生成AI在高等教育中的应用：当前的做法和前进的道路

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：面对生成型人工智能的快速发展及其在高等教育各个领域的逐步应用，高等教育所面临的转变。作为这一领域的守护者，大学在应对这种变化时仍然反应迟缓，而鉴于人工智能发展的速度，它们本应迅速并前瞻性地作出响应。然而，在新的现实面前导航是复杂的，要求这些机构重新审视支撑其教育服务价值主张和机构运作的基本假设。 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发现包括：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。行业主导着前沿AI研究，领先于学术界和产学研合作；在这方面，美国在顶级AI模型的来源中处于领先地位，超过了中国、欧盟和英国。前沿AI模型的训练成本越来越高，而生成式AI的融资已激增至每年252亿美元。由于负责AI基准缺乏标准化，比较顶级AI模型的风险和局限性变得困难。与此同时，AI监管显著增加。AI可能提高工作效率并加速科学发现——一个典型的例子是Demis Hassabis和John Jumper开发的突破性AI模型AlphaFold，它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。许多研究探讨了人工智能为社会带来的益处和潜在风险。3. 大学尚未就如何平衡AI采用中的机遇与风险达成共识。2024年 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. 主要的机遇在于提高教学、学习和学生成功；数据分析和访问；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，剽窃、知识产权、数字鸿沟扩大、虚假信息和误导信息）、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类参与可能构成的威胁。 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？大学是否能够继续控制所提供的教育？如何确保不同学院、项目和课程中都能公平和平等地获得人工智能？如何缓解大学自身的复杂性和惰性，以应对日益快速的技术变革？我们甚至会见证向新型大学的转变吗？ 本白皮书旨在探索这一领域。它是亚太大学协会（APRU）与微软公司慷慨支持下进行的“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案例的研究基础上，Tandemic于2024年组织了三场研讨会，包括香港科技大学于2024年6月举办的面对面研讨会，将AI专家聚集在一起评估这些案例，并开发出2035年AI增强型大学可能呈现的场景和模式。 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世纪第二个十年初对大学的更广泛重塑。 让我借此机会向微软表示最诚挚的感谢，他们慷慨的赞助使得这个项目成为可能。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）。 我还要感谢Danny Liu和Simon Bates两位作者在白皮书撰写方面的专业知识和支持，以及Simon Bates在项目中作为学术项目负责人所进行的监督。同时，我也感谢来自APRU的同事Christina Schönleber和Benjamin Zhou领导了该项目的开发及其实施工作，还要感谢Tandemic的Kal Joffres在项目工作坊的开发与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，远远超越了仅仅接纳另一种技术创新的层面。它从根本上挑战了我们关于教学、学习、研究以及大学本质目的的假设。本白皮书源自环太平洋大学之间的合作，不仅提供了一套行动框架，还呼吁我们在如何为学生、自身和机构准备一个以人工智能为基础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，主要关注如学术诚信等即时问题，而不是以负责任和有效的方式系统地整合AI到教育实践中。与此同时，学生们——他们本已对传统高等教育的价值产生质疑——无论机构是否做好准备，都欣然接受了AI工具。我们的行业必须迅速从监管转向可能性，从恐慌转向目标。 我们的工作识别出五个相互依存的核心要素，这些要素对于成功的生成式AI整合至关重要，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。除了区域性和机构性的差异在生成式AI接受度和采用率上的影响外，我们还必须解决大学在AI驱动世界中的角色这一根本性问题。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新设计，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——如果没有刻意干预，AI可能会加剧现有的数字鸿沟。各机构必须确保不仅在工具方面，还在基础设施、支持和所需的机会方面实现公平访问，以有效利用AI。熟悉性需要在所有相关方中系统性地发展。这不仅包括基本的数字素养，还需要对AI能力、局限性和伦理影响进行深入理解，这要求在开发和学生支持方面持续投资。信任是所有进展的基础——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，还是其他信任关系中——信任必须通过透明度、合作和体现的价值来积极构建和维护。 个体机构的响应不足以应对所需的变化规模。我们建议采取两项关键优先事项以推动整个行业的立即行动。首先，形成协作集群，在关键领域如联合开发生成式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、联合师资发展项目以及尊重当地背景的统一治理框架等方面，大学应超越竞争转向合作。其次，提升学生作为合作伙伴的地位。 通过同伴支持网络、学生AI大使项目、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的出现可能是我们重新构想21世纪高等教育的最佳机会。成功需要我们超越渐进式的适应，转向根本性的变革，同时保持核心教育价值观。本白皮书提供了一些建议性的发展路径，但实施要求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、准入、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与人工智能合作，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为采取行动奠定了基础。现在就是行动的时候了。 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，最初因学术诚信问题而引发了道德恐慌。此后，人们逐渐意识到生成式AI“会长期存在”，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群体是学生，他们需要为一个充斥着AI的世界做好准备。 然而，高等教育领域的适应和采用通常并未形成系统性。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，其全面影响的显现需要时间，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-purpose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、知识产权的使用与滥用、算法偏见、学术诚信以及学生和教育者在使用AI时的伦理与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为重要。11. 此外,感觉到存在的威胁由更高教育研究者和教育工作者可能会发现自己的职能或角色的部分内容可能被人工智能取代或减少，在不知道如何从传统方法转型的情况下，可能会感到不确定。 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性化元素。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时采取谨慎且较为分散的方法。与行业领域类似，个人实验而非战略性组织参与成为了主要的应对方式。14,高等教育现在正处于需要转向全面、支持性和渐进式的方法来采用生成性AI的阶段。高等教育领域迅速行动，聚集各方力量以确立并采纳以人为本、伦理道德、诚信等高级原则。15，但现有状况与大学利益相关方（如领导者、教育者和学生）所需的有效将生成性AI整合到特定的教学、研究和运营流程中之间仍存在差距。 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 首先汇总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 成员及来自技术和出版公司代表的输入。这些研讨会旨在发现和分享当前实践，并着眼于未来高等教育中生成式人工智能的发展。 Sensemmaking 一个意义构建工作坊（2024年3月）通过大学中人工智能应用的案例研究识别了模式和趋势，并认定了差距与机遇。16主要获得的见解包括：（i）在AI采用中透明度、信任和文化的重要性；（ii）需要迅速适应变化；（iii）确保生成式AI的公平访问；（iv）教育学需驱动技术采纳；（v）大学需要为AI驱动的世界准备