ChatGPT 等生(shēng)成人工(gōng)智能 (GenAI) 工(gōng)具的發布引發了關于其對教育潛在影響的激烈讨論。
在過去(qù)這一(yī)年裏，就自留地君所讀到的文獻來看，這些讨論中(zhōng)有關GenAI 的影響林林種種，從激進主義者的用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習和教育。
回顧教育科技的曆史，新技術能夠、并且将會解決所有教育問題的說法屢見不鮮。從托馬斯.愛迪生(shēng)的留聲機和電(diàn)影徹底解放(fàng)學校教育，到教學機器和程序教學所帶來的教學自動化的“美好前景”，再到上個世紀八十年前的計算機輔助教學，以及過去(qù)這三十年來的自适應學習系統等等......
曆史不會停住腳步，曆史也告訴我(wǒ)(wǒ)們，這些所謂的技術靈丹妙藥并沒有産生(shēng)預期的結果。
今天的生(shēng)成式人工(gōng)智能有何不同？它會破壞我(wǒ)(wǒ)們所知(zhī)的教育嗎(ma)？
它會不會是人類教育科技史上的又(yòu)一(yī)個肥皂泡？
生(shēng)成式人工(gōng)智能會不會是“猴子掰包谷”式的盲目追逐科技潮流的那種終将會扔在地上的下(xià)一(yī)個包谷棒子？
如同被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(yī)TechTrends的最新的一(yī)篇社論文章，
題目是《生(shēng)成人工(gōng)智能時代的教學設計與評估創新》（Innovation of Instructional Design and Assessment in the Age of Generative Artificial Intelligence）
作者是 Charles B. Hodges & Paul A. Kirschner
其中(zhōng)，Charles B. Hodges 來自美國Georgia Southern University大(dà)學，他是 TechTrends 的主編，Paul A. Kirschner 在荷蘭開(kāi)放(fàng)大(dà)學和比利時Thomas More University of Applied Sciences 任職。
在這篇社論中(zhōng)，兩位作者提出了生(shēng)成式人工(gōng)智能時代教師作業設計（和評估設計）的12種策略，
他們不僅分(fēn)析了每一(yī)種策略的優勢，也剖析了每一(yī)個策略可能無效的根源，讀來也頗具意味。
這裏一(yī)并分(fēn)享給自留地的諸位朋友！
1. 強調過程而非産品
将作業的重點從結果和最終産品轉移到學習過程。
這可能包括要求學生(shēng)在最終提交的同時，也提交草稿、大(dà)綱或帶注釋的參考書(shū)目。
通過評估該過程，教育工(gōng)作者可以更好地了解學生(shēng)的學習曆程。
這裏的一(yī)個障礙是 GenAI 工(gōng)具也可以做到這一(yī)點。
2. 納入口頭評估
口頭考試或演示可以有效地評估學生(shēng)的理解情況。
這些評估對于準備使用人工(gōng)智能來說更具挑戰性，并且可以深入了解學生(shēng)對材料的真正掌握程度。
然而，對于像《心理學 101》這樣有 600 名學生(shēng)的階梯教室裏的課程來說，這幾乎是不可能的。
3. 使用人工(gōng)智能檢測工(gōng)具
有一(yī)些新興技術旨在檢測一(yī)篇文章是否是由人工(gōng)智能生(shēng)成的。
結合這些工(gōng)具可以幫助教育工(gōng)作者識别 GenAI 創作的作品。
然而，這些程序的準确性，無論是在假陰性（即使用了 GenAI 但未檢測到）還是假陽性（即未使用 GanAI，但學生(shēng)被指控使用它）方面都存在缺陷。
希望采用人工(gōng)智能監控工(gōng)具的教育工(gōng)作者應了解這些技術的功能和局限性，以便負責任和有效地使用它們。
4. 修改作業設計
将作業定制得更加具體(tǐ)、個性化或與上下(xià)文相關。
這可以包括與課堂讨論、時事或人工(gōng)智能不太可能成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(fēn)析
人工(gōng)智能不太容易完成要求學生(shēng)在新環境中(zhōng)批判、分(fēn)析或應用概念的作業。
這些任務通常需要深度理解，而人工(gōng)智能目前無法模仿。
然而，ChatGPT 5.0 估計也能夠做到這一(yī)點。
6. 注重應用和創造力
需要創造性思維、将知(zhī)識應用到新情況或解決現實世界問題的項目可以更能體(tǐ)現學生(shēng)自己的工(gōng)作和理解。
7. 課堂作業
在課堂上親自或通過教育者監控的在線平台進行評估，可以幫助确保提交的作業是學生(shēng)自己的。這也有前面提到的關于班級規模的限制。
8. 同行評審和協作工(gōng)作
結合同行評審流程和協作項目可以鼓勵學生(shēng)更深入地學習材料，減少對人工(gōng)智能生(shēng)成内容的依賴。
這裏需要注意的是，GenAI 能夠批評鍵入的文本。
例如，提示“請批評 Hodges 和 Kirschner 的社論。它的優點和缺點是什麽？” 随後複制并粘貼将返回“同行評估”。
9. 開(kāi)發數字素養和道德課程
教育學生(shēng)有關人工(gōng)智能的道德使用，包括關于學術誠信、人工(gōng)智能的局限性以及原創作品的重要性的讨論。
這所遇到的障礙就是人性。
在經濟學中(zhōng)，它被稱爲“經濟人”（homoeconomicus）。
通過理性判斷避免不必要的工(gōng)作的人。
在教育中(zhōng)，這被稱爲計算型學習者；一(yī)個以最小(xiǎo)的努力獲得最大(dà)利益的學生(shēng)。
10. 個性化學習路徑
爲個别學生(shēng)定制學習體(tǐ)驗和作業可以降低使用通用人工(gōng)智能生(shēng)成内容的可行性。
這在大(dà)型戲劇講座課程中(zhōng)又(yòu)是極其困難的。
11. 頻(pín)繁、低風險的評估
用更頻(pín)繁、低風險的評估取代高風險的測試，以随着時間的推移衡量學生(shēng)的理解程度。
然而，如果低風險測試是在線的，這可能會成爲一(yī)個問題。
12. 鼓勵反思性寫作
要求學生(shēng)反思個人經曆或觀點的作業不太适合人工(gōng)智能生(shēng)成。
在這裏，“聰明”或“精明”的學生(shēng)也可以解決這個問題。
提示是：“反思一(yī)下(xià) 1968 年在芝加哥舉行的民主黨全國代表大(dà)會對于 20 世紀 60 年代和 70 年代高中(zhōng)時來自布朗克斯區的嬉皮士意味着什麽。” GenAI能夠以第二作者可能的方式回答，而老師無法知(zhī)道是否是這樣（見圖 3）。
讀者諸君，生(shēng)成式人工(gōng)智能時代的作業設計，對于全球各級各類學校教育工(gōng)作者而言，是一(yī)個世界性的難題。
對于這篇社論中(zhōng)兩位作者提出的觀點，您有何評論？
除了這12種可能有效的策略，
您覺得還有哪些策略可以有效解決與應對這個挑戰？