人工智能赋能学生参与度：全球新兴策略综述

一个全球新兴策略综述 目录 教员互动13 同行交流17 内容与评估21 教学实施27 体验式学习与实践学习31 环境与包容性34 执行摘要 人工智能正在重塑学生参与度，这是一个复杂且多面的领域。然而，机构的努力仍然分散，对于人工智能如何有意义地增强参与度缺乏清晰的认识。 每种方法论都提供了实践指导：实施背景、逐步应用、实例以及观察到的效果。 人工智能的出现改变了参与关系动态。除了引入新的学生-人工智能协作之外，它还在重塑学生、教师、同伴和内容之间的传统关系。这一转变揭示了四个关键机会：更深层次的教师-学生参与、更广泛的同学间交流、更丰富的学生-内容互动、负责任的人类-人工智能协作 本报告提供了一份关于学生参与度中人工智能的首次全面全球综述。基于106个案例研究，它确定了六个参与度方面中的24种新兴方法： 教师互动 同伴交流 内容与评估 教学实施 体验式与实践性学习 环境与包容性 基于全球实践，本报告为机构提供实用指南，以重新思考学生参与度，评估其当前的AI计划，并为AI的采用和投资规划负责任的道路。 解构学生参与度 人工智能正在从根本上改变学生参与学习的方式。然而，学生参与是一个复杂且多层面的领域。为了了解人工智能如何重塑这一领域，本报告关注了参与度的六个关键方面：学生如何与教师、同学和内容互动，以及他们如何通过教学交付、应用学习和更广泛的学习环境进行参与。 虽然这些方面高度相互关联，但每方面都有其自身的独特焦点和特征。它们共同提供了一个分析参与式创新的系统性视角。通过绘制这六个领域中人工智能的新兴应用，本报告突出了哪些实践已趋于成熟，哪些新的重点正在形成，以及哪些新想法才刚刚开始显现。 尽管参与度的六个方面提供了一个有用的框架，但它们在不同的学习环境中并不以相同的方式展开。参与度根据环境的不同而截然不同，无论是学生在校园内还是在线，互动是同步的还是异步的。 在特定情境下尤其有效。为解释这一点，报告承认了在不同交付环境中存在的多样化参与形式，并分析了与最适合这些创新的相关情境的关系。 本分解提供了一种更细致的视角，以了解实践中参与是如何发生的，以及人工智能可能以独特的方式塑造它。 学生参与的创新同样并非一刀切。某些方法更 人工智能时代学生参与度的变迁格局 高等教育中规划人工智能采用需要机构仔细评估人工智能引入的变化，识别关键机遇，并战略性地分配资源。 整体学生体验。透过这个视角来看，人工智能不仅为学生创建了一个新的直接联系，还重塑了三种传统的关系：学生与教师、学生与同伴、学生与内容。这些互动构成了这份报告分析的核心。 其核心，学生参与是关系性的，由构成其的各种关系塑造 通过生成洞见和提供即时响应等能力，人工智能越来越多地成为互动的“第一线”。学生通常首先转向人工智能寻求反馈、解释和支持，有时会绕过与教师和同学的传统的互动。这种转变带来了混合效应：虽然人工智能可以提高效率和个性化学习，但过度依赖 可能会削弱对内容的批判性参与，并减少有意义的人类互动。 这些不断发展的动态凸显了有意进行教学设计的必要性，利用人工智能来加强，而不是取代，核心关系。当经过深思熟虑地整合时，人工智能可以丰富学生参与的所有维度中的投入。 更深度的师生参与 人工智能有潜力将师生关系从基于授课、评分和反馈的交易关系转变为以有意义连接为基础的关系。通过将常规任务委托给人工智能，人工智能允许教师投入更多时间进行更高层次的参与——指导、批判性对话和真诚的关系构建。 集成数据流—连接零散的课程、评估和平台记录，形成一个整体的学画像（“数字双胞胎”）。 真正的机遇在于将AI作为一个智能层那揭示了对教师来说曾经隐而不见的习得模式与参与模式： 收集参与数据— 捕获从广泛的 学习活动中 信号：AI导师查询、课堂参与和评估行为。 更广泛的点对点交换 人工智能可以通过让学生接触到更多元的视角、促进更丰富的对话来拓宽同伴交流的范围。人工智能不需要仅依赖有限的讨论、自我准备和眼前的同学，而是可以扩展思想产生、扩大交流圈，并帮助学生更有意地参与差异。 指导同伴反馈——人工智能提供结构化的提示和评估标准，帮助学生更深入、多角度地评审同伴作品。 然而，人工智能产生见解的能力是一把双刃剑：它虽然拓宽了视野，但也可能阻碍创造性和批判性思维技能的发展。学生可能会使用人工智能工具来生成内容，而不进行批判性思考或加入自己的见解。这种“被动创造力”有降低其作品原创性和深度的风险。 这种转变的基础建立在三项关键的人工智能能力之上： 提供多元观点— 人工智能生成不同的视角和角度，确保学生接触到更广泛的思想。 当前的点对点学习仍然很大程度上局限于课堂集体，并且缺乏揭示矛盾或不同观点的强大机制。人工智能的早期实验，例如同伴匹配和结构化的同伴反馈支持，显示出前景，但仍处于探索阶段。 跨差异匹配— 人工智能可以将学生与持有不同立场或互补专业知识的同伴连接起来，促进辩论和平衡。 跨差异匹配 更丰富的学生—内容交互 人工智能正成为学生在接触学习资料和评估过程中的一个自然层次。机构必须通过有意设计互动，适应这一新现实，以便人工智能能够增强学习，而不是提供捷径以避免肤浅学习。 将被动学习转化为主动学习。提示、解释或自适应问题确保学生不仅消费内容，而且还对其进行批判性参与。 2. 人工智能融合评估 通过有意将人工智能嵌入评估任务，机构可以创建既具有人工智能抗性又能提升技能的活动。引导学生使用人工智能，在培养更强的学科技能的同时，也建立人工智能素养。 两个关键的创新领域正在出现： 1. 与材料的互动参与 在阅读、视频和其他资源中嵌入人工智能驱动的交互点 AI集成评估 下一代评估, 教育部与培生联合发布的报告, 首次全面回顾了全球教育工作者如何运用人工智能重新设计评估。 基于101个全球案例研究，该报告确定了14种新兴的AI集成评估设计方法，这些方法使全球教育者能够利用AI构建更丰富的学生-内容互动。 负责的人机协作 随着学生越来越多地将AI作为学习和解决问题的首选交互方式。根据数字教育委员会全球AI学生报告2024, 86%的学生使用AI进行学习。机构必须承担起引导这种新兴人-人工智能关系的责任。 负责任地运用人工智能需要超越技术培训。学生必须被引导在运用人工智能的同时，发展互补的人类能力，在学习中保持深度和原创性。有三个领域特别关键。 批判性思维- 作为教育的基石，批判性思维在人工智能时代变得更加重要。它使学生能够验证人工智能生成内容的质量和准确性，并评估其与特定需求的关联性。虽然人工智能可以生成有价值的见解，但评估、质疑和完善这些输出内容的能力，才是防止错误、偏见和肤浅解决方案产生的原因。 例如偏见、错误信息和歧视性结果。培养道德意识使学生能够审视人工智能的输出结果，恰当地进行上下文化，并负责任地应用它们。 以人为本的技能和创造力 - 作为人工智能 日益自动化常规任务和调解互动，交流、同理心、协作和创造力等核心人类能力必须得到加强。机构应将人工智能以增强这些技能的方式整合，确保学生继续练习和提升学习的人文维度。 人工智能的道德使用- 负责任地使用人工智能需要学生识别潜在风险 人工智能素养 数字教育委员会的AI素养框架定义了AI素养的五个维度： 理解人工智能和数据 批判性思维与判断 合乎道德和责任的人工智能使用 以人为本、情商和创造力 领域专业知识 针对每个维度，该框架概述了人工智能素养的三个能力水平，并提供了示例能力和详细示例行动以供进阶。 人工智能增强学生参与度的实用指南 人工智能增强学生参与度的实用指南 高等教育机构正越来越多地探索旨在提升学生参与度的各种人工智能应用。然而，该领域仍处于早期实验阶段，众多试点和试验正在进行中。 这些方法为各机构的当前实践和实验提供了一个快照——从成熟、完善的成熟应用到刚刚开始被探索和研究的新颖方法。 参考 106 个全球案例研究，本节确定了24 新兴方法论为利用人工智能提升学生参与度,提供一系列方法指导机构优化人工智能在教育中的整合。 每种方法论都提供了实用指导，包括描述、实施背景、分步应用、现实世界案例、观察到的影响和关键成功指标。 人工智能辅助教学助手 描述 将人工智能作为助教的教学辅助工具，涉及将生成式人工智能（例如，Chat GPT）集成到助教主导的教学和支持环节中。助教不直接让学生接触人工智能，而是利用它来提高教学效率和教学质量，例如生成练习题、阐明概念、提供提示、调试代码和给予反馈。 适配设置在线/现场同步成熟度等级：新出现，很少有机构进行试验所需工具：需要一个专门的AI驱动工具 实用指南 逐步说明 案例研究 1. 准备 -设计针对课程内容（例如，练习、代码片段、问题场景）的结构化AI提示。完善AI输出，确保准确性、教学清晰性以及与学习目标的一致性。 德黑兰理工大学 & ChatGPT增强助教(2024) 在数据结构与算法（DSA）课程中，助教（TAs）将ChatGPT作为辅助工具来提升教学质量，并遵循结构化提示和人工审核。 2. 在 TA 系列时间 / 办公时间 -使用AI生成示例练习、提示和 实时澄清： 实现： 在向学生展示之前，请验证并编辑AI输出。 40名本科生被分为两组：一组接受传统助教支持，另一组接受助教+ChatGPT协助。助教使用结构化提示（问题、特性、算法、实际案例、代码）。ChatGPT-4o生成练习题；ChatGPT-o1处理高级推理。所有输出在使用前均已验证和润色。AI辅助的问题集和分步解释指导学生攻克复杂主题。助教负责练习、反馈，并与非AI组进行比较。 指导学生使用AI生成材料作为脚手架，逐步进行推理。 3. 评估和反馈 -比较有无 AI 辅助助教支持的学生表现。根据观察到的学习差距或误解调整 AI 提示和使用策略。 影响：初步结果表明，TA+ChatGPT组的平均分数比仅TA组高16.5分（p < 0.001）。在递归和动态规划等复杂主题方面的改进最为显著。 影响指标 学业成绩：比较人工智能辅助组和仅助教组在考试成绩、作业评分和特定主题掌握程度（例如递归、动态规划）方面的差异。TA效率：跟踪TA准备时间和提供个性化反馈的能力。 AI定制化导师式反馈 描述 在本方法中，生成式人工智能（聊天机器人/助手）基于课程特定的教师材料（过去的反馈、标准答案、评分标准、范例评论）进行训练，以便能为学生提供形成性、教师风格的指导。该人工智能充当全天候的“检查点”，反映课程期望和基调。 适配设置在线异步成熟度等级：新出现，很少有机构进行试验所需工具：需要一个专门的AI驱动工具 实用指南 逐步说明 案例研究 1. 定义目标与政策 -决定机器人可以和不可以做什么（仅草稿反馈，不评分；允许/禁止的内容），在课程大纲中发布人工智能声明。 华盛顿大学 & 人工智能增强型师生反馈循环 (2024) 副教授凯蒂·皮尔斯开发了专门用于课程的AI聊天机器人，这些聊天机器人在她多年的作业反馈上进行了训练。 2.组装训练语料库 -收集过去的反馈、评分标准、注释的学生草稿、范例评论和教师笔记。 3. 设计提示/行为 -编码语气、深度和范围（例如，“提供以论文清晰度、证据和结构为重点的讲师式形成性反馈；建议2个下一步行动”） 4. 训练/配置机器人 -微调或使用 RAG（检索+生成）将答案与课程语料库建立关联；添加安全护栏（针对违反政策的提示进行拒绝）。 5. 整合并发布 -嵌入LMS或提供一个明确的访问入口 6. 监控 & QA -定期抽查输出结果, 抽样线程检查幻觉/偏见, 记录有问题的回复。 影响：通常避免去办公时间或寻求帮助的学生频繁地与聊天机器人互动。学生们提交了更完善的草稿，并报告说他们的作业在提交前已经被“检查”过了。需要进一步研究来测试反馈的准确性。 影响指标 反馈保真度：在抽查中，讲师将AI推荐标记为“有用/准确”的百分比。 预测分析 描述