高等教育专家必须为与AI的全面协作做好准备,否则很可能错失机会、与学生群体脱节。
根据Tyton Partners最新发布的调查结果,学生在使用生成式AI产品方面的速度远比老师更快。从具体数据来说,教职工群体中的AI频繁使用比例仅为22%,而学生的这一比例则高达49%。
但从教育机构层面看,AI技术的推广速度也绝不算慢。2023年Intelligent公布的调查显示,82%的教育机构已经在年内把AI纳入招生工作流程当中,接纳态势已经相当明确。只是在AI产品的实验、采用和接纳度等方面,教育机构的表现还明显落后于企业组织。
高等教育生态之所以对AI技术的部署犹豫不决,部分原因可能在于还没相好要如何、在何处以及何时使用AI。此外,不少学院、大学和研究生项目的负责人可能还对AI技术抱有偏见。没错,生成式AI确实将抄袭和洗文的门槛大大降低,但绝不应少量滥用行为就对这项改天换地的技术因噎废食。
相反,愿意广泛了解AI潜力的高等教育机构将获得多种优势。包括利用有限的资源处理更多事务,为学生提供更加个性化的体验,以及充分利用AI预测能力来吸引更合适、更具多元代表性的学位申请人。
下面,我们就从三个方面展望AI在高等教育机构及相关项目中的创新应用。
1. AI可帮助管理人员分担更多手动任务
世界各地的机构已经发现一个重要事实:重复性任务长期占用员工的大量时间。UiPath在2021年的一项调查中发现,员工每周浪费在那些本该自动化、缺乏创造性价值的工作上平均浪费掉4.5个小时。不管从哪个角度看,这都是在平白浪费运营预算,也提醒各部门应认真审视AI技术的应用潜力。
AI工具、软件和插件已经所在多有,它们能够轻松、顺畅地接管这类简单重复的工作。而在高等教育机构的行政与“后台”层面,具体工作可能涵盖发出录取通知后的文书处理工作、及时发现可能面临退学风险的学生,并充分发挥人类员工的独特价值。在实际课堂与学习环境中,AI则可提供辅助功能以减轻教师的手动操作负担,例如整理教学报告和将成绩单转录为电子表格。
利用AI作为自动化解决方案的关键,在于准确找出仍存在大量重复浪费的工作环节。以此为基础,应先在受控环境内开展AI技术试点,而后通过小组逐步推行,确定相关方案在哪些部门和人群内最具现实价值。
2. AI有助于塑造更公平的整体招生态势
时至今日,招生仍是高等教育中最受关注的领域之一。随着最高法院做出废除大学招生平权行动的裁定时,整个高校圈为之震动。人们担心未来的申请流程再无公平公正可言,而AI的介入有望在根本上扭转当前的颓势。
那么未来一揽子招生流程将如何运作?国际联络组织Othot分部主席Andy Hannah解释称,学校应首先将一揽子招生方法与自身使命保持统一。以此为基础,“机构和项目可以识别与其目标最为接近的人口统计与行为变量,借此确定申请人的品质与经历。虽然毅力、同理心等因素难以量化,但现在可以通过将机构和规划任务与特定变量相映射来设定框架,从而利用机器优化不同学生群体的构成。”
Hannah声称,通过利用AI技术根据多种独特标准开展申请人评估,招生人员有望超越传统意义上的标准考试成绩、平均绩点或其他数字性排名,消除不利于学生群体多元化的偏见。这类“非线性”模型将引导学校以更加细致负责的态度推进招生工作,帮助招生团队把握学生身上的更多亮点。
3. AI能够为学生提供定制化水平更高的课程安排。
在消费级市场上,个性化与定制化早已成为决定业务成败的关键。Insider Intelligence在报道中指出,73%的消费者期望品牌提供个性化服务。同样的趋势自然也将在学生和高等教育机构的交互中有所体现。
AI技术能够以之前无法想象的方式大规模提供个性化服务。以常青藤科技社区学院为例,他们开发出一种独特的算法,能够轻松发现在统计学意义上难以通过课程或顺利毕业的学生。根据Google Cloud上的一篇报道文章,“此算法能够在每学期第二周以60%到70%的准确率预测学生们的最终课业成绩。”结果就是,学院内多达3000名学生提前获得了有针对性的课程辅导与教学干预。
当然,这还只是AI在高等教育领域增强个性化水平的单一案例与小小缩影。其他潜在应用还包括使用AI提供纠正性与指导性的写作反馈,制定个性化学习计划并帮助大一学生充实度过走进校园后的第一周。
学习是高等教育中的永远核心。如今,机构应当提高对AI技术的理解,运用这项新兴成果为自身乃至全体学生提供支持。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。