Generative Artificial Intelligence Policies and Guidelines across Top Ranked Universities: Insights from AI Ecological Education Policy Framework for AI Integration and University Policy Development Framework for GAI
本研究分析了中东和北非地区顶尖大学的生成式人工智能（GenAI）政策，揭示了其对治理和学术不端行为的高度关注，但也凸显了在利益相关者参与、本土化语境适配以及缓解环境和心理风险方面的关键空白。
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
想象一下，大学的世界就像一座巨大且繁忙的城市。长期以来，这座城市有一套交通规则：“不要奔跑”、“红灯停”以及“写你自己的文章”。但突然之间，一辆极其快速且充满魔力的车辆抵达了：生成式人工智能（GenAI）。这辆车可以在几秒钟内写出论文、解决数学题并创作艺术品。
城市的领导者们（大学）措手不及。有些惊慌失措地禁止这些车辆；有些则任由它们横冲直撞。这篇论文就像是一位城市检查员，走访了中东和北非（MENA）地区最顶尖的500所大学，去观察：谁为这些神奇的汽车编写了新的交通规则？这些规则说了什么？以及它们是否遗漏了某些重要的内容？
以下是他们发现的情况，分为几个简单的部分。
1. 大局观：谁拥有规则？
研究人员调查了来自20个国家（从摩洛哥到沙特阿拉伯）的顶尖大学。他们发现，大约**三分之二（68%）**的这些顶尖学校实际上已经制定了一些关于使用生成式人工智能的规则或指南。
- 好消息： 大多数学校并没有忽视这个问题。他们正在努力弄清楚如何应对。
- 坏消息： 仍有约三分之一的顶尖学校完全没有任何官方规则，让学生和教师只能靠猜。
2. 用于检查政策的两套“规则手册”
为了理清所有不同的规则，研究人员使用了两个特殊的“清单”框架（就像两副用来观察数据的不同眼镜）：
- “Chan”眼镜： 侧重于学校的日常生活。它们会问：这对教学有什么影响？我们如何防止作弊？我们如何确保每个人都受到公平对待？
- “UPDF-GAI”眼镜： 侧重于人们对这项技术的感觉和思考方式。它们会问：这项技术易于使用吗？它有风险吗？人们信任它吗？人们觉得自己有能力使用它吗？
通过同时使用这两副眼镜，研究人员得到了一个完整的图景。
3. 规则实际在说什么（主要主题）
当研究人员阅读这些规则时，三个大主题脱颖而出，就像支撑起帐篷的三根支柱：
A. “不要作弊”支柱（学术不端行为）
这是最常见的主题。学校非常担心学生利用这辆神奇的汽车来完成作业，而不是亲自进行思考与劳动。
- 规则： “如果你使用了人工智能，你必须承认。”
- 问题： 许多学校虽然说“不要作弊”，但并没有明确的计划来告诉大家如何抓捕作弊者，或者如果真的发生了作弊该怎么办。这就像是挂着“禁止乱扔垃圾”的牌子，却没提供垃圾桶或垃圾收集员。
B. “安全第一”支柱（隐私与安全）
学校担心，如果你将秘密的研究成果或个人的学生数据输入到公共人工智能中，这些数据可能会被窃取，或者被用于永久训练该人工智能。
- 规则： “不要把你的私人秘密输入到人工智能中。”
- 差距： 虽然学校谈论“隐私”和“安全”，但它们经常混用这两个词，而没有解释其中的区别。这就像是告诉人们要“注意安全”，却没解释锁定房门和系好安全带之间的区别。
C. “帮助我们学习”支柱（培训与支持）
学校意识到他们不能仅仅禁止这些汽车；他们需要教人们如何安全驾驶。
- 规则： “我们将提供研讨会和指南。”
- 差距： 许多学校表示他们将提供培训，但实际上还没有建立起相关的课堂。此外，他们经常忘记教学生如何对人工智能所说的话进行批判性思考。他们需要学习人工智能也会“撒谎”（被称为“幻觉”），并且必须核实其工作内容。
4. 缺失了什么？（盲点）
研究人员发现了一些学校在编写规则时忘记提及的事情：
- 缺失了“人文关怀”： 极少有学校提到心理风险。他们没有警告学生：“不要用人工智能来讨论你的感受或心理健康；它没有灵魂，可能会给出错误的建议。”
- 缺失了“地球环境”： 几乎没有人谈论环境成本。使用这些人工智能工具需要消耗大量的电力和水资源。这就像是在开着一辆耗油量巨大的汽车，却从未提及排出的烟雾。
- 缺失了“本土声音”： 许多学校只是照搬了大型国际大学（如哈佛或牛津）的规则，而没有询问他们当地的教师和学生对此有何看法。这就像是一个沙漠中的城市在照抄雪地城市的交通规则，却没意识到他们并不需要雪地轮胎。
5. 最终结论
论文得出结论，虽然中东和北非地区的大学正在觉醒并意识到人工智能的现实，但它们仍处于“起草阶段”。
- 它们擅长于： 说出“不要作弊”和“保护你的数据”。
- 它们弱于： 解释如何解决问题、进行妥善培训、考虑环境因素，以及征求当地人的意见。
核心观点：
大学已经开始制作交通标志，但它们还没有修好道路、安全护栏和驾驶学校。为了向前迈进，它们需要停止仅仅模仿其他城市，而是开始编写适合自己独特社区的规则，让从学生到教师的每一个人都参与到对话之中。
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。