引言：AI在高等教育中的双重作用
当前，关于人工智能在教育领域的讨论，多聚焦于学生如何利用大型语言模型辅助学习与写作。然而，教师群体同样是AI工具的积极使用者。近期一项调查显示，教师平均每周能通过AI工具节省约5.9小时的工作时间。有趣的是，学生也开始对教授在课堂上使用AI表达担忧，这揭示了AI在教育中双向互动的复杂性。
本研究旨在深入探讨高等教育专业人士使用AI的现状。通过分析约7.4万条匿名对话数据，并结合教职人员的直接反馈，我们得以描绘出教师采纳AI的实证图景，特别是在大学环境中。
教师AI应用的关键发现
我们的分析揭示了教师使用AI的几个显著模式：
- 课堂内外的广泛应用：教师使用AI的范围涵盖开发课程材料、撰写科研项目申请、提供学业指导，乃至管理招生和财务规划等行政任务。
- 构建定制化工具：教职人员不仅限于使用现成AI聊天机器人，更积极利用AI工具的特定功能构建自定义资源，例如化学模拟、自动化评分标准和数据可视化仪表盘等交互式教育材料。
- 自动化繁琐任务，增强核心工作：教师倾向于利用AI自动化如财务管理和记录保存等常规行政工作。对于需要大量背景知识、创造力或直接学生互动的任务——例如课程设计、学生辅导和科研项目撰写——教师更倾向于将AI作为增强工具，而非完全取代。
- 评分自动化的争议：尽管教师们对自动化评估任务存在担忧，且将其评为AI效果最不理想的领域，但研究发现，在涉及评分和评估的AI使用中，近一半（48.9%）的操作是以自动化方式进行的，即AI直接执行该任务。
识别教师AI使用模式
为了揭示AI工具在高等教育中的应用模式，本研究采用了一种隐私保护的自动化分析工具。识别高等教育专业人员对AI工具的使用面临独特挑战，因为平台通常不直接收集职业数据。与学生经常明确提及课程或作业不同，教师的AI互动涵盖教学、研究、行政和个人学习等多个方面，使得识别和分类更为复杂。
通过对与高等教育机构邮箱关联的AI免费和专业账户对话进行分析，并对涉及创建教学大纲、批改作业或开发课程材料等教师特定任务的对话进行自动筛选，我们收集了约7.4万条对话数据。本分析旨在探索教师如何将AI应用于其专业相关任务，而非全面涵盖教师所有的AI使用。
此外，我们将每条对话与美国劳工部职业信息数据库中与“高等教育”教学或行政职业相关的任务进行匹配。本研究还通过一项针对22位早期AI采用者的调查，辅以定性研究，深入了解了教师使用AI的动机、担忧和模式。
教师AI的常见用途
本研究发现，教师使用AI最突出的用途是课程开发，这在对话分析和定性研究中均有所体现。学术研究和学生表现评估分别位居第二和第三大常见用途。
该图表展示了教师AI使用的三大核心领域：课程开发、学术研究和学生表现评估，并揭示了这些任务中增强与自动化方法的比例。
在调查中，教师们还报告将AI用于个人学习（平均占其AI使用时间的29%）。然而，由于学习场景中学生和教师使用的难以区分，这一方面未在对话分析中深入探讨。
我们还发现了一些特别有趣的AI使用案例：
- 创建模拟法律情景，用于教育模拟教学；
- 开发职业教育和劳动力培训内容；
- 起草学术或专业申请的推荐信；
- 创建会议议程及相关行政文档。
教师选择AI的原因
我们的定性研究揭示了教师倾向于这些常见AI用途的几个核心原因：
- 自动化繁琐任务：“它能处理那些耗时的任务”，有助于完成“筹款的机械部分”。
- 协作式思维伙伴：“AI能够以我未曾想到的有效方式向学生解释概念”。
- 为学生提供个性化学习体验：“AI对于为学生和我提供超越单一教师所能提供的个性化、互动式学习体验非常有用”。
教师如何利用AI构建定制化工具
本研究中最令人振奋的发现之一是教师们如何利用AI的定制化功能创建交互式教育材料。他们不再仅仅停留在对话层面，而是积极构建完整、功能性的教育资源，其中一些甚至可以直接应用于课堂教学。
正如一位受访教师所说：“以前因时间成本过高而无法实现的事情，现在变得可能。自定义模拟、插图、互动实验——这太棒了！这使得学生参与度更高。”
教师通过AI工具构建的关键成果
- 互动教育游戏：包括基于网络的密室逃脱游戏、平台游戏和模拟，通过游戏化方式教授各种学科和级别的概念。
- 评估与评价工具：带自动反馈系统的HTML测验、用于分析学生表现的CSV数据处理器以及综合评分标准。
- 数据可视化：交互式展示，帮助学生可视化从历史时间线到科学概念的一切内容。
- 学科专用学习工具：如化学计量学游戏、带自动反馈的遗传学测验以及计算物理模型等专业资源。
- 学术日历与日程安排工具：可自动填充、下载为图片或导出为PDF的交互式日历，用于显示课程时间、考试时间、专业发展会议和机构活动。
- 预算规划与分析工具：为教育机构设计，包含具体费用类别、成本分配和预算管理工具的预算文档。
- 学术文档：会议纪要、成绩相关沟通邮件、学术诚信问题邮件、教职奖项推荐信、终身教职申诉、项目申请、面试邀请和委员会任命。
这些成果标志着AI从“对话助手”向“创意合作者”的转变，赋能教师制作个性化教育材料，而这些材料在传统上可能需要大量技术专长或资源。
AI辅助与自动化：一个光谱
本研究揭示了教师在AI辅助（协作使用）与自动化（完全委托任务）之间平衡的细致图景。在AI工具的对话数据中，不同教育任务呈现出不同的使用模式：
此图表展示了教育任务中AI辅助（协作）与自动化（直接执行）的比例，揭示了不同任务类型中教师对AI使用偏好的差异。
具有较高增强倾向的任务：
- 大学教学与课堂指导，包括创建教育材料和练习题（77.4%增强）；
- 撰写科研项目申请，以获取外部研究资金（70.0%增强）；
- 学业指导和学生组织指导（67.5%增强）；
- 监督学生的学业工作（66.9%增强）。
具有相对较高自动化倾向的任务：
- 管理教育机构财务和募资（65.0%自动化）；
- 维护学生记录和评估学业表现（48.9%自动化）；
- 管理学术招生与入学（44.7%自动化）。
这种差异表明，教师将任务完全委托给AI的可能性取决于任务本身的性质。与调查结果一致，涉及常规行政和财务管理的工作更可能被完全委托，而那些与直接学生互动紧密相关的任务（如创建练习材料或指导博士级学术研究）则更倾向于增强。这些AI互动通常需要大量情境信息，因此需要AI与教授之间的协作。例如，一位教授指出，在设计课程计划时，“AI需要关于材料难度和已涵盖内容的上下文指导”。
教师似乎也更倾向于以增强方式使用AI进行需要创造力或复杂决策的工作，例如撰写科研项目申请。一位受访教授在头脑风暴时写道：“与大型语言模型的对话才是有价值的，而不是它的第一个回应。这也是我努力教导学生的：将其用作思维伙伴，而不是思维替代品。”
然而，近一半的评分相关对话被识别为自动化程度高，这仍然令人担忧。尽管受访教授认为这是AI最不有效的单一任务，但在数据中却显示出来。即使这只占我们研究对话的7%，它仍是第二大自动化程度高的任务。这包括提供学生作业反馈和使用评分标准进行评分等子任务。虽然尚不清楚这些AI生成的回应在多大程度上影响最终成绩和反馈，但研究揭示的互动确实显示出一定程度的委托给AI工具。
在教师中，使用AI进行评分仍然是一个有争议的问题。一位教授分享道：“从伦理和实践角度看，我非常警惕使用AI工具以任何方式评估或指导学生。部分原因是准确性问题。我曾尝试让大型语言模型批改论文，但它们还不够好。从伦理上讲，学生支付学费是为了我的时间，而不是AI工具的时间。我有道德义务做好工作（或许在AI工具的协助下）。”
尽管AI反馈可以通过自动系统提供形成性反馈等方式支持学生发展，但大多数教师似乎同意，评分不应接近完全自动化。
教师如何重新思考教学内容
许多教师认识到AI工具正在改变学生的学习方式。这反过来又促使教师改变他们的教学方式。正如一位受访教授所说：“AI迫使我彻底改变教学方式。我正在付出大量努力，试图弄清楚如何处理认知卸载问题。”
AI也在改变教授们的教学内容。例如在编程领域，一位教授表示：“基于AI的编程彻底改变了分析教学/学习体验。我们不必再纠结于逗号和分号的调试，而是可以将时间用于讨论分析在商业应用中的概念。”
更广泛地说，评估AI生成内容准确性的能力变得越来越重要。一位教授写道：“挑战在于，随着AI生成内容的增加，人类验证和跟上节奏变得越来越力不从心。”教授们渴望帮助学生在某个学科领域建立足够的专业知识，以具备这种辨别力。
评估方式也开始变得不同。尽管学生作弊和认知卸载仍然令人担忧，但一些教育工作者正在重新思考他们的评估方式。
“如果AI工具能完成一项作业，我不会担心学生作弊；我担心的是我们作为教育者没有做好自己的工作。”
一位教授分享说，在遇到太多学生提交AI撰写的作业后，他们“再也不会布置传统的学术论文”。相反，他们分享道：“下次我会重新设计作业，使其无法通过AI完成。我曾有一名学生抱怨每周的作业很难做，他们很恼火，因为AI工具在完成作业方面毫无用处。我告诉他们这是一个赞美，我将努力从学生那里听到更多这样的话。”
未来的一个方向可能是根据这些新工具提升作业难度，并期望学生能够应对更复杂、更现实的挑战，即使有AI辅助也仍然具有难度。然而，考虑到AI的持续改进，这是一个不断变化的目标，并可能给教育工作者本身带来巨大负担。此外，学生仍然需要独立于AI发展基础技能，才能有效评估其输出。
研究的局限性与考量
本研究存在一些重要的局限性：
- 识别方法局限性：我们的筛选方法仅捕捉到约1.5%来自高等教育邮箱的对话，这限制了我们仅能关注明确与教育工作者相关的任务，可能遗漏了许多其他非专属的教师AI互动。
- 教师范围局限性：分析仅限于拥有高等教育邮箱地址的账户，未涵盖K-12（中小学）教师。
- 早期采用者偏差：我们可能主要捕捉到已经熟悉AI的教师，他们可能不代表更广泛教师群体的技术准备程度或态度。
- 调查局限性：来自单一机构的教师数据提供了定性背景，但样本有限，可能不具普遍性。
- 平台特异性：本分析侧重于特定AI工具的使用，可能不反映其他AI平台的使用模式。
- 时间限制：分析窗口未能捕捉整个学年教师AI使用的季节性变化。
展望未来
本研究揭示了教师采纳AI的复杂图景。从构建互动模拟到管理行政任务，AI在各种学术职能中展现出日益扩大的影响力。
或许最令人鼓舞的是教师如何利用AI构建切实的教育资源。这种从将AI作为对话工具转变为创意伙伴的转变，有助于解决教育领域长期存在的资源限制问题。正如一位教授所指出，曾经因时间成本“过高而无法实现”的自定义模拟和互动实验，现在已成为可能，为学生创造了更具吸引力的体验。
然而，围绕AI辅助评分的争议依然存在。尽管在我们的数据中，近一半的评分相关任务显示出自动化模式，但受访教师将其评为AI最不有效的应用。这种尝试与认为适当性之间的脱节，凸显了在效率提升与教育质量及伦理考量之间取得平衡的持续挑战。
这些发现表明，随着技术本身的发展，AI在教育领域的叙事将继续演变。教师对AI适当使用的看法，特别是对于评分等敏感任务，可能会随着工具的改进和最佳实践的出现而改变。未来研究同样重要的是理解学生和教师AI使用如何相互作用——当学生知道教授正在使用AI时，他们如何感知和回应？教师的采纳如何影响学生的学习行为？
本研究捕捉了教师在积极实验的时刻，他们在构建新可能性的同时，也在努力解决AI增强课堂中角色定位的基本问题。未来的道路将需要持续对话、审慎的政策制定和不懈研究，以确保这些工具能够增强而非损害教育体验。
