生成式人工智能(GenAI)技术的崛起给各行各业带来了翻天覆地的变化,其中教育领域的影响尤为深远。特别是在高等教育的评估环节,传统的考试、论文和在线作业等评估形式正面临前所未有的挑战。当人工智能开始具备自主完成作业和测验的能力时,教育者被迫重新审视什么样的评估才能真实反映学生的理解和能力水平。生成式人工智能不仅是技术上的突破,更是高等教育评估体系的一个"黑天鹅"事件,要求从政策制定到课堂实践进行深度变革和创新。 生成式人工智能的普及极大丰富了学生获取知识和完成作业的手段。例如,有教育技术专家分享了使用AI自动登录学习平台完成作业的演示,甚至演示了AI浏览器能够像学生一样参与答题,并在Zoom会议时后台运作辅助学习。
谷歌Chrome浏览器新推出的"作业帮助"功能能即时为在线测验提供答案和解释,显示了AI在课堂学习中的无缝整合。这种技术的便利性和效率,固然为学生提升了学习效率,同时也对传统的学术诚信和评估真实性构成了极大威胁。 在此背景下,高等教育界对如何应对生成式人工智能展开了多元化的讨论。总体可将反应划分为四大阵营。一部分倡导"负责任地使用AI",鼓励学生合理利用AI工具,推动创新与个体选择;另一部分则主张"减少伤害",通过教育引导来降低AI带来的负面影响;第三种声音支持严格禁止生成式人工智能在学术评估中的使用,以守护学术诚信的底线;还有部分观点认为应根据学生的年龄或知识背景设立使用限制,以保障认知能力和技术独立性的培养。四者各有侧重,反映了当前教育界在面对AI冲击时的复杂态度与需求。
从政策层面来看,目前国际多所高校的生成式人工智能管理政策多将其视为对学术原创性的重大威胁,在严防学生抄袭和作弊上倾向采取较为严厉的措施。然而,学者们呼吁应对"原创性"概念进行重新定义,考虑知识生产的协作性、情境性以及AI辅助的特性,主张高校逐步摒弃单一的惩罚性政策,转向更加细致和灵活的治理模式。研究显示,教育界正试图在传统评估与创新评估之间找到平衡,探索如何融入AI工具,同时培养学生终身学习和职业技能,为未来职场做好准备。然而相关的教学变革仍处于缓慢进行阶段,需要更多实践探索和理论支持。 在教学理念和评估设计上,学者如David Wiley提出,应将AI的存在视为设计挑战而非单纯的作弊问题。过去依赖人工完成的评估已不再能够可靠区分学生真实理解和AI生成内容,因此评估设计必须回归本质,重新思考"什么样的学习成果是真正有说服力的证据",从根本上激发学生的主动性和创造力。
学者们主张,教育不应一味阻止AI的使用,而应引导和设计出能体现学生深度知识和创新能力的真任务与真挑战。 根据数字教育委员会的研究,未来的评估方法可分为AI自由(AI-Free)、AI辅助(AI-Assisted)和AI整合(AI-Integrated)三大类。不同类型的评估目标和AI参与程度不同,高等教育可以根据教学需求选择合适类型。AI韧性(AI-Resilience)作为一种设计理念被提倡,强调通过结构性改革来维护学术诚信,而非简单依靠处罚。委员会提出了十四种AI整合评估方法,包括AI引导的自我反思、人机协作任务、模拟演练、伦理辩论和AI提示实验等,极大拓展了评估的多样性和创新空间。 此外,教育技术专家Stephen Downes提出"AI不可知论"理念,主张关注任务本身的真实性和成果质量,而不拘泥于学生是否使用了AI工具。
只要成果能够合理证明其优越性和真实性,评估方法就应包容多样化的完成途径,关注学生解决问题的能力和批判思维,而非机械地限制手段。 在具体实践研究中,一项来自香港高校的研究展示了学生如何在英语写作课堂中灵活利用不同AI工具,有意识地辨析其功能及限制。这不仅提升了学生的写作效率,也促进了对AI工具的批判性使用能力。研究强调,教育机构应制定公平而明确的政策,提供AI素养教育,以支持学生负责任和有效地利用AI。确保不同学生均能平等接触多种AI工具,是推动AI教育公平的重要保障。 英国越南大学的试点研究开发了人工智能评估量表(AIAS),将AI使用范围划分为"无AI"到"完全AI协作",为学生和教师提供了明确的引导和规范。
研究发现,AIAS的实施显著降低了学术舞弊事件,并提升了学生的参与度和积极性。但研究也提醒,一些学生仍可能以隐蔽方式滥用AI工具,检测和管理仍是挑战。 工程类课程方面的一项跨机构基准测试中,研究者通过实际部署ChatGPT、Copilot、Gemini、SciSpace和Wolfram等AI工具,评估了不同类型工程课程评估任务的风险与机遇。他们建立了生成式AI风险-机遇评估矩阵,将课堂参与、论文、实验、反思和作品集等不同评价形式划分为风险等级,帮助教育决策者科学设计评估,平衡学术诚信与技术应用。 总的来看,生成式人工智能的普及不仅重塑了教育评估的形态,也带来了关于教育本质和目标的深刻反思。从学术诚信的挑战到教学方法的创新,硬政策与软管理、传统与前沿技术、个人选择与制度保障之间的互动复杂且多元。
通过推动AI韧性设计、任务不可知论、灵活公平的政策扶持以及系统的AI素养培养,高等教育能够在新的科技时代实现评估与学习的双重升级。未来,教育的核心价值在于培养学生的专业知识深度和批判性思维能力,这仍是AI无法替代且必须坚守的教育使命。生成式人工智能既是挑战,更是促进教育创新的机遇,唯有积极拥抱变革,重构评估体系,才能在新时代保持教育的活力与公正。 。
