高校教师生成式人工智能教学使用指南（学业评估设计场景）总结
一、课程使用人工智能政策
- 政策选择：高校教师可根据课程特点选择完全禁止、允许有限度使用或完全开放使用人工智能技术三种方案，并在课程大纲中明确相关政策。
- 政策制定：教师需考虑课程目标、学习目标、教学方法、评估方式等因素，并在开学初向学生说明政策、原因及违规后果。
- 与学生沟通：教师应及时向学生传达人工智能使用政策，并引导学生认识其潜力与局限，营造负责任使用文化。
- 沟通方式：可采用协商式做法，通过问卷调查等方式了解学生态度，共同制定政策；或要求学生提交人工智能使用声明，明确披露使用情况。
二、抗AI的学业评估设计
- 设计原则：通过优化作业设计、调整评估安排与环境、完善评分标准，降低人工智能代劳风险，促进学生独立思考能力发展。
- 作业设计：
- 真实情境作业：设计更具参与性和互动性的学习任务，引导学生将所学知识应用于真实情境，如小组讨论、个人叙事写作、分析活动等。
- 过程导向作业：设计多模块学习任务或分阶段评估方式，引导学生持续投入学习，并记录学习轨迹，如课堂笔记、小组讨论纪要、草稿修改记录等。
- 高阶思维活动作业：借鉴布鲁姆教育目标分类，设计需要解释复杂因果关系、权衡多重证据或评估不同立场的学习任务，并结合人工智能难以直接获取的知识资源。
- 特殊作业形式：采用视频、博客、视频日志（Vlog）、播客、动画或电子档案袋（ePortfolio）等成果形式，强调学生的个人表达、情境理解与综合呈现能力。
- 调整考核权重与期限：重新平衡不同类型学习任务在考核中的比重，降低基础性任务权重，增加创新性、专业判断要求较高的任务权重；引入正向激励机制，合理控制作业总量，分散评估任务，延长作业提交期限。
- 开展协作式学习：增加让学生口头表达的活动，如多元价值对话写作作业，促进学生记忆与回想，降低依赖人工智能代劳的可能性。
- 评估安排与环境：
- 控制评估环境：组织有监考的考试，或借助监考软件、安全考试浏览器等技术手段，营造公平、透明的评估环境。
- 优化评估形式与过程：引入口头答辩、访谈式问答、小组讨论展示、现场推演解题思路等研讨型考试形式，直接观察学生的思维路径与即时反应。
- 强化面对面指导与过程监控：增加与学生面对面交流的频率，鼓励师生双方共同记录讨论中的关键问题、研究决策与后续行动计划；定期组织同行评审式的研究讨论会，引导学生参与研究方法专题研讨会或方法训练活动。
三、人工智能用于批改与反馈
- 审慎使用：目前国外多数高校不主张直接使用AI批改作业或评估作业质量，主要基于隐私泄露风险、AI评分可靠性与公平性等问题。
- 使用方式：若确需使用AI辅助批阅，应事先告知学生并获得其同意，将AI定位为辅助工具，最终评价责任仍由教师承担。
- 适合/不适合的评估类型：
- 适合用人工智能反馈的评估类型：答案唯一、规则明确的选择题、填空题、判断题；有标准解题步骤且得分点固定的计算题、初级编程题；大规模、低风险的快速摸底测验。
- AI不可（或不宜）单独胜任的评估：含论证、创意、风格、修辞的论文或开放写作；需要视频、音频、图像等多模态解读的复杂作品；涉及抽象推理、学科细微差别、价值观判断的高阶任务；低分段或新手作业；形成性反馈；会纳入课程总成绩的平时作业。
- 运用人工智能进行作业反馈的方法：
- 自动反馈：通过AI驱动工具为作业提供自动反馈，如评分、语法拼写纠错、写作风格与结构优化建议等。
- 基于标准的反馈：借助生成式AI工具，依据特定标准或学习目标提供作业反馈，辅助创建评分标准或量规并按标准分析作业。
- 运用人工智能批阅学生作业的步骤：
- 选定合规可用的生成式人工智能平台、制定清晰且可操作的评分量规、明确具体的作业要求，并准备若干份具有代表性的学生作业样本，同时设计结构化、可复用的操作指令。
- 对部分学生作业进行人工批改，以实现评分标准的预演与校准。
- 将经过设计的指令与样本输入人工智能平台，对同一批作业进行评分与反馈生成。
- 将人工评分结果与人工智能输出进行对照，重点考察二者在分数分布与评价要点上的一致性，并进行多轮迭代优化。
- 将完整作业材料交由人工智能工具依次生成评分与针对性反馈，教师进行必要的人工复核，并对评语进行编辑修订。
- 将经人机协同修订后的评分结果与评语反馈给学生，并同步开放申诉或答疑渠道。
- 对人工评分与人工智能评分之间的差异进行系统梳理与反思，检视评分量规或指令设计中可能存在的不足。
- 与助教沟通：明确向助教说明课程中生成式AI的使用政策及批阅规则。
四、生成式人工智能学术不端行为处理方式
- 明确政策：在课程开始阶段清晰界定学生使用AI的行为边界，并通过教学大纲、课堂说明或书面指引等方式向学生充分传达相关要求。
- 识别与判断：教师需具备基本的识别与判断能力，了解人工智能生成内容在语言风格、结构特征或逻辑一致性等方面的常见表现，以此作为初步甄别学生是否存在不当使用人工智能的参考依据。
- 处理程序：严格遵循学校既定的学术诚信处理程序，系统性地收集相关材料与证据，基于事实与学生进行沟通与核实，给予其合理的说明机会，并在必要时按流程向院系或学校相关部门申报，最终将依据调查结论与学校规章制度，作出相应的处理决定。
- 学生学术不端行为类型：包括直接提交AI生成内容、未注明引用AI生成内容、过度依赖AI进行写作等。
- 学生学术不端行为原因：包括对“学术不端”概念本身的界定存在差异、对学术写作与信息引用的基本方法缺乏系统认识、对作业要求或教师期望理解不充分、时间管理能力不足、与课程内容、学科方向或教学情境之间的疏离感、对失败的恐惧、对自身能力的怀疑，以及焦虑、抑郁等心理健康问题等。
- 综合判断：
- 明确评估前提：确认课程大纲或作业说明中是否已明确人工智能使用政策，并始终确保作业检查与处理方式公平、透明且可解释。
- 多维度检查作业：从写作风格与历史一致性、内容真实性与准确性、语言与语法异常、结构模式化与逻辑公式化、个性与情感表达缺失等维度进行综合评估。
- 借助工具辅助验证：在必要时，可将作业题目或关键要求输入常见生成式人工智能工具，观察其可能生成的内容范围与表达特征，或选取部分段落提交至AI检测工具，但需充分认识其局限性，仅将其视为辅助性线索之一。
- 审慎有序判定：
- 不宜仅凭初步印象或技术检测结果即作出判断，应以平和、非指控性的方式与学生开展一次非正式沟通，坦诚说明你所关注的具体问题，并为学生提供充分的解释与澄清机会。
- 可邀请学生对作业的形成过程进行口头阐释，包括他们如何理解作业要求、如何组织论证思路、为何采用特定结构或方法，以及最终成果如何体现对课程核心知识与概念的掌握。
- 若在充分沟通后，仍存在较为明确的疑点，且你已掌握相对客观、可核查的证据，则可依据学校既定的学术诚信流程，向指定的学术诚信机构或委员会提交正式报告。
五、后记
本指南并非一份刻板的操作规程或限制性的禁令清单，而是一份导览资料，帮助一线教师快速了解国内外高校教师应用生成式人工智能的主要场景以及注意要点，同时也是一份需要不断补充和成长的智慧教学策略库。指南中的建议是起点，而非终点，每位老师都可以将自己的AI创新应用以及教学经验补充到这份指南之中，惠及更多教育同仁。
