学习者自主性应成为AI驱动数字素养教育的基石
学校应对AI素养教育的路径尚不清晰,单纯教授AI工具使用只是从问题中途入手。教育应首先确立以学习者自主性为核心的基础原则,将AI素养纳入数字素养框架,从基础教育到高等教育系统推进。全面禁止AI既徒劳又短暂,课程需在应对风险的同时承认AI在日常数字工具中的普及现实。
学校应对AI素养教育的路径尚不清晰,单纯教授AI工具使用只是从问题中途入手。教育应首先确立以学习者自主性为核心的基础原则,将AI素养纳入数字素养框架,从基础教育到高等教育系统推进。全面禁止AI既徒劳又短暂,课程需在应对风险的同时承认AI在日常数字工具中的普及现实。
教育政策专家Rick Hess在邮件问答中分析,即便民主党在11月大选中大胜,对联邦教育政策的影响也有限:教育支出不会大幅变动,特朗普政府的DEI、性别认同、移民及认证政策仍将保留,民主党缺乏推翻总统否决的票数。高等教育方面,民主党胜利只能带来短期缓解,高校仍面临生源减少、学费压力及OBBBA问责条款的长期挑战。
Michael B. Horn 在 Christensen Institute 博客发文,认为作弊不是教育的问题,而是学生在零和选拔系统下取得进步的理性解决方案。文章援引调查称 63% 使用 AI 的青少年用 AI 获取作业答案,并引用 Matt Pittinsky 的观点指出 AI 只是把获取学历的成本降到零,暴露了证书与知识之间的差距。作者呼吁以正和思维重塑教育。
Getting Smart 与 Britebound 的系列文章指出,双重注册项目能否持续,取决于资金机制是否维持高中支持体系,以及是否用学生后续进展而非参与人数评估成效。文章以 Massachusetts 的按学分补偿和规划拨款为例,建议学校追踪学生升入大学后的持续就读情况,并检验家庭能否独立看懂升学路径。
Getting Smart与Britebound合作系列文章第三篇指出,双学分课程成功的关键在于专人负责的支持体系与职业连接,而非仅靠课程安排。最强模型配备专门辅导员和项目经理,设立早期退课窗口,并通过导师制、实习和行业证书的分层结构,帮助学生探索职业方向。
面对生成式 AI 对传统书面作业的冲击,怀俄明大学教授 Catherine Hartmann 在人文课程中恢复口试,通过逆向设计让学生整学期练习口头表达,最终以口试作为评估方式。宾夕法尼亚大学数学教授 Robin Pemantle 也让学生在黑板上解题并口头解释推理过程。作者认为口试能揭示学生的思考过程,而非仅看最终答案,但需注意多语言学习者的语言障碍,避免将表达困难误判为知识欠缺。
推荐理由:作者以两所大学的真实教学案例说明口试如何应对生成式 AI 对作业评估的冲击,并讨论了公平性设计。
双学分课程的价值取决于学分能否转入学生实际就读的大学,而非理论上的通用性。科罗拉多州ASCENT项目允许修满至少9个学分的毕业生在高中毕业后继续免费修读指定合作院校的大学课程;P-TECH和早期大学校区则与近百家行业伙伴合作,形成高中、高校与产业三方协作。文章建议学区直接询问合作院校学分转入情况,并绘制一页纸的家庭可读路径图。
Getting Smart 与 Britebound 合作推出四篇系列博客,首篇探讨双学分项目有效运作的基石。研究团队访谈了科罗拉多、明尼苏达、华盛顿和马萨诸塞州多个学区与机构,发现强模型将双学分视为设计好的体系而非课程菜单,并以规模本身作为公平策略。马萨诸塞州有色人种学生六年内完成大学学位的比例约为白人同龄人的一半,相关组织正推动早期大学项目覆盖数万名学生。
学生反复提出的作业问题并非只是信息请求,而是揭示其对期望、过程与标准的深层困惑。教师应像图书馆参考咨询一样倾听“问题背后的问题”,通过解释作业的教学意图而非简单给出页数或格式要求,帮助学生理解分析深度与质量标准。透明作业设计(TILT)框架可减少猜测,俄勒冈大学与圣母大学的教学资源均支持这一做法。
顶尖学校系统不再将大学与职业准备(CCR)视为高中阶段任务,而是作为 PreK-12 全程承诺,从小学起即通过日常教学塑造学生的自我认知与职业信念。这些系统不以完成战略计划或里程碑为成功标准,而是持续追问改进举措是否真正提升毕业后的升学、证书获取与就业准备。毕业不是终点,而是学生进入高等教育或职业路径的起点。