生成式人工智能一日千里。
生成式人工智能正在重新塑造千行百业。
新一代人工智能对学校教育会产生哪些影响？
土耳其阿纳多卢大学（Anadolu University，Türkiye）阿拉斯·博兹库尔特（Aras Bozkurt）和 40 多位合著者（Bozkurt 等人，2024 年）合作发表了一篇宣言，试图回答这个问题。
这篇宣言的题目叫做：
《生成式人工智能时代教学宣言：更好驾驭未来的批判性集体立场》（The Manifesto for Teaching and Learning in a Time of Generative AI: A Critical Collective Stance to Better Navigate the Future），
这篇宣言2024年11月29日发表在 Open Praxis 期刊。
在这篇宣言中，四十多位作者批判性地审视了生成式人工智能（GenAI）在高等教育中的应用，他们通过集体写作（collective writing as a method of inquiry）和德尔菲法进行研究，提出了其在教育中应用的正、负两面性及相应见解，
在文章的最后，作者们呼吁采取行动并深入探究，以确保 GenAI 在教育中发挥积极作用。
文章中，作者们发现：
生成式人工智能在教育的积极影响包括：
提高效率与节省时间：可自动化任务，提升工作效率，但需注意避免影响学习深度和人际互动，防止过度依赖和新任务填充。
个性化学习与辅导：有望提供个性化学习体验，但应谨慎评估，避免强化偏见、限制体验、鼓励表面理解，确保与批判性思考结合。
自我教育与终身学习潜力：有助于终身学习，但学习者需指导以应对信息过载，避免过度依赖，需建立反思和评估框架。
为职场做准备：应培养学生对 GenAI 的批判性视角，使其掌握技术技能的同时，关注伦理和社会影响，具备评估其输出的能力。
重新定义教育实践与评估：促使教育者反思并改进教育模式，强调学习过程，设计抗滥用评估，培养学生自我调节学习的能力。
教育创新潜力：为教学创新提供机会，但需基于严谨研究，关注对不同学习者的影响，确保公平和包容，促进教育研究与实践合作。
提升教学效率与效果：可辅助教学任务，但不能使教育失去人性，需确保 AI 生成内容质量，防止教学过程和评估过度简化。
支持学习者自主与批判性思维：有助于增强学习者自主性，但学生需批判性对待 GenAI 输出，避免过度依赖，教师应提供指导，确保其促进深度学习。
提升可及性与包容性：有潜力为特殊群体提供支持，但需注意设计的公平性和适应性，确保基础设施和培训到位，提高翻译准确性和文化敏感性。
支持教师与机构能力建设：机构应提供专业发展和政策支持，建立协作社区，促进 GenAI 可持续和道德使用，实现资源共享和创新。
伦理使用与公平性：部署 GenAI 需考虑伦理，解决数据使用和偏见问题，保持透明度，确保公平性，保护数据权利，促进包容性设计。
增强创造力与创新：可激发创造力，但存在风险，需平衡 GenAI 使用与原创思维，确保其增强而非替代人类认知和创造努力。
跨学科与交叉学科学习：有助于整合知识，但学生需批判性思考，教师应引导学生评估信息，培养系统思维，确保其作为探索工具。
协作学习与 AI 辅助互动：可促进协作，但应确保其增强而非削弱人际互动，设计活动时需平衡效率与人际互动，保持教育的人性化。
增强认知能力：能辅助认知过程，但需防止学生过度依赖，失去独立思考能力，确保其作为学习支架，鼓励积极认知参与。
当然，众所周知，文章中提到的这15个积极影响，全部有赖于人的学习主动性和自觉性。
文章中，作者们发现：
生成式人工智能在教育的负面影响包括：
数字鸿沟与教育不平等：可能加剧不平等，限制弱势群体获取资源，加深社会和教育差距，需要解决访问和伦理问题，确保公平使用。
偏见、歧视与缺乏多样性：模型可能延续偏见，影响教育公平，需要解决数据偏见问题，确保输出的公平性和包容性。
伦理考量：存在数据使用和知识产权问题，需要加强监管，保护创作者权益，确保数据使用透明和合法。
学术诚信与真实学习：威胁学术诚信，导致抄袭和表面学习，需要新方法检测作弊，培养学生批判性技能。
质量、可靠性与错误信息：输出可能不准确，导致错误信息传播，需要提高可靠性，增强用户对其输出的辨别能力。
人类价值观与身份的丧失：缺乏人类情感和价值观，可能削弱人际联系，需要重视教育中的人性因素，防止过度商业化。
过度依赖技术与自主性丧失：过度依赖可能降低人类自主性和创造力，需要保持人类监督，防止技术故障影响教育。
削弱人类认知与学习过程：可能阻碍学生深入参与学习，影响认知发展，需要鼓励主动学习，避免过度依赖。
对批判性思维和高阶技能的影响：可能抑制学生批判性思维和创新能力，需要引导学生深入思考，避免过度依赖现成答案。
缺乏透明度与理解：算法不透明，导致误解和过度信任，需要提高用户对 GenAI 的理解，培养相关素养。
对教育者和职业的影响：可能导致教育者工作被替代，专业价值被贬低，需要重新定义教育者角色，发挥其独特价值。
商业化与权力集中：商业公司主导可能导致逐利优先，缺乏合作和透明度，需要加强学术界与产业界合作，确保多样性和开放性。
监管不足或无效：现有法规跟不上 GenAI 发展，需要建立明确政策和监管框架，确保其符合教育利益。
隐私与数据安全风险：涉及隐私问题，包括数据滥用、监控风险和数据泄露，需要加强数据保护，提高公众意识。
潜在滥用与安全问题：可能被用于作弊和恶意目的，需要防范安全威胁，确保其合法和道德使用。
环境影响与可持续性：运行消耗大量能源和水资源，需要关注环境成本，采取可持续发展措施。
人机共生风险：可能模糊人机界限，威胁人类自主性和创造力，需要保持人类判断和创新能力。
缺乏代表性：数据可能存在偏见，导致缺乏多样性，需要多样化训练数据，促进全球文化平等。
递归与知识退化：可能导致信息质量下降，需要关注数据来源，避免过度依赖 AI 生成内容。
准备不足的干扰：快速融入教育可能带来挑战，需要为教育者提供培训，管理期望，减少阻力。
Photo by Johnnie Walker
