Knowing what AI literacy is, but not yet how to teach it: A rapid review of teachers’ professional development needs and effective principles in higher education
这项针对 16 项关于高等教育教师人工智能素养专业发展的研究进行的快速综述，确定了五项关键需求和十种干预措施，但结论指出，尽管关于教师需求的证据正在迅速涌现，但关于有效专业发展方法的稳健研究仍然有限。
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
想象这样一个教室：学习工具的变化速度甚至超过了教科书更新的速度。几十年来，教师一直引导学生进行论文写作、解决问题和进行批判性思考。如今，一种新型技术已经到来，它可以在几秒钟内完成这些论文、解决这些问题并生成创意。这项被称为生成式人工智能的技术不仅仅是一个新奇的小玩意；它正在重塑知识创造与分享的方式。当一名学生可以要求计算机起草整份作业时，教师的角色便发生了转变。他们不再仅仅是答案的来源，而是引导学生在何时使用这些工具、如何核实信息真伪，以及如何在使用这些工具的同时不丢失自身声音的向导。为此，教师需要一套新的技能，通常被称为“人工智能素养”。这不仅仅是关于如何按下按钮；它是关于如何理解如何将这些强大的工具编织进课程中，使其成为促进学生学习而非在不理解的情况下直接提交作业的手段，以及如何教导学生对机器生成的内容进行批判性思考。
一个研究小组致力于了解大学如何为教师的这一转变做好准备。他们进行了一项快速综述，这种方法旨在快速收集并分析最新的可用证据，以观察教师需要学习什么以及哪些培训方法确实有效。他们检索了 2016 年至 2026 年初发表的学术研究，并将重点缩小到十六项专门针对高等教育教师及其培训的研究。研究人员主要寻找两件事：教师表示他们需要学习什么，以及哪些类型的培训项目经过了测试并证明对他们有所帮助。
从这十六项研究中呈现出的图景揭示了一个明显的差距：教师的需求与他们目前所获得的培训之间存在脱节。在被问及需求时，来自不同国家和学科的教师指出了五个主要领域。首先，他们希望获得与日常工作直接相关的实践培训。他们不想要关于计算机如何思考的抽象讲座；他们想知道如何使用这些工具来设计特定的课程或批改特定类型的作业。其次，他们在伦理方面需要帮助。教师们担心工具中的偏见、作品所有权问题，以及如何教导学生负责任地使用技术。第三，他们表达了对持续支持的强烈渴望。他们不想要一次性的研讨会；他们想要一个持续的过程，在这个过程中他们可以学习、与同事分享想法并跟上新的更新。第四，他们需要其所属机构提供明确的规则和政策。教师们不确定什么是允许的，什么是禁止的，他们需要大学就学术诚信和数据隐私设定明确的指南。最后，他们需要符合其特定学科的培训。一名工程学教师的需求与一名文学教师的需求不同，因此“一刀切”的方法是行不通的。
尽管有这些明确的需求，研究人员发现目前的培训项目往往不尽如人意。他们分析了研究中所描述的十个具体的培训干预措施。大多数项目都侧重于基础知识：教授教师技术是如何运作的、如何将其用于写作或图像创作，以及如何将其应用于教学。他们也涵盖了伦理内容。虽然这些项目普遍受到好评，并在进行测试的研究中显示出积极的结果，但研究人员注意到一个显著的问题。培训往往忽略了教师所提出的更广泛的需求。极少有项目涉及对长期协作、机构政策支持或学科特定指导的需求。培训通常是一个单一的事件，比如一场研讨会或短期课程，而不是一段持续的旅程。
此外，研究人员发现很难准确说明这些培训项目的哪些部分使其取得了成功。许多描述这些项目的研究都非常模糊。它们可能提到举办了一场研讨会，但并未解释研讨会持续了多久、教师在环节中具体做了什么，或者在之后如何为教师提供支持。这种细节的缺失使得人们很难知道应该复制或改进哪些部分。研究人员得出结论，虽然我们现在对教师需要学习什么有了良好的理解，但对于最好的教学方式，我们尚未拥有强有力的证据。该领域的发展速度极快，以至于研究正难以跟上步伐。研究表明，有效的培训将不仅仅是一门技术课程；它必须是一个持续的、协作的努力，并得到明确规则的支持，且针对每位教师课堂的具体现实进行定制。在进行更多严谨的研究之前，大学正处于一种状态：他们拥有一个清晰的终点地图，但对于到达那里的路径却只有一个粗略的草图。
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。