人工智能时代的学习：从数字原生代到人工智能赋能-中国教育和科研计算机网CERNET

资讯

校园信息化

技术

资源与应用

产品与装备

信息服务

首页 > 教育信息化 > 技　　术 > 人工智能AI

人工智能时代的学习：从数字原生代到人工智能赋能

2024-01-15 中国教育网络

　　新一代学习者将在人工智能的推动下进入高等教育。教育机构如何为这些学生提供更好的服务，让他们为未来的职场做好准备？

　　人工智能革命即将到来，标志着未来工作和教育的重大飞跃。与以往的技术浪潮不同，这次革命与上世纪90年代网络的广泛应用颇为相似。也许最引人注目的是，大众采用人工智能的速度，超过了以往任何其他数字技术。人工智能的发展速度更快，应用更普及，潜在的影响范围也近乎无限。与2000年代初网络应用长达数月的开发周期相比，人工智能创新往往在数天内就出现。

　　这种速度令人深思：人工智能将如何塑造下一代学习者？他们的工作环境是怎样的？需要培养哪些技能？此外，围绕数字鸿沟产生的问题尚未完全解决，人工智能的爆发则可能进一步加剧这些问题。我们如何应对人工智能带来的潜在挑战，以确保所有人都能公平地获得学习机会？如今是思考这些问题的时候了。

　　知识与智慧

　　多年前，“数字原生代（Digital Native）”的概念诞生，以描述网络和数字技术对人们产生的影响。教育者希望学习者能够熟练地在各种数字平台上进行多任务处理，具备数字素养，并能适应新的工具。当技术融入到指导性和主动性学习环境中时，学生会做出积极的反应。他们通过合作、联系和策划来主动学习。那么，在人工智能时代，我们该如何加强主动参与式学习？

　　新一代人工智能学习者需要深刻理解知识（knowledge）与智慧（wisdom）之间的细微差别（图1）。利用人工智能工具对“知识”进行处理，而人类则需要在批判性思维和应对道德挑战方面表现出更强的“智慧”。

图1 人工智能时代的学习

　　在人工智能时代，数字原生技能仍然是必要的。此外，学习者还需要具备更多的人工智能素养，才能在未来的职场中取得成功。这些人工智能素养技能必须被纳入所有阶段的课程中，因为对学习者来说，人工智能素养可能最终会变得与阅读和写作一样重要。为了进一步消除数字鸿沟，教育工作者将需要越来越多地倡导促进数字公平的举措，确保可访问和适应性。最终，当学习者从人工智能素养过渡到“人类-人工智能”合作模式时，人工智能才能真正赋能（图2、表1）。

表1 数字原生技能、人工智能素养、人工智能赋能的内涵

图2 数字原生技能、人工智能素养、人工智能赋能的关系

　　以学习者为中心

　　学习设计和技术的进步可以增强学习体验，提高学习效果。学习体验设计（Learning experience design，LXD）的宗旨是将学习者放在设计过程的中心，大量借鉴认知科学、在线学习研究和产品开发方面的成果。自适应学习环境能够增加公平和机会，通过无缝调整学习偏好，引导学习者获得新的能力。人工智能可以嵌入自适应学习平台，提供智能教学助手、即时辅导甚至组建学习小组等功能。

　　在理想情况下，新一代学习者在整个教育过程中都沉浸在数字公平环境中，进入高等教育后，他们将得到人工智能的赋能。自适应学习平台将得到充分发展，学习过程将被简化。教育工作者将建立强大的人工智能能力，并为特定领域的专业人员传授人工智能无法复制的技能。此外，学习者将敏锐地意识到独立思考的重要性，永远不应该放弃认知自主权。这样的学习者将具备卓越的批判性思维、道德判断力和跨学科洞察力，从而推动创新。我们目前还没有做到这一点，但应该以此为目标，在人工智能时代创建以学习者为中心的学习环境，并让人工智能赋能学习者。

　　这一愿景捕捉到了人工智能与其他关键技术协同发展的前景。然而，要实现这一潜力愿景，还有许多步骤要走：

　　高等教育机构应加强教职员工的人工智能素养和赋能，确保最佳实践，保护敏感的学校数据，并与学生有效合作。

　　教育者必须明确人工智能在其特定领域的贡献，为学习者从事相关工作做好准备。

　　教师在设计评估时应善于应用人工智能。

　　高等教育技术机构将面临越来越大的压力，需要开发新的、以人工智能为重点的数据保护和隐私保护方法，尤其是在破坏人工智能工具的行为日益增多的情况下。既能保证机构内部数据安全，又能整合外部数据的解决方案最具优势。

　　高等教育领域的领导者将面对复杂的政策环境，需要权衡数据和知识产权的相关利益和风险。

　　随着我们对人工智能认识的不断深入，从“数字原生代（Digital Native）”到“AI一代（Gen AI）”，人类与人工智能协同合作的潜力将为新一代创新者铺平道路。

　　本文同时刊登于《中国教育网络》2023年10月刊

　　来源：Campus Technology

　　作者：吉姆·朗德

　　编译：项阳

　　特别声明：本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者在两周内速来电或来函联系。