详细内容或原文请订阅后点击阅览
从限制到融合：在线课程拥抱人工智能的实用策略
高等教育政策研究所 2025 年的一项调查发现，现在 92% 的大学生在学习中使用人工智能工具，高于前一年的 66%（Freeman 2025）。对于在线教育工作者来说，问题已经从是否允许人工智能转变为如何设计鼓励深度学习的课程，无论人工智能的作用如何。以下策略基于 […]从限制到整合：在在线课程中拥抱人工智能的实用策略，该文章首先出现在教师焦点 |高等教育教学与学习。
来源:教师焦点高等教育政策研究所 2025 年的一项调查发现，现在 92% 的大学生在学习中使用人工智能工具，高于去年的 66%（Freeman 2025）。 对于在线教育工作者来说，问题已经从是否允许人工智能转变为如何设计鼓励深度学习的课程，无论人工智能的作用如何。以下策略基于当前的研究、我的课堂经验和新兴的最佳实践，提供了将人工智能纳入在线课程的实用方法，同时专注于真正的学习。
将焦点从输出转移到处理
当我们仅根据已完成的论文、报告或项目评估学生时，我们面临着让人工智能在不被注意的情况下处理大部分工作的风险。 Kofinas、Tsay 和 Pike（2025）强调了这个问题：在一项涉及两所英国大学的研究中，经验丰富的标记者很难可靠地区分学生作业与 ChatGPT 生成或更改的内容，检测率低至 33%。 人工智能检测工具同样存在问题；梁等人。 (2023) 发现，七种广泛使用的检测器将超过 61% 的非英语母语人士的论文错误分类为人工智能生成的论文。 如果人类判断和自动检测都无法可靠地识别人工智能的使用，我们就必须开发能够揭示整个过程中学习进度的评估方法。
与其禁止使用人工智能，不如分配要求学生使用人工智能工具的任务，然后让他们批判性地评估输出，这样会更有效。例如，在我的编程课程中，学生可能会使用人工智能来解释现有代码或提出错误的解决方案。然后，他们需要 (a) 测试每个建议，(b) 在评论中阐明为什么特定修复有效或无效，以及 (c) 简要反思他们所学到的有关调试策略的知识。我评估他们的测试过程和推理，而不是人工智能的最初建议。与简单地复制和粘贴解决方案相比，这种方法鼓励更深入的参与。