AI与高等教育：镜子，而非锤子
- Aisha Washington
- 6月6日
- 讀畢需時 8 分鐘
已更新：6月17日
目前，在教职工休息室和行政会议室中流传着一种普遍的说法：人工智能已经“破坏”了大学。这种观点认为，像 ChatGPT 这样的工具已经让论文变得过时，使作弊变得无法检测，并摧毁了学位的完整性。但通过对学生、教授和行业观察者之间引发的热门讨论进行深入观察，却揭示了一个不同的现实。AI并没有破坏高等教育；它只是暴露了一个早已支离破碎的系统。
几十年来，学术界的裂痕一直在扩大。对文凭主义而非好奇心的关注、评分的工业化，以及对产出而非混乱的学习过程的优先排序，创造了一个脆弱的生态系统。当 AI 进入 高等教育 时，它并没有粉碎坚实的基础，而是踢开了一扇早已脱离铰链的门。
高等教育中严谨性的幻象
围绕生成式文本的恐慌暗示着在 2022 年之前，学生们普遍都在进行深入的苏格拉底式探究。这是一种令人欣慰的虚构。现代高等教育的现实往往更像是一场交易。学生支付学费；机构提供获得证书的途径。在这个过程中的某个地方，真正的知识获取变得次于衡量成功的指标：成绩。
AI 时代的死记硬背与理解之争
这场技术变革暴露出的主要长尾问题之一是对死记硬背与理解的依赖。多年来，课程一直围绕着“复述”来设计。学生记忆定义、日期和公式，以便在期中考试中将其吐出来，结果在走出讲堂的那一刻，就将这些信息从工作记忆中清空了。
在这种背景下，AI 是终极的学生。如果高等教育的目标仅仅是根据提示产生一个正确答案，那么算法的表现将永远优于人类。它永不遗忘，永不疲倦，并且能够访问人类数据的总和。当一位历史教授抱怨 AI 可以通过他们的考试时，这与其说说明了软件的复杂性，不如说说明了考试的浅薄。我们把学生训练成了拙劣的机器人。既然真正的机器人已经出现，那种教育模式的冗余性便不言而喻了。
“为考而教”的问题
在 K-12 教育中形成的习惯——特别是为考而教——已经向上渗透到了 高等教育。入学新生往往习惯于寻求阻力最小的路径。他们想知道评分标准、确切的字数限制以及获得“A”所需的具体引用要求。这并非懒惰，而是在一种奖励结果而非努力的游戏规则下的高效表现。
当 AI 与建立在这些指标之上的 higher education 框架发生交互时，它使整个循环发生了短路。学生使用 LLM 来生成输出，是因为系统只看重输出。如果教育机构不在乎得出结论所需的智力磨炼，学生又何必在乎呢？这场危机不在于出现了可以绕过工作的工具，而在于对于系统中的许多参与者来说，工作本身早已失去了意义。
“磨炼”的丧失：AI 与批判性思维能力
真正的学习是低效的。它包含困惑、挫折、起草、删除和重头再来。这种摩擦正是构建以下能力的神经通路所在：批判性思维能力 是建立起来的。 AI 对 高等教育 构成的最深远威胁并非剽窃，而是认知的外部外包。
重复与练习：认知健身房
将写作想象成举重。你举重不是为了把铁块从 A 点移动到 B 点，而是为了撕裂并重建肌肉纤维。同样地，你写论文不仅仅是为了得到一份文档，而是为了将混乱的思绪整理成连贯的结构。
近期学术讨论中的评论强调了这种脱节。学生和教育工作者都意识到 重复与练习是不可逾越的底线。如果你将语法、结构和论证这些“重活”外包给算法，你就是在萎缩自己的思考能力。
AI工具在高等教育中的作用就像健身房里的叉车。没错，重量确实被移动了，作业也提交了。但学生依然虚弱。当我们从教育过程中移除困难时，我们并不是在“简化”它，而是在“阉割”它。一个利用 AI 逃避学习磨练的毕业生，无论其成绩单如何，都称不上是受过教育的。
作弊与捷径：Chegg 前车之鉴
如果表现得好像是 AI 带来了 作弊与捷径，那就太天真了 到 高等教育。在 ChatGPT 出现之前，已经有了 Chegg、Course Hero 以及一整套论文代写工厂的影子经济。现在的区别在于可访问性和成本。
以前，规避学业任务要么需要金钱，要么需要社会资本（比如知道哪个兄弟会有题库）。AI 使这种捷径平民化了。它让规避手段变得免费且即时。这迫使高等教育不得不面对一个痛苦的事实：如果很大一部分学生群体能够通过作弊混到学位，学位本身可能并不代表能力。作业的“Chegg 化”只是震动；AI则是地震。
修复破碎的体系：超越蓝皮书考试
如果 AI 已经让带回家完成的论文和在线多选题变得站不住脚，那么 higher education 必须转型。下意识的反应一直是监控——使用那些臭名昭著、不可靠且会滋生不信任的“AI 检测器”。真正的解决方案在于从根本上重新思考我们衡量能力的方式。
重新思考 AI 时代后的课堂评估
我们正看到模拟评估方式的迅速回归。课堂评估，特别是蓝皮书考试（在监考室内手写的论文），正在重新流行。
对于技术爱好者来说，这似乎是倒退，但实际上这是一种必要的重新校准。如果 AI 处理了文本的“产出”，那么 higher education 就必须测试对概念的“处理”能力。在口试中，教授要求学生实时为其论点辩护，这是聊天机器人无法造假的。而手写论文则要求学生调用自己大脑内部的知识库。
这些方法更难规模化。它们在时间和劳动力方面成本高昂。但它们重新引入了 高等教育 试图优化掉的人文元素。
从内容交付到导师制
为了让 AI 与 高等教育 共存，教授的角色必须转变。如果讲座仅仅是信息传递，YouTube 或 AI 摘要会做得更好。大学教育的价值不再是“获取信息”，而必须是“复杂性中的引导”。
教授不再是知识的守门人；他们是教练。他们的存在是为了抽查学生的表现，挑战他们的假设，并确保他们确实在进行思维训练。这与行政部门对大规模班级的渴望产生了摩擦，但这是确保文凭保持含金量的唯一途径。
高等教育现在仅仅是一种商业模式吗？
关于 AI 在 高等教育 中的讨论不可避免地会触及经济层面的壁垒。实施口试和小班研讨课需要大量资源。然而，现代大学模式是建立在规模效应之上的：大型阶梯教室、低薪助教以及标准化考试。
证书与教育的博弈
学生通常将 高等教育 视为一台自动售货机：投入学费，选择专业，获得入职资格。在这种商业模式下，AI是一款客户服务效率工具。它能帮助客户（学生）更快地获得产品（学位）。
如果大学想要声称自己提供的不仅仅是交易性的凭证，就必须停止像商业机构那样运作。他们必须坚持那些可能会降低毕业率的标准。他们必须让使用 AI 的学生不及格，这并非因为他们违反了规定，而是因为他们没有展示出 批判性思维能力。
“客户永远是对的”这种心态与严谨的教育是不相容的。有时，“客户”是错误的、懒惰的，或者在寻找捷径。AI 助长了那些坏习惯。高等教育 必须具备抵御这些习惯的结构完整性，即使这会损害底线。
AI 如何迫使教学回归以人为本
矛盾的是，AI 可能会通过迫使higher education变得更加人性化来挽救它。当合成内容廉价且泛滥时，真实性就变得弥足珍贵。
一封来自真正了解学生作品的教授的亲笔推荐信，将比由 AI 辅助作业堆砌出的高绩点更有分量。一份经过验证的、亲身参与的项目作品集，将比一份仅由多选题胜利组成的成绩单更重要。AI 正在剥离高等教育中那些官僚主义的虚饰，让机构面临一个严峻的选择：要么在低价值的证书工厂模式上加倍下注，要么回归到那种高接触、高难度、具有变革性的工作——教导人类如何思考。
AI 与高等教育的未来
变革已经到来。我们无法通过立法将 AI 排除在 高等教育 之外。禁止它只是权宜之计；忽视它则是自寻死路。前进之路在于整合与隔离。我们整合 AI是为那些已经掌握基础知识的人准备的工具——就像计算器是发给已经学会算术的学生，而不是正在学习数数的学生。
与此同时，我们必须隔离评估过程。学习的“方式”需要改变，以保护学习的“内容”。Reddit 上的那位历史教授是对的。这个系统很脆弱。它在一个高风险的环境中依赖于荣誉准则。尽管我们建立了一个只奖励结果的世界，它却依然信任学生对学习的重视程度超过对结果的重视。
AI并没有破坏higher education。它只是打开了灯。现在我们必须收拾残局。
常见问题：AI 与大学的未来
问：大学能否通过有效禁止 AI 来挽救传统学习？
答：不能，禁令在很大程度上是无法执行的，而且忽视了职业世界的现实。学生需要学习如何使用 AI 工具，但他们首先需要培养评估 AI 输出的基础技能。完全禁止会导致课堂与现实之间出现脱节。
问：为什么蓝皮书考试（Blue book exams）正在大学里卷土重来？
答：蓝皮书考试和课堂手写评估正在回归，因为它们是保证学生独立完成作业的少数几种方式之一。这些方式消除了数字辅助的变量，迫使学生依靠内在知识和批判性思维。
问：在家庭作业中使用 AI 会阻碍学生发展批判性思维能力吗？
答：是的，如果使用 AI 是为了取代思考过程而非辅助思考。 批判性思维能力是通过组织思想和解决问题的磨炼而发展起来的；利用 AI 绕过这种磨炼会阻碍这些认知连接的形成。
问： “为考而教”的文化如何影响 AI 的使用？
答：当教育目标仅仅是为了通过标准化考试时，学生会将 AI作为实现该指标的高效工具。对高分而非深度理解的关注激励了捷径的使用，因为与最终成绩相比，学习过程的价值被低估了。
问：大学学位的价值是否因 AI 而下降？
答：如果雇主怀疑成绩是通过 AI 辅助获得的，那么普通学位的信号价值可能会下降。然而，这会将价值转向经过验证的作品集、实习经历和推荐信——这些能力指标是死记硬背与理解无法伪造的。
问：在高等教育中，是否应该像对待计算器一样对待 AI？
