发表于 4月 2026
分享
大多数教育工作者都会经历这样一个时刻：从旁观一项技术，到真正开始信任它。对我而言，这个时刻出现在我完成麻省理工学院 数据科学与机器学习证书课程 ，并意识到自己彻底重构了教学思维之后。变化不算惊天动地，却十分深刻 —— 我第一次提出这样一个问题：如果学生手中的工具，能比任何一位教师更了解他们自己，会怎样？
联合国教科文组织 2023 年关于生成式人工智能 在教育中应用的指南指出，这一时刻既需要紧迫感，也需要审慎态度。以我的经验来看，这正是高等教育负责任地应用人工智能所应秉持的态度。
从好奇到践行
我接触人工智能并非经过周密规划的职业转型。我在医学教育与临床生物化学领域已有二十五年以上的经验。但 2022 年之后，变革速度之快 —— 大语言模型迅速普及、生成式人工智能工具在学术场景中大量涌现 —— 让单纯的观察已远远不够。
麻省理工的证书课程改变了我的认知框架。我逐渐认识到，测评不再是一张快照，而是持续的数据流；课程不再是固定的架构，而是鲜活的系统。更重要的是，我不再认为人工智能会威胁教育工作者的角色，相反，它会拓展这一角色 —— 前提是我们真正下功夫理解这些工具能做什么、不能做什么。
我在课程中初步试用通用人工智能的效果并不稳定。模型不了解我的学生所处的具体情境，无法将输出内容与认证标准对齐。它们功能强大，但通用性强远远不够。
从专题研讨到体系变革
2023 年至 2026 年初，我在沙特、埃及、马来西亚、阿联酋等地及线上开展了五十余场人工智能与高等教育相关研讨会与网络讲座，内容从 ChatGPT 入门到高级提示词工程、人工智能伦理应用以及定制化工具开发。除线下活动外，我还在 YouTube 搭建了配套资源 频道 ，现已发布二十七部教程视频，涵盖人工智能工具、提示词工程、定制化 GPT 开发以及教育工作者实用应用等内容，面向所有希望自主学习的人群开放。
我从这些交流中收获的主要不是技术知识，而是对人的理解。教师对人工智能的抵触，很少源于技术本身，更多是出于信任危机与职业身份认同。这种担忧应当被正视，而不是被忽视。
效果最好的研讨会，都将人工智能重新定位为减少工作阻力的工具，而非替代教育工作者判断的机器。当一位教师发现自己能在三十分钟内完成一份完整的考试框架 —— 这项原本需要耗费大半个下午的工作 —— 她并没有感到被威胁，反而获得了解放，可以把时间投入到任何算法都无法替代的事情上：学业指导，以及基于对学生全面了解的精准反馈。
真正意义上的效率，不是少做事，而是把更重要的事做好。
定制化的必要性
通用人工智能与定制化人工智能之间的差异至关重要。大多数对人工智能持怀疑态度的教育工作者，接触到的都是通用版本 —— 输出内容看似合理，却缺乏情境支撑。如果要求它按照布鲁姆教育目标分类设计试题、匹配具体学习目标并按认证标准排版，它往往难以胜任。
我和同事在 2025 年提出并发布了解决方案： 一套六步定制化 GPT 模型构建方法 。该框架涵盖需求识别、数据收集、提示词设计、试点测试、全面落地与效果评估。依托这一框架，我们开发了十五个专用 GPT 工具，覆盖课程设计、测评、学生支持、科研与质量保障等领域，每个工具均依据本校的具体准则与学习框架训练而成。
六步式 GPT 开发框架、15 个定制化工具、核心挑战，以及人工智能赋能高等教育的发展愿景
教育智能助手：构建更宏大的体系
我最引以为傲的项目是 教育智能助手（EduAI Agent） ，它并非出自科技公司或软件团队，而是源于同事间的一次对话。我和一位同样深耕医学教育、质量保障与认证领域的同事，从不同角度提出了同一个问题：为什么没有一个平台真正理解测评与课程质量的实际运行逻辑？我们拥有专业领域知识，也积累了足够的人工智能应用经验，清楚它的能力边界。于是我们自主开发了这一系统，整合了三个领域的全部经验，无需使用者将专业判断转化为软件逻辑，而是直接适配教育工作者的日常工作场景。
直白地说，它不是一个聊天机器人，更接近于我所说的院校智能层。这套系统可以一站式协助制定学习目标、生成考试框架、开展试题分析、将课程与认证要求对标，并生成质量文档，全程保留清晰可追溯的审核记录。
它在教育层面的价值，源于背后的理论支撑：建构主义原则，旨在辅助专业判断而非取而代之。系统会呈现信息、提示缺口，最终决策由人做出。
单一工具只能解决一个问题，而生态系统能串联起所有环节 —— 承载当下零散存储在表格、邮件往来以及即将退休同事经验中的院校知识沉淀。
应对挑战
这一切推进过程并非一帆风顺。
学术诚信是最突出的挑战。当学生能在几秒钟内生成看似合理的内容，传统论文的证明价值便不复存在。应对之道不是只靠检测，而是必须重新设计测评方式 —— 那些需要真实推理与情境化应用的考核，更难被人工智能替代。只要教育工作者愿意抓住这个机会，这就是一次革新契机。
教师的抵触真实且合理，只有展现出实际价值才能化解，单靠宣传说服无济于事。政策缺口是结构性问题，大学需要灵活的治理框架，区分能提升学习效果的人工智能应用与替代学习过程的应用。在教育领域，学习质量不佳的长远后果将由毕业生与社会共同承担，因此人工智能的伦理应用并非简单的合规事项，而是一切工作的基础。
下一阶段
最能服务好学生的大学，并非最早应用人工智能的机构，而是应用得最审慎的机构。它们会严肃追问技术应用的目的，投入资源提升教师能力，并坚定地相信：人际联结依然是教育不可替代的核心。
人工智能无法替代课后留下答疑的教师，也无法替代能发现学生自身尚未察觉潜能的导师。但它能做到 —— 而且正在做到的，是让教育工作者有更多时间、更好地完成这些核心工作。
这才是值得我们为之努力的变革方向。
人工智能使用声明
作者在撰写本文时使用了 Claude 人工智能工具作为写作辅助，仅用于提升文本可读性、语法规范与编辑流畅度。所有观点、经验、专业判断、研究成果与核心内容均为作者原创。