生成式AI在教育中的应用与挑战

留学申请微信咨询

微信扫描左侧二维码

或点击下方按钮咨询

在麻省理工学院（2024USNews美国大学排名：2）（MIT）2024年学习节上，教师、讲师和学生们分享了他们在课堂上如何利用生成式人工智能（AI）技术。与会者强调了迭代和教导学生如何在利用这些技术的同时发展批判性思维技能的重要性。MIT的教师和讲师不仅愿意尝试生成式AI，有些人甚至认为这是让学生在未来职场中具有竞争力的必要工具。例如，MIT斯隆管理学院的讲师梅丽莎·韦伯斯特（Melissa Webster）设计了新的作业，让学生通过ChatGPT生成求职信并从未来招聘经理的角度进行批评，以帮助学生发展更高层次的战略技能。MIT全球研究与语言系的高级讲师相川贵子（Takako Aikawa）重新设计了词汇练习，确保学生不仅仅是得到正确或错误的答案，而是对日语有更深的理解。与会者还讨论了生成式AI在K-12教育中的应用，鼓励教育者创造学生可以自主学习的体验。尽管生成式AI可以对教育体验产生积极影响，但用户需要理解大型语言模型可能产生不正确或有偏见的结果。计算机科学课程可以允许学生使用ChatGPT来完成作业，但前提是问题集足够广泛，生成式AI工具无法捕捉到完整答案。总的来说，生成式AI应为学生提供支架，帮助他们实现预期的学习目标，同时培养批判性思维。

生成式AI在培养学生批判性思维中的作用

在人工智能时代，批判性思维比以往任何时候都更加重要。随着生成式人工智能的广泛应用，尤其是在写作和创意领域，人们对其取代人类输出的风险表示担忧。尽管人工智能在许多方面表现出色，但它仍然存在许多局限性，如生成错误信息、偏见输出和推理能力不足等问题。因此，批判性思维对于正确使用和改进人工智能至关重要。批判性思维不仅能帮助人们解决人工智能无法解决的问题，还能提高人工智能的输出质量，识别不良行为者。人工智能无法替代人类的判断力和创造力，尤其是在涉及伦理和情感智能的情况下。为了有效训练和改进人工智能，参与者必须具备强大的批判性思维能力，以确保内容的准确性和人性化。批判性思维在人工智能的训练和应用中起着关键作用，确保人类在人工智能不断进步的过程中仍然是不可或缺的一部分。无论人工智能如何发展，提升个人的批判性思维和问题解决能力将确保其在职业生涯中继续提供价值和成长。

生成式AI在MIT不同学科中的应用实例

在MIT，生成式AI已经被广泛应用于不同的学科，帮助学生更好地理解和掌握课程内容。例如，MIT斯隆管理学院的讲师梅丽莎·韦伯斯特（Melissa Webster）设计了新的作业，让学生通过ChatGPT生成求职信并从未来招聘经理的角度进行批评，以帮助学生发展更高层次的战略技能。这种方法不仅让学生学会如何撰写求职信，还培养了他们的批判性思维和分析能力。

此外，MIT全球研究与语言系的高级讲师相川贵子（Takako Aikawa）重新设计了词汇练习，确保学生不仅仅是得到正确或错误的答案，而是对日语有更深的理解。通过使用生成式AI，学生可以更深入地理解词汇的用法和语境，从而提高他们的语言能力。

生成式AI在K-12教育中的潜在益处和挑战

在将生成式人工智能（AI）整合到K-12教育中时，尽管面临挑战，但AI可以成为创新、改进和包容的门户。生成式AI可以推动高质量教育的普及，尤其是在教师资源不足的情况下，通过云端AI解决方案提供可扩展且经济高效的教育工具。尽管新技术需要全面培训，但这也可以促进教师持续学习文化的形成，使他们具备未来所需的技能。

然而，生成式AI在K-12教育中的应用也面临一些挑战。首先是资源获取不平等问题。尽管生成式AI可以提供高质量的教育工具，但并不是所有学校都能负担得起这些技术。其次是培训和支持的需求。教师需要接受全面的培训，才能有效地使用生成式AI工具。此外，生成式AI的已知偏见问题也为教授数字公民、伦理和批判性思维提供了丰富的背景。

理解大型语言模型在教育环境中的局限性和偏见的重要性

大型语言模型（LLMs）是专门训练来处理和生成文本的人工智能（AI）工具。自从OpenAI的ChatGPT在2022年11月公开发布以来，LLMs引起了广泛的公众关注。这些模型能够回答问题、总结、改写和翻译文本，其水平几乎与人类能力难以区分。与ChatGPT等模型的互动性使得LLMs在包括医学在内的各个领域成为有吸引力的工具。

尽管这些模型有可能民主化医学知识并促进医疗保健的获取，但由于缺乏问责制和透明度，它们也可能传播错误信息并加剧科学不端行为。在教育环境中，理解大型语言模型的局限性和偏见至关重要。教育机构需要透明地规范LLMs的使用，并教授学生如何正确使用这些工具。

在临床实践中，LLMs可以通过传递医学知识、帮助与患者的沟通以及简化文档任务来改善患者护理。它们能够将非结构化信息转换为结构化信息，从而减轻临床医生的文档负担，提高他们对患者的可用性。然而，LLMs也存在传播错误信息和隐私问题的风险。

在医学研究中，LLMs可以帮助总结科学概念和现有证据，尽管其质量取决于基础训练数据。LLMs还可以用于科学文本的生成和编程任务，如代码调试和简化。尽管如此，LLMs在科学写作中的使用需要人类作者的显著修订，以确保准确性和深度。

在医学教育中，LLMs可以提供个性化的教学辅助，生成摘要、演示文稿、翻译和解释。然而，LLMs的使用也可能影响学生的批判性思维能力，因为他们可能依赖这些工具而不是自己进行分析和评估。