MIT 电气科学与工程系推出了 6.C31（Hack Yourself）课程，旨在帮助学生通过计算工具构建 60 多种积极习惯的个人工具箱，从而显著提升大学体验。课程由 EECS 高级讲师 Ana Bell、ESG 访问讲师 Carter Jernigan 与高级讲师 Paola Rebusco 合作开发，隶属于 MIT Schwarzman 计算与 AI 教育的 Common Ground 项目，旨在将计算思维与跨学科学习相结合。\ \ 课程把幸福感与学习视为系统问题：收集有意义的数据、将大问题拆解为可管理的子任务、测试干预措施并评估效果。学生学习数据科学流水线的完整过程，包括设计调查、访谈、考虑偏差与测量误差等人本技能，这些技能在任何技术环境中都具备长期价值。\ \ 学生收集的数据多样化，常见主题包括减少手机使用、规律作息、工作习惯与职场过渡等。课程并未寻找单一“最佳”干预，而是鼓励学生构建适合自己的工具箱。团队合作是核心作业之一，学生使用如“用正面提问代替闲聊”或“事前死亡演练”等研究支持的技巧提升协作效率。阅读任务通过 Perusall 进行共享批注，进一步强化合作学习。\ \ 课程的实体工具是“意图卡”，每张卡片以 AI 生成的图像和简短文字呈现一种研究支持的习惯或策略，学生每周可获得数张，学期结束时累计超过 60 张。卡片被收集在小册子中，学生在整理、复习卡片的过程中自然实现了间隔重复与记忆强化。\ \ 学生案例展示了课程的实际影响：\
- Sarah Hopp 通过“最佳未来自我”写信练习，明确了个人目标并聚焦积极面。\
- Amitoj Singh 学会了通过构建更长的工作块来保持 flow 状态，并探索了 satisficing 的概念，即在可接受的结果上止步，而非无限追求最优。\ \ 课程还引入大语言模型的批判性使用，要求学生在生成式 AI 辅助的分析或创意过程中评估提示与输出的质量，培养对任何新工具的评估能力。\ \ 最终，Hack Yourself 旨在让学生掌握提问与实验的基本思维，而非单纯的机器学习技术，这种思维模式能够随技术演进而持续适用。\ \ 点评