本文将当前教育阶段诊断为一种结构性转变，工业教育系统与人工智能相遇，而后者的认识潜力与现有的评估逻辑不兼容。核心问题不是人工智能的存在或使用，而是使用的条件。一个主要面向可重复、可标准化和可比较输出的系统强制了一种系统性抑制其探索潜能的人工智能使用模式。工业教育系统并不能完全简化为再生产，它包含部分个体表现的区域。然而，这些并不定义主导系统逻辑。比较、标准化、可评估性和封闭性依然是核心。在这些条件下，人工智能被降级为答案机器。这种逻辑并不是直接由系统强加给人工智能，而是通过学习者间接施加，他们被训练以再生产的方式使用人工智能。由此产生的过渡阶段的特征是认识脱节：学习者在事实实践和制度认可的实践之间运作。这造成了实际学习与被持续认可的合法性之间日益扩大的差距。这种脱节削弱了系统的认识权威。同时，这场危机不仅影响评估形式，也影响个体表现本身的概念。由于可重复和可标准化的输出被视为个体表现的指标，这一概念已在结构上被过度拉伸。人工智能并不摧毁个体表现，而是揭示了可重复表现从未与之相同。因此，教育的重点转向方向、探索和识别及结构相关性的能力。该转型的一个中心现象是认识伪导向：人工智能生成的意义在没有扎实导向的情况下产生连贯性。在极端形式下，这可以描述为一种分裂状态，其中学习者在新的认识现实中运作，同时被制度强制维护旧系统的虚构。通常被描述为人工智能羞愧的现象反映了一种更深层的结构性条件，称为过渡合法性缺口：一种新实践已广泛传播但尚未在制度上合法的情况。这一模式并不是历史上新的，但在人工智能条件下变得更加强烈。人工智能也压缩认知过程，将思维转移到预结构化、一致的空间。这种压缩既不是内在的认识收益，也不是损失，但它从根本上改变了导向的条件。导向依赖于压缩的可重建性。缺乏重建时，就会出现伪导向。现有的教育系统尚未为这一转变做好准备。因此，目前的情况不应被理解为技术干扰，而是制度继续衡量可重复输出的系统与这样的输出已变得机器可复制的认识现实之间的结构性不兼容。作者关键词（自由术语）：可追踪性；孵化性；可委托性；TID三元组；PreP；UnPreP；ICE-D；认识调节；认识能动性；超越部门。
安德烈亚斯·格雷戈尔·卡瓦（周五）研究了这个问题。