详细内容或原文请订阅后点击阅览
生成式 AI 和 REF：缩小政策与实践之间的差距
本博客由 Jisc 高等教育与研究部董事总经理 Liam Earney 友情撰写。 REF-AI 报告获得了英国研究中心的资助，由 Jisc 和高等教育转型中心 (CHET) 共同撰写，旨在提供证据，帮助该行业为下一次 REF 做好准备。其研究结果表明，生成式人工智能 […]后生成式人工智能和 REF：缩小政策与实践之间的差距首先出现在 HEPI 上。
来源:HEPI博客本博客由 Jisc 高等教育与研究部董事总经理 Liam Earney 友情撰写。
REF-AI 报告获得了英国研究中心的资助，由 Jisc 和高等教育转型中心 (CHET) 共同撰写，旨在提供证据，帮助该行业为下一次 REF 做好准备。其研究结果表明，生成式人工智能已经在塑造大学采用的方法。有些方法是谨慎和探索性的，有些方法是创造性和创新性的，而大多数方法都是在后台悄悄发生的。研究实践中的 GenAI 不再是理论性的；它是日常研究和研究评估现实的一部分。
REF-AI 报告对于 Jisc 来说，报告中的一些发现并不令人意外。我们每天都会看到整个行业的数字能力如何参差不齐，以及新工具如何在治理有机会迎头赶上之前出现。该报告强调了新兴实践与政策之间的重要差距——该部门现在可以共同努力缩小这一差距。 UKRI 已经发布了关于在资助申请和评估中使用生成式人工智能的指南：强调诚实、严谨、透明和保密。然而，REF 背景仍然缺乏同样的清晰度，使得机构只能单独解释最佳实践。这项工作由英国研究中心资助，旨在为未来提供指导和支持，确保该部门拥有负责任地驾驭 GenAI 所需的证据。
REF-AI 报告正确地将诚信置于其建议的核心位置。建议 1 对于支持透明度和避免误解至关重要：每所大学都应发布关于在研究中使用生成式 AI 的明确政策，特别是在 REF 工作中。该政策应概述可接受的内容，并要求工作人员披露人工智能何时帮助形成提交内容。