详细内容或原文请订阅后点击阅览
人工智能的采用首先是一个学习问题，然后才是一个技术问题
许多高等教育教师仍然陷入人工智能实验和采用之间。本文认为，主要的挑战不是获得技术，而是人工智能熟练程度的发展、理解能力、评估输出和重新设计工作流程的能力。这篇文章首先发表在电子学习行业。
来源:eLearning行业 | 在线教育博客为什么高等教育必须超越工具的流畅性
过去两年，高等教育迅速拥抱人工智能（AI）。各机构成立了人工智能工作组，制定了指导文件，举办了研讨会，试用了工具，并对政策进行了试验。教师们正在探索生成式人工智能的各个方面，从课程规划和课程开发到行政支持和研究协助。
许多教育工作者仍然陷入意识和有意义的采用之间。 They have attended webinars. They have experimented with prompts.他们甚至可能偶尔使用人工智能来起草电子邮件、产生想法或总结文档。然而，从根本上改变他们的工作、教学或学习方式的人相对较少。
这就提出了一个重要问题：如果人工智能采用的主要障碍不是技术怎么办？ What if it is educational?
鼓励教育工作者探索用于写作的 ChatGPT、用于研究的 Perplexity、用于设计的 Canva、用于演示的 Gamma、用于评估的 Quizlet 以及几乎每周出现的无数其他应用程序。虽然工具意识很有价值，但它可能会无意中造成我所说的“工具流畅性陷阱”。
工具流畅度是指识别和使用特定人工智能应用程序的能力。人工智能熟练程度是指理解能力、评估输出、重新设计工作流程以及适应技术发展的能力。区别很重要。
一名知道如何使用十种人工智能工具但对评估成果、认识局限性或将人工智能融入真实教学实践缺乏信心的教师可能很难取得有意义的影响。相反，具有较强人工智能能力的教师通常可以成功地适应工具的变化。高等教育面临的挑战不仅仅是帮助人们学习更多工具。它正在帮助他们培养与功能日益强大的人工智能系统一起有效工作所需的知识、判断力和习惯。