
人工智能是教育领域最具颠覆性的技术之一,因此我们为教育工作者提供了两条关于人工智能政策的建议,供他们在课堂上参考。
许多学生利用人工智能来节省完成作业的时间。对部分学生而言,模糊不清的人工智能政策无异于一种诱惑,促使他们试探底线,并将尽可能多的工作转嫁给人工智能。对另一些学生来说,看到同龄人利用人工智能在极短时间内完成作业,可能会促使他们效仿。而且,许多教师甚至对学生使用的所有工具都不完全熟悉,自然没有余力制定一套万无一失的人工智能政策。
我们认为,要防止人工智能扰乱学习进程,第一步就是制定一份明确无误的人工智能政策。我们综合了与数十位教师和教授的交流,提炼出两项建议性的人工智能政策。最简单的一条是全面禁令,即禁止在完成作业时使用任何形式的人工智能。第二条是分级政策,允许教育工作者根据不同作业的性质,灵活决定允许使用人工智能的范围。
制定一份通用的AI政策有助于学生明确区分何为作弊、何为非作弊行为,避免产生歧义。以下是一份可供课程大纲采用的AI政策建议。该政策禁止在完成作业时使用任何AI工具,但允许在作业之外利用AI来探索和理解课程概念。
学生不得:
学生可以像对待同学一样使用人工智能:
该系统旨在为希望在某些作业中探索不同程度的人工智能应用的教育工作者提供支持。其优势在于帮助学生为现实世界做好准备——在现实世界中,他们无疑会更频繁地接触到人工智能。利用人工智能还能帮助学生认识到人工智能的局限性,从而抵消“习得性无助”的影响,并让他们明白在哪些方面付出个人努力最具价值。
本系统是在珀金斯等人(Perkins et al.)的“智能评估量表”基础上稍作调整而成的。
虽然这个体系较为复杂,但我们亲眼见证了希望利用人工智能进行教学的教育工作者如何通过它取得成功。像这样的分级体系是界定人工智能使用范围最清晰的方式。例如,教育工作者可以说明,第二级是所有作业的默认设置,但在特定项目中,他们会允许使用第四级。
值得注意的是,处于第0、1和2级的学生不会触发AI检测,而处于第3和4级的学生若大量使用AI,则可能会触发AI检测。
以下等级是累积的。每个等级都包含前一等级的所有技术。
| 层级 | 描述 | 示例 | 触发AI检测 |
|---|---|---|---|
| 第0层: 零辅助 | 作品必须完全原创,且未使用任何人工智能工具创作。此举旨在评估学生思考、写作、分析等方面的原始能力。 | • 纸笔作业 • 仅使用教材/练习册的家庭作业 • 课堂考试 | 不 |
| 第一层: 基础工具使用 | 语法和拼写检查、Google文档下划线标注、计算器。不包含AI模型。在学生展现出自我修改能力后,帮助他们改进自己的作品。 | • 打印版带回家论文 • 基础版Google文档拼写检查 | 不 |
| 第二层: 人工智能作为学习工具 | 人工智能可用于学习材料的互动,但不可用于最终作品的创作。提交材料中不得包含人工智能生成的提纲、修订稿或内容。 | • 使用Perplexity/Google作为研究来源 • 使用ChatGPT澄清概念 | 不 |
| 第三层: AI作为编辑工具 | 人工智能仅用于改写、头脑风暴和提纲设计等有限用途。绝大多数写作内容仍由学生完成。 | • 人工智能大纲辅助 • 人工智能最终稿批改 • Grammarly人工智能风格工具 | 是的 |
| 第四层级: AI作为协作助手 | 人工智能在能力出众的学生追求远大目标时发挥重要作用,而非用于替代基础学习。 | • 人工智能摘要学术论文 • 人工智能编写分析代码 • 人工智能研究讨论 | 是的 |
作品必须完全原创,且不得使用任何人工智能工具创作。此举旨在评估学生在思考、写作、分析等方面的原始能力。
这最适合用于传统的“纸笔”作业:
语法和拼写检查、Google 文档的下划线标记、计算器。不包括 Perplexity 或 ChatGPT 这类人工智能工具。此举旨在帮助学生改进自己的作业,以便最终提交。应在学生已展现出独立修改作业的能力后,再使用这些工具。
这个分级适用于分题型的带回家完成的论文。
学生可以使用人工智能来理解学习材料。但不得利用人工智能协助完成最终成果。学生不应使用人工智能来撰写大纲、修改句子,或生成任何出现在最终提交作品中的内容。
这是将人工智能引入课堂的好方法,同时也能明确一点:人工智能并非用于生成最终成果。
为提高清晰度,对句子进行适当改写,进行头脑风暴,并拟定大纲。文章的主要内容仍由学生撰写。学生的作品并非被人工智能取代,而是得到人工智能的支持。
这是可能触发AI检测软件的第一级。
例如:
人工智能正在承担原本应由学生亲力亲为的实际工作。这种人工智能的应用不应被用来替发展中或学习困难的学生分担任务。它适用于那些希望实现宏伟目标的成熟学生。人工智能使学生能够将自己已经掌握的工作交给系统处理,从而更有效地利用时间去追求自己的目标。
这一级别的典型例子可以是正在进行学术研究的高中毕业生。
我们始终很高兴看到我们的工作能对世界产生积极影响。如果您觉得这篇文章有帮助,请广泛分享;如果您想进一步了解 Pangram 如何助力学术诚信,请通过info@pangram.com与我们联系。

马克斯是一位经验丰富的机器学习工程师。他最近在Nuro从事自动驾驶汽车相关工作,负责领导该公司的主动学习项目。此前,他在谷歌、Two Sigma和Yelp拥有丰富的成功部署机器学习产品的经验。
马克斯拥有斯坦福大学理论计算机科学学士学位和人工智能硕士学位。除了对游戏开发的热情外,他还是《万智牌》Cube社区的活跃成员。