2025高等教育中的生成式人工智能发展报告

生成 AI 在高等教育中的应用当前的做法和前进的道路

核心观点与关键数据：
生成式 AI 的快速发展对高等教育构成重大挑战与机遇。大学在 AI 应用方面存在碎片化、反应式的问题，主要集中于学术诚信等即时问题，而非系统性整合。学生已广泛接受 AI 工具，但大学需从监管转向可能性，从恐慌转向目的。

五个行动领域（CRAFT 框架）：

1. 规则：需从限制转向促进，建立清晰的治理框架，平衡机会与风险。例如，澳大利亚和菲律宾大学通过原则声明和政策规范 AI 使用，但规则需随技术发展而更新。
2. 访问：确保 AI 工具的公平可及性，避免加剧数字鸿沟。需解决成本、基础设施及语言障碍问题，推动与供应商合作提供免费或优惠访问。
3. 熟悉度：需系统性提升学生、教师和领导者的 AI 素养，包括对 AI 能力、伦理及局限性的理解。例如，新加坡南洋理工大学通过中央机构战略推动 AI 素养建设。
4. 信任：建立学生与教育者、机构与供应商之间的信任，需通过透明度、合作及价值证明来维护。例如，微软小助手 Copilot 提供数据保护机制以增强用户信任。
5. 文化：需培养面向未来的实验文化，反思大学角色，平衡知识、技能与价值观。不同学科和文化对 AI 的接受程度存在差异，需尊重文化多样性。

研究结论与建议：

• 大学需从“警务”思维转向“可能性”思维，系统性整合 AI。
• 两项关键优先事项：
  • 形成协作集群：跨机构合作共建 AI 平台、共享评估重设计框架、联合师资发展计划等。
  • 提升学生作为合作伙伴：通过学生 AI 大使计划、共同设计学习体验等方式，让学生参与 AI 整合。
• 短期行动：制定机构级 AI 战略，推动 peer-to-peer 支持网络、学生反馈机制等。

数据与案例：

• 生成式 AI 资金投入达每年 252 亿美元，但监管环境区域差异显著。
• 学生对 AI 的接受度高于教育者，需通过培训和支持引导其负责任使用。
• 澳大利亚 TEQSA 推出“双车道评估”方法，平衡学习与考核中的 AI 应用。
• 悉尼大学等机构通过内部社区和外部合作提升 AI 熟悉度。

未来展望：
生成式 AI 标志着高等教育转折点，需根本性变革教学、学习及研究模式。大学需通过合作与前瞻性规划，确保 AI 增强而非削弱教育价值。