收益：
- 能够在职业探索、领域/部门选择和偏好过程中使用人工智能作为知识大纲和发现问题生成器
- 能够制作以发现为导向的材料，以学生的兴趣、价值观和能力为中心，但不提供精确的指导。
- 了解人工智能提供的货币、配额、分数和薪资信息是否来自官方来源，由专家来验证。
职业和教育指导是 PDR 专家最引人注目和最受欢迎的工作之一：中学领域/高中类型定位、高中领域选择（数字、语言、等权重等）、大学偏好期、职业探索研究、实习和商业世界晋升。这些过程的目的不是告诉学生“选择这个职业”；而是告诉学生“选择这个职业”。目的是帮助学生发现自己的兴趣、价值观和能力，认识选择并有意识地做出自己的决定。兴趣是一个人喜欢的领域；价值，他对工作的期望（自主性、安全感、帮助性、创造力）；能力是一个人拥有并可以发展的技能。
在本单元中，我们将学习使用人工智能作为职业指导中的知识大纲和探索性问题生成器。最关键的原则是：AI不代表学生做决定；让发现更容易。而这个领域独特的危险是：配额、基点、工资、职业前景等信息变化很快，人工智能可能会给出错误或过时的信息。因此，每一个数字和当前信息都应从官方来源进行验证。
人工智能的正确角色：打开发现，而不是关上大门
就业指导的核心是学生的自我认识。在这里，人工智能可以产生让学生思考的问题、比较职业的公正信息大纲、描述职业一天的场景以及发现活动。错误的角色是当人工智能给出明确的输出说“这是最适合你的职业”并且学生将其视为先知时。这既是错误的（AI并不真正了解学生），又违背了指导的自主原则（决定权属于学生）。
另一个危险是偏见：人工智能可以重复性别和社会经济模式；它可能会将女学生推向护理专业，将男学生推向工程学，或者推向被认为“安全、有声望”的职业。专家必须检查根据这些图案生产的每种材料，并有意识地扩大选择范围。
职业指导的另一个微妙之处是不要忽视学生的环境现实。人工智能在引入职业时往往会假设理想的条件；然而，学生的家庭经济状况、所在地区的教育和就业机会以及可以获得的奖学金决定了选择的现实性。专家的工作不是限制学生的梦想；而是限制学生的梦想。既要保持视野开阔，又要现实地展示道路的具体步骤（哪个系、哪个奖学金、哪个准备）。人工智能可以将这些步骤列出为大纲，但需要专家将学生置于情境中并验证必要的来源。这使得发现成为一个既令人鼓舞又具有基础的过程。
注意：人工智能提供的信息，如基本分数、配额、排名、配额类型、薪资和“未来的职业”可能是旧的或捏造的。在将这些信息告知学生或家长之前，请务必从官方和当前来源（大学/高等教育偏好指南、官方专业机构、当前统计来源）进行验证。
一步一步：人工智能驱动的职业发现
- 从了解自己开始。通过面试或盘点确定学生的兴趣、价值观和能力。 （清单解释是第 5 单元的主题；此处用作输入。）
- 使用 AI 生成发现问题。准备开放式的探索性问题，让学生思考。
- 展开选项。它产生公正的草案，根据学生的兴趣介绍不同的职业家族。
- 比较。准备一张表格，比较学生候选名单上的职业的学习路径、工作条件和所需技能。
- 核实。确认来自官方来源的所有数字和当前信息。
- 把决定权留给学生。该材料提供了地图；学生画出路线。
可复制模板
1）发现问题生成器：
您的角色：职业指导专家的助理。代表学生做出决定。任务：为一名 16 岁学生的职业探索面试提出 10 个非评判性、开放式探索性问题，该学生表示他或她对社会科学和与人打交道感兴趣。让问题考察兴趣、价值和能力的维度。
2）职业介绍稿（学生）：
您的角色：职业指导写作助理。任务：写一篇简短的客观文本，向一名高中生介绍“物理治疗师”、“社会工作者”和“工业工程师”等职业。对于每个人：职业的一天、所需的技能、学习路径以及可能适合的人。给予当前积分/配额/工资；相反，添加注释“验证来自官方来源的当前信息”。
3）职业对照表：
在表格中比较以下 3 个职业：工作环境、主要任务、所需技能、学习时间/学习轨迹、可能遇到的困难。添加数字/当前信息（分数、工资）。专业：[学生的候选名单]
4）优先期家长信息稿：
您的角色：PDR 写作助理。起草一封平静且内容丰富的信，在选择期间发送给家长。内容：应根据学生的兴趣和自知之明做出决定，应从官方渠道核实当前信息，避免过度指导。给出明确的分数/偏好推荐。
弱提示/强提示
弱：
您会向该学生推荐哪种职业？他数学很好，那又怎样？
它让AI成为决策权威，将其简化为单一维度（数学），而忽略了学生的价值观和兴趣。
强：
您的角色：职业指导助理、决策。背景：一名高中生喜欢分析解决问题，重视团队合作，但尚未做出决定。任务：公正地介绍 5 个可能涉及此概况的不同职业类别，并为每个类别添加一个学生可以问自己的发现问题。提供当前积分/工资。
多维度、以发现为导向，决定权在于学生。
三个迷你箱子
案例 1 — 老点危险。一位辅导员向YZ询问某个部门的“去年的基本分数”，YZ自信地给出了一个数字。当老师将此与官方偏好指南进行比较时，他发现这个数字是错误的。如果没有验证，可能会导致学生将他们的偏好列表基于错误的数字。教训：当前的数字信息始终来自官方来源。
案例 2——打破偏见。一位专家向AI请求为一名“喜欢助人”的女学生提供职业推荐； YZ主要建议护理和教学。专家要求有意识地扩大清单：增加了物理治疗、社会工作、人力资源、公共卫生、职业安全等选项。这名学生对一个他以前从未考虑过的领域产生了兴趣。专家的偏见控制拓宽了学生的视野。
案例 3 — 探索收益。 PDR 专家将在选拔期之前与 60 名学生进行小组作业。为每个专业组编写单独的“一天”场景需要花费几天的时间。他利用人工智能，一天之内就准备好了20个专业的公正介绍稿，并全部验证完毕，变成了学生的发现卡。他将节省下来的时间用于单独的会议。
常见错误
- 让人工智能成为决策权威。向学生呈现“这是最适合你的职业”这一绝对真理。解决方案：发现已提出，决定权留给学生。
- 不验证当前数据。从AI转移积分、配额和工资。解决办法：从官方渠道确认。
- 不承认偏见。按原样使用性别/阶级模式的建议列表。解决办法：有意识地扩大范围。
- 减少到一维。仅根据一门课程的成功来制定方向。解决方案：兴趣、价值、能力结合在一起。
- 在不了解学生的情况下制作内容。跳过自我认识阶段。解决方案：面试/盘点第一，内容第二。
表：正确角色/错误角色
状态
错误（人工智能决定）
True（解锁人工智能探索）
职业选择
“最适合你的职业是X”
“5 个不同的兴趣领域，每个领域有一个发现问题”
分数信息
说出AI给出的数字
更新信息经官方核实
性别
根据模式折叠列表
有意识地扩大范围
决策时刻
采纳AI的建议
学生有意识的决定
综上所述
在职业指导中，人工智能会生成问题和公正的信息大纲，促进学生自我发现；不代表学生做出决定。检查内容是否存在偏见，有意识地扩大选项范围并验证来自官方来源的所有当前/数字信息。该决定是基于学生的兴趣、价值观和能力的有意识的选择；指南的工作就是阐明这一选择。
应用任务
撰写虚构的学生简介（兴趣、价值观、能力）。通过“职业介绍草稿”模板，AI 生成了介绍涉及此简介的 4 个不同职业系列的草稿。然后通过两个过滤器过滤输出： (1) 偏差 - 列表是否陷入单一模式？ (2) 验证——是否有任何当前/数字声明，如果有，请从官方来源确认。
清单
- [ ] 我把自我认识（兴趣/价值/能力）阶段放在内容之前。
- [ ] 我将人工智能设计为发现生成器，而不是决策权威。
- [ ] 我检查了生成的列表是否存在偏差并扩大了范围。
- [ ] 我已验证来自官方来源的所有当前/数字信息。
- [ ]我在内容中体现了我把最终决定权留给学生。