A Sovereignty Centred Model of AI Literacy for African Higher Education
本文批判了当前非洲高等教育中人工智能素养框架忽视语境的本质，并提出了“人工智能主权学习”（AIL-SL）模型，该模型整合了认知技术、批判认识论、伦理规范以及社会文化能力，旨在培养认识论上的主权，而非仅仅是技术上的依赖。
原始论文采用 CC BY 4.0 许可（https://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
在现代大学中，一场无声的革命正在重塑知识创造、分享和评判的方式。几个世纪以来，教育依赖于人类作者和实物文本，学生可以追溯一个想法的来源，并理解其诞生的背景。如今，人工智能系统生成文本、总结研究，并决定哪些信息显得最具可信度。这些系统充当了强大的中介，站在学习者与思想世界之间。虽然学校正忙于教导学生如何使用这些工具，但一个关键问题仍悬而未决：掌握操作机器的方法，是否意味着你真正理解了它所产生的知识？这正是从非洲高等教育中涌现出的一种新视角的内核，那里的学者们正在质疑，学习使用那些在未经理解其隐藏假设的情况下进口的技术，是否实际上会让学生变得更加依赖，而非更加自由。
这些观点的研究者是由来自刚果民主共和国及其他地区的学者组成的团队，他们认为目前教授“人工智能素养”的方式在他们的环境下存在根本性的缺陷。大多数现有的项目将人工智能技能视为一份任务清单：学习编写提示词、学习识别错误、学习使用软件。它们假设如果一个学生能更好地完成这些任务，就会成为更独立的思考者。作者认为这是一个危险的错误。他们提出，在技术是在别处构建、基于其他文化数据进行训练、并由遥远的跨国公司治理的地方，仅仅提高使用工具的能力可能会加深对工具的依赖。一名学生可能会变得能够熟练地向机器索取答案，却失去了质疑这些答案是否真实或是否与其自身现实相关的能力。
为了解决这个问题，该团队开发了一个名为“人工智能素养实现主权学习”（AI Literacy for Sovereign Learning）的新框架。他们不将素养视为一堆分离的技能，而是将其视为四种不同能力之间复杂的联系。首先是操作系统的技术技能。其次是质疑系统所知及其知识来源的批判能力。第三是判断系统如何影响公平与正义的伦理性。第四是理解系统如何契合（或未能契合）当地思维方式与社区需求的文化能力。作者认为，真正的独立，即“认识论主权”，只有当这四种能力共同成长时才会发生。如果一名学生在利用技术方面技能高超，却缺乏质疑它的批判性和文化性能力，他们并不会变得自主，而是会成为机器更高效的仆人。
该论文挑战了这样一种观点，即你只需在标准的计算机课程中增加一节关于“伦理”或“主权”的课程，就能期待获得良好的结果。研究人员指出，学生学习的顺序至关重要。如果课程在教导学生如何批判性地分析系统的偏见之前，就先教导他们如何使用工具，那么学生可能会产生一种虚假的自信。他们可能会仅仅因为知道如何让机器运行良好，就信任机器的输出。作者警告说，这创造了一种特定的依赖关系，即学习者因过于习惯于这项技术，以至于不再注意到它的局限性。他们认为，对于非洲乃至任何技术并非本土拥有的地方的学生来说，批判性思维必须是建立技术技能的基础，而非事后的补充。
这种视角还强调了衡量成功方式的差距。作者指出，尽管有十六种不同的测试旨在衡量人工智能素养，但没有一种经过了适当的跨文化测试。设计于世界某部分的测试可能会假设“批判性思维”呈现某种特定样貌，从而忽略了不同文化背景下的学生识别偏见或错误时的特定方式。研究人员建议，如果不解决这个问题，大学可能会面临进口那些衡量错误目标的工具的风险，从而给那些实际上正变得更加依赖外国系统的机构一种虚假的安全感。
这对教师的影响是显著的。论文认为，这种新型学习的最大瓶颈在于教师本身。虽然学生可以通过阅读手册来学习如何输入提示词，但要学习批判性地质疑系统的世界观，则需要一位能够示范这种行为的教师。如果教师本身尚未建立起对人工智能的批判性和文化性理解，他们就无法引导学生做到这一点。作者建议，从业人员的专业发展重点必须从仅仅教授软件，转向帮助教师理解软件所引发的关于知识、权力和文化的深层问题。
最后，研究人员强调，仅靠个人学习无法解决问题。即使一所大学培养出了卓越的、具有批判性思维的学生，如果该大学本身对购买哪些技术或如何使用这些技术没有话语权，这些学生也无法改变系统。论文呼吁机构建立渠道，使学生和教职员工能够影响有关人工智能采用的决策。如果没有这些渠道，培养批判性思维的努力可能会白费，因为机构将继续采购并使用那些强化了学生试图抵制的依赖关系的系统。
作者谨慎地指出，他们的工作是一个概念性的提议，是一张关于如何思考该问题的地图，而非一项已完成实验的报告。他们尚未用新数据测试其具体的预测，但他们通过对现有研究的仔细审查以及对非洲学者生活经验的观察，构建了他们的论点。他们提供了一套清晰的、可在未来进行测试的断言，邀请其他研究人员去检验他们的模型是否成立。通过将焦点从简单的技术熟练度转向更深层次的、植根于文化的独立性，这项工作为人工智能时代的教育提供了一个至关重要的方向。它表明，教育的目标不应仅仅是教导学生如何使用未来的工具，而是要确保他们在利用工具的同时，依然能够掌控自己的思想。
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。