ChatGPT 等生成(chéng)人工智能(néng) (GenAI) 工具的發(fā)布引發(fā)了關于其對(duì)教育潛在影響的激烈讨論。
在過(guò)去這(zhè)一年裡(lǐ)，就自留地君所讀到的文獻來看，這(zhè)些讨論中有關GenAI 的影響林林種(zhǒng)種(zhǒng)，從激進(jìn)主義者的用Gen AI 解決所有教育問題，到悲觀主義者所擔憂的徹底摧毀學(xué)習和教育。
回顧教育科技的曆史，新技術能(néng)夠、并且將(jiāng)會解決所有教育問題的說法屢見不鮮。從托馬斯.愛迪生的留聲機和電影徹底解放學(xué)校教育，到教學(xué)機器和程序教學(xué)所帶來的教學(xué)自動化的“美好(hǎo)前景”，再到上個世紀八十年前的計算機輔助教學(xué)，以及過(guò)去這(zhè)三十年來的自适應學(xué)習系統等等......
曆史不會停住腳步，曆史也告訴我們，這(zhè)些所謂的技術靈丹妙藥并沒(méi)有産生預期的結果。
今天的生成(chéng)式人工智能(néng)有何不同？它會破壞我們所知的教育嗎？
它會不會是人類教育科技史上的又一個肥皂泡？
生成(chéng)式人工智能(néng)會不會是“猴子掰包谷”式的盲目追逐科技潮流的那種(zhǒng)終將(jiāng)會扔在地上的下一個包谷棒子？
如同被(bèi)世俗日漸抛棄的類似CAI、“微課”、“翻轉課堂”等在今天的命運？
早上例行閱讀，讀到了 教育傳播與技術協會（the Association for Educational Communications & Technology, AECT）的會刊之一TechTrends的最新的一篇社論文章，
題目是《生成(chéng)人工智能(néng)時代的教學(xué)設計與評估創新》（Innovation of Instructional Design and Assessment in the Age of Generative Artificial Intelligence）
作者是 Charles B. Hodges & Paul A. Kirschner
其中，Charles B. Hodges 來自美國(guó)Georgia Southern University大學(xué)，他是 TechTrends 的主編，Paul A. Kirschner 在荷蘭開(kāi)放大學(xué)和比利時Thomas More University of Applied Sciences 任職。
在這(zhè)篇社論中，兩(liǎng)位作者提出了生成(chéng)式人工智能(néng)時代教師作業設計（和評估設計）的12種(zhǒng)策略，
他們不僅分析了每一種(zhǒng)策略的優勢，也剖析了每一個策略可能(néng)無效的根源，讀來也頗具意味。
這(zhè)裡(lǐ)一并分享給自留地的諸位朋友！
1. 強調過(guò)程而非産品
將(jiāng)作業的重點從結果和最終産品轉移到學(xué)習過(guò)程。
這(zhè)可能(néng)包括要求學(xué)生在最終提交的同時，也提交草稿、大綱或帶注釋的參考書目。
通過(guò)評估該過(guò)程，教育工作者可以更好(hǎo)地了解學(xué)生的學(xué)習曆程。
這(zhè)裡(lǐ)的一個障礙是 GenAI 工具也可以做到這(zhè)一點。
2. 納入口頭評估
口頭考試或演示可以有效地評估學(xué)生的理解情況。
這(zhè)些評估對(duì)于準備使用人工智能(néng)來說更具挑戰性，并且可以深入了解學(xué)生對(duì)材料的真正掌握程度。
然而，對(duì)于像《心理學(xué) 101》這(zhè)樣(yàng)有 600 名學(xué)生的階梯教室裡(lǐ)的課程來說，這(zhè)幾乎是不可能(néng)的。
3. 使用人工智能(néng)檢測工具
有一些新興技術旨在檢測一篇文章是否是由人工智能(néng)生成(chéng)的。
結合這(zhè)些工具可以幫助教育工作者識别 GenAI 創作的作品。
然而，這(zhè)些程序的準确性，無論是在假陰性（即使用了 GenAI 但未檢測到）還(hái)是假陽性（即未使用 GanAI，但學(xué)生被(bèi)指控使用它）方面(miàn)都(dōu)存在缺陷。
希望采用人工智能(néng)監控工具的教育工作者應了解這(zhè)些技術的功能(néng)和局限性，以便負責任和有效地使用它們。
4. 修改作業設計
將(jiāng)作業定制得更加具體、個性化或與上下文相關。
這(zhè)可以包括與課堂讨論、時事(shì)或人工智能(néng)不太可能(néng)成(chéng)功解決的獨特場景直接相關的提示。
5. 鼓勵批判性思維和分析
人工智能(néng)不太容易完成(chéng)要求學(xué)生在新環境中批判、分析或應用概念的作業。
這(zhè)些任務通常需要深度理解，而人工智能(néng)目前無法模仿。
然而，ChatGPT 5.0 估計也能(néng)夠做到這(zhè)一點。
6. 注重應用和創造力
需要創造性思維、將(jiāng)知識應用到新情況或解決現實世界問題的項目可以更能(néng)體現學(xué)生自己的工作和理解。
7. 課堂作業
在課堂上親自或通過(guò)教育者監控的在線平台進(jìn)行評估，可以幫助确保提交的作業是學(xué)生自己的。這(zhè)也有前面(miàn)提到的關于班級規模的限制。
8. 同行評審和協作工作
結合同行評審流程和協作項目可以鼓勵學(xué)生更深入地學(xué)習材料，減少對(duì)人工智能(néng)生成(chéng)内容的依賴。
這(zhè)裡(lǐ)需要注意的是，GenAI 能(néng)夠批評鍵入的文本。
例如，提示“請批評 Hodges 和 Kirschner 的社論。它的優點和缺點是什麼(me)？” 随後(hòu)複制并粘貼將(jiāng)返回“同行評估”。
9. 開(kāi)發(fā)數字素養和道(dào)德課程
教育學(xué)生有關人工智能(néng)的道(dào)德使用，包括關于學(xué)術誠信、人工智能(néng)的局限性以及原創作品的重要性的讨論。
這(zhè)所遇到的障礙就是人性。
在經(jīng)濟學(xué)中，它被(bèi)稱爲“經(jīng)濟人”（homoeconomicus）。
通過(guò)理性判斷避免不必要的工作的人。
在教育中，這(zhè)被(bèi)稱爲計算型學(xué)習者；一個以最小的努力獲得最大利益的學(xué)生。
10. 個性化學(xué)習路徑
爲個别學(xué)生定制學(xué)習體驗和作業可以降低使用通用人工智能(néng)生成(chéng)内容的可行性。
這(zhè)在大型戲劇講座課程中又是極其困難的。
11. 頻繁、低風險的評估
用更頻繁、低風險的評估取代高風險的測試，以随著(zhe)時間的推移衡量學(xué)生的理解程度。
然而，如果低風險測試是在線的，這(zhè)可能(néng)會成(chéng)爲一個問題。
12. 鼓勵反思性寫作
要求學(xué)生反思個人經(jīng)曆或觀點的作業不太适合人工智能(néng)生成(chéng)。
在這(zhè)裡(lǐ)，“聰明”或“精明”的學(xué)生也可以解決這(zhè)個問題。
提示是：“反思一下 1968 年在芝加哥舉行的民主黨全國(guó)代表大會對(duì)于 20 世紀 60 年代和 70 年代高中時來自布朗克斯區的嬉皮士意味著(zhe)什麼(me)。” GenAI能(néng)夠以第二作者可能(néng)的方式回答，而老師無法知道(dào)是否是這(zhè)樣(yàng)（見圖 3）。
讀者諸君，生成(chéng)式人工智能(néng)時代的作業設計，對(duì)于全球各級各類學(xué)校教育工作者而言，是一個世界性的難題。
對(duì)于這(zhè)篇社論中兩(liǎng)位作者提出的觀點，您有何評論？
除了這(zhè)12種(zhǒng)可能(néng)有效的策略，
您覺得還(hái)有哪些策略可以有效解決與應對(duì)這(zhè)個挑戰？