在 AI 革命中转变高等教育学习、评估和参与：方法

快速阅读: 据《HEPI 系列》称，生成式AI挑战传统教育，需强化批判思维、创造力、情感智力与伦理推理。应推动终身学习、协作创新、改革评估方式，并关注AI的社会影响，提升师生AI素养。

由德弗尔·欧文，伦敦卫生与热带医学学院，以及珍妮丝·凯，高级未来机构。生成式人工智能和其他新技术对一些最深层、最持久的关于如何教育和支持学生的假设提出了前所未有的挑战。我们从一个不采取防御立场的观点出发，试图保护当前的做法免受人工智能所谓的威胁。为了维护现有的规范，已经出现了禁止、限制和管控人工智能使用的政策。这种做法可能会使那些已经在使用人工智能的学生产生疏离感，并且无法解决其更广泛的影响。关键在于，人工智能迫使我们重新审视我们教学的方式、帮助学生学习的方式、评估的方式以及如何与他们互动和支持他们的方式。

在教育方面有四个领域需要更多的关注：

**1. 批判性思维和问题解决能力**
引导学生评估、分析和综合信息，同时质疑人工智能生成的输出。

**2. 创造力和创新**
专注于培养原创想法、发散思维以及以创新方式整合概念的能力。

**3. 情感智力**
优先培养同理心、沟通和协作等技能，这些技能对于领导力、团队合作和人际关系至关重要。

**4. 伦理推理**
培养学生应对伦理困境，并批判性地评估人工智能在社会中的伦理影响。

在这里，我们提出了一些可以采取的实际步骤，以引导我们朝这个方向发展。

**1. 强调终身学习和创业精神**
教育应使学生具备适应快速变化的技术、职业和行业的能力。培养在不断变化的需求下快速学习、遗忘和重新学习的能力是至关重要的。全面的教育将结合各学科和领域的新兴和传统知识，形成一种观念，即进步是通过跨学科联系实现的，并创造探索未知的空间，即我们可能还不知道的东西以及我们如何找到它。

人工智能和自动化对传统工作的转变要求学生充分准备好在灵活多样的就业市场中茁壮成长。应通过教授学生识别问题、设计创新解决方案并以AI能够辅助但无法替代的方式创造价值来培养创业思维。领导力发展应侧重于培养决策能力、适应能力和团队建设技能，强调领导力的人类本质。

我们应当意识到，在人工智能世界中，工作和工作技能的更新速度超过了我们的课程。正如麦肯锡估计的那样，人工智能将改变或取代全球多达8亿个工作岗位，因此渐进式的改变成本过高。

**2. 通过协作促进原创性和严谨性**
人工智能的优势在于处理速度以及它可以访问的现有数据和知识的广度。它可以以极快的速度告诉你原本需要数小时、数天或数周才能发现的事情。这应该被视为增强人类能力的一种方式，而不是一种依赖手段。将基于项目的协作学习与人工智能相结合，将使学生能够协作创造、解决问题和创新，同时强化他们作为创新者和决策者的角色。一起工作应该是培养沟通技能的一种手段，但也可以通过加强来鼓励、促进和奖励超越传统知识的创造力和发散性思维。

应鼓励学生通过批判性思维和验证开展探索，研究独特的、自我设计的研究问题或项目，这些项目需要深入思考和个人参与。这些步骤将增强数字素养，确保学生能够自信地使用人工智能，了解其局限性，并将其作为加速和支撑创新的工具。例如，为活动或作品集生成内容，利用人工智能合成原始数据，展示与人工智能及其输出的苏格拉底式对话，挑战和批评提示。

**3. 重新设计评估**
传统的评估方式，如论文和选择题测试，越来越容易受到人工智能的干扰，它们的价值也越来越受到质疑。为了应对这一点，教育应专注于基于表现的评估，如演讲、辩论和实时问题解决，以展示学生快速批判性思维和适应的能力。

近年来，教育工作者已经远离了这些评估方法，因为证据表明偏见会渗透入口头考试中。这需要重新评估，以在人工智能进步的背景下权衡风险与收益。刻板印象和光环偏见可以被缓解，并有助于提升学生对评估和学科内容的参与度。更大的风险是什么？是口头评估中的偏见？还是培养出一批能够完成未见过的闭卷考试的毕业生，而这些考试在人工智能可以以极短的时间访问深度和复杂的信息和指令的世界中可能价值有限？我们必须重新审视这些规范和假设。

还应优先考虑协作评估，采用强调团队合作、谈判和人际技能的小组项目。此外，应实施过程性评估方法，以评估学习过程本身，包括草稿、反思和迭代改进，而不仅仅是最终成果。通过反思实践，如日记、作品集和演讲，可以确保学习成果的真实性，这些实践需要自我表达，而且很难被人工智能轻易模仿，特别是当学生有机会解释他们的学习旅程以及他们的知识和对主题的方法是如何随着学习而演变的时候。

实现这种激进的变革将需要大幅削减评估竞争，大幅减少模块化和快照式的评估。需要将教师和学生的评估工作量转移到形成性评估和更具真实性的评估上，并设置反思环节。应考虑全课程范围的评估，以减轻高强度评估。

**4. 鼓励理解人工智能对社会的影响、韧性和适应性**
人工智能将放大关于偏见、隐私和问责等问题的社会影响和担忧。在教学和评估中使用人工智能必须建立一种期望，即学生和毕业生具有探究性和怀疑性的思维方式，随时准备验证和确认事实的呈现方式以及它们是如何得出的，所访问的数据是什么以及如何访问；学生需要做好准备，随时能够重新学习和重建。

这将需要韧性以及面对失败、不确定性和模糊性的能力。一种成长型思维模式，重视持续学习而非固定成就，将有助于增强他们适应不断变化的情况的能力。针对现实世界应用的学习模拟情景规划将帮助学生掌握成功应对人工智能带来的颠覆的工作场所和行业的技能。

新兴的DeepSeek具有一个重要特点，它是一个开源的推理模型，成本低廉（似乎胜过既非开源也非免费的OpenAI o1），其好处是它逐步展示其“思考”过程，这对学习和展示学习很有帮助。然而，它无法访问批评中国政策的外部报告，这实际上表明生成式AI模型完全依赖于它们所训练的大规模语言数据。学生需要充分理解这一点及其影响。

应对这些广泛挑战需要对影响学生体验的人提供强有力的支持——教育者、导师和评估者。他们仍然是高等教育的核心，引导学生度过前所未有的变革时期。然而，弥合既有和新兴实践之间的差距不仅仅需要适应；它呼唤我们对学习本身方式的转变。为了在人工智能融合的未来中蓬勃发展，教育者不仅必须提高自己的人工智能素养，还要培养关于其伦理和实际维度的开放、批判性对话。

在这个不断发展的环境中，每个人——学生和教育者 alike——都必须拥抱共同的学习旅程。学术作为唯一专家的传统角色必须让位于更加协作和探究驱动的模式。只有重新构想我们教学和学习的方式，我们才能确保人工智能成为赋权的工具，而不是分裂的力量。

通过电子邮件获取我们的更新
输入您的电子邮件地址以订阅此博客并接收新帖子的通知。
电子邮件地址
订阅

(以上内容均由Ai生成)