基本信息
文件名称:基于教师权益的自主人工智能应用课件.docx
文件大小:40.47 KB
总页数:26 页
更新时间:2025-05-26
总字数:约1.71万字
文档摘要

精品文档,欢迎使用

基于教师权益的自主人工智能应用

本文是对联合国教科文组织发布的《教师人工智能能力框架》的解读。人工智能在逐步以拟人智能体的技术形态助推“教师、学生和人工智能”三角教学互动关系的构建,并在人机互动中挑战教师的能动性,这凸显了教师理解和秉承以人为本的人工智能观念的必要性。目前通用的猎取性挖掘人类数据训练人工智能模型的智能技术生产关系范式加速了人工智能伦理问题的裂变及对智能时代社会关系的冲击和重构,人工智能伦理以及人工智能时代的社会责任已成为教师的必学领域。作为当今社会无所不在的一类基础性通用技术,人工智能在颠覆生产流程、社会实践和生活方式等方面的技术变革潜力已经彰显,教师理解人工智能基本工作原理、批判性评判其教学育人的适用性并探索人工智能支持教学和专业发展有效方式等方面的能力发展需求日益迫切。鉴于此,各国政府和教育机构应以基于教师教育教学权益的自主应用为宗旨,从以人为本的人工智能观念、人工智能伦理、人工智能基础知识和应用技能、人工智能与教学法整合、人工智能支持教师专业发展等层面界定教师的人工智能能力框架,以获取、深化、创造等能力水平为基准规划培训课程的目标、内容与方法,协助教师提升负责任地、有效和创新地应用人工智能所需的能力。

尽管学界对人工智能机器能否获得主体地位未达成一致(张友恒,2022),作为一种以模拟人类思维和行为为目的的技术形态,人工智能的教学应用确已助推“教师、学生、人工智能”三角教学关系的显现,并对人机互动中的教师能动性形成步步紧逼的显性挑战。维护教师权益、保护教师教育教学的能动性已是当务之急。智能技术多采用主动猎取和挖掘人类数据训练人工智能模型的生产关系范式,而人工智能系统的服务关系范式多诱迫用户放弃部分或全部数据隐私以换取技术服务的便利,从而加速人工智能伦理问题的裂变以及应对性法规更替的速度,进而导致涉及每个人切身利益的人工智能伦理及人工智能时代的社会责任成为教师的“必修课”。生成式人工智能提升了人工智能作为一项基础性通用技术为各领域生产模式、社会实践和生活方式的变革提供基础模型的技术能力,同时也将该技术带入智能生成内容更具随机性、人机交互对人类判断力要求更高的历史发展阶段,对教师透视人工智能基本工作原理并在教学、评价和专业发展中批判性应用人工智能的能力提出新要求。应对上述需求,联合国教科文组织发布的《教师人工智能能力框架》,从以人为本的人工智能观念、人工智能伦理、人工智能基础知识和应用技能、人工智能与教学法整合、人工智能支持教师专业发展五个层面界定教师的人工智能价值观、知识、技能及实践应用能力,并从获取、深化、创造三项能力进阶水平阐?释各项能力。

一、为何需要系统界定教师的人工智能能力?

与之前各代信息技术和数字技术相比,人工智能技术最近十多年的集成性技术跃迁已对包括教育在内的社会各领域产生深远影响。学界和政界需要系统研判人工智能技术跃迁对教育的现实影响,并着眼正在涌现的新教学场景界定和培养教师的?人工智能能力。

(一)人工智能的技术跃迁及其对教师能力的深远影响

从基本技术形态看,人工智能是一种通过编程实现对人类思维和行为模拟的技术门类,并由此对人类能动性提出直接挑战。人工智能工具在分析大量有关先前事例数据的基础上进行模式识别,并倾向于基于模式识别的预测替代人类的决策过程。过度推广人工智能并误导教师过度依赖人工智能工具替代教学过程和学习管理的决策,会导致教师教学能力的萎缩。为防范借助人工智能篡越其自主教学决策的风险,有必要强化教师判断和决定“应否应用”?“如何应用”人工智能的主观能动性以及提高人工智能应服务于人类能力发展的以人为本的意识。

从目前通用的人工智能技术生产关系范式看,通过挖掘数据培训人工智能模型的开发模式是一种对人类数据更具攻击性并对数据隐私更具威胁性的范式选择。之前的信息技术工具旨在传输和分享信息并保持对用户操作的被动应答,而人工智能平台背后的数据挖掘涉及不为用户察觉的数据爬取以及未经用户许可的数据主动猎取和发掘应用。人工智能系统提供商默认的商业规则是在用户注册时,诱惑或迫使其放弃某种程度的个人隐私用以培训后续迭代产品,以培训后续迭代产品换取享用当前人工智能服务。此前的信息技术已引发有关隐私和安全的伦理风险,但人工智能技术所采用的是更具攻击性的技术生产关系和技术服务关系取向,已触发更深远的伦理风险并会深化社会不公平。这些极具争议的新型生产和服务关系模式加剧了赋能教师理解和践行人工智能伦理原则、辅助学生安全并负责任地应用人工智能的紧迫性。

从人工智能生成输出的方法看,人工智能生成应答的方式具有不可解释性,生产的内容更具随机性的特点(苗逢春,2024)。在此前信息技术的工作流程中,相同的输入会触发相同的输出,其应答具有确定性。在应用人工智能尤其是生成式人工智能时,相同的输入会引发