在92%的人使用AI的时代，大学应该守护什么，又应该改变什么：课程、成绩和治理都需要重新书写

2025年10月25日 00:51

序章：AI对大学带来的“设计变更”

生成AI将如何改变大学。讨论愈加激烈，但未来并非单一的。查尔姆斯理工大学的研究团队通过基于实证的想象力，即“知情教育小说”的方法，描绘了一个为期两年的“近未来”的六种情景。这不是预言，而是选择的镜子。Phys.org

研究要点：通过故事把握未来

此研究基于学生访谈的洞察，集合了教师、博士后及教育开发者，通过研讨会将“可能的未来”故事化。故事根植于数据和理论，作为“思维实验装置”促进决策者的深思熟虑。Phys.org

六个近未来情景（摘要与个人见解）

学习目标的冲突（Conflicting learning goals）
学生通过AI“完成”任务，而教育方则重新思考“想让学生学什么”。不仅是学习成果，过程证据（思维痕迹、论证、修正历史）的评估设计至关重要。Phys.org
学生的“过度自律”
AI成为伴随者的同时，也存在误学和过度自信的陷阱。支持的粒度与自我调节学习的培养如何并行是争论的焦点。Phys.org
GenAI的不可预测性
课程更新的周期赶不上技术进化。**学习成果的元设计（适应性SLO）**和评估的重构变得必要。Phys.org
矛盾与反效果的规制
学部、教师与大学总部的方针不一致，学生感到困惑。方针的层次整合（校内层次间的整合设计）和透明的共识形成是关键。Phys.org
教师角色的转变
从“传递者”到“学习体验的设计者”。使用AI的个性化设计和形成性评估的设计能力成为核心技能。Phys.org
AI-ready校园的锻造
不依赖个人，支持、规范、基础由组织整合。LMS集成、审计日志、提示素养培训、数据治理是支柱。Phys.org

现场数据：使用的急剧扩大与“评分AI”的现实

英国的调查显示，92%的学生在学习中使用生成AI。要点摘要、解释生成、作业草稿制作已成为常态。同时也指出了误信息和不公平的担忧，评估方法的压力测试被要求在大学中进行。卫报

在教师方面，通过分析74,000个对话记录，AI在评分和评估中的应用正在扩大，约一半的案例中出现了“几乎全面的委托”。这在提高效率的同时，也提出了责任和公平性的问题。Axios

此外，展示学生和教师现状的跨领域报告显示，生成AI在学习设计和规避两方面都发挥作用。换句话说，没有良好设计就会成为“捷径”，而有良好设计则成为“支撑”。Phys.org

社交媒体的反应：热望、不信与现实解

学生社区中分享了对AI检测工具的愤怒以及在课堂上目击的明显作弊行为，“检测 vs. 学习支持”的跷跷板让人感到疲惫。Reddit
大学子版块中，有人对大学宣传中AI的应用表示不适，以及对校园“AI一色化”的困惑。Reddit
AskAcademia相关的帖子中，关于研究和出版影响的开放讨论仍在继续。Reddit

LinkedIn上，有“高等教育正驶向AI冰山”的挑衅性帖子，以及学术界自治被企业主导吞噬的担忧引起共鸣，同时，实务者提出“应超越检测依赖，通过设计确保真实性”的积极路线。LinkedIn

包括反对意见在内的“冷静视角”

“AI将使高等教育空洞化”，“加速资格商业化”的批评依然强烈。这些批评指出了课程设计和评估，以及学习的目的需要重新定义的“结构性问题”。The Australian

另一方面，也有人指出“AI尚未产生本质性影响”。引入的质量受到质疑。Phys.org

实施的三角：评估、角色、规范

评估（Assessment）
- 从生成物单点评估到过程评估：将提示草稿、推理笔记、版本管理日志作为评估对象。
- 提高口头考试和现场构成的比重，AI支持的自我申报成为必需。
- “AI前提”的任务设计（例：批判验证AI的输出的任务）。
角色（Roles）
- 教师是“学习体验的架构师”。形成性反馈的设计和AI素养的培养是核心。
- 学生是“自我调节学习者”。元认知、信息的可信度评估、与AI的辩论是必备技能。
规范与基础（Governance & Infra）
- 在校内建立AI政策的层次整合（科目⇄学部⇄大学）。
- LMS×AI的集成基础／日志审计／隐私与数据主权的原则化。
- 教职员与学生的持续培训制度化，运用**“AI-ready校园”**。Phys.org

具体路线图（6个月内启动）

方针整合研讨会：清理矛盾和遗漏，将政策整合为一幅图景。Phys.org
评估模板公开：口头考试评分标准、过程证据检查清单、AI自我申报表。
教师社区实施：评分AI的介入比率和说明记录的规则化。Axios
面向学生的AI素养90分钟×3：证据验证、提示设计、幻觉应对。
监

← 返回文章列表

cookie_banner_title