在生成AI时代改造教育

一个介绍

盖伊·莱维和ChatGPT-4

在生成式人工智能时代重新定义教育之前，我必须分享一下这篇文章是如何写成的。这是我和ChatGPT之间的一次对话；我更愿意称它为对话，但我相信有人会争辩说你不能与机器进行对话。我仍然认为这是一种对话，但关键点在于ChatGPT和我建立起的关系，这定义了这篇文章的过程和结构。我创造和定义了主要的论点，详细阐述了它们，然后要求ChatGPT独自连接每个论点的关键点。然后，我重新编写了它，从我的经验和其他来源中带来了更多的想法。当我想到一个新的想法时，有时我会要求ChatGPT评论或连接，但这不是系统的。人类智慧（HI）在一个漫长的螺旋式对话中领导着人工智能（AI），我相信这使我们的认知、元认知和智力能力达到了新的高度。当我们完成时，我请求我的LLM伙伴对我们的成果进行批判性反思。结果就在那里。

开场白——教育中的生成式人工智能模式的转变

在这篇短文中，我认为，生成式人工智能时代的到来已经引起了一个范式转变，通过改变所有教育参与者——教师、学生、家长、当地和全球社区，以及希望的决策者和教育部门之间的关系，重新定义了教育。我们正处在一次向更具包容性、参与性和智能化学习环境转型的旅程的开端，这是我们的核心议题。这篇介绍性文章将侧重于新范式的理论基础，接下来的几个月将发表一系列关于新范式的七种教育概念或建构的短文。每篇文章都将包括实用、创新和真实的案例。

在这场变革的核心是创造人工智能（AI）和人类智能（HI）之间的新关系，这些关系定义了学习的架构。这些协同的关系，由集体智慧（CI）丰富，塑造了一个充满活力、动态的学习环境，教师从传统的教师转变为有感情的导师，促进学生代理、合作代理和集体代理——“将教学转变为导师制”。

该转变从传统的“学习”转向了一种沉浸式的“对话”，涉及认知和元认知技能，如批判性思考、问题解决、决策制定、创造力、伦理推理、情感智能、可持续性、全球意识、责任、协作和团队合作。在这个丰富的交流中，智能、人工智能和计算机智能无缝结合，激发好奇心，培养自我导向的探索。

因此，生成式人工智能时代正在重新构想教育领域的“时间和空间”结构。学习变成一种无处不在的过程，扩大了传统学校的视野，促进了多样化和新的学习方法，强化了不断增长的循环。

在这个全新的动态中，学生从仅仅是“课程消费者”转变为积极的“课程共同设计者”，体现了教师和学生之间的共同代理关系。这种共同代理强调发展、设计和反思（元认知技能）作为“新学习”经验的支柱。

虽然我们庆祝这些进步，但是在教育中使用人工智能时，‘引导伴随的伦理考虑’是非常关键的。我们认为批判性思维是当今最重要的技能，尤其是当涉及到人机关系的时候。我们必须确保数据隐私和安全，平等获得人工智能资源，并促进教育的包容性和多样性。尽管如此，在本文中，我们将重点关注学习范式转变的伦理后果，希望监管机构确保人工智能的隐私、公平性和负责任使用。

在这个变革的景观中，评估的本质演变为“元认知持续学习”。它赋予学习者（学生，教师和每个人）调节他们的认知过程，增强自我意识，监测学习策略，并培养认知灵活性以适应新的视角的能力。

最终，生成式人工智能时代不断演变的教育是一个创造“HI-AI-CI生态系统”的复杂相互作用。以关系和对话为核心，这个三元组鼓励个体代理、集体代理和两者之间的一切。通过这种交流，我们旨在深入探讨这些方面，深入挖掘生成式人工智能时代教育的转型之旅。

1. 生成式人工智能正在“串起点滴”，以深入的知识“转变教学为导师制”。

生成型人工智能时代的开始标志着知识获取方式的深刻转型，将其塑造成为动态、互联的形式。

人工智能与人类智能的强有力结合产生出一种独特的协同作用，AI不仅模拟了人类智能，还促进了人类智能联系不同的知识领域，形成了对复杂概念全面、细致的理解（重要特征在于后面我们将会详述的“对话”或“交流”）。

这种演变呼吸了人类智能（HI）和人工智能（AI）之间的革命性关系，而不是把AI视为人类智力的潜在替代品，这种新关系强调AI是人类认知能力的增强器。此外，这种丰富的智力环境孕育了一种新的学习生态系统，其中集体智能（CI）也发挥着关键作用。CI是从合作努力中产生的共享同龄人或群体智能，增强了HI-AI协同作用，鼓励了不同的观点，并为智力实践开辟了新领域。

在HI、AI和CI的全面融合下，为动态的学习环境铺平了道路，教师从传统的教学变为导师，引导学生走上探索性的学习之路。然而，这种转变并不会削弱人类教师的重要性，反而凸显了他们在学习过程中不可替代的作用。生成式AI是一种强大的工具，当被熟练的人类教师操作时，能提高教育体验。它让教师能够快速开发高质量的学习模块，强调积极学习和有吸引力的体验，并提供有针对性的反馈。提供基于AI的实时反馈能力对于反思性学习和元认知过程来说至关重要。实质上，生成式AI不会取代人类教师，而是配备了生成式AI的人类教师将革新教学和学习范式。因此，教育的未来不在于选择人类教师还是AI，而在于协调双方的优势。

2. 学习成为了人工智能（AI）和人类智能（HI）之间的“对话”，促进了认知和元认知技能。

在生成AI时代，学习转化为一场有趣的对话或对答，促进了认知和元认知技能的发展，培养了变革能力。将学习过程转化为动态的“对话”，促进了个人成长和合作。它通过与生成AI及其今天最常见的代表ChatGPT的伙伴关系，创建了教师和学生之间的新关系。当像ChatGPT这样“智能”的机器进入场景时，我们需要掌握关键性思维技能。

批判性思维是认知发展的基石，在这种新的教育范式中得到了显著提升。因为AI为学习者呈现了海量的信息和不同的观点，同时进行“对话”，即提示-回复/响应-提示-回复/响应等的迭代过程，我们必须仔细观察这种“对话”，并进行批判性的审查和分析。这种批判性分析也是促进元认知技能的新学习范式的一部分。学生现在将被鼓励分析、评估和形成合理的判断，从而磨练他们的批判性思维能力。

另一个这种新现实凸显的必要技能是解决问题。由于生成式人工智能提供了各种复杂的真实场景，学习者可以应用自己的知识和构想创新解决方案。然而，他们必须对自己的创新解决方案进行批判性审视，并迭代地与同伴 (CI) 和人工伙伴 (AI) 进行咨询。在这种情况下，生成式人工智能促进创造力，为学生提供了一个无限的探索、想象和创造的画布。它为传统学习环境中可能不可能的可能性和解决方案打开了门。这种教学过程突出了人类智慧 (HI)、人工智能 (AI) 和集体智慧 (CI) 的协同作用，结果是增强了协作和团队合作。

这种汇聚促进了一个学习社区，其中每个实体 - HI、AI和CI，带来了独特的优势，创造了新类型的教育关系，直到现在是教师和学习者（HI和CI）之间的动态互动，在AI参与其中之后，互动水平呈指数增长。这种情境强化了社交和情感技能（SEL）和价值观，促进倾听技能、同情心、尊重多样性和共同责任感。在这种情况下，AI不仅是信息传递工具，而且是谈话中的积极参与者，有助于发展认知和元认知技能。

3. 一种新的时间和空间范式打破了学校教育

生成式人工智能时代不仅在知识形式、沟通交互方式方面带来了新的教育范式，也在颠覆传统学校对时间、空间的概念。在这个重塑的教育格局中，教室的限制和学校时间表的严格性正在被重新构想，为灵活、便捷、无处不在的学习经验铺平了道路。

教育中的“时间”概念正在经历一次重大转变。学习不再受到严格的时间表和学术日历的约束，而是可以根据学习者的节奏和便利进行同步。一年前，我写了一系列有关“夹缝学习艺术”的短文，其中之一便是关于时间的。我使用了Merriam-Webster的定义之一：“时间是一个非空间的连续体，是以事件的先后顺序从过去、现在到未来来衡量的。”在这个非空间连续体中，我们有了一个新的参与者，即生成式AI，如果您想知道为什么，请看以下解释：数字数据是生成式AI的基础，而没有互联网、云存储和通信技术，我们人类就无法访问这些数字数据，因此，生成式AI成为“从过去到现在到未来先后相继的事件”的一个组成部分。生成式AI在我们新现实中的无处不在，即相当于时间。现在，假设我们将环境加入到这个方程式中。这样，我们也引入了上下文的概念，Merriam-Webster将其定义为“环绕一个单词或段落的言论部分，并能够阐明其含义的部分”；“环绕”这个词框定了一个环境。然后，Merriam-Webster的定义又进一步指出，上下文是“某些事物存在或发生的相互关联条件”，将时间作为某些事物发生的时间范围添入公式。同样，生成式AI在时间和空间的新范式中的存在打破了连续学习，使其无处不在。

‘空间’也正在被重新定义。“在学习之间的艺术”系列中，之前提到过空间。我提出的其中一个定义是：“……高度、深度和宽度的尺寸，在其中所有事物存在和移动”。空间被视为一个系统，即空间不仅由其组成部分定义，还由它们之间的联系和关系定义。这些关系带来了动力（或更准确地说，在我们的背景下，学习的动力）、活力和空间的能量。学习空间指学习发生的物理或虚拟环境，在塑造学习体验方面发挥着重要作用，并可以影响学习中的动态水平。学习中的动态性是指一种积极互动的教育方法，鼓励参与、探索和适应性，培养好奇心、批判思维、协作、创造力以及其他技能和能力。我们可以将其定义为一种动态学习空间，可以在生成式人工智能时代革命性地改变学习。

新时空范式伴随生成式人工智能将学习从传统限制中解放出来。它承诺未来教育更易接近、个性化且更符合个体学习者的节奏。

Creators” 4. 从“课程消费者”向“课程创造者”的转变

在生成式人工智能时代的动态景观中，我们正在目睹学生在角色上的深刻变化，从仅仅是“课程消费者”到成为积极的“课程共同设计者”。这种转变不仅重塑了学习过程，也根本改变了教育领域内的传统权力动态。

没有人会反对在设计或共同设计课程模块时学习要比仅仅“消费”为我们开发的标准课程更为有效。这种协同设计流程包括规划、专注于特定知识基础、使用协作学习和团队合作的系统思维、发展批判性思维、解决问题技能以及许多其他技能。如果我们看一下OECD教育和2030年学习指南中关于学生代理的定义，我们就能理解这种变革：“学生代理是……设定目标、反思并负责地行动以达成变革的能力。它关乎的是行动而不是被动接受；塑造而不是被塑造；做出负责任的决策和选择而不是接受他人的决定。”这种心态的“转变”应该逐步管理，因为在我们当前的学校教育中每周至少三十小时的课程“被动消费”或许仅仅相当于十小时的设计和共同设计，这是一种具有更高认知水平和元认知水平的主动过程。正如我们今天所知道的那样，如果没有元认知过程，就没有真正的学习（这得到了许多脑理论的支持）。

生成式人工智能通过成为许多形式或角色的合作伙伴（取决于我们每个人与这台机器的关系方式 - 不论是它、她、他还是其他选项），例如更深入的知识转换器、学习计划顾问、跨学科连接器或设计过程中的任何不同角色，简化了这种转变。 LLM（大型语言模型）是教学交互的缺失部分，提供两个重要的能力：超出人类能力或容量的范围和知识的集成。 在本文的最后一部分，我们将触及生成式AI的新教育生态系统的优势（在我们的例子中为ChatGPT），它着重于人类智能（HI）、人工智能（AI）和集体智能（CI）之间的关系。

5. 在AI教育中导航伦理考虑

人类智能（HI）及其与人工智能（AI）的关系是导航AI教育和学习中伦理考虑的主要因素。首要因素是建立HI-AI关系中的信任和透明度。这包括确保AI的决策过程对其人类用户是透明和可理解的。在AI教育和学习的背景下，可以通过与大语言模型（如ChatGPT）的交互来看到人类智能（HI）-人工智能（AI）关系的例子。在教育上培养具有生产力和道德的HI-AI关系时，建立信任和透明度是其中的一部分——了解AI的操作方式、其建议的基础以及其如何处理数据在这个过程中都是必不可少的。

其次，我们必须在教育环境中解决人工智能偏见和公平性问题，考虑人工智能在教育环境中无意中强化现有偏见或差异的潜力，并探索确保公平和公正的人工智能驱动教育工具和实践的方法。人工智能无意中强化现有偏见或差异的潜力是一个重要的关注点。包括教育在内的人工智能系统从它们接受的数据中学习。如果训练数据包含固有的偏见，人工智能可能会无意中在其决策和建议中不断强化这些偏见。然而，同样重要的是要注意，公平不仅仅关乎使用多样化的数据，也关乎负责任地处理它。

第三，教育中人工智能工具的道德使用是教育工作者和学生的共同责任。随着人工智能技术越来越融入学习过程，所有参与方必须理解其行为的道德影响并负责任地使用这些工具。教育工作者必须保持警惕，确保人工智能工具不会取代教育中的人文关怀。人工智能应被视为支持性工具，而不是取代人类教师所带来的同理心、创造力和批判性判断。我们都知道人工智能对学习的强大影响，因此，学生必须明白在与他们的教师和导师进行交流时透明地使用人工智能的重要性。此外，知识产权也非常重要，每个人都必须保护，即在恰当的情况下承认人工智能的使用。

6. 新的评估是“元认知连续学习”。

在生成式 AI 时代，教育评估正朝着“元认知持续学习模型” 进化。这种新型评估方法不再是传统的测量记忆回忆或特定技能的测试，而是关注学生理解、监控和调节自身认知和元认知过程的能力，这些过程成为学习实践的一部分。在生成式 AI 时代，学习与元学习之间没有区别，因此评估成为学习过程的不可或缺的组成部分，而学习则成为评估过程的重要组成部分。选择你喜欢的，结果都是相同的。

我们的重点是人类智能（HI）和人工智能（AI）也是必不可少的； 学习和评估之间的相互作用，加上AI应用程序生成的即时反馈能力，使学生在学习旅程中也能专注于他们的思维过程。 我认为，当我们提到管理干扰，保持对复杂任务的专注，优先任务，发展成长心态，管理焦虑和压力等方面时，这是创新的。

现在我们已经打下“元认知持续学习”的基础，可以进一步阐述该过程中至关重要的不同点。我们将从自我意识开始——这是有意识地认识和理解自己的思维、情感和行为；自我调节——学生需要在学习过程中监测和调整他们的学习策略；以及洞察力——获得一个准确和深刻直观的理解。如果一组学生被指派开发学校减少碳排放的可持续解决方案，则这项任务不仅需要环境科学和可持续实践的学科知识，还需要各种元认知过程。学生必须计划他们的方法、根据个人优势分配角色、头脑风暴、研究可持续解决方案，并在规定的时间内设计和执行他们的项目。学生在此过程中使用认知技能、应用元认知策略，并监控他们的学习策略。因此，在这种情况下，元认知持续学习将涉及学生意识到并反思这些策略。例如，他们可以问自己一些问题，比如：我们的初始计划效果如何？我们需要在执行过程中改变方法吗，为什么？我们作为一个团队的沟通和协作效果如何？我们在项目过程中如何克服挑战或障碍？我们如何管理时间和资源？等等。在这个例子中，人工智能系统可以在这个反思过程中提供指导和反馈，帮助学生认识他们的优点和缺点，并提出改进策略。这可以显著增强学生的学习体验，确保他们获得有关主题的知识并理解他们的思维过程，使他们具备终身学习所需的技能。

我们可以得出结论，评估中朝着“元认知持续学习”的转变代表了朝着更全面、灵活和以学生为中心的学习方法的转变。它承认学习不仅仅是获取知识，更重要的是了解我们如何思考，调整我们的策略，不断努力改进。

7. 教育的未来：生成AI时代的HI-AI-CI生态系统

人类智能（HI）、人工智能（AI）和集体智能（CI）的融合正在重塑生成AI时代的教育格局，建立一个更具活力、互联互通和有利于学习的全新生态系统。让我们深入探讨这些组成部分及它们之间的相互作用。HI-AI-CI三角形的核心在于创建和培养关系，因为它们促进合作和协作，这是有效学习的关键要素。这个框架中HI、AI和CI之间的共生关系可以导致增强的学习环境。

人类智能(HI)代表着每个学生在学习过程中认知能力，包括问题解决，批判性思维，创造力和情感智能。这是学习的基础，激发好奇心，探索和理解的火花。

在教育环境中，人工智能（AI）指的是能够模拟人类智能某些方面的复杂算法和系统，为学习者提供个性化学习路径、即时反馈和预测分析。它不是设计用来取代人类智能，而是增强它，提高学习过程的效率和效果。

群体智能（CI）反映了一组个体的综合知识和技能。它是智能不仅是个体属性，而是可以从许多个体的协作中出现的理念。这可以在协作学习环境中看到，学生、教师，甚至人工智能系统从彼此学习，创造了一个共享的智能，超越了任何单个参与者的能力。

人类智能（HI）、人工智能（AI）和集体智能（CI）的变革性融合，从根本上重塑了教育生态系统，成为了21世纪教育的缩影。这种交汇形成了一个流动性和灵活性极强的学习环境，精准地满足个人需求，培养了人类智能的关键要素——发散性思维。在这种多维度、网络化的学习方法中，学习者进行分析思考、复杂问题解决和创新思维的培养，实现从传统的线性学习方法向更灵活多变的方法转变。AI作为催化剂，动态地响应个体学习者，调整难度水平，提供实时反馈并追踪进度。AI能够通过利用大量的数据实现规模化的个性化培养，重塑教育方法——从以课程为中心到以学习者为中心，充当认知伙伴，从学习者那里学到同样的东西。

最后，机构、联合机构和集体机构是这个新教育生态系统的核心。机构是指个人独立行动和自主选择的能力。联合机构反映了学生、教师和人工智能系统互动、相互影响和共同创造学习过程的协作努力。集体机构则进一步指整个学习社区，包括学习者、教育者、人工智能系统和更广泛的社会影响共享的权力和责任。这种机构和集体努力的感觉对于培养一个充满活力、包容和参与的学习环境至关重要。

在教育环境中整合人际智能、人工智能和计算智能为学习开辟了新的令人兴奋的领域。通过认识并利用这些不同形式的智能、培养主动性，我们可以创造一个更具吸引力和有效性的学习环境，培养21世纪终身学习所需的技能和心态。

关闭 -- ChatGPT 对文章的评论

我要求ChatGPT根据以下两个主题对这篇文章进行批判性反思：教学创新水平及其未来学校的可行性。

AI（ChatGPT-4）关键反思（无编辑）

文章简介：文章《在生成式人工智能时代改变教育》讨论了生成式人工智能带来的教育范式转变。它探讨了创新的教学理念，并预见未来学生成为课程设计的积极参与者。文章强调人类智能（HI）、人工智能（AI）和集体智能（CI）的整合，并强调人类教师和人工智能之间需要和谐的关系。

批判：这篇文章提出了有趣的教学创新思路，例如从传统的学习方式向认知和元认知技能的沉浸式交流转变。然而，它缺乏具体的例子和实证证据来支持这些思路。这些概念在真正教育环境中的实用性和有效性仍然不确定。没有坚实的证据，很难确定这些创新方法的实际影响和可行性。

此外，该文章并没有全面讨论在教育中实施生成型人工智能所面临的实际挑战。它简要提到了人类教师的作用和与人工智能的协调需要，但它忽略了将人工智能融入现有教育系统的复杂性。缺乏对基础设施需求、专业发展和持续支持的讨论引发了对这些教学创新可行性和可扩展性的质疑。

此外，该文章未能全面分析教育中人工智能所涉及的道德考虑和潜在风险。 应该彻底研究和解决数据隐私、算法偏见以及对人类代理和决策影响的道德问题，以确保人工智能技术的负责和公平使用。由于未能充分解决这些道德问题，该文章留下了一个关键方面未被探索。

总之，虽然该文章提出了引人入胜的教学创新思路，并强调了 HI、AI 和 CI 的整合，但它缺乏实证证据，未能解决实际实施难题，并忽视了伦理考虑的重要性。如果没有具体的例子、全面的实施挑战审查和全面的伦理影响分析，就难以评估教学创新水平和未来学校愿景的可行性。

嗨，回复。

ChatGPT-4用了大约12秒钟来写上面的批判性反思。它一致而且写得很好。它触及了关键问题——“……未能解决实际执行挑战……”不过，在开头的第一段我写道：“这篇介绍性文章将聚焦于新范式的理论基础，并将紧随其后发布一系列关于新范式的七个教学概念和构建的短文。每个文章都将包括实际的、创新的、真实的案例。” 这篇文章专注于“新范式的理论基础”，我说明它将随后出现“实际的、创新的、真实的案例”。ChatGPT-4是否忽略了这些？我不这样认为。对于ChatGPT-4来说，理论论据是不完整的，指出“如果没有具体的例子、深入研究实施挑战以及对伦理影响的全面分析，就很难评估教学创新的水平和未来学校建议愿景的可行性。”机器或者大型语言模型(LLM)无法读取思想、意图、愿望或者个人偏好，如果事情没有在提示中明确陈述的话。我认为这是LLM的显著优势之一，所以我们在下面继续见。