To Police or to Guide: How Higher Education Computer Science Instructors Design and Implement Generative AI Policies
基于对13位美国计算机科学教师的访谈，这项研究表明，当前的生成式人工智能政策往往优先考虑对评估进行“防范AI”处理而非促进学生学习，从而导致了监管负担的增加以及师生关系的紧张，因此建议转向以学习为导向、旨在引导更健康的人工智能使用方式的政策。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正走进一座巨大且繁忙的图书馆，每个人都在努力学习如何建造复杂的机器。多年来，规则一直很简单：你必须亲手建造出那台机器，以此证明你了解它的运作原理。但突然间，一个神奇且超高速的机器人助手出现了。这个机器人可以在几秒钟内为你造好整台机器。现在，老师们陷入了恐慌。他们在自问：“如果机器人做了所有的工作，我怎么知道学生是否真的学到了任何东西？如果我禁止使用机器人，学生会不会还是偷偷把它带进来？”这就是生成式人工智能（Generative AI）时代下的计算机科学教育现状。生成式人工智能是一种可以创造新事物的计算机程序——比如通过阅读你的指令来编写代码、解决数学问题或解释复杂的概念。核心问题不仅仅在于那个机器人，而在于教师与学生之间的关系。当一种工具改变了我们的学习方式时，教师是变成了一个试图抓捕作弊者的严厉保安，还是一个试图引导学生穿过迷宫的贴心教练？
这篇论文通过访谈来自美国各大学的13位计算机科学讲师，深入探讨了这一问题。研究人员想要了解：这些老师是如何改变他们关于人工智能的规则（政策）的？他们是在试图阻止学生使用它，还是在试图教导学生如何明智地使用它？
研究发现，大多数老师目前扮演着过度劳累的保安的角色。他们主要担心“评估伤害”（Assessment Harm），即担心自己无法再分辨出一个学生是真的掌握了知识，还是仅仅向机器人求助。由于他们很难轻易抓到使用人工智能的学生（机器人在隐藏行踪方面做得太出色了），许多老师转向了传统的手段。他们禁止使用笔记本电脑，改用手写纸笔考试，并确保学生在考试期间不能使用任何工具。这就像一位老师决定，既然无法阻止学生把小抄带进教室，那就干脆锁上门，关掉灯，让大家在黑暗中用铅笔考试。虽然这能在瞬间阻止作弊，但老师们承认，这营造了一种紧张、压抑的氛围。它把课堂变成了战场，老师成了“人工智能警察”，时刻盯着违规者，这让学生感到被怀疑，并且不太愿意寻求帮助。
然而，论文指出，这种“警察”式的做法可能忽略了大局。老师们注意到，当学生过度使用人工智能时，他们不仅仅是在作弊，他们实际上是在损害自己的大脑。这就像一个学生在做每一道数学题时都用计算器，结果最后连基础的加法都忘了。他们产生了一种“胜任感的错觉”——他们以为自己掌握了知识，因为机器人向他们解释了这些内容，但他们并没有建立起独立解决问题的思维肌肉。他们也停止了彼此之间以及与老师之间的交流，变得孤立，要么是因为害怕被抓，要么是因为机器人承担了所有的社交性“求助”功能。
研究人员发现，少数老师正在尝试另一条路径：引导者。这些老师并没有禁止机器人的出现，而是对如何使用它保持高度透明。他们会说：“可以使用人工智能，但这里是教你如何利用它来学习，而不是用来作弊。”他们向学生展示如何向人工智能提问，从而引发思考，而不是仅仅索要答案。他们还使用了更多的低风险练习测试（形成性评估），让学生可以在安全失败的过程中意识到：“噢，天哪，原来我还不会这个，”以免为时已晚。这些老师试图建立一种课堂文化，让学生在承认自己使用了人工智能时感到安全，这样老师就可以帮助他们修正理解偏差，而不是惩罚他们。
论文并未声称“引导者”模式是一个完美且已被验证的解决方案。它更多是基于这些老师正在尝试的做法及其感受所提出的建议。研究人员认为，仅仅试图让考试“防范人工智能”（使其无法作弊）是一场注定失败的战斗，这会使师生关系变得紧张。相反，他们建议教师应专注于那些能帮助学生在技术辅助下进行学习的政策，而不是仅仅试图禁止它。底线是，如果教师不再扮演严厉警察的角色，而是开始像教练一样行动，他们或许能帮助学生在这个新世界中航行，而不至于丧失对学习的热爱。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。