2026年,走进任何一所大学校园,你都会发现生成式人工智能已经融入学生生活的方方面面,这与两年前的情况截然不同。根据数字教育委员会(Digital Education Council)2026年全球调查的数据,该调查涵盖了来自35个国家的4.5万多名学生和教职人员的反馈,88%的学生目前在学习中使用人工智能,77%的教职人员在教学中使用人工智能,较上一年大幅上升了16个百分点。这已经不再是一个缓慢而谨慎的推进过程了,而是一场高速的变革,各机构仍在努力追赶。
采用速度与准备程度之间的这种差距,恰恰是当下高等教育中生成式人工智能发展的真实写照。学生和教职人员已经行动起来了。而政策、培训和评估设计仍然多少有些滞后。本文将梳理生成式人工智能如今在校园中的实际应用、真正的益处、切实的优势与真实的风险,以及那些真正重视国际学生和学术诚信的大学需要认真思考的问题。
什么是生成式人工智能?
生成式人工智能(简称生成式AI)包含许多由AI驱动的工具。ChatGPT、Gemini、Claude和Copilot便是其中一些最受欢迎的例子。这些工具能够像人类一样创造出原创内容,例如文本文档、图像、计算机代码以及其他类型的内容,而不仅仅是像搜索引擎那样提供已有的信息。举例来说,在高等教育中,学生可以让这类工具把一个复杂的概念用更简单的话重新表述出来,提炼一篇很长的期刊文章的要点,为论文内容写出初步的框架,或者针对某个概念生成练习题。基于这样的输入和请求,人工智能模型实际交付给用户的回答并不是现有信息的简单复制,而是一份全新的、高度个性化的内容。
正是这种差异,使得生成式人工智能如今成为学术界争论的焦点。它并非对信息的简单重排或重组,而是对内容真正的创造。它的普及让高等教育机构不得不重新、认真地思考从作业设置方式到学术诚信定义的方方面面。
高等教育为何拥抱生成式人工智能
这种采用的广度并不局限于某一个国家或某一类院校。HEPI进行的一项英国调查发现,学生在课业中使用生成式人工智能的比例在短短一年内从53%上升到了88%,而学生使用人工智能工具的总体比例在同一时期内从66%上升到了92%。类似的趋势在全球范围内也可以观察到,例如数字教育委员会针对拉丁美洲的调查发现,92%的学生和79%的教职人员都在积极使用人工智能,这与他们在大多数其他地区所了解到的情况是一致的。
人工智能吸引力的一部分在于它是一个实用的工具,在接受HEPI调查的学生中,约有一半表示人工智能通过节省时间、加深理解或提供办公时间之外无法获得的即时帮助,对他们的学习体验产生了重大的积极影响。对于国际学生而言,那种随时可得的即时帮助尤为重要,他们可能已经习惯了在自己国家能够得到问题解答,但来到一个完全陌生的体系后,生成式人工智能工具可以用学生的第二甚至第三语言来解释概念,澄清他们不熟悉的学术惯例,并针对一个与他们家乡截然不同的体系,提供全天候的协助。
生成式人工智能在高等教育中的实际应用案例
其应用范围远不止于学生用它来起草论文,尽管这确实是一种常见用途。
在学生方面,生成式人工智能通常被用于:
- 用简化或替代的方式解释复杂的概念
- 总结晦涩的学术文章和阅读材料
- 在考试前生成练习题
- 在提交作业之前获得对初稿的反馈
- 为研究课题和方向进行头脑风暴
一项来自美国一所精英大学的研究发现,与自动化用途(即直接生成最终成果)相比,增强型用途(即获取解释和反馈)在学生中要常见得多,这表明大多数学生使用这些工具是为了辅助自身的学习,而不是完全取代学习本身。
教职人员的使用场景同样多种多样。教师们正在利用生成式人工智能来:
- 起草课程计划和教材
- 生成测验和考试题目
- 对大量的批改和反馈工作进行初步处理
- 协助完成诸如文献综述之类的研究任务
不过,教职人员的采用模式仍比学生要窄一些,许多人表示他们只将人工智能用于少数几种有限的用途,而不是将其广泛整合到自己的工作中。
在机构层面,各高校正在尝试:
- 用于招生和学生支持咨询的人工智能聊天机器人
- 人工智能辅助的个性化学习路径
- 将人工智能素养培训纳入新生和新员工的入职培训中
生成式人工智能在高等教育中的益处
只要使用得当,生成式人工智能能够带来真实、可衡量的优势:
- 全天候的学业支持 – 弥补了以往完全存在于办公时间或辅导课程之外的空白
- 更深入的概念理解 – 在那项精英大学的研究中,学生表示人工智能的使用与他们感知到的学习收益之间存在强相关性,尤其是在用于寻求解释而非走捷径完成作业时
- 切实的时间节省 – 让学生和教职人员能够将精力重新投入到更高价值的思考中,而不是重复的起草或检索工作
- 为国际学生提供更轻松的语言与文化适应 – 提供根据流利程度量身定制的解释,以及一个可以自由提问、不必担心在课堂上不好意思提出的、不带评判的空间
- 教职人员效率的提升 – 起草课程材料、生成多样化的评估题目,以及对反馈进行初步处理,这些都能显著节省原本会占用研究和教学时间的、行政性繁重工作的时间
生成式人工智能的风险与挑战
这些风险同样是真实存在的,而且已经不再是假设性的担忧了,它们已经在当前的研究中清晰地显现出来:
- 学术诚信。在最近一项美国调查中,教职人员的意见明显分裂,相当一部分人认为生成式人工智能会助长作弊行为并缩短学生的专注力,只有大约五分之一的人认为其总体影响会是利大于弊。
- 真实存在的技能差距。在同一项调查中,63%的教职人员表示,去年春季毕业的学生并没有很好地掌握在职场中恰当使用生成式人工智能的能力,71%的人表示,毕业生对与人工智能使用相关的伦理问题的理解也并不到位。
- 公平方面的担忧。不同学科、不同人群和不同学业水平之间的采用程度差异很大,这意味着获取和熟悉这些工具的机会在学生群体中的分布并不均衡,如果不加以解决,这可能会扩大而非缩小现有的差距。
- 机构准备程度落后于实际使用情况。数字教育委员会的全球调查发现,只有29%的学生认为他们的教师真正具备指导他们使用人工智能的能力,而57%的学生认为评估中所嵌入的人工智能指导是不充分的。
- 教职人员的抵触情绪与不熟悉。在最近一项高等教育调查中,大多数教职人员都提到,对人工智能的抵触或不熟悉是本院系内采用这些工具的真正障碍。
大学采用生成式人工智能的最佳实践
鉴于采用与准备程度之间存在这样的差距,有几项做法能够持续地将那些妥善应对这一转变的大学,与那些仅仅被动应对的大学区分开来:
- 清晰、具体的政策胜过含糊的指导。学生们普遍反映,他们希望针对某项具体作业获得明确的指引,而不是一句关于“负责任使用”的笼统而含糊的说明。
- 真正的教师培训,而不仅仅是学生指导。如果教师自己都没有获得相应的工具或信心去理解人工智能,他们就无法在自己的课程中真正有效地引导学生使用它。
- 评估方式的重新设计。全球只有28%的学生认为,他们的评估真正反映了他们在一个人工智能赋能的职场中所需要的技能和判断力,这表明当前的评估设计还没有跟上工作本身发生变化的步伐。
- 对获取机会公平性的刻意关注。所有学生,而不仅仅是那些本来就熟悉技术或负担得起高端人工智能工具的学生,都需要一条真正得到支持的、能够良好使用这些工具的路径。
- 全院统一的透明度,而不是把政策完全下放给每位教师各自决定,这样才能在学生整个学业过程中提供一个一致、可预期的框架,而不是每个课堂各有一套规则。
如果想更深入地了解各机构如何从被动应对的政策转向真正的战略,我们的文章高等教育如何实现生成式人工智能的潜力值得与本指南一同阅读。
高等教育中人工智能的未来
总体而言,根据2026年的现状来看,未来的发展路径是相当明确的。采用率将持续上升,而那些提前预见到这一变革的机构,将会是最终领先的一方。同时也出现了一些值得关注的重要区域差异信号。2025年至2026年间,美国和加拿大的教职人员使用人工智能的意愿有所下降,从76%降至67%,这是所有被调查地区中降幅最小的,而在亚太、欧洲中东非洲(EMEA)以及拉丁美洲地区,教职人员使用人工智能的意愿则保持稳定甚至有所上升,这清楚地反映出,机构文化和支持力度确实决定了一项技术会随着时间被真正接纳,还是被抵制。
未来几年值得关注的一些变化:
- 评估设计正朝着更难被完全自动化的形式演变,更加注重过程和判断力,而不仅仅是最终成果
- 人工智能素养正逐渐成为新生入学教育和入职培训的标准组成部分,就像上一代的信息素养培训一样
- 讨论的重心正从“我们是否应该允许这样做”转向“我们该如何教会学生善用这项技术”,因为无论政策是否跟上了步伐,学生的实际行为已经在大多数院校中给出了前一个问题的答案
正如QS关于高等教育中生成式人工智能的报告所指出的,那些及早采取行动、建立起伦理护栏并将人工智能素养融入教学的机构,将能够更好地驾驭这一转变。若想更全面地了解大学如何以真正造福公众为出发点来构建生成式人工智能能力,我们的文章以真正的公共影响构建生成式人工智能对此有更深入的探讨。
结语
高等教育中的生成式人工智能已经不再是“未来才会发生的事情”了,它已经在重塑学生的学习方式和教师的教学方式,而且这种变化的速度往往比各机构实际能够应对的速度还要快。那些真正妥善应对这一局面的大学,通常不是那些试图禁止这项技术、或假装它不存在的大学。相反,他们正在制定清晰的政策、切实培训教职人员,并围绕这些工具已然存在的现实来重新设计评估方式。想进一步了解各机构在应对这一转变时,一致性与能力究竟意味着什么,我们的文章人工智能时代的一致性与能力是一篇很好的延伸阅读。
如需持续了解高等教育如何应对人工智能及其他重大变革的报道,UniNewsletter会持续追踪这些动态。
常见问题
什么是高等教育中的生成式人工智能?
高等教育中所说的生成式人工智能,是指使用人工智能程序根据提示词创建文本、解读或其他内容,学生和教授等用户将其用于学习支持、课前准备、学术研究以及行政事务等目的。
大学是如何使用生成式人工智能的?
各高校已经开始借助生成式人工智能,比如用于面向学生的聊天机器人和支持服务台,以及个性化学习工具;而对于教职人员来说,则越来越多地用它来编写课程材料、设计评估方式,并且正日益为学生和教职人员建立起结构化的人工智能素养培训体系。
人工智能在教育中的益处是什么?
其优势包括全天候的学业支持、在这类技术被用于增强而非替代学习时间的情况下带来更深入的理论理解、为学生和教职人员节省时间,以及为国际学生和非英语母语学生提供更好的可及性。
生成式人工智能有哪些风险?
主要风险包括可能损害学术诚信、毕业生离校后缺乏充分的人工智能素养和伦理问题理解、部署不一致可能加剧现有的公平差距,以及人工智能被部署的程度与各高校在引导其被合乎伦理、负责任地使用方面所具备的准备程度之间存在的重大落差。
人工智能能取代教授吗?
不能。从我们目前掌握的数据来看,将生成式人工智能作为辅助支持手段——解释概念、提供反馈、支持学术工作——不仅是最有效的使用方式,也是最受青睐的方式,而教授的判断力、指导作用和学科专业知识,则是唯有人类才能承担的角色。
大学应如何负责任地使用人工智能?
负责任的使用包括制定清晰、针对具体作业的政策而非含糊的指导,提供切实有效的教师培训,重新设计能够反映真实人工智能赋能工作的评估方式,以及有意识地关注机会的公平性,让所有学生都能受益,而不仅仅是那些本来就熟悉这项技术的学生。
精选视频