2025高等教育中的生成式人工智能发展报告

当前的做法和前进的道路 高等教育中的生成 AI ： 当前的实践和前进的道路 来自“生成式AI在教育领域的机遇、挑战及亚太地区未来方向”项目的白皮书 2025 年 1 月 Danny Y. T. Liu悉尼大学 ， 澳大利亚教育技术教授 西蒙 · 贝茨教务长和教学助理副总裁加拿大不列颠哥伦比亚大学 Contents 内容 … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … …前言 … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … …执行摘要 … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … …介绍 … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … 动机 8 该行业现在在哪里 ， 它将走向何方 ？ … … … … … … … … … … … … … … … … … … … … … … … …采取行动的紧迫性 … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … …如何使用本白皮书告知行动 … … … … … … … … … … … … 五个行动领域 … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … 展望未来 38 前言 这份报告探索了转型领域：面对生成式人工智能的迅猛发展及其在高等教育各领域的逐步应用，高等教育所处的地位。作为这一领域的守护者，大学在应对这一变化时仍然反应迟缓，尽管AI的发展速度要求它们迅速且前瞻性地作出响应。然而，在新的现实面前导航则变得复杂，需要机构重新审视支撑其教育服务价值主张和机构运营的基本假设。 大学面临着一项新兴技术，该技术在发展、标准化、监管和易用性方面仍存在许多不确定性。斯坦福大学2024年人工智能指数报告的主要收获如下：1明确展示这一点：AI在某些领域已经超越了人类的表现，但在许多更复杂的任务上仍然落后。行业主导前沿AI研究，超越了学术界和产学研合作；在此方面，美国在顶级AI模型的来源中领先于中国、欧盟和英国。前沿AI模型的训练成本日益增加，而生成式AI的资金投入已激增至每年252亿美元。由于缺乏负责任AI基准的标准化，比较顶级AI模型的风险和局限性颇具挑战性。与此同时，AI监管显著增强。AI可能提高工作效率并加速科学发现——一个突出的例子是Demis Hassabis和John Jumper开发的突破性AI模型AlphaFold，该模型能够预测研究人员已识别的近2亿种蛋白质的结构，并因此获得了2024年诺贝尔化学奖。2同时，越来越多的世界人口意识到人工智能对其生活的影响日益增大，并对此表示担忧。许多研究考虑了人工智能为社会带来的益处及潜在风险。3. 大学尚未就如何平衡AI采用中的机会与风险达成共识。《2024 Educause AI景观研究》4看到关于适当用途的一些共识5与不适当的使用6. 主要的机遇在于提升教学、学习和学生成功；数据分析与访问；以及减轻行政工作负担。与人工智能使用相关的风险主要集中在伦理问题（例如，抄袭、知识产权、数字鸿沟扩大、虚假和误导信息）、隐私与安全、人工智能素养缺乏，以及人工智能对创造力、批判性思维和学习中的人际互动构成的威胁。 在机构层面，人工智能的采用使大学面临一系列根本性的问题，这些问题关乎其身份认同：随着人工智能的应用，教育角色和学位的价值主张是否会发生变化？大学是否能继续对所交付的教育拥有权威？如何确保人工智能在各个学院、项目和课程中的公平和平等准入？在技术变革日益快速的时代，如何减轻大学的机构复杂性和惰性？我们甚至会见证向新型大学的转型吗？ 本白皮书旨在探讨这一领域。它是亚太研究大学协会（APRU）与微软公司慷慨支持下开展的“高等教育中的生成型AI”项目的主要成果之一。在对展示当前APRU成员大学使用AI案例的研究进行调查之后，Tandemic于2024年组织了三场研讨会——包括香港科技大学于2024年6月举办的线下研讨会——将AI专家聚集在一起评估这些案例，并制定到2035年AI增强型大学可能的场景和模式。 我们希望这份白皮书能对关于人工智能在未来大学中的地位、前景和潜力的持续辩论作出重要贡献。我们相信，这份白皮书将影响政策制定，并支持决策过程，从而促进我们在21世纪第二个十年进入时对大学进行更广泛的重新构想。 让我借此机会对微软提供的最慷慨赞助表示最诚挚的感谢，使这个项目成为可能。我们特别感谢Larry Nelson（亚洲区域教育业务负责人及总经理）、Madeline Shepherd（亚洲数字安全负责人）和Lee Hickin（亚洲AI技术和政策负责人）。 我也认可Danny Liu和Simon Bates作为白皮书作者所展现的专业知识和支持，同时也感谢Simon Bates作为学术项目负责人对项目的监督。我感谢来自APRU的同事Christina Schönleber和BenjaminZhou领导了该项目的开发及其实施，以及Tandemic的Kal Joffres在项目工作坊的开发和组织方面所做的贡献。 Thomas Schneider ， APRU 首席执行官 执行摘要 生成性人工智能的广泛应用标志着高等教育的一个关键转折点，远远超出了仅仅接纳又一项技术创新的范畴。它从根本上挑战了我们对教学、学习、研究以及大学本质目的的假设。本白皮书源自太平洋 Rim 高校之间的合作，不仅提供了一套行动框架，还呼吁我们在准备学生、自身和机构迎接人工智能驱动的未来方面进行根本性的变革。 目前，大学面临着前所未有的压力，需要应对生成式AI的同时，保持高等教育的完整性和价值。当前的方法通常是零碎和反应性的，主要集中在学术诚信等即时问题上，而不是以负责任和高效的方式系统地将AI整合到教育实践中。与此同时，学生们——他们已经对传统高等教育的价值产生质疑——无论机构是否准备就绪，都开始接受AI工具。我们的行业必须迅速从监管转向可能性，从恐慌转向目的。 我们的工作确定了五个相互依存的关键要素，这些要素对于成功整合生成式AI至关重要，形成了“CRAFT”框架——文化、规则、访问权限、熟悉度和信任。文化既是最大的挑战也是最大的机遇。除了在生成式AI接受度和采用率方面存在的区域性和机构性差异外，我们还必须解决大学在AI驱动世界中的角色这一根本问题。规则必须从限制转变为促进，有效的治理框架应提供清晰的指导方针，同时鼓励实验和创新。评估实践特别需要进行根本性的重设计，以确保在AI驱动的世界中保持有效性和相关性。 访问权仍然是一个关键的公平问题——如果没有刻意的干预，人工智能（AI）可能会加剧现有的数字鸿沟。机构必须确保不仅工具的可访问性，还涵盖基础设施、支持和利用AI所需的机会。熟悉度需要在所有相关方中系统地发展。这不仅仅是基本的数字素养，还需要对AI能力、限制及其伦理影响有深入的理解，这要求在开发和学生支持方面进行持续的投资。信任是所有进步的基础——无论是学生与教育者之间、机构与供应商之间、大学与其社区之间还是其他信任配对之间——信任必须通过透明度、合作和证明的价值来积极构建和维护。 个体机构的反应不足以应对所需的变化规模。我们建议立即采取两项关键优先事项。首先，在协作集群中形成合作，大学在关键领域超越竞争转向合作，包括联合开发生成式AI应用和教学方法、共享评估重设计框架、协调倡导公平访问、联合师资发展计划以及尊重本地背景的统一治理框架。其次，提升学生作为合作伙伴的地位。 通过peer-to-peer支持网络、学生AI大使计划、共同设计学习体验、直接参与评估 redesign、以及协作资源开发。 生成式AI的兴起可能是我们重塑21世纪高等教育的最佳机会。成功的关键在于超越渐进式的适应，推动根本性的变革，同时保留核心教育价值。本白皮书提供了一些建议性的路线图，但实施需要整个行业立即采取协调一致的行动。我们必须制定全面的机构级AI战略，涵盖文化、规则、访问、熟悉度和信任等方面，共同努力应对共同挑战并利用共同机遇。 我们面临的抉择不是是否要参与人工智能，而是如何塑造其整合方式以增强而非削弱高等教育的价值和变革力量。本白皮书中的框架和建议提供了行动的基础。现在就是采取行动的时候了。 Introduction 动机 自2022年11月ChatGPT发布以来，高等教育领域、行业以及更广泛的社会对生成式AI对未来的影响反应不一。对于高等教育而言，最初由于学术诚信问题引发了道德恐慌。此后，人们逐渐意识到生成式AI“已成定局”，我们必须适应其存在及其不断增长的能力和带来的机遇，同时也要认识到面临的挑战和局限性。毕竟，高等教育服务的主要对象是学生，而这些学生需要为一个普遍充斥着AI的世界做好准备。 然而，高等教育领域的适应和采用尚未形成系统性。人工智能可以被视为最新的“通用目的技术”，类似于蒸汽机或电力等技术，对社会和经济产生广泛影响。尽管所需的底层基础设施（如连接性、软件和硬件）已经基本到位，可以加速采用，但与其他通用目的技术一样，其全面影响的体现将需要时间，通常是因为工人和组织需要学习这项技术，并调整组织流程和结构。7. 不同于以往的一般性技术，这些能力正在迅速提升，使得适应快速变化的目标变得更加具有挑战性。 部门挑战 这些无疑加剧了高等教育机构在其教育、研究和运营功能中系统性参与生成式AI的不足。许多机构缺乏必要的专家人员来有效实施和管理AI。8有关数据保护、知识产权的使用与误用、算法偏见、学术诚信以及学生和教育者在使用AI时的伦理和负责任使用方面存在合理的担忧。9。监管环境的区域差异导致对 AI 工具和应用程序的访问不均衡10不公平的访问以及扩大数字鸿沟的风险在低收入和中等收入国家尤其值得关注。11. 此外,感觉到存在的威胁由更高教育的研究人员和教育者们完成，这些人在可能看到自己的职能或角色的部分被AI削弱或替代的情况下，可能不知道如何从更为传统的方法进行适应。 已经承受着显著的 fi 无法承受的工作量压力12然而，早期的学生反馈表明，尽管学生愿意接受来自AI的帮助，他们仍然重视师生关系中的人文元素。13. 这些挑战导致了亚太研究大学协会（APRU）成员机构内的大学在采用生成式AI时采取谨慎且较为碎片化的策略。与行业情况类似，在这里，个人层面的试验而非战略性组织参与成为了主流反应。14, 高等教育现已处于需要转向一种全面的、支持性的并逐步构建的方法来采用生成性AI的阶段。高等教育领域迅速行动，聚集各类团体以倡导并采纳以人为本、伦理道德和 Integrity（ integritiy）等高级原则。15但是，大学利益相关者（如领导者、教育者和学生）有效将生成性AI整合到特定的教学、研究和运营过程中所需的支持与现状之间仍存在差距。 这个行业现在在哪里 ， 它在哪里 ？ 作为本白皮书所开发项目的组成部分，APRU 首先整理了其成员机构在生成式人工智能应用方面的案例研究。在社会创新机构 Tandemic 的支持下，APRU 在 2024 年组织了一系列研讨会，得到了 APRU 成员及来自科技和出版公司代表的输入。这些研讨会旨在发现并分享当前实践，并展望在生成式人工智能背景下高等教育的未来。 Sensemmaking 一个Sensemaking工作坊（2024年3月）通过高校中人工智能应用的案例研究，识别出了模式和趋势，并认定了差距与机遇。16主要获得的见解包括：（i）在人工智能 Adoption 中透明度、信任和文化的重要性；（ii）迅速适应的必要性；（iii）确保生成式人工智能的公平 дост