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
YouTube开始推出肖像检测工具,帮助创作者识别和举报使用其面部特征的AI生成视频。该系统类似于版权检测机制,目前处于测试阶段,仅向部分创作者开放。用户需要提供政府身份证件照片和面部视频来验证身份。系统会标记疑似包含用户肖像的视频,但无法保证100%准确识别AI内容。YouTube将根据多项因素决定是否移除举报的视频。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。
谷歌宣布在AI Studio平台中引入"氛围编程"体验,让编程和非编程用户都能更轻松地开发应用程序。用户可通过简单提示生成可运行的应用,新功能包括应用画廊、模型选择器、安全变量存储等。平台还添加了模块化"超能力"功能和"手气不错"按钮来激发创意。完成的原型应用可一键部署到谷歌云运行平台。此次更新正值业界期待谷歌即将发布Gemini 3.0大语言模型。
中国人民大学研究团队开发了Tool-Light框架,通过信息熵理论解决AI工具使用中的过度调用、调用不足和过度思考问题。该框架采用熵引导采样和两阶段自演化训练,让AI学会合理使用外部工具。在10个推理任务测试中,Tool-Light显著提升了AI的效率和准确性,为AI工具集成推理提供了新的解决方案。