ChatGPT 等生成人工智能 (GenAI) 工具的(de)發布引發了關于其對教育潛在影響的(de)激烈讨論。
在過去(qù)這一(yī)年(nián)裏，就自(zì)留地(dì)君所讀到的(de)文獻來看，這些讨論中有關GenAI 的(de)影響林林種種，從激進主義者的(de)用Gen AI 解決所有教育問題，到悲觀主義者所擔憂的(de)徹底摧毀學(xué)習和(hé)教育。
回顧教育科技的(de)曆史，新技術能夠、并且将會解決所有教育問題的(de)說法屢見不鮮。從托馬斯.愛迪生的(de)留聲機和(hé)電影徹底解放學(xué)校教育，到教學(xué)機器和(hé)程序教學(xué)所帶來的(de)教學(xué)自(zì)動化的(de)“美好前景”，再到上個世紀八十年(nián)前的(de)計算機輔助教學(xué)，以及過去(qù)這三十年(nián)來的(de)自(zì)适應學(xué)習系統等等......
曆史不會停住腳步，曆史也告訴我們，這些所謂的(de)技術靈丹妙藥并沒有産生預期的(de)結果。
今天的(de)生成式人工智能有何不同？它會破壞我們所知的(de)教育嗎？
它會不會是人類教育科技史上的(de)又一(yī)個肥皂泡？
生成式人工智能會不會是“猴子(zǐ)掰包谷”式的(de)盲目追逐科技潮流的(de)那種終将會扔在地(dì)上的(de)下一(yī)個包谷棒子(zǐ)？
如(rú)同被世俗日漸抛棄的(de)類似CAI、“微課”、“翻轉課堂”等在今天的(de)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(de)會刊之一(yī)TechTrends的(de)最新的(de)一(yī)篇社論文章(zhāng)，
題目是《生成人工智能時代的(de)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(zì)美國Georgia Southern University大學(xué)，他是 TechTrends 的(de)主編，Paul A. Kirschner 在荷蘭開放大學(xué)和(hé)比利時Thomas More University of Applied Sciences 任職。
在這篇社論中，兩位作者提出了生成式人工智能時代教師作業設計（和(hé)評估設計）的(de)12種策略，
他們不僅分析了每一(yī)種策略的(de)優勢，也剖析了每一(yī)個策略可(kě)能無效的(de)根源，讀來也頗具意味。
這裏一(yī)并分享給自(zì)留地(dì)的(de)諸位朋(péng)友！
1. 強調過程而非産品
将作業的(de)重點從結果和(hé)最終産品轉移到學(xué)習過程。
這可(kě)能包括要求學(xué)生在最終提交的(de)同時，也提交草(cǎo)稿、大綱或帶注釋的(de)參考書目。
通過評估該過程，教育工作者可(kě)以更好地(dì)了解學(xué)生的(de)學(xué)習曆程。
這裏的(de)一(yī)個障礙是 GenAI 工具也可(kě)以做(zuò)到這一(yī)點。
2. 納入口頭評估
口頭考試或演示可(kě)以有效地(dì)評估學(xué)生的(de)理(lǐ)解情況。
這些評估對于準備使用人工智能來說更具挑戰性，并且可(kě)以深入了解學(xué)生對材料的(de)真正掌握程度。
然而，對于像《心理(lǐ)學(xué) 101》這樣有 600 名學(xué)生的(de)階梯教室裏的(de)課程來說，這幾乎是不可(kě)能的(de)。
3. 使用人工智能檢測工具
有一(yī)些新興技術旨在檢測一(yī)篇文章(zhāng)是否是由人工智能生成的(de)。
結合這些工具可(kě)以幫助教育工作者識别 GenAI 創作的(de)作品。
然而，這些程序的(de)準确性，無論是在假陰性（即使用了 GenAI 但未檢測到）還是假陽性（即未使用 GanAI，但學(xué)生被指控使用它）方面都存在缺陷。
希望采用人工智能監控工具的(de)教育工作者應了解這些技術的(de)功能和(hé)局限性，以便負責任和(hé)有效地(dì)使用它們。
4. 修改作業設計
将作業定制得更加具體、個性化或與上下文相關。
這可(kě)以包括與課堂讨論、時事或人工智能不太可(kě)能成功解決的(de)獨特場景直接相關的(de)提示。
5. 鼓勵批判性思維和(hé)分析
人工智能不太容易完成要求學(xué)生在新環境中批判、分析或應用概念的(de)作業。
這些任務通常需要深度理(lǐ)解，而人工智能目前無法模仿。
然而，ChatGPT 5.0 估計也能夠做(zuò)到這一(yī)點。
6. 注重應用和(hé)創造力
需要創造性思維、将知識應用到新情況或解決現實世界問題的(de)項目可(kě)以更能體現學(xué)生自(zì)己的(de)工作和(hé)理(lǐ)解。
7. 課堂作業
在課堂上親自(zì)或通過教育者監控的(de)在線平台進行評估，可(kě)以幫助确保提交的(de)作業是學(xué)生自(zì)己的(de)。這也有前面提到的(de)關于班級規模的(de)限制。
8. 同行評審和(hé)協作工作
結合同行評審流程和(hé)協作項目可(kě)以鼓勵學(xué)生更深入地(dì)學(xué)習材料，減少對人工智能生成內(nèi)容的(de)依賴。
這裏需要注意的(de)是，GenAI 能夠批評鍵入的(de)文本。
例如(rú)，提示“請批評 Hodges 和(hé) Kirschner 的(de)社論。它的(de)優點和(hé)缺點是什麽？” 随後複制并粘貼将返回“同行評估”。
9. 開發數字素養和(hé)道(dào)德課程
教育學(xué)生有關人工智能的(de)道(dào)德使用，包括關于學(xué)術誠信、人工智能的(de)局限性以及原創作品的(de)重要性的(de)讨論。
這所遇到的(de)障礙就是人性。
在經濟學(xué)中，它被稱為(wèi)“經濟人”（homoeconomicus）。
通過理(lǐ)性判斷避免不必要的(de)工作的(de)人。
在教育中，這被稱為(wèi)計算型學(xué)習者；一(yī)個以最小的(de)努力獲得最大利益的(de)學(xué)生。
10. 個性化學(xué)習路徑
為(wèi)個别學(xué)生定制學(xué)習體驗和(hé)作業可(kě)以降低(dī)使用通用人工智能生成內(nèi)容的(de)可(kě)行性。
這在大型戲劇講座課程中又是極其困難的(de)。
11. 頻繁、低(dī)風險的(de)評估
用更頻繁、低(dī)風險的(de)評估取代高(gāo)風險的(de)測試，以随着時間的(de)推移衡量學(xué)生的(de)理(lǐ)解程度。
然而，如(rú)果低(dī)風險測試是在線的(de)，這可(kě)能會成為(wèi)一(yī)個問題。
12. 鼓勵反思性寫作
要求學(xué)生反思個人經曆或觀點的(de)作業不太适合人工智能生成。
在這裏，“聰明”或“精明”的(de)學(xué)生也可(kě)以解決這個問題。
提示是：“反思一(yī)下 1968 年(nián)在芝加哥(gē)舉行的(de)民主黨全國代表大會對于 20 世紀 60 年(nián)代和(hé) 70 年(nián)代高(gāo)中時來自(zì)布朗克斯區的(de)嬉皮士意味着什麽。” GenAI能夠以第二作者可(kě)能的(de)方式回答，而老師無法知道(dào)是否是這樣（見圖 3）。
讀者諸君，生成式人工智能時代的(de)作業設計，對于全球各級各類學(xué)校教育工作者而言，是一(yī)個世界性的(de)難題。
對于這篇社論中兩位作者提出的(de)觀點，您有何評論？
除了這12種可(kě)能有效的(de)策略，
您覺得還有哪些策略可(kě)以有效解決與應對這個挑戰？