类，有的在认可一个组织，有的只是在自己的运动会里设了一个项目。

方法不是论文里那段格式化的文字，它是结论可信度的来源。这门课把方法从「我用了什么工具」推到「为什么这样取证、怎样分析、结论能说到哪里」。

这门课不判断气候问题谁对谁错，它处理另一件事：你看完一段影像之后冒出来的那个判断，有多少来自证据，有多少来自光线、构图和配乐。

学生检查让步段是否回应了相关的反方证据，以及这些证据是否需要限定或调整自己的论点。

从一句听起来很顺的话开始，让学生短暂地被说服，再回头追问：它是靠证据把我说服的，还是靠人数、恐惧、权威、偷换概念、极端选项把我推过去的。

先做实验：同一组犯罪数据，一半学生读到「犯罪是野兽」，一半读到「犯罪是病毒」。给出的方案明显分岔——一边抓捕惩戒，一边诊断干预。在自己身上看见这件事发生，比听十遍「语言会影响判断」有用。

有人转给你一条视频：CO₂ 不是污染物，化石燃料把全球人均寿命从 30 岁推到 73 岁，所以减排是在阻碍文明。有数据、有图表、听起来挺有道理——那就顺着钱追下去，看这条论证是谁出钱说的。

「我想研究人工智能对就业的影响」——这不是研究问题，是一个话题。这门课处理从话题到问题那一段最难走的路：缩范围、找角度、定出一个真的能用材料回答的问句。

学生把长期研究拆成可执行的阶段和每周任务，记录选择、任务依赖及风险，并根据进展调整计划。

很多学生以为提示词写得好，就是把角色、语气和格式堆得更长。这门课先让学生拿一件真实要做的事问一次 AI：先预测，再看回答，再打开原始来源核查。最关键的发现是：人为什么会在流畅笃定的回答面前，不自觉地交出判断权。

这门课把 IFS 的核心语言转成青少年能用的「内在剧组」。不做心理测试，不做诊断，也不劝学生少玩手机。它做的是更基础的一件事：把「我就是很焦虑」改写成「我有一个部分很焦虑」——这一句改写，就是从台上回到观众席。

课程以凯根的主客体转换与变革免疫模型为底座，但刻意不做阶段排名，不给自测，也不给个人视角判定。它只帮学生看清一件事：我嘴上想要的改变，和我实际在保护的东西，是不是同一个。

一段关于 Anthropic 的短视频，把 AI 训练数据、版权、劳动和能源放在一起，很容易直接得出「AI 公司牺牲了很多人」。这门课不要求学生先站队，而是从一个更简单的问题开始：这笔账，究竟是谁在付？