關(guān)注“在線學(xué)習(xí)”

獲取更多資訊！

刊載信息

林婕，& 周玲.(2025).如何應(yīng)對生成式人工智能：美國頂尖大學(xué)的策略與實踐. 中國遠程教育(5),108-125.

如何應(yīng)對生成式人工智能：美國頂尖大學(xué)的策略與實踐
林婕, 周玲

【摘要】生成式人工智能的迅猛發(fā)展正在重塑全球教育格局，其在教學(xué)、學(xué)習(xí)和學(xué)術(shù)研究中的應(yīng)用潛力引發(fā)了廣泛關(guān)注。目前我國高等教育機構(gòu)普遍缺乏系統(tǒng)性的應(yīng)對策略和規(guī)范化的管理框架。為探索高校如何有效應(yīng)對生成式人工智能帶來的機遇與挑戰(zhàn)，本研究選取十所美國頂尖大學(xué)作為研究對象，全面考察了這些高校在生成式人工智能應(yīng)用中的制度規(guī)范、教學(xué)實踐和風(fēng)險防控等方面的舉措。研究發(fā)現(xiàn)，美國頂尖大學(xué)在應(yīng)對策略上呈現(xiàn)三個主要特征：一是注重構(gòu)建系統(tǒng)化的制度框架，通過“一般性規(guī)范+專門性政策”的組合實現(xiàn)分類施策；二是堅持以教學(xué)為本、技術(shù)賦能的理念，在課程創(chuàng)新、教學(xué)模式和評價方式等方面進行全面改革；三是建立嚴(yán)格的風(fēng)險防控體系，通過明確責(zé)任邊界、強化數(shù)據(jù)安全和保護知識產(chǎn)權(quán)等措施確保技術(shù)應(yīng)用的規(guī)范性。因此，對我國高校應(yīng)用生成式人工智能提出以下啟示，構(gòu)建規(guī)范應(yīng)用體系，保障技術(shù)使用效能；深化教學(xué)融合創(chuàng)新，提升人才培養(yǎng)質(zhì)量；強化風(fēng)險防控措施，維護教育數(shù)據(jù)安全。希望本研究為我國高校在人工智能時代推進教育創(chuàng)新、提升教學(xué)質(zhì)量、維護學(xué)術(shù)誠信提供一定的參考。

【關(guān)鍵詞】生成式人工智能; 美國頂尖大學(xué); 教育實踐; 教育策略

一、

引言

2022年以來，生成式人工智能（Generative artificial intelligence，GenAI），如ChatGPT等，通過其類人的認(rèn)知、生成和創(chuàng)造能力，在教育領(lǐng)域引發(fā)了認(rèn)知框架的變革。它不僅提升了教學(xué)的效率和質(zhì)量，還促進了因材施教和課堂活力的重塑，推動教育走向更加個性化和全面發(fā)展的方向（周玲 & 王烽, 2023）。生成式人工智能是一種重要的創(chuàng)新，它在教育中的應(yīng)用不僅僅是關(guān)于技術(shù)的融合，更關(guān)乎如何高效地滿足不同的教學(xué)需求和促進學(xué)生的全面發(fā)展。生成式人工智能在教學(xué)各環(huán)節(jié)中產(chǎn)生了復(fù)雜效應(yīng)，將生成式人工智能和傳統(tǒng)教學(xué)方法有效結(jié)合，可以極大地提升教學(xué)效果和學(xué)習(xí)體驗（秦渝超 等, 2023）。這種技術(shù)的核心價值在于其人本主義的導(dǎo)向（王煒 等, 2024），在教育體系中能充分發(fā)揮其對即時信息輸出、自組織學(xué)習(xí)和知識遷移的促進作用（董艷 等, 2023）。同時，為了避免可能出現(xiàn)的未知后果，需要深思熟慮地采用這些技術(shù)。

生成式人工智能在技術(shù)邏輯、成果及其深遠意義上實現(xiàn)了重大突破，為我國教育數(shù)字化轉(zhuǎn)型提供了新的動力和機遇。近年來，我國積極推進教育信息化和數(shù)字化轉(zhuǎn)型，這種轉(zhuǎn)型正是通過采用人工智能等信息技術(shù)，從傳統(tǒng)教學(xué)模式轉(zhuǎn)向高效、便捷的數(shù)字化教學(xué)，旨在創(chuàng)造新的教育體驗并滿足市場需求（焦建利, 2023）。各地也在加快完善相關(guān)政策框架。如2024年10月，北京市率先發(fā)布教育領(lǐng)域人工智能應(yīng)用指南，構(gòu)建了涵蓋教學(xué)、學(xué)習(xí)、評價、育人、科研和管理六大領(lǐng)域的應(yīng)用框架，并提出了近30個典型場景的實施標(biāo)準(zhǔn)。該指南強調(diào)以學(xué)生發(fā)展為中心，注重人工智能技術(shù)與教育教學(xué)規(guī)律的深度融合，為全國教育數(shù)字化轉(zhuǎn)型提供了重要參考（北京日報, 2024）。在國家層面，教育部正在推進人工智能應(yīng)用試點示范工作，通過建設(shè)教育數(shù)字化大數(shù)據(jù)中心等措施，為教育領(lǐng)域的技術(shù)創(chuàng)新和智能化發(fā)展提供基礎(chǔ)支撐（人民網(wǎng), 2024）。

研究美國頂尖大學(xué)如何應(yīng)對生成式人工智能的挑戰(zhàn)，以及他們制定的相關(guān)指南，對于理解和引導(dǎo)這項技術(shù)在教育中的正確應(yīng)用至關(guān)重要。隨著生成式人工智能在全球范圍內(nèi)的快速發(fā)展和廣泛應(yīng)用，確保高等教育系統(tǒng)適應(yīng)這一變革，為師生提供明確的指導(dǎo)和支持，并對生成式人工智能在教育領(lǐng)域的發(fā)展進行階段性反思，是確保技術(shù)帶來積極效應(yīng)、避免潛在風(fēng)險的關(guān)鍵。

本研究首先通過系統(tǒng)性搜索，收集了十所美國頂尖高校的廣泛樣本，涉及生成式人工智能應(yīng)用的官方文件、政策聲明、新聞報道等。對收集的文獻進行深入分析，識別關(guān)鍵策略，并對不同大學(xué)應(yīng)對生成式人工智能的實踐進行橫向比較，識別共性和差異。

為確保研究對象的代表性和權(quán)威性，本研究采用了多維度的篩選標(biāo)準(zhǔn)。第一，參考兩個廣受認(rèn)可的全球大學(xué)排名系統(tǒng)：QS世界大學(xué)排名2025（QS World University Rankings 2025）和軟科世界大學(xué)學(xué)術(shù)排名2024，選取同時位列這兩個排名系統(tǒng)前25名的美國大學(xué)作為初步樣本。第二，基于以下三個關(guān)鍵標(biāo)準(zhǔn)進行最終篩選：一是生成式人工智能政策和實踐的創(chuàng)新性，即該校是否發(fā)布了系統(tǒng)性的生成式人工智能應(yīng)用指南或開展了創(chuàng)新性的實踐；二是數(shù)據(jù)的可獲得性，即是否有充分的公開資料可供研究；三是學(xué)科綜合性，即選取的學(xué)校應(yīng)覆蓋不同的學(xué)科特色和辦學(xué)定位。基于這些標(biāo)準(zhǔn)，最終確定了十所美國頂尖大學(xué)作為研究對象，分別是麻省理工學(xué)院、哈佛大學(xué)、斯坦福大學(xué)、加州理工學(xué)院、賓夕法尼亞大學(xué)、加州大學(xué)伯克利分校、康奈爾大學(xué)、芝加哥大學(xué)、普林斯頓大學(xué)和耶魯大學(xué)。需要說明的是，這種案例選擇方法也存在一定局限性。一是這十所大學(xué)主要是私立研究型大學(xué)，不能完全代表美國高等教育的整體情況，特別是各州公立大學(xué)和規(guī)模較小的文理學(xué)院可能有不同的策略和挑戰(zhàn)。二是由于數(shù)據(jù)可得性的限制，我們主要依賴這些學(xué)校公開發(fā)布的政策文件和新聞報道，可能無法完全捕捉到實踐層面的細節(jié)。然而，作為世界一流大學(xué)，他們的創(chuàng)新實踐和政策探索仍具有重要的參考價值。

二、

美國頂尖大學(xué)應(yīng)對生成式人工智能的舉措

在分析框架的構(gòu)建上，本研究主要參考了聯(lián)合國教科文組織（(United Nations Educational, Scientific and Cultural Organization，UNESCO）發(fā)布的《教育與研究領(lǐng)域生成式人工智能指南》（以下簡稱《指南》）和美國高校現(xiàn)有實踐。UNESCO的《指南》提供了關(guān)于生成式人工智能在教育領(lǐng)域應(yīng)用的系統(tǒng)性框架，包括透明度、責(zé)任、公平性、隱私保護等維度（UNESCO, 2023）。在此基礎(chǔ)上，結(jié)合高校實踐中的具體問題，本研究構(gòu)建了包含八個核心維度的分析框架（如圖1所示），用于系統(tǒng)考察美國頂尖大學(xué)的應(yīng)對策略。

圖1 生成式人工智能應(yīng)用框架

如圖1所示，這八個維度相互關(guān)聯(lián)，共同構(gòu)成了高校應(yīng)對生成式人工智能的政策框架：第一，透明度維度強調(diào)在使用生成式人工智能時的公開性和可追溯性，這是確保其他維度有效實施的基礎(chǔ)；第二，責(zé)任與準(zhǔn)確性維度關(guān)注內(nèi)容生成的質(zhì)量控制和責(zé)任歸屬，直接影響教學(xué)質(zhì)量和學(xué)術(shù)誠信；第三，偏見與歧視維度著眼于技術(shù)使用中的公平性問題，這與UNESCO強調(diào)的教育公平理念相呼應(yīng)；第四，隱私與數(shù)據(jù)保護維度針對高校特殊的數(shù)據(jù)安全需求，保護師生權(quán)益；第五，學(xué)術(shù)道德與教學(xué)維度是高校最為關(guān)注的核心領(lǐng)域，涉及如何在保持學(xué)術(shù)標(biāo)準(zhǔn)的同時有效利用新技術(shù)；第六，安全性維度關(guān)注技術(shù)應(yīng)用中的系統(tǒng)和網(wǎng)絡(luò)安全，是數(shù)據(jù)保護的技術(shù)保障；第七，采購與合規(guī)維度確保技術(shù)引入符合相關(guān)法規(guī)和機構(gòu)標(biāo)準(zhǔn)；第八，知識產(chǎn)權(quán)維度處理創(chuàng)新成果的歸屬和保護問題，與學(xué)術(shù)誠信密切相關(guān)。

通過分析十所美國頂尖大學(xué)關(guān)于生成式人工智能使用的政策，發(fā)現(xiàn)各校在三個領(lǐng)域呈現(xiàn)出共性：在偏見與歧視防范方面，十所大學(xué)均采取了高度一致的立場，要求師生在使用生成式人工智能時必須警惕其可能存在的偏見和不準(zhǔn)確性，并進行必要的核實與甄別；在數(shù)據(jù)安全方面，各校都明確規(guī)定不得將敏感信息、機密數(shù)據(jù)輸入生成式人工智能平臺，體現(xiàn)了對數(shù)據(jù)安全的高度重視；所有學(xué)校都強調(diào)要注意版權(quán)保護、遵守知識產(chǎn)權(quán)政策，基本原則一致。然而，各校政策也存在差異，如學(xué)術(shù)道德與教學(xué)的具體規(guī)則和實施方式有所不同（如表1所示）。

表1 十所美國頂尖大學(xué)生成式人工智能（GenAI）使用政策對比表

注：表格資料來源于各大學(xué)官網(wǎng)。

（一）建立生成式人工智能應(yīng)用的規(guī)范體系，確保技術(shù)使用的合理性與有效性

在美國頂尖大學(xué)中，制定并遵循一系列原則是引導(dǎo)生成式人工智能合理應(yīng)用的基礎(chǔ)。具體來說，大學(xué)通過制定詳細的策略和指南，如對課堂使用生成式人工智能的規(guī)定、作業(yè)提交中生成式人工智能的使用要求等，確保技術(shù)應(yīng)用不僅促進教學(xué)效果的提升，也符合道德和法規(guī)的要求。

1. 構(gòu)建系統(tǒng)化的學(xué)術(shù)誠信框架，強化技術(shù)應(yīng)用的規(guī)范性管理

隨著生成式人工智能在教育領(lǐng)域的深入應(yīng)用，學(xué)術(shù)誠信面臨前所未有的挑戰(zhàn)和重新定義的需求。這種技術(shù)能夠快速生成內(nèi)容，模糊了原創(chuàng)與借鑒的界限，使傳統(tǒng)的學(xué)術(shù)規(guī)范和評價標(biāo)準(zhǔn)面臨調(diào)整。在這種背景下，如何制定既能適應(yīng)新技術(shù)特點又能維護學(xué)術(shù)標(biāo)準(zhǔn)的使用規(guī)范，成為各大高校的重要課題。學(xué)術(shù)誠信規(guī)范的建立不僅關(guān)系教育公平和質(zhì)量，更直接影響學(xué)生的學(xué)習(xí)態(tài)度和未來職業(yè)發(fā)展。

在具體實踐中，美國頂尖大學(xué)采取了不同的應(yīng)對策略。斯坦福大學(xué)的行為操守委員會（Board on Conduct Affairs）采用了一種創(chuàng)新的理解，將生成式人工智能的使用類比為“獲得他人協(xié)助”，這種類比為學(xué)生提供了一個易于理解的參考框架（Stanford University, 2023）。加州理工學(xué)院則提出了更為系統(tǒng)的四項核心原則：披露、數(shù)據(jù)保護、內(nèi)容責(zé)任和榮譽準(zhǔn)則，為全校師生提供了明確的行為指南（California Institute of Technology, 2024a）。普林斯頓大學(xué)采取了擴展現(xiàn)有學(xué)術(shù)誠信規(guī)定的方式，明確規(guī)定學(xué)生不得將人工智能生成的內(nèi)容冒充為自己的工作，使學(xué)術(shù)誠信要求與新技術(shù)應(yīng)用實現(xiàn)了有機統(tǒng)一（Princeton University, 2023a）。康奈爾大學(xué)則從學(xué)習(xí)目標(biāo)的角度構(gòu)建學(xué)術(shù)誠信框架，明確建議教師在課程開始時就與學(xué)生進行深入對話，討論學(xué)術(shù)誠信的重要性，強調(diào)無論技術(shù)如何發(fā)展，基本的學(xué)術(shù)誠信原則仍然適用。同時，學(xué)校建議不要使用自動檢測算法來判斷學(xué)術(shù)不端，以避免其不可靠性帶來的負(fù)面影響，因為自動檢測軟件或算法目前無法提供違規(guī)行為的確鑿證據(jù)。（Cornell University, 2024a）

美國頂尖大學(xué)在應(yīng)對生成式人工智能挑戰(zhàn)的過程中，形成了一些共同特點：第一是原則性，堅持將學(xué)術(shù)誠信作為核心價值，在技術(shù)變革中守住底線；第二是創(chuàng)新性，通過創(chuàng)新方法和表述方式，使學(xué)術(shù)誠信規(guī)范更易為師生理解和接受；第三是實踐性，注重規(guī)范的可操作性和實際效果，避免空洞的口號。

2. 完善教學(xué)互動機制改革，推動師生關(guān)系的重新定位

生成式人工智能的引入一定程度上改變了傳統(tǒng)的教學(xué)互動模式。這種變革不僅體現(xiàn)在技術(shù)工具的使用上，更反映在師生關(guān)系的重新定位和教學(xué)過程的重新設(shè)計方面。規(guī)范師生互動機制的核心在于明確技術(shù)使用的邊界和規(guī)則，確保技術(shù)應(yīng)用服務(wù)于教學(xué)目標(biāo)，而不是成為逃避學(xué)習(xí)的工具。這種機制需要在保持學(xué)術(shù)標(biāo)準(zhǔn)的同時，為師生提供清晰的行為指引，使教學(xué)過程既能適應(yīng)技術(shù)發(fā)展，又能維護教育本質(zhì)。

在具體實踐中，美國頂尖大學(xué)探索了多種規(guī)范路徑。耶魯大學(xué)率先建立了規(guī)范化的使用申請流程，要求學(xué)生在使用生成式人工智能前必須提交詳細的使用說明。這種說明需要包含兩個關(guān)鍵要素：一是具體的使用目的和方式，二是該工具在學(xué)習(xí)過程中的具體作用和價值（Yale University, 2024c）。在作業(yè)提交環(huán)節(jié)，各校普遍要求學(xué)生明確標(biāo)注使用生成式人工智能的情況，包括使用的具體工具、時間、提示語和訪問鏈接等信息。特別值得注意的是，賓夕法尼亞大學(xué)要求將生成式人工智能列為共同作者，這種做法推動了對生成式人工智能在學(xué)術(shù)創(chuàng)作中角色的重新思考（University of Pennsylvania, 2024a）。康奈爾大學(xué)則采取了更為靈活的規(guī)范框架，提出“完全禁止使用”“允許標(biāo)注使用”和“鼓勵使用”三種不同的人工智能使用政策供教師選擇：在基礎(chǔ)知識和技能培養(yǎng)階段禁止使用；在支持高階思維和技能發(fā)展時，允許在明確標(biāo)注的情況下使用；在探索性和創(chuàng)造性學(xué)習(xí)環(huán)節(jié)，則鼓勵利用人工智能工具來促進創(chuàng)新思維的發(fā)展（Cornell University, 2023）。

美國頂尖大學(xué)在規(guī)范師生互動機制方面的實踐展現(xiàn)出以下特點：首先是程序性，通過建立清晰的使用流程和申請使用機制，確保技術(shù)應(yīng)用的可控性；其次是差異化，根據(jù)不同的教學(xué)階段和學(xué)習(xí)目標(biāo)，采取不同的管理策略；最后是透明度，要求對技術(shù)使用情況進行全面披露和說明。這種多層次、多維度的規(guī)范機制既保證了教學(xué)秩序的有序運行，又為技術(shù)創(chuàng)新應(yīng)用預(yù)留了空間。

3. 健全多層次治理體系，實現(xiàn)技術(shù)應(yīng)用的科學(xué)管控

大學(xué)作為知識創(chuàng)新和傳播的重要場所，在面對生成式人工智能這一新興技術(shù)時，需要建立科學(xué)有效的治理體系。實用性治理框架的構(gòu)建不僅關(guān)系技術(shù)應(yīng)用的規(guī)范性，更涉及教育質(zhì)量的保障和創(chuàng)新能力的提升。這種框架需要在保持制度連續(xù)性的基礎(chǔ)上，充分考慮新技術(shù)帶來的特殊挑戰(zhàn)，建立既能有效管理又便于操作的治理機制。在具體實踐中，美國頂尖大學(xué)探索了不同的治理路徑。

麻省理工學(xué)院提出的方案特別強調(diào)利用現(xiàn)有監(jiān)管經(jīng)驗，主張通過擴展現(xiàn)有的監(jiān)管框架來管理生成式人工智能的應(yīng)用，既避免了重復(fù)建設(shè)，又能快速響應(yīng)技術(shù)帶來的挑戰(zhàn)（MIT Computer Science and Artificial Intelligence Laboratory, 2024）。康奈爾大學(xué)則建立了一個基于七個要素的控制框架，包括監(jiān)督和問責(zé)、政策和程序、教育和意識等，并計劃建立專門的資源庫來支持規(guī)范化應(yīng)用（Cornell University, 2024b）。芝加哥大學(xué)采取了將生成式人工智能政策與現(xiàn)有制度有機結(jié)合的方式，通過提供詳細的討論指南，促進教師間就技術(shù)應(yīng)用進行深入交流（University of Chicago, 2024a）。這些治理框架的建立，為生成式人工智能在高等教育中的規(guī)范應(yīng)用提供了制度保障。

基于此，成功的實用性治理框架具有三個關(guān)鍵特征：一是注重制度的延續(xù)性，通過對現(xiàn)有制度的擴展和改良來應(yīng)對新挑戰(zhàn)，避免制度斷裂；二是強調(diào)框架的完整性，從監(jiān)督、政策到教育等多個維度構(gòu)建全方位的治理體系；三是重視互動與反饋，通過建立交流機制促進政策的持續(xù)優(yōu)化。

（二）推進生成式人工智能與教學(xué)深度融合，提升教育教學(xué)質(zhì)量

美國頂尖大學(xué)在深化生成式人工智能與教學(xué)整合方面采取了系統(tǒng)性的舉措，主要體現(xiàn)在課程創(chuàng)新、教學(xué)模式改革和基礎(chǔ)設(shè)施建設(shè)等方面。這些舉措不僅體現(xiàn)了技術(shù)應(yīng)用的深度，也展示了教育理念的創(chuàng)新。

1. 創(chuàng)新課程教學(xué)模式改革，探索跨學(xué)科人才培養(yǎng)新路徑

生成式人工智能的出現(xiàn)，不僅改變了傳統(tǒng)的教學(xué)方式，也為跨學(xué)科融合和創(chuàng)新型人才培養(yǎng)提供了新的可能。如何將人工智能技術(shù)有機融入課程體系，使其真正服務(wù)于教學(xué)目標(biāo)和學(xué)生發(fā)展，成為各大高校課程創(chuàng)新的重要議題。在具體實踐中，美國頂尖大學(xué)展現(xiàn)出多樣化的創(chuàng)新探索。哈佛大學(xué)的CS50課程（“計算機科學(xué)導(dǎo)論”課程）提供了一個系統(tǒng)性的創(chuàng)新范例。該課程團隊專門開發(fā)了“CS50機器人”，這套系統(tǒng)包含三個核心工具：代碼解釋器、代碼風(fēng)格優(yōu)化器和智能問答助手。代碼解釋器通過實時英文說明幫助學(xué)生理解代碼邏輯；代碼風(fēng)格優(yōu)化器提供互動式的編程規(guī)范指導(dǎo)；智能問答助手則在受控環(huán)境中為學(xué)生提供個性化支持（Harvard University, 2023a）。這種定制化的工具開發(fā)顯著提升了教學(xué)效果，“CS50機器人”的日活用戶從2023年6月的200人增至11月的1 500人，累計處理查詢超過180萬次（Liu et al., 2024）。CS50課程在課程大綱和相關(guān)教學(xué)材料中明確了生成式人工智能的使用方式和目的，并為此提供了詳盡的指南，說明在哪些情況下可以使用這些技術(shù)，以及如何正確引用由人工智能生成的內(nèi)容。課程將生成式人工智能作為一個輔助工具，鼓勵學(xué)生和教師對生成的內(nèi)容進行批判性評估。教師引導(dǎo)學(xué)生不僅要理解人工智能如何幫助解決問題，也要了解其潛在的局限性和偏差。課程中包含了多種評估活動，旨在幫助學(xué)生識別和糾正由人工智能生成的答案中可能存在的誤差和偏見。CS50課程嚴(yán)格遵守與數(shù)據(jù)保護和知識產(chǎn)權(quán)相關(guān)的法律和政策。課程確保使用的所有數(shù)據(jù)都符合隱私保護標(biāo)準(zhǔn)，特別是在收集和處理學(xué)生數(shù)據(jù)時。此外，課程還教導(dǎo)學(xué)生如何在遵守法律框架的同時有效利用網(wǎng)絡(luò)資源和工具，尊重原始內(nèi)容創(chuàng)作者的知識產(chǎn)權(quán)（Harvard University, 2023b）。CS50課程本身作為edX平臺上受歡迎的課程之一，截至2023年秋季，已有約85萬人注冊過這門線上課程，其課程團隊包含了數(shù)十名課程助理和教學(xué)研究人員，課程通過引入人工智能技術(shù)，減輕了課程工作人員的工作量，使課程助理能夠更多地參與到與學(xué)生的互動中，提升了教學(xué)質(zhì)量和效率（Goodman & Yang, 2023）。

盡管關(guān)于生成式人工智能削弱學(xué)生學(xué)術(shù)誠信的擔(dān)憂不斷增長，但生成式人工智能實際上可以在研究和寫作方面為學(xué)生提供支持（李志鍇 & 張驍, 2024）。在人文領(lǐng)域，耶魯大學(xué)開設(shè)的“與生成式人工智能共同寫作”課程展現(xiàn)了另一種創(chuàng)新模式。課程的設(shè)計和實施，圍繞生成式人工智能如何影響書面表達進行深入討論，并且特別強調(diào)生成式人工智能工具的倫理使用。課程設(shè)計特別強調(diào)在頭腦風(fēng)暴和初步研究階段合理使用這些工具，同時明確規(guī)定最終作業(yè)必須體現(xiàn)學(xué)生的獨立思考（Prevost, 2023）。該課程不僅教導(dǎo)學(xué)生如何使用生成式人工智能工具，更重要的是培養(yǎng)他們的批判性思維能力。康奈爾大學(xué)在法醫(yī)植物學(xué)課程中創(chuàng)造性地將ChatGPT用作模擬證人（News Department, 2024），這種做法不僅革新了傳統(tǒng)課程，也培養(yǎng)了學(xué)生的綜合應(yīng)用能力。加州大學(xué)伯克利分校法學(xué)院則推出了專注于人工智能素養(yǎng)的法律學(xué)位課程，通過靈活的學(xué)習(xí)方式培養(yǎng)具備技術(shù)素養(yǎng)的法律人才（DiFeliciantonio, 2024）。在醫(yī)學(xué)領(lǐng)域，斯坦福大學(xué)醫(yī)學(xué)院新開設(shè)了“生成式人工智能與醫(yī)學(xué)”課程，通過邀請醫(yī)療、商業(yè)和技術(shù)領(lǐng)域的專家授課，并讓學(xué)生參與生成式人工智能項目的構(gòu)思與匯報，探索該技術(shù)在醫(yī)療衛(wèi)生領(lǐng)域的創(chuàng)新應(yīng)用，將前沿技術(shù)、實踐創(chuàng)新和人才培養(yǎng)有機結(jié)合（Stanford University, 2024a）。

這些大學(xué)課程創(chuàng)新實踐的核心特征在于：一是工具創(chuàng)新性，通過開發(fā)專門的教學(xué)工具和平臺提升教學(xué)效果；二是學(xué)科融合性，在不同學(xué)科領(lǐng)域探索人工智能技術(shù)應(yīng)用的可能；三是能力導(dǎo)向性，注重培養(yǎng)學(xué)生的批判性思維和實踐應(yīng)用能力。這種多元化的課程創(chuàng)新不僅豐富了教學(xué)形式，更重要的是推動了教育理念和人才培養(yǎng)模式的創(chuàng)新。

2. 構(gòu)建智能化教學(xué)支持體系，打造全方位技術(shù)服務(wù)環(huán)境

在生成式人工智能與教育深度融合的背景下，構(gòu)建完善的支持性教學(xué)環(huán)境成為確保技術(shù)應(yīng)用質(zhì)量和教學(xué)創(chuàng)新效果的關(guān)鍵。支持性教學(xué)環(huán)境不僅包括提供技術(shù)平臺和工具，更涉及保障數(shù)據(jù)安全、使用指導(dǎo)和經(jīng)驗分享等多個維度。這種環(huán)境的構(gòu)建需要統(tǒng)籌考慮技術(shù)可用性、安全性和教學(xué)實效性，為師生提供全方位的支持。

在具體實踐中，美國頂尖大學(xué)探索了不同的建設(shè)路徑。耶魯大學(xué)開發(fā)的Clarity平臺是一個典型案例。該平臺在提供類ChatGPT功能的同時，注重數(shù)據(jù)安全和隱私保護。平臺采用封閉環(huán)境設(shè)計，確保用戶數(shù)據(jù)不會用于外部訓(xùn)練，同時支持教師創(chuàng)建自定義生成式人工智能應(yīng)用，為教學(xué)創(chuàng)新提供了安全可靠的技術(shù)支撐（Yale University, 2024b）。此外，耶魯大學(xué)還主動為師生和員工免費提供Microsoft Copilot和Adobe Firefly等其他生成式人工智能工具的訪問權(quán)限（Yale University, 2024a）。斯坦福大學(xué)則開發(fā)了AI Playground平臺作為技術(shù)支持環(huán)境。這一平臺整合了OpenAI、Google和Anthropic等多家廠商的人工智能模型，為師生提供安全的實驗環(huán)境。該平臺特別注重數(shù)據(jù)安全，采用單點登錄認(rèn)證系統(tǒng)，確保用戶數(shù)據(jù)存儲在學(xué)校系統(tǒng)內(nèi)；同時提供豐富的功能選項，如模型對比、代碼生成預(yù)覽等，支持教師進行多樣化的教學(xué)實踐（Stanford University, 2024b）。芝加哥大學(xué)則采取了系統(tǒng)化的視頻教育方式構(gòu)建支持環(huán)境。學(xué)校制作了一套由首席信息官與多位教師和研究人員對話的系列視頻，內(nèi)容涵蓋生成式人工智能的基礎(chǔ)概念、實踐應(yīng)用和倫理考量，從理論到實踐為不同專業(yè)背景的師生提供全方位的支持。特別是在應(yīng)用領(lǐng)域，系列視頻針對性地展示了人工智能在藝術(shù)創(chuàng)作、科學(xué)研究、醫(yī)療保健等多個領(lǐng)域的具體應(yīng)用，為教師開展創(chuàng)新教學(xué)提供了豐富的參考（University of Chicago, 2024b）。

在構(gòu)建支持性教學(xué)環(huán)境時，美國頂尖大學(xué)展現(xiàn)出的鮮明特點是注重工具和功能的實用性，確保其所提供的支持能夠切實滿足教學(xué)需求。同時，這些大學(xué)并未局限于單一維度的支持，而是通過技術(shù)平臺、培訓(xùn)指導(dǎo)和資源共享等多種方式，構(gòu)建起系統(tǒng)完整的支持體系。這種多維度、全方位的支持環(huán)境建設(shè)為教學(xué)創(chuàng)新提供了必要的技術(shù)保障。

3. 優(yōu)化教學(xué)評價方式改革，實現(xiàn)過程性評估的轉(zhuǎn)型升級

生成式人工智能的出現(xiàn)促使高等教育機構(gòu)重新思考傳統(tǒng)的教學(xué)設(shè)計和評估方法（蔣貴友 & 殷文軒, 2025）。這種技術(shù)不僅改變了知識傳授和學(xué)習(xí)的方式，也要求教育者調(diào)整評價標(biāo)準(zhǔn)和手段。在具體教學(xué)實踐層面，美國頂尖大學(xué)積極探索如何利用生成式人工智能優(yōu)化教學(xué)設(shè)計和評估方法。哈佛大學(xué)的教師開始在備課階段使用生成式人工智能來預(yù)測可能的答案類型，這種預(yù)測有助于優(yōu)化作業(yè)設(shè)計，提高教學(xué)針對性（Harvard University, 2023c）。在作業(yè)設(shè)計上，加州大學(xué)伯克利分校的教師根據(jù)技術(shù)特點調(diào)整作業(yè)的難度和形式，避免簡單的知識復(fù)制，轉(zhuǎn)而強調(diào)深度思維和創(chuàng)新能力的培養(yǎng)（University of California, Berkeley, 2024b）。在評估方法上，斯坦福大學(xué)通過生成式人工智能改善過程性評價和多模態(tài)表達以提升教學(xué)效果：教師在課程評估中增加形成性反饋的比重，將大型項目分解為多個小型組件并在不同階段提供反饋；同時鼓勵學(xué)生通過口頭表達、圖形展示等多種形式展現(xiàn)學(xué)習(xí)成果，而不僅限于書面形式，這種評估方法既確保了學(xué)習(xí)質(zhì)量，也培養(yǎng)了學(xué)生的多維度能力（Stanford University, 2024c）。普林斯頓大學(xué)則在過程性評價方面進行了深入探索，通過設(shè)置草稿提交和修改期限，鼓勵學(xué)生進行迭代寫作，使其在接受教師或助教反饋后不斷優(yōu)化作品，從而提升理解、論證和表達能力，而不是僅依賴最終成績衡量學(xué)習(xí)成果，同時要求學(xué)生在使用生成式人工智能時通過注釋解決方案、撰寫作品說明等方式展示其思維過程（Princeton University, 2023b）。加州理工學(xué)院則鼓勵教師開展創(chuàng)新性實踐，如將人工智能工具整合到寫作過程中，或設(shè)計多媒體項目替代傳統(tǒng)書面作業(yè)，更為全面地對學(xué)生能力進行評估（California Institute of Technology, 2024b）。

美國頂尖大學(xué)在利用生成式人工智能進行教學(xué)設(shè)計與評估改革中形成了一致的思路，各校普遍將關(guān)注點從終結(jié)性評價轉(zhuǎn)向全過程的學(xué)習(xí)評估，強調(diào)過程導(dǎo)向，在學(xué)習(xí)的不同階段為學(xué)生提供及時反饋。與此同時，這些高校為應(yīng)對生成式人工智能的沖擊，突破了傳統(tǒng)單一的書面評價模式，轉(zhuǎn)而采用口頭表達、圖形展示等多種評估形式，這種多元評價使評價體系更加立體和完整。更為重要的是，這種改革突出了聚焦能力的導(dǎo)向，深化了對學(xué)習(xí)本質(zhì)的理解，將培養(yǎng)學(xué)生的深度思維和創(chuàng)新能力置于核心地位。

（三）加強生成式人工智能應(yīng)用的風(fēng)險防控，保障教育數(shù)據(jù)安全

在生成式人工智能的教育應(yīng)用中，需要妥善處理相關(guān)法律問題和倫理挑戰(zhàn)。首要任務(wù)是保護知識產(chǎn)權(quán)、確保數(shù)據(jù)安全與個人隱私，并明確人工智能生成內(nèi)容的法律責(zé)任歸屬。美國頂尖大學(xué)的經(jīng)驗是，通過建立規(guī)范的數(shù)據(jù)處理流程和倫理審查機制，確保技術(shù)應(yīng)用既符合法律法規(guī)，又滿足社會倫理要求。針對高風(fēng)險應(yīng)用場景，應(yīng)當(dāng)建立政策指引和技術(shù)防護雙重保障體系，有效預(yù)防侵權(quán)事件和技術(shù)誤用（徐嵐 等, 2023）。

1. 完善技術(shù)應(yīng)用問責(zé)機制，明確各方主體責(zé)任邊界

生成式人工智能的廣泛應(yīng)用帶來了內(nèi)容準(zhǔn)確性和責(zé)任歸屬的雙重挑戰(zhàn)。這種技術(shù)基于互聯(lián)網(wǎng)上未經(jīng)嚴(yán)格篩選的大型文本數(shù)據(jù)進行訓(xùn)練，容易繼承和放大原始數(shù)據(jù)中的偏見和錯誤。同時，由于系統(tǒng)在理解信息及其內(nèi)在邏輯關(guān)系方面的局限性，容易產(chǎn)生“幻覺”現(xiàn)象和事實性錯誤（盧宇 等, 2023）。因此，在高等教育環(huán)境中建立明確的問責(zé)機制，不僅關(guān)系到技術(shù)應(yīng)用的規(guī)范性，更直接影響教學(xué)質(zhì)量和學(xué)術(shù)誠信的維護。

在具體實踐中，美國頂尖大學(xué)采取了不同的問責(zé)策略。哈佛大學(xué)建立了基礎(chǔ)性的問責(zé)規(guī)定，要求師生在使用人工智能生成材料時必須承擔(dān)內(nèi)容審查責(zé)任（Harvard University, 2023d）。賓夕法尼亞大學(xué)則進一步細化了責(zé)任要求，強調(diào)使用者需要采用可信的一手資源進行核實，并對生成內(nèi)容承擔(dān)全部責(zé)任，特別是在面對人工智能可能產(chǎn)生的“幻覺”現(xiàn)象時，使用者必須保持高度警惕，防范虛假引用和事實扭曲（University of Pennsylvania, 2024b）。這種明確的責(zé)任劃分不僅提高了使用者的責(zé)任意識，也為技術(shù)應(yīng)用提供了清晰的行為準(zhǔn)則。

美國頂尖大學(xué)在構(gòu)建問責(zé)機制時形成了一套完整的思路。在責(zé)任劃分上，各校都明確界定了技術(shù)使用過程中各方的責(zé)任范圍，以避免出現(xiàn)責(zé)任模糊的情況。對于內(nèi)容驗證，各校普遍采取了強制性的要求，堅持使用者必須對人工智能生成的內(nèi)容進行嚴(yán)格核實。與此同時，這些機構(gòu)都非常重視風(fēng)險預(yù)防，通過建立預(yù)警機制來及時發(fā)現(xiàn)和防范可能出現(xiàn)的問題。

2. 強化數(shù)據(jù)安全保護體系，確保教育信息安全可控

隨著生成式人工智能在教育領(lǐng)域的深入應(yīng)用，數(shù)據(jù)安全和隱私保護問題日益凸顯。盡管目前的人工智能平臺聲稱不會自動整合用戶查詢信息，但數(shù)據(jù)的存儲和處理仍然存在潛在的安全風(fēng)險（David & Paul, 2023）。針對這一問題，各校普遍采取了多層次的保護措施。例如，哈佛大學(xué)實施了嚴(yán)格的信息安全政策，明確禁止將保密等級在2級及以上的數(shù)據(jù)輸入公開的人工智能平臺（Harvard University, 2023e)。賓夕法尼亞大學(xué)醫(yī)學(xué)院規(guī)定不得將患者信息輸入公開的生成式人工智能工具中（Penn LDI, 2024）。在隱私保護方面，賓夕法尼亞大學(xué)通過限制個人識別信息的使用、加強數(shù)據(jù)傳輸安全、建立數(shù)據(jù)泄露預(yù)警機制等多重措施，構(gòu)建起全方位的數(shù)據(jù)保護屏障（University of Pennsylvania, 2023a）。此外，賓夕法尼亞大學(xué)還采取了系統(tǒng)化的人工智能治理方案，在醫(yī)學(xué)院的實踐中，通過建立人工智能治理委員會和監(jiān)督委員會，在技術(shù)應(yīng)用初期就明確風(fēng)險責(zé)任和管控機制，將人工智能風(fēng)險與傳統(tǒng)的應(yīng)用風(fēng)險、隱私安全風(fēng)險進行區(qū)分，構(gòu)建起更有針對性的管理體系（Levins, 2024）。加州理工學(xué)院則考慮到保障教學(xué)公平，明確規(guī)定在使用人工智能工具時必須考慮學(xué)生的隱私保護和經(jīng)濟條件差異，避免因技術(shù)應(yīng)用造成學(xué)習(xí)機會的不平等（California Institute of Technology, 2024b）。加州大學(xué)伯克利分校在生成式人工智能應(yīng)用中特別注重知識產(chǎn)權(quán)和隱私保護，通過嚴(yán)格的技術(shù)引入評估機制來保障數(shù)據(jù)安全。學(xué)校要求在采用任何生成式人工智能工具前，必須確保供應(yīng)商在數(shù)據(jù)處理、模型訓(xùn)練和第三方訪問等方面的透明度。特別是在學(xué)生作品評估方面，學(xué)校明確指出使用第三方人工智能檢測工具可能違反《家庭教育權(quán)利和隱私法案》（Family Educational Rights and Privacy Act of 1974），造成隱私和版權(quán)違規(guī)，因此不建議教師使用這類工具進行寫作識別，而是鼓勵通過與學(xué)生對話來規(guī)范人工智能的使用（University of California, Berkeley, 2023a）。

對美國頂尖大學(xué)的數(shù)據(jù)安全與隱私保護實踐進行梳理，可以看到，各校建立了細致的數(shù)據(jù)分級管理制度，針對不同敏感程度的信息采取相應(yīng)的保護策略，從而實現(xiàn)精準(zhǔn)化管理。在制度建設(shè)方面，這些高校通過設(shè)立專門的管理機構(gòu)，制定完整的制度框架，確保各項保護措施得到有效執(zhí)行。更值得關(guān)注的是，它們在推進數(shù)據(jù)保護的同時，始終注意權(quán)益平衡，也就是平衡技術(shù)創(chuàng)新與教育公平的關(guān)系，避免過度保護影響教學(xué)發(fā)展。

3. 健全知識產(chǎn)權(quán)保護框架，維護教育創(chuàng)新權(quán)益

生成式人工智能能夠生成近似人類創(chuàng)作的內(nèi)容，模糊了創(chuàng)作主體和權(quán)利歸屬的界限，引發(fā)了一系列法律問題。例如，如何界定人工智能產(chǎn)出內(nèi)容的版權(quán)歸屬？如何判定版權(quán)侵犯的構(gòu)成要件？當(dāng)侵權(quán)發(fā)生時，技術(shù)開發(fā)者和使用者之間的責(zé)任如何分配？這些問題的復(fù)雜性和緊迫性要求高校在技術(shù)應(yīng)用中建立起完善的知識產(chǎn)權(quán)保護機制（劉倩 等, 2024）。

在具體實踐中，美國頂尖大學(xué)進行了積極探索。賓夕法尼亞大學(xué)提出了明確的指導(dǎo)原則，強調(diào)大學(xué)社區(qū)成員在使用生成式人工智能時應(yīng)嚴(yán)格遵守知識產(chǎn)權(quán)法律和原則。特別是在創(chuàng)建新的數(shù)據(jù)集以訓(xùn)練人工智能模型時，必須尊重并遵循版權(quán)法。關(guān)于信息的上傳，學(xué)校提醒，上傳專有信息到人工智能平臺之前，應(yīng)先行確保信息不會侵犯他人的知識產(chǎn)權(quán)，且不會因此損害自身的知識產(chǎn)權(quán)利益，例如在尋求專利或版權(quán)保護之前，避免將藝術(shù)作品等數(shù)據(jù)上傳至人工智能平臺（University of Pennsylvania, 2023b）。

在美國頂尖大學(xué)的知識產(chǎn)權(quán)保護實踐中，觀察到一些具有借鑒意義的做法。各校都高度重視預(yù)防性保護，通過建立事前審查和提醒機制，有效防范潛在的侵權(quán)行為。同時，這些機構(gòu)的保護措施體現(xiàn)出鮮明的雙向性特點，既關(guān)注對他人知識產(chǎn)權(quán)的尊重，也注重自身權(quán)益的維護。為確保這些保護措施能夠落到實處，它們還將抽象的保護要求轉(zhuǎn)化為具體的規(guī)范性操作指南，使知識產(chǎn)權(quán)保護工作更具可行性。這種多維度的知識產(chǎn)權(quán)保護體系，不僅為高校在人工智能時代如何平衡技術(shù)創(chuàng)新與權(quán)益保護提供了參考，也為建立長效的知識產(chǎn)權(quán)保護機制指明了方向。

三、

美國頂尖大學(xué)應(yīng)對生成式人工智能的策略

（一）規(guī)范先行、分類施策

美國頂尖大學(xué)采取“規(guī)范先行、分類施策”的戰(zhàn)略部署，在生成式人工智能應(yīng)用中展現(xiàn)出系統(tǒng)化的治理思維。第一，各校普遍建立起覆蓋全面的基礎(chǔ)性規(guī)范框架。如斯坦福大學(xué)通過行為操守委員會制定基本準(zhǔn)則，將人工智能的使用納入現(xiàn)有學(xué)術(shù)規(guī)范體系；麻省理工學(xué)院則通過擴展現(xiàn)有監(jiān)管框架來管理新技術(shù)應(yīng)用，確保政策的連續(xù)性和有效性。第二，在基礎(chǔ)框架下，針對不同學(xué)科特點和應(yīng)用場景制定差異化政策。例如，哈佛大學(xué)根據(jù)學(xué)科特性，在人文社科、理工科等不同領(lǐng)域設(shè)置不同的使用標(biāo)準(zhǔn)；賓夕法尼亞大學(xué)針對醫(yī)學(xué)等涉及敏感數(shù)據(jù)的領(lǐng)域，制定更為嚴(yán)格的使用規(guī)范。這種“一般性規(guī)范+專門性政策”的策略組合，既保證了制度執(zhí)行的統(tǒng)一性，又為不同場景提供了靈活應(yīng)對的空間。

（二）教學(xué)為本、技術(shù)賦能

在技術(shù)應(yīng)用策略上，美國頂尖大學(xué)始終堅持“教學(xué)為本、技術(shù)賦能”的核心理念。這一策略主要體現(xiàn)在三個層面。第一，以教學(xué)需求為導(dǎo)向開發(fā)技術(shù)工具。如哈佛大學(xué)CS50課程開發(fā)的專門工具系統(tǒng)，直接服務(wù)于教學(xué)場景需求。第二，構(gòu)建支持性的技術(shù)環(huán)境。如耶魯大學(xué)開發(fā)的本校生成式人工智能平臺，在提供人工智能服務(wù)的同時注重數(shù)據(jù)安全和隱私保護，為教學(xué)創(chuàng)新提供了可靠的技術(shù)支撐。第三，優(yōu)化教學(xué)設(shè)計和評估方法。通過增加過程性評估比重，更注重考查學(xué)生的原創(chuàng)性思維和問題解決能力，體現(xiàn)了技術(shù)應(yīng)用服務(wù)于教育本質(zhì)的理念。這種策略確保了生成式人工智能真正成為提升教學(xué)質(zhì)量的有效工具，而不是簡單的技術(shù)替代。

（三）強調(diào)責(zé)任、重視監(jiān)管

在具體實施過程中，美國頂尖大學(xué)采取“強調(diào)責(zé)任、重視監(jiān)管”的策略保障。首先，建立明確的責(zé)任劃分機制。如哈佛大學(xué)要求師生在使用生成式人工智能生成材料時必須承擔(dān)內(nèi)容審查責(zé)任。其次，實施嚴(yán)格的監(jiān)管措施。各校普遍采用分級管理方式保護數(shù)據(jù)安全，如禁止將高等級敏感信息輸入公開的生成式人工智能平臺，并建立完善的數(shù)據(jù)泄露預(yù)警機制。最后，構(gòu)建系統(tǒng)的知識產(chǎn)權(quán)保護體系，包括明確界定生成式人工智能生成內(nèi)容的版權(quán)歸屬、建立侵權(quán)識別標(biāo)準(zhǔn)和規(guī)范引用要求等。這種全方位的監(jiān)管策略，為生成式人工智能的規(guī)范應(yīng)用提供了有力保障。

這三大策略相互支撐、協(xié)同作用，規(guī)范先行為技術(shù)應(yīng)用提供制度保障，教學(xué)為本確保技術(shù)應(yīng)用方向，責(zé)任監(jiān)管保證技術(shù)應(yīng)用過程的規(guī)范性。它們共同構(gòu)成了美國頂尖大學(xué)應(yīng)對生成式人工智能的系統(tǒng)性策略框架，既確保了教育創(chuàng)新的持續(xù)推進，又有效防范了技術(shù)應(yīng)用中的潛在風(fēng)險。

四、

對我國高校應(yīng)用生成式人工智能的啟示

美國高校在生成式人工智能領(lǐng)域的探索，不僅為我國高校提供了可資借鑒的實踐案例，更重要的是，它為我們提供了一個反思和預(yù)判的視角，有助于我們在制定相關(guān)政策和實施策略時，既能規(guī)避潛在風(fēng)險，又能充分發(fā)揮技術(shù)優(yōu)勢。值得關(guān)注的是，我國高校在面對生成式人工智能時，尚未普遍建立起專門的規(guī)范和指南體系。雖然在實踐層面，部分教師和學(xué)生已經(jīng)開始探索這一技術(shù)在教學(xué)和學(xué)習(xí)中的應(yīng)用，但在機構(gòu)層面，大多數(shù)高校仍缺乏系統(tǒng)性、規(guī)范化的管理框架。通過深入分析美國高校的經(jīng)驗，并結(jié)合我國高等教育的具體情況和發(fā)展需求，可以歸納出對我國高校應(yīng)用生成式人工智能的幾點重要啟示。

（一）構(gòu)建系統(tǒng)化的制度框架，推動多層次治理體系建設(shè)

面對生成式人工智能帶來的挑戰(zhàn)，我國高校亟須構(gòu)建一個系統(tǒng)化、多層次的應(yīng)用框架體系。這個框架應(yīng)當(dāng)從制度層面、內(nèi)容層面和實施層面全面展開，構(gòu)建起完整的治理體系。在制度層面，應(yīng)建立校級、院系和課程三個層次的管理架構(gòu)。國內(nèi)部分高校已開始積極探索，如上海交通大學(xué)教學(xué)發(fā)展中心發(fā)布的生成式人工智能教師使用指南（上海交通大學(xué)教學(xué)發(fā)展中心, 2023），華東師范大學(xué)與北京師范大學(xué)發(fā)布的生成式人工智能學(xué)生使用指南（華東師范大學(xué) & 北京師范大學(xué), 2024）。然而，這些探索還停留在單一層面，缺乏全面性和深入性，且大多數(shù)高校仍未出臺正式的規(guī)范性文件。借鑒美國高校的實踐經(jīng)驗，我國高校應(yīng)在校級層面制定總體指南和基本原則，在院系層面根據(jù)學(xué)科特點制定具體實施細則，在課程層面明確具體的應(yīng)用規(guī)范和要求。

在內(nèi)容層面，框架應(yīng)當(dāng)涵蓋管理規(guī)范、技術(shù)規(guī)范和倫理規(guī)范三個維度。管理規(guī)范方面，需要明確使用準(zhǔn)則、責(zé)任界定和審核流程；技術(shù)規(guī)范方面，要重點關(guān)注平臺選擇、數(shù)據(jù)安全和隱私保護；倫理規(guī)范方面，需要加強學(xué)術(shù)誠信政策的修訂，明確界定人工智能工具使用的邊界和要求。同時，應(yīng)建立跨學(xué)科協(xié)作機制，組建由教育學(xué)、計算機科學(xué)、倫理學(xué)等多學(xué)科專家組成的工作組，共同制定和完善這些規(guī)范，確保其科學(xué)性和可操作性。

在實施層面，需要建立組織保障、技術(shù)保障和監(jiān)督保障三位一體的保障體系。我國高校應(yīng)基于本校實際情況，主動開展制度建設(shè)和實踐探索。通過這種自下而上的方式，高校不僅能夠快速響應(yīng)技術(shù)變革，建立起切實可行的應(yīng)用框架，還能為國家級政策的制定積累寶貴的實踐經(jīng)驗。

（二）深化教學(xué)模式創(chuàng)新與評價改革，強化風(fēng)險防控意識培養(yǎng)

面對生成式人工智能帶來的機遇與挑戰(zhàn)，我國高校應(yīng)積極推進教學(xué)模式創(chuàng)新和評價方式變革。在教學(xué)模式創(chuàng)新方面，在計算機類課程中開發(fā)定制化人工智能輔助工具，為學(xué)生提供全天候的實時輔導(dǎo)；在寫作類課程中引入人工智能寫作助手，培養(yǎng)學(xué)生的批判性思維；設(shè)計跨學(xué)科融合課程，提升學(xué)生的人工智能素養(yǎng)。在教學(xué)評價方式上，增加過程性評價比重，注重考查學(xué)生的思維過程和創(chuàng)新能力；采用口頭報告、實踐展示等多元化評價方式，全面評估學(xué)生的學(xué)習(xí)成效；設(shè)計針對性的作業(yè)形式，避免簡單的知識復(fù)制，引導(dǎo)學(xué)生深度思考和創(chuàng)新實踐。這種教學(xué)創(chuàng)新不僅能提升教學(xué)質(zhì)量，更能培養(yǎng)適應(yīng)人工智能時代的創(chuàng)新型人才。

在推動教學(xué)創(chuàng)新的同時，高校應(yīng)考慮將法律和倫理風(fēng)險管理作為課程設(shè)計和教學(xué)實踐的核心組成部分。目前，國內(nèi)部分高校已開始針對特定學(xué)科學(xué)生開設(shè)人工智能倫理相關(guān)課程，如上海交通大學(xué)為人工智能專業(yè)本科生開設(shè)的“人工智能思維與倫理”等（上海市科學(xué)技術(shù)委員會, 2021）。然而，這種局限于特定學(xué)科的做法未能充分認(rèn)識到生成式人工智能應(yīng)用的普遍性。事實上，鑒于生成式人工智能的廣泛應(yīng)用，倫理風(fēng)險教育應(yīng)當(dāng)面向所有使用該技術(shù)的學(xué)生。這種全面性的倫理教育不僅有助于提高學(xué)生的技術(shù)素養(yǎng)，更能培養(yǎng)其在使用人工智能過程中的責(zé)任意識和判斷能力。因此，高校應(yīng)當(dāng)重新審視現(xiàn)有的倫理教育體系，將其擴展至更廣泛的學(xué)生群體。此外，在人工智能相關(guān)課程中，應(yīng)強化對隱私保護、數(shù)據(jù)安全和知識產(chǎn)權(quán)等法律問題的教育。例如，在指導(dǎo)學(xué)生使用人工智能工具進行創(chuàng)作時，應(yīng)同步講解人工智能生成內(nèi)容的版權(quán)歸屬問題，培養(yǎng)學(xué)生尊重知識產(chǎn)權(quán)的意識。這種結(jié)合實踐的教育方式能夠有效提高學(xué)生對相關(guān)法律問題的認(rèn)知和理解。

（三）加強技術(shù)基礎(chǔ)設(shè)施建設(shè)，確保數(shù)據(jù)安全與自主可控

隨著生成式人工智能在教育領(lǐng)域的深入應(yīng)用，構(gòu)建安全可控的技術(shù)環(huán)境已成為高校數(shù)字化轉(zhuǎn)型的關(guān)鍵任務(wù)。技術(shù)基礎(chǔ)設(shè)施不僅關(guān)系教學(xué)創(chuàng)新的實現(xiàn)，更直接影響校園數(shù)據(jù)安全和學(xué)術(shù)隱私的保護。目前，我國高校在技術(shù)平臺建設(shè)方面仍存在較大差距，多數(shù)高校依賴商業(yè)平臺。在實踐探索方面，上海交通大學(xué)開發(fā)的思源AI助學(xué)平臺提供了有益參考。該平臺通過接入多個主流模型服務(wù)，覆蓋了文字、推理、編程等多個領(lǐng)域的能力，并通過本地部署開源模型的方式確保數(shù)據(jù)安全（上海交通大學(xué)教學(xué)發(fā)展中心, 2024）。然而，目前具備類似本地部署能力的高校仍然有限，多數(shù)高校的技術(shù)基礎(chǔ)設(shè)施建設(shè)仍待加強。建議我國高校從以下幾個方面著手構(gòu)建技術(shù)基礎(chǔ)設(shè)施：首先，開發(fā)具有自主知識產(chǎn)權(quán)的人工智能教學(xué)平臺，確保數(shù)據(jù)存儲在校園網(wǎng)絡(luò)，并支持教師創(chuàng)建定制化應(yīng)用；其次，建立專門的人工智能技術(shù)支持中心，為師生提供及時的技術(shù)指導(dǎo)和應(yīng)用支持；再次，開發(fā)符合本土教育需求的教學(xué)工具集，滿足不同學(xué)科、不同層次的教學(xué)需求；最后，構(gòu)建統(tǒng)一的校級數(shù)據(jù)中心，實現(xiàn)數(shù)據(jù)的規(guī)范管理和安全保護。通過這些措施的協(xié)同推進，既能確保信息安全，又能為教育創(chuàng)新提供可靠的技術(shù)支撐。這種以自主可控為核心的技術(shù)基礎(chǔ)設(shè)施建設(shè)，不僅能夠有效防范數(shù)據(jù)安全風(fēng)險，更能為教育教學(xué)創(chuàng)新提供持續(xù)動力，推動生成式人工智能在高等教育中的深度應(yīng)用。

參考文獻

北京日報. （2024-10-27）. 教育領(lǐng)域人工智能應(yīng)用指南發(fā)布：覆蓋本市學(xué)校教育29個典型場景. 北京市人民政府網(wǎng)站. https://www.beijing.gov.cn/ywdt/gzdt/202410/t20241027_3928610.html

董艷, 夏亮亮, 李心怡, & 侯彥華. （2023）. ChatGPT賦能學(xué)生學(xué)習(xí)的路徑探析. 電化教育研究（12）, 14-20, 34.

華東師范大學(xué), & 北京師范大學(xué). （2024-8-20）. 生成式人工智能學(xué)生使用指南. 華東師范大學(xué)網(wǎng)站. https://www.ecnu.edu.cn/info/1094/67178.htm

蔣貴友, & 殷文軒. （2025）. 變革抑或危機：大語言模型賦能大學(xué)教學(xué)及其限度——基于斯坦福大學(xué)的案例考察. 電化教育研究（1）, 122-128.

焦建利. （2023）. ChatGPT助推學(xué)校教育數(shù)字化轉(zhuǎn)型——人工智能時代學(xué)什么與怎么教. 中國遠程教育（4）, 16-23.

李志鍇, & 張驍. （2024）. 人工智能生成內(nèi)容（AIGC）應(yīng)用于學(xué)位論文寫作的法律問題研究. 學(xué)位與研究生教育（4）, 84-93.

劉倩, 王京山, & 詹洪春. （2024）. 關(guān)于生成式人工智能的應(yīng)用規(guī)范研究與啟示——基于國際學(xué)術(shù)出版界的相關(guān)規(guī)范政策視角. 科技與出版（8）, 27-33.

盧宇, 余京蕾, 陳鵬鶴, & 李沐云. （2023）. 生成式人工智能的教育應(yīng)用與展望——以ChatGPT系統(tǒng)為例. 中國遠程教育（4）, 24-31, 51.

秦渝超, 劉革平, & 許穎. （2023）. 生成式人工智能如何重塑教學(xué)活動——基于活動理論的模型構(gòu)建與應(yīng)用. 中國遠程教育（12）, 34-45.

人民網(wǎng). （2024-1-26）. 教育部：開展人工智能應(yīng)用試點示范 建設(shè)國家教育數(shù)字化大數(shù)據(jù)中心. 人民網(wǎng). http://edu.people.com.cn/BIG5/n1/2024/0126/c1006-40167399.html

上海交通大學(xué)教學(xué)發(fā)展中心. （2023-12-15）. 規(guī)范學(xué)生使用人工智能工具的教師指南. 上海交通大學(xué)網(wǎng)站. https://ctld.sjtu.edu.cn/storage/file/2023/12/2b30798c781f304ebfc83e66faef31fe.pdf

上海交通大學(xué)教學(xué)發(fā)展中心. （2024-10-6）. 思源 AI 助學(xué)平臺使用指南：探索智能教與學(xué)的新體驗. 上海交通大學(xué). https://mp.weixin.qq.com/s?__biz=MzI3ODMyNTkwOQ==&mid=2247512514&idx=1&sn=d00f30463cb9f1638042b90a4a1cf1d8&chksm=ea7881ba07bdd86548f2381517724bfab7861561dd13140133866881f8b8199592ef55a1ffee&scene=27

上海市科學(xué)技術(shù)委員會. （2021-9-16）. 交大開設(shè)人工智能倫理必修課，為未來算法工程師輸入倫理意識. 上海市科學(xué)技術(shù)委員會網(wǎng)站. https://stcsm.sh.gov.cn/xwzx/kjzl/20210916/09fe5476947a442eaec98f5468dd649b.html

王煒, 趙帥, & 黃慕雄. （2024）. 生成式人工智能教育創(chuàng)新應(yīng)用的人本主義追求——對UNESCO《教育與研究領(lǐng)域生成式人工智能指南》的解讀. 現(xiàn)代遠程教育研究（1）, 3-11.

徐嵐, 魏慶義, & 嚴(yán)弋. （2023）. 學(xué)術(shù)倫理視角下高校使用生成式人工智能的策略與原則. 教育發(fā)展研究（19）, 49-60.

周玲, & 王烽. （2023）. 生成式人工智能的教育啟示：讓每個人成為他自己. 中國電化教育（5）, 9-14.

California Institute of Technology. (2024a, May 10). Artificial intelligence services. California Institute of Technology. https://www.imss.caltech.edu/services/ai

California Institute of Technology. (2024b, June 17). Guidelines for secure and ethical use of artificial intelligence (AI). California Institute of Technology. https://www.imss.caltech.edu/services/collaboration-storage-backups/caltech-ai/guidelines-for-secure-and-ethical-use-of-artificial-intelligence-ai

Cornell University. (2023, March 21). CU committee report: Generative artificial intelligence in education. Cornell University. https://teaching.cornell.edu/generative-artificial-intelligence/cu-committee-report-generative-artificial-intelligence-education

Cornell University. (2024a, January 1). AI guidelines. Cornell University. https://it.cornell.edu/ai/ai-guidelines

Cornell University. (2024b, January 1). AI in administration. Cornell University. https://it.cornell.edu/ai/aiinadministration

David, C., & Paul, J. (2023, March 14). ChatGPT and large language models: What’s the risk? National Cyber Security Centre. https://www.ncsc.gov.uk/blog-post/chatgpt-and-large-language-models-whats-the-risk

DiFeliciantonio， C. (2024, August 9). UC Berkeley law school launches AI-focused course for the next generation of lawyers. San Francisco Chronicle. https://www.sfchronicle.com/eastbay/article/uc-berkeley-ai-law-19657199.php

Goodman, S. S., & Yang, J. Q. (2023, March 23). Teaching assistants and course assistants adapt to new roles in response to generative AI use. The Harvard Crimson. https://www.thecrimson.com/article/2023/3/23/CAs-TFs/

Harvard University. (2023a, August 1). CS50: Introduction to computer science. Harvard Online. https://www.harvardonline.harvard.edu/course/cs50-introduction-computer-science

Harvard University. (2023b, September 14). CS50’s introduction to artificial intelligence with Python. edX. https://www.edx.org/learn/artificial-intelligence/harvard-university-cs50-s-introduction-to-artificial-intelligence-with-python

Harvard University. (2023c, August 22). Teaching resources on artificial intelligence. Harvard University. https://www.harvard.edu/ai/teaching-resources/

Harvard University. (2023d, October 10). AI guidelines. Harvard University. https://huit.harvard.edu/ai/guidelines

Harvard University. (2023e, October 20). Guidelines for using ChatGPT and other generative AI tools at Harvard. Harvard University. https://provost.harvard.edu/guidelines-using-chatgpt-and-other-generative-ai-tools-harvard

Levins, H. (2024, October 22). The future promise and risk of generative AI in clinical settings: Report from the Penn LDI AI in Health Care Conference. University of Pennsylvania Leonard Davis Institute of Health Economics. https://ldi.upenn.edu/our-work/research-updates/the-future-promise-and-risk-of-generative-ai-in-clinical-settings/

Liu, R., Zenke, C., Liu, C., Holmes, A., Thornton, P., & Malan, D. J. (2024, March 5). Teaching CS50 with AI. Harvard University. https://cs.harvard.edu/malan/publications/V1fp0567-liu.pdf

MIT Computer Science and Artificial Intelligence Laboratory (CSAIL). (2024, January 13). AI policy briefs. Massachusetts Institute of Technology. https://computing.mit.edu/ai-policy-briefs/

News Department. (2024, April 29). Undergrads create Cornell-specific AI tool designed to support students, help professors adapt to AI landscape. The Cornell Daily Sun. https://cornellsun.com/2024/04/29/undergrads-create-cornell-specific-ai-tool-designed-to-support-students-help-professors-adapt-to-ai-landscape/

Penn LDI. (2024, October 22). The future, promise, and risk of generative AI in clinical settings. Leonard Davis Institute of Health Economics. https://ldi.upenn.edu/our-work/research-updates/the-future-promise-and-risk-of-generative-ai-in-clinical-settings/

Prevost, L. (2023, November 21). Live chat: A new writing course for the age of artificial intelligence. Yale News. https://news.yale.edu/2023/11/21/live-chat-new-writing-course-age-artificial-intelligence

Princeton University. (2023a, September 10). Generative AI in teaching and learning: Fall 2023 faculty and staff guidelines. Office of the Dean of the College, Princeton University. https://odoc.princeton.edu/about/official-deans-communications/2023/generative-ai-teaching-and-learning-fall-2023-faculty-and

Princeton University. (2023b, June 7). Generative AI. McGraw Center for Teaching and Learning, Princeton University. https://mcgraw.princeton.edu/generative-ai

Stanford University. (2023, February 16). Generative AI policy guidance. Stanford University. https://communitystandards.stanford.edu/generative-ai-policy-guidance

Stanford University. (2024a, March 16). MED 216: Generative AI and medicine. Stanford University. https://explorecourses.stanford.edu/search?view=catalog&filter-coursestatus-Active=on&page=0&catalog=&q=MED+216%3A+Generative+AI+and+Medicine&collapse=

Stanford University. (2024b, June 18). AI Playground. Stanford University. https://uit.stanford.edu/aiplayground/

Stanford University. (2024c, May 2). Integrating AI in assignments. Stanford University. https://teachingcommons.stanford.edu/teaching-guides/artificial-intelligence-teaching-guide/integrating-ai-assignments

UNESCO. (2023, October 28). Guidance on generative AI in education and research. UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

University of California, Berkeley. (2024a, May 10). Appropriate use of generative AI tools. University of California, Berkeley. https://oercs.berkeley.edu/privacy/appropriate-use-generative-ai-tools

University of California, Berkeley. (2024b, February 8). AI in teaching and learning. University of California, Berkeley. https://rtl.berkeley.edu/ai-teaching-learning

University of Chicago. (2024a, February 10). Generative AI. University of Chicago. https://academictech.uchicago.edu/generative-ai/

University of Chicago. (2024b, November 21). Understanding generative AI: Video series. University of Chicago. https://genai.uchicago.edu/about/understanding-generative-ai-video-series

University of Pennsylvania. (2023a, November 7). Of record: Guidance for the University of Pennsylvania community on use of generative artificial intelligence. Almanac. https://almanac.upenn.edu/articles/of-record-guidance-for-the-university-of-pennsylvania-community-on-use-of-generative-artificial-intelligenc

University of Pennsylvania. (2023b, September 10). Statement on guidance for the University of Pennsylvania community on use of generative artificial intelligence. University of Pennsylvania. https://isc.upenn.edu/security/AI-guidance

University of Pennsylvania. (2024a, October 17). Penn Engineering research discovers critical vulnerabilities in AI-enabled robots to increase safety and security. University of Pennsylvania. https://ai.seas.upenn.edu/news/penn-engineering-research-discovers-critical-vulnerabilities-in-ai-enabled-robots-to-increase-safety-and-security/

University of Pennsylvania. (2024b, March 15). Generative AI and your teaching. University of Pennsylvania. https://cetli.upenn.edu/resources/generative-ai-your-teaching/

Yale University. (2024a, January 10). AI guidance for faculty and staff. Poorvu Center for Teaching and Learning, Yale University. https://poorvucenter.yale.edu/AIguidance

Yale University. (2024b, January 20). Clarity platform FAQs. Yale University. https://ai.yale.edu/yales-ai-tools-and-resources/clarity-platform/clarity-platform-faqs

Yale University. (2024c, January 15). Advancing Yale’s leadership in artificial intelligence to support faculty, students, and staff. Yale University. https://provost.yale.edu/news/advancing-yales-leadership-artificial-intelligence-support-faculty-students-and-staff

How to Deal with Generative Artificial Intelligence: Strategies and Practices of Top American Universities

Lin Jie, Zhou Ling

Abstract:The rapid development of generative artificial intelligence (AI) technology is reshaping the global educational landscape, sparking widespread interest in its potential applications within teaching, learning, and academic research. Currently, higher education institutions in China generally lack systematic response strategies and standardized management frameworks. To explore how universities can effectively address the opportunities and challenges posed by generative AI, this study selects ten leading American universities as case studies, systematically examining their approaches in policy frameworks, teaching practices, and risk management concerning generative AI applications. The study reveals three main characteristics in the strategies of top American universities: first, they emphasize on building a systematic regulatory framework, utilizing a combination of “general regulations + specific policies” to implement classified policies; second, they adhere to a teaching-centered, technology-empowered philosophy, with comprehensive reforms in curriculum innovation, teaching models, and assessment methods; third, they establish a robust risk management system, ensuring normative application of technology through clearly defined responsibilities, strengthened data security, and intellectual property right protection. Based on the findings, this paper proposes three recommendations for Chinese universities in their application of generative AI: building a standardized application system to ensure technological use efficacy; deepening teaching integration and innovation to enhance talent cultivation quality; and strengthening risk control measures to protect educational data security. These insights aim to serve as valuable references for Chinese universities in advancing educational innovation, improving teaching quality, and upholding academic integrity in the era of artificial intelligence.

Keywords:generative artificial intelligence; American world-class universities; educational practice; education strategy

作者簡介

林婕，上海交通大學(xué)教育學(xué)院博士研究生（上海 200241）。

周玲，北京理工大學(xué)經(jīng)濟學(xué)院副教授（通訊作者：zhouling@bit.edu.cn 北京 100081）。

基金項目

北京市高等教育學(xué)會2024年專項攻關(guān)課題“AIGC環(huán)境下高校在校生技術(shù)工具應(yīng)用行為及影響因素——基于北京‘雙一流’建設(shè)高校的調(diào)查研究”（課題編號：ZX202413）

責(zé)任編輯：劉莉

期刊簡介

《中國遠程教育》創(chuàng)刊于1981年，是教育部主管、國家開放大學(xué)主辦的綜合性教育理論學(xué)術(shù)期刊，是中文社會科學(xué)引文索引（CSSCI） 來源期刊、全國中文核心期刊、中國人文社會科學(xué)期刊AMI綜合評價（A刊） 核心期刊、中國科學(xué)評價研究中心（RCCSE） 核心期刊、中國期刊方陣雙效期刊、人大復(fù)印報刊資料重要轉(zhuǎn)載來源期刊，面向國內(nèi)外公開發(fā)行。

本刊關(guān)注重大教育理論與政策，推動科技賦能教育，反映國際學(xué)術(shù)前沿，聚焦本土教育改革，注重學(xué)術(shù)研究規(guī)范，提倡教育原創(chuàng)研究。

地址

北京市海淀區(qū)復(fù)興路75號

郵編

電話

010-68182514

電郵

zzs@ouchn.edu.cn

網(wǎng)址

cjde.ouchn.edu.cn

來源丨中國遠程教育微刊

聲明：轉(zhuǎn)載此文是出于傳遞更多信息之目的。若有來源標(biāo)注錯誤或侵犯了您的合法權(quán)益，請作者持權(quán)屬證明與我們聯(lián)系，我們將及時更正、刪除，謝謝。