2025年人工智能在教育中的应用报告.pptxVIP

翻译/骑象小学堂曾进

2025年3月31日

◆背景

◆前沿观察

目录

◆什么是AI?

◆AI素养

◆AI的利弊分析

◆人工智能数字鸿沟

背景

什么是人工智能

am

指的是模拟通常需要人类智能的任务的程序或机器，例如：

l识别模式

l做出预测

l生成内容

人工智能定义和应用的多样性，以及其近年来飞速的发展，使得对其进行监管变得颇具挑战。

(OECD,经济合作与发展组织2024)

理解人工智能有助于决策者制定和评估政策，以推动其负责任的使用、可及性与设计。

人工智能…

人工智能作为计算机科学的一个领域出现，融合了数学、工程学和心理学等学科的概念。

1950s

机器学习（Machine

Learning,ML）是一系列技术，通过处理海量数据，使计算机在执行任务时不断提升自身表现。

深度学习（Deep

Learning,DL）是一种机器学习技术，利用神经网络和模拟人脑学习与信息处理方式的算法来进行训练和推理。

1980s

大型语言模型（LargeLanguage

Models，LLMs）是深度学习技术的产物，专门用于自然语言处理、文本生成和翻译等任务。

2020s

生成式人工智能（GenerativeAI，简称GenAI）是一类强大的人工智能技术，涵盖大型语言模型（LLMs）及其他能够生成文本、图像、视频或音乐的模型。

生成式AI的内部运作往往缺乏透明性和可解释性，这使得建立信任和实现责任追究变得具有挑战性。

在教育领域，生成式AI还面临一些特有的问题，包括偏见、虚假信息以及对AI工具的过度依赖。

Today

AI素养包括以下几个方面：

l理解人工智能的工作原理

l负责任地使用人工智能

l认识人工智能带来的社会与伦理影响

l了解人工智能的潜在益处与风险，并掌握降低风险的方法

AI素养

常见误解

正确理解

AI能像人一样思考。

AI并不具备人类的意识、情感或主观判断，它只是通过算法处理数据，模拟“某些”思维过程。

所有的AI都是一样的。

不同类型的AI在结构、用途和能力上差异巨大，如聊天机器人、图像识别系统、推荐引擎等。

AI的决策是没有偏见的。

AI会继承和放大其训练数据中的偏见，决策可能不公正，需人工监督与调整。

关于人工智能（AI）的常见误解

教授AI

理解人工智能的工作原理，包括学习计算机科学、数据科学、社会学、自然科学和数学等领

域的基础概念。

将AI作为工具，服务于教

师支持、学生学习及学校管理与运营。

用人工智能教学教授人工智能

用AI教学

内容开发与差

评估设计与

个别辅导与个

学校运营与行

助力创造力

异化教学

及时有效的反馈

性化学习支持

政管理效率

与协作能力发展

虚假信息、错

学生与教师

学生隐私泄

过度依赖与

社会偏见与

误内容与学术

自主性和责

露与未授权

批判性思维

文化敏感性

不诚信

任感的削弱

数据收集

潜在风险

的丧失

的缺失

人工智能在教育中的潜在益处与风险

潜在益处

AI教学辅助（如教案生成、批改作业、资源推荐）

个性化学习路径（依据学生能力和兴趣定制内容）

校园监控（如考勤、人脸识别、行为分析等）

AI教育应用示例与伦理问题对照表

复制低效的教学实践

削弱教师与学生的自主性

隐私风险与偏见问题

应用场景（UseCase）

可能的伦理问题（EthicalConcern）

TheintroductionofAIineducationmayexacerbateanexistingdigitaldivide.Reducingthisdivideinvolvesaddressingbarrierstoaccess,supportingeffectivepedagogicaldesign,andproviding

powerfullearningopportunities.

使用方式：

积极主动的学习体验

潜在的人工智能鸿沟

教学设计：

教学取向与策略

获取途径：

设备与连接性

前沿观察◆教育领域中的AI数据

教育领域中的AI数据

am

来自青少年的声音（YouthPerspectives）

“使用人工智能的青少年表示，

他们希望在学习如何使用不同的AI工具时，能得到成年人的帮助。”

—4-H