摘要：生成式人工智能的迅速发展及其在教育中的广泛应用，正深刻影响美国高等教育。本文基于对美国35所一流大学人工智能应用指南的系统分析，探讨美国大学在教学领域的改革行动。以人工智能技术应用为契机，美国一流大学采取三方面的行动：重新定义学术诚信，规范生成式内容的引用格式，更新检测手段，维护学术规范；改革师生沟通机制，明确人工智能使用边界，发展学生关键技能，公开使用政策；采取人工智能赋能的评估反思框架，强化多样化教学评估方式，开展真实情境评估、动态阶段评估、多模态评估和重启课堂评估，注重提升学生的批判性思维等高阶能力。我国一流大学应充分借鉴国际先进经验，塑造学术诚信的新环境，提升教师人工智能素养，积极推动教育评价转型。
关键词：人工智能；教学改革；一流大学；师生沟通
一、改革背景
随着人工智能的快速发展，尤其是生成式人工智能的普及，人类获取和处理信息的方式与效率正经历深刻变革。在高等教育领域，学生已广泛采用人工智能工具辅助信息处理、完善文档内容，甚至直接寻求问题答案。与此同时，各国政府与教育机构也在积极探索生成式人工智能应用，并制定相关政策予以规范。
人工智能的教育应用已显著影响高校的教学实践、学生学习过程和评估体系。其中，教学模式的变革、评估体系的重构成为受人工智能影响最大的两个领域，尤其是如何应用人工智能生成的内容和教师判断学生作业中人工智能的参与度等问题，引发广泛讨论（UNESCO，2023a）。然而，许多高校在人工智能的科学使用和学术诚信的界定上仍缺乏清晰的政策指引，或政策制定滞后。
2023年以来，以普林斯顿大学、斯坦福大学为代表的世界一流大学敏锐意识到人工智能对教学的潜在影响，率先采取行动，发布人工智能应用指南。这些指南提供的指导建议包括教学评价的基本原则、教学评估改革策略和教学大纲模板，帮助师生科学有效地利用人工智能技术。美国其他一流大学也迅速跟进，在 2023—2024 年间相继出台适合自身需求的人工智能应用政策。系列应用指南的出台，引领着人工智能时代美国一流大学的教学创新。在此背景下，本研究聚焦美国一流大学在教学与评估领域对生成式人工智能应用的决策行动，探讨其值得借鉴的经验。
二、样本选择
根据《美国新闻与世界报道》发布的2024年美国最佳综合大学排名（U.S. News, 2024），本研究选取综合排名前50的大学作为研究对象。研究者使用“AI policy”“Generative AI policy”“AI guidelines”“Generative AI guidelines”“AI guide”“Generative AI guide”等关键词搜索美国大学官方网站生成式人工智能评估指导文件、政策或指南。此外，为确保收集信息的全面性，研究者还查看了各大学官方网站可能包含生成式人工智能政策的专栏（如教学中心、信息技术部门）。
经筛选，35所大学发布了生成式人工智能使用指南和政策文件，受篇幅所限，本文仅列出前十所大学（见表1）。这些政策文件可分为两类：一类是由大学教务长办公室、首席信息官办公室等管理部门发布的政策型文件，其内容相对简洁，旨在为大学的人工智能应用提供指导；另一类是由大学的功能性部门发布的指导性文件，其内容相对具体，包含教学大纲示例、人工智能工具使用、人工智能资源支持等。为确保研究的全面性，本研究未严格区分指南的类型，以提供更全面的视角。
三、主要内容
基于对人工智能政策指南的分析，本研究发现美国一流大学的改革行动主要集中在三方面：重新定义高等教育的学术诚信、优化师生沟通机制和改革教学评估方式。
（一）重新定义学术诚信
随着生成式人工智能的广泛应用，学术诚信面临前所未有的挑战，成为教学改革的核心议题之一。学术诚信不仅是教育评估的道德基石，也是确保评价结果公平性与有效性的关键。美国一流大学人工智能应用指南将重新定义学术诚信视为重要改革方向。这些指南详细阐述了对抄袭与剽窃的界定、人工智能生成内容的使用规范和检测方法等。不同大学依据自身需求采取了多种举措，确保教学评价的持续性和可信性。
1. 重新界定抄袭及其判定标准
禁止抄袭是美国大学教学评价政策最基本且严格执行的规定，各校针对抄袭的判定标准有明确规定。抄袭是个多维概念，有不同的解释和定义。常见形式之一是“文本抄袭”，即“在没有适当归属的情况下使用他人的文字或思想”，这种行为可能是故意的“直接抄袭”，也可能是无意的“补丁写作”（Pecorari ＆ Petri´c, 2014）。随着生成式人工智能的兴起，抄袭的判定标准也有待所补充和扩展。
布朗大学规定“提交抄袭的论文、其他书面或口头材料，或故意将他人的思想、语言、观点、表达、经历及人工智能平台、技术或算法的实质性内容或输出，歪曲为自己原创的作品”即为抄袭（Brown University，n.d.）。尤其是，生成式人工智能工具经常生成不正确的陈述、虚假来源或不正确的信息来源。有高校认为未确认材料来源和正确性就引用也构成抄袭 （Harvard University， 2023a；Princeton University，n.d.）。杜克大学和乔治华盛顿大学的指南指出，学生可以将生成式人工智能生成的内容作为灵感来源，但如果没有正确引用或确认来源，将被视为抄袭（Duke University，2024a；George Washington University，2023）。未经教师许可，使用生成式人工智能生成的内容作为自己的作品提交，也被视为学术不端行为（Northwestern University，n.d.）。
2. 规范生成式内容的引用格式
对于是否以及如何使用生成式人工智能，美国一流大学普遍将权力下放，即由教师自主决定生成式人工智能使用规则。25所一流大学的指南明确要求教师在课程大纲中阐明对生成式人工智能的使用态度和要求。若教师允许学生使用生成式人工智能，则需明确引用规范。学生应根据教师的指导说明引用生成式人工智能生成的内容，未能恰当引用或说明生成式工具的使用，会被视为违反学术诚信政策（Dartmouth College，2023）。
多所院校基于美国心理学会（American Psychological Association，APA）格式、美国现代语言协会（Modern Language Association of America，MLA）格式和芝加哥（Chicago）格式，提供新的引用格式。学生需要在作业中记录使用生成式人工智能工具的全过程，详细说明所用工具、访问日期、使用目的和提示语。任何超出允许范围的行为，都可能构成学术诚信违规（Northwestern University，n.d.-b；Harvard University，2023b）。例如，杜克大学的范例为：“本课程所有提交作品必须是原创，如使用他人的观点和作品（包括生成式人工智能资源），必须引用”（Duke University，2024b）。德克萨斯大学奥斯汀分校的教学大纲以设计类课程为例指出：“在实际工作中，设计师通常会使用人工智能内容生成工具。因此，本课程允许使用人工智能生成工具，但必须遵守以下规定：1）必须说明使用了何种人工智能内容生成工具、使用日期，并采用MLA格式；2）重点描述所用示例及其转换过程，展示人工智能生成的图片或内容应采用MLA格式”（University of Texas at Austin，n.d.-a）。普林斯顿大学强调，学生必须对自己的作品负责，规范引用所有使用人工智能工具生成的内容（Princeton University，2023）。布朗大学为学生提供的引用示例见表2（Brown University，2024）。
3. 更新人工智能内容检测手段
随着生成式人工智能工具的普及，学生使用这些工具已不可避免。尽管各院校对待人工智能检测工具的态度不尽相同，但一流大学尽量提供系列方法帮助教师辨别学生作业内容的真实性与原创性。范德比尔特大学的指南指出，目前没有一种完美的方法可以准确检测生成式人工智能的使用情况，然而一些“危险信号”提示学生可能使用了人工智能工具。以下是可能帮助教师识别人工智能生成内容的策略（Vanderbilt University，n.d.）：
• 不准确的内容：生成式人工智能工具常生成不准确的信息。因此，如果作业存在明显错误或不准确的文本，可能表明学生使用了人工智能工具。
• 不明确的方法：如果作业中使用的方法与课堂介绍的明显不同，且没有引用外部来源信息，这表明它可能是人工智能生成的内容。
• 查看不同语气：人工智能生成的内容通常较为公式化，缺乏人类写作的情感深度。如果文本读起来像机器生成的，这可能是个提示信号。
• 与以前作业对比：如果学生的语气和写作风格与之前有显著差别，可能表明他使用了人工智能工具。
• 评估引文：人工智能工具可能引用学生难以获取的学术资源，或生成虚假的文献资料，需谨慎辨别。
随着人工智能技术的不断发展，各类声称能够准确识别人工智能生成内容的检测工具相继出现。然而，不同高校对检测工具的应用策略和认可程度存在差异。例如，约翰•霍普金斯大学等九所高校的指南指出，教师可以使用抄袭检测软件（如Turnitin、GPTZero、Copyleaks、Originality AI等）辅助检查，但要谨慎。这些工具有助于识别包含人工智能生成内容的文本，从而为教师提供调查依据并采取适当措施（Johns Hopkins University，n.d.）。然而，生成式人工智能技术的演进速度远超检测工具的更新速度，目前尚无任何检测软件能准确识别人工智能生成的文本（University of Michigan–Ann Arbor，2023）。研究表明，不同检测工具的准确性差异较大，可能出现漏判和误判（Johns Hopkins University，n.d；Columbia University，n.d.）。因此，人工智能检测工具应被视为辅助手段，而非最终判定标准。伊利诺伊大学香槟分校建议，若使用人工智能检测工具，教师应至少采用两种不同工具并对比分析，以提高判断的可靠性（University of Illinois Urbana-Champaign，2023）。
然而，杜克大学、南加州大学等七所高校不推荐或明确禁止使用人工智能检测工具。除了检测工具的准确性，这些高校还关注使用检测工具可能导致的学生隐私泄露问题。特别是学生作品上传到检测系统，原创内容被人工智能检测工具读取和学习，可能引发数据安全和版权争议。因此，这些高校建议，不能单纯依赖检测工具，需与学生建立良好的信任关系，明确人工智能使用规范，提供多样化的教学评估方式，以有效维护学术诚信。
（二）优化师生沟通机制
随着生成式人工智能技术的广泛应用及其生成内容质量的不断提升，师生对其认知与态度日趋多元。学生普遍认为，生成式人工智能可以提升学习效率并优化作业质量，教师则关注其广泛使用是否会增加学术不端行为的风险，并积极探索如何有效地将生成式人工智能融入教学，以提升教育质量。在此背景下，师生间的有效沟通成为改革行动的关键。美国一流大学通过优化师生沟通机制，鼓励师生深入讨论人工智能技术及其对学生发展的影响，明确课程要求及生成式人工智能工具使用政策，同时强调学术诚信与原创性原则，帮助师生全面理解和应对生成式人工智能带来的机遇与挑战。
1. 明确人工智能使用边界
明确生成式人工智能使用边界是师生沟通的关键，有助于学生理解人工智能工具在学习过程中的合理应用场景及其局限。清晰的使用规范有助于维护学术诚信，确保评估的公平性。美国一流大学的指南显示，生成式人工智能在教育领域的合理应用能有效地支持学和教。例如，在创意写作和科学研究设计中，学生可以利用人工智能获取灵感并辅助数据分析（University of Texas at Austin，n.d.-b）。此外，生成式人工智能还能提升学习效率，帮助学生撰写论文初稿、检查语法和优化文本，从而将更多精力投入批判性思维、问题解决和创造性思维等高阶思维活动（Brown University，n.d.）。
为确保生成式人工智能的规范使用，教师应在课程开始前明确说明哪些任务允许使用生成式人工智能，并提供适当指导（Harvard University，2023b）。西北大学要求教师提供具体案例，阐明可接受和不可接受的使用情况，同时教授正确引用人工智能生成内容的方法，并强调未引用或误用的潜在学术后果（Northwestern University，n.d.-a）。普林斯顿大学进一步指出，学生可在头脑风暴和初稿撰写阶段使用生成式人工智能，但最终提交的作品必须独立完成，并严格遵守学术诚信原则（Princeton University，2023）。
2. 利用人工智能提升学生能力
在人工智能时代，高等教育不仅应适应技术变革，更应积极将人工智能融入教育实践，以提升学生能力和素养，人工智能的应用应始终以优化和促进学生的学习过程为核心目标。通过支持个性化学习，人工智能能够提升学生的批判性思维、创新能力与实践技能。合理引导与规范应用将使人工智能成为推动教育改革的重要动力，帮助学生更好地适应未来社会。在引导学生有效利用人工智能技术时，教师不仅应展示人工智能作为学习工具的潜力，还应帮助学生认识到人工智能在能力提升和适应社会中的重要作用（Vanderbilt University，2023a）。
为确保人工智能的有效应用，美国一流高校鼓励师生建立开放、持续的对话机制，帮助学生理解人工智能的优势、局限性和伦理问题（University of Texas at Austin，n.d.-b）。威斯康星大学麦迪逊分校和华盛顿大学鼓励通过专题研讨、实践课程和师生共创项目，引导学生合理使用人工智能工具，发展技术素养与批判性思维（University of Wisconsin–Madison，2023）。哈佛大学提供明确的政策与指导，鼓励学生在学术诚信框架下，充分发挥人工智能的潜力，实现深度学习与全面发展（Harvard University，2023a）。华盛顿大学鼓励学生充分利用人工智能工具，发展关键技能并为未来的职业生涯作好充分准备（University of Washington，n.d.）。
3. 鼓励公开人工智能使用政策
美国一流大学要求教师在课程开始前必须清晰地告知学生人工智能使用政策。通常，人工智能使用政策分三类：禁止使用、有限使用和开放使用（Harvard University，2023a）。西北大学提供了人工智能使用政策模板（Northwestern University，n.d.-b），帮助教师制定清晰的课程政策。
1）禁止使用生成式人工智能：严格禁止在课程中使用生成式人工智能生成任何与课程相关的材料或内容。任何涉及生成式人工智能的使用行为都将被视为潜在的学术诚信违规。
2）有条件地使用生成式人工智能：学生只能在作业中按照规定的目的使用生成式人工智能，且必须在提交作业时详细说明人工智能使用情况，包括使用目的、工具和提示语。任何超出允许范围的使用行为将被视为学术不端。
3）开放使用生成式人工智能：学生可以自由使用生成式人工智能工具，但需在作业中清晰说明使用目的、工具和提示语。
此外，课程中是否允许使用生成式人工智能工具的书面政策应至少包括：生成式人工智能工具的使用范围及相关政策，与人工智能使用相关的评分政策及其对学生成绩的影响，确保学生了解使用人工智能工具是否会影响评分标准。
范德比尔特大学制定的政策框架要求教师与学生讨论生成式人工智能使用政策前，先清晰回答以下问题，以便明确表达生成式人工智能工具的使用要求和期望（Vanderbilt University，2023b）：
•是否允许在课程中使用生成式人工智能？
•对使用生成式人工智能的学生有何期望？学生可以用这些工具完成哪些任务？是否可以用于头脑风暴、校对或撰写文本？
•如何界定恰当与有道德地使用生成式人工智能？
•课程中，哪些行为属于与人工智能使用相关的学术不端？
•如何确保学生了解并遵守保密和隐私政策？
总之，美国一流大学在课程中是否允许学生使用生成式人工智能及使用方式上，赋予教师决策权，且教师可与学生协商决定，关键在于明确公开课程人工智能使用政策，清晰表达教师对人工智能使用的立场与期望，提高人工智能教学应用效率。
（三）改革教学评估方式
整体上，美国一流大学采取积极的态度，提出一系列人工智能赋能教学评估方式改革行动建议，如反思现有教学评价方式，设计基于真实情境的评估活动，采用分阶段动态评估、多模态评估，以及重启课堂评估。这些改革行动旨在避免学生因依赖人工智能而导致评估失效，进而鼓励教师积极利用人工智能赋能，拥抱教学评价创新，推动教学评价变革，为全面提升教育质量创造新的可能。
1. 人工智能赋能的评估反思框架
1）反思评估的意义。教师需重新审视评估活动能否精准衡量学生应掌握的核心知识与技能。例如，不少教师之前要求学生期末提交一篇综合论文，当前应重新审视其与课程目标的契合度，同时提供个性化选择空间。教师可以允许学生根据兴趣或背景选择论文主题。这不仅有助于提升学生的参与度，还能激发其创造力，促使学生在更具自主性的学习环境中深入探索。面对人工智能技术，教师需持续反思和调整评估活动的意义，确保教学目标与社会需求同步更新，促进人才培养的创新与发展。
2）重新确认学习目标。评估设计的首要目的是支持学生达成学习目标。然而，实际教学中，评估可能偏离既定目标。教师需定期审查作业设计与学习目标的契合度，并结合人工智能的应用背景，动态调整教学目标。这种持续反思和调整过程能够保障评估活动的针对性和有效性，确保学生在技术变革背景下达成学习目标。
3）列举人工智能的优势。教师应系统梳理使用人工智能工具对学生学习的潜在优势。例如，人工智能可以支持学生生成初稿、改进语言表达或提供写作灵感。通过明确优势，教师能够设计更具建设性的评估任务，充分发挥人工智能的教育赋能效应。
4）列举人工智能的风险。如使用不当，生成式人工智能可能会削弱学生的写作和逻辑思维等关键能力。教师可以利用人工智能难以获取的资源（如基于特定馆藏的研究成果分析指定文本）设计学习活动。此外，教师还应引导学生识别和评估人工智能生成内容的局限性与适用性，帮助学生发展批判性思维能力。
5）探索人工智能赋能。教师可结合具体场景设计创新型评估活动。例如，西北大学采用“生成与评价结合”的任务设计：学生使用人工智能工具生成特定主题的初稿后，评估内容质量，修订文本，验证引用真实性，并撰写对生成内容的评价（Northwestern University，n.d.-b）。这种任务设计不仅提升了学生的批判性分析能力，还强化了学术诚信意识，为人工智能融入教学提供了路径。
6）反思学习过程与评价。动态反思学习过程是确保评估具有意义的关键策略。哈佛大学要求学生分析和标注人工智能生成的内容，与原创内容进行对比并讨论差异（Harvard University，2023a）。这种方式将评估从衡量单纯的学习成果转向对学习过程的深入理解，促进学生终身学习能力的发展。通过实时反馈与支持，教师能够帮助学生认识人工智能的局限性和潜在价值，提高学习成效。
总之，美国一流大学鼓励教师通过反思与优化教学评价活动，积极应对生成式人工智能带来的教育变革。人工智能赋能的多样化教学评估，如真实情境评估、动态阶段评估、多模态评估和重启课堂评估，都可以在这一反思框架下得到扩展。
2. 人工智能赋能真实情境评估
美国一流大学鼓励采用人工智能赋能真实情境评估，旨在通过贴近现实世界的任务设计，提升学生的综合能力与学习成效。这种评估方式将人工智能工具整合于实际问题解决过程，使学生在真实情境中应用所学知识。与传统评估相比，真实情境评估不仅强调学习成果，更关注学生在动态环境的分析、决策和创新能力（Johns Hopkins University，n.d.）。
1）乔治华盛顿大学：结合课堂内容与实际经验
基于特定情境的评估设计被广泛认为是应对生成式人工智能挑战的重要策略。乔治华盛顿大学建议教师设计评价活动时，要求学生结合课堂知识、讨论内容与生活经验，如深入分析课堂使用的图像、视频和其他媒体材料，这是人工智能工具难以直接生成的满足任务要求（George Washington University，2023）。这种设计能鼓励学生在特定情境展开批判性思考，并通过创造性方式展示学习成果。
2）约翰•霍普金斯大学：基于真实问题的应用任务
约翰•霍普金斯大学强调评价活动应以解决实际问题或创造新知识为目标。基于真实问题的任务需要学生将所学知识应用于解决复杂、开放性问题。这常需要高阶思维技能的参与。这种方法能显著减少生成式人工智能的使用，更真实地反映学生学习成果（Johns Hopkins University，n.d.）。
3）耶鲁大学：利用专属资源与未解决问题
耶鲁大学建议教师在设计评价任务时，充分利用生成式人工智能难以访问的资源，如付费数据库、大学图书馆的馆藏资料和最新研究成果；鼓励学生探讨尚未解决或刚刚开始研究的问题，从而引导他们发挥创造性。这些策略既提升了学习任务的挑战性，也突出了学生的独立思考能力。人工智能工具还能提供即时反馈和数据分析支持，帮助学生深化理解学习内容，培养批判性思维和问题解决能力（Yale University，2024）。
4）密歇根大学与康奈尔大学: 创造性和个性化方式展示学习成果
美国一流大学的评价策略注重培养学生的批判性思维能力等高阶思维。传统的评估方式，如闭卷考试和论文写作，往往偏重于对知识记忆和理解的测试。密歇根大学倡导通过设置解决实际问题或模拟真实情境的任务，鼓励学生以创新方式运用学科理论与方法解决问题（University of Michigan–Ann Arbor，n.d.）。康奈尔大学强调设计基于真实情境的任务，鼓励学生通过创造性和个性化方式展示学习成果（Cornell University，n.d.）。
综上所述，通过真实情境评估，大学能更全面地衡量学生的实际能力，并促进人工智能技术与教育的深度融合。因此，教师需要重新审视评价目标与方法，从探究式学习、问题导向学习、情境化学习、项目式学习等教学模式中汲取经验，并结合课程实际，灵活构建更具真实性和挑战性的评价活动（University of Illinois Urbana-Champaign，2023）。
3. 人工智能赋能的动态阶段评估
动态阶段评估的理论基础可追溯至形成性评估理念。该理念强调在学习过程中持续观察和反馈学生表现，不仅关注最终成果，更侧重学生的长期发展与能力提升（Black et al.，2018）。相较传统的结果导向评估，动态阶段评估强调学习的过程性和发展性。在生成式人工智能赋能下，其重要性愈发凸显。一方面，动态阶段评估支持教师实时监测学生的学习进度与潜在困难，防止因过度依赖人工智能工具而影响学习效果。另一方面，该策略通过阶段性任务和反馈机制，促进学生反思能力的发展。为了推动动态阶段评估的有效实施，众多一流大学提出了具体的改革建议与实践方案。
1）东北大学的中期提交策略
东北大学建议教师在作业设计中引入中期作业提交机制，将学习过程的一部分纳入评价。中期内容可以包括头脑风暴的过程与结果、初步构思、大纲、注释甚至草稿等。这一策略的核心在于通过教师的及时反馈，帮助学生调整方向并改进作业内容（Northeastern University，2023）。中期作业不仅能够为教师提供深入了解学生思维发展路径的机会，还能为学生提供及时指导与支持。
2）宾夕法尼亚大学的分阶段评价模式
宾夕法尼亚大学提出分阶段评价的策略，允许学生在不同阶段提交作业。通过分阶段提交作业，学生能够在不同阶段获得针对性反馈，教师也能更全面地掌握学生的学习轨迹（University of Pennsylvania，n.d.）。这一方法不仅减轻了学生因落后而产生的焦虑，还能减少因依赖生成式人工智能工具带来的学术压力。
3）范德比尔特大学和康奈尔大学的任务分解策略
范德比尔特大学和康奈尔大学倡导教师将复杂的作业拆解为多个小的阶段性任务（Vanderbilt University，n.d.；Cornell University，n.d.）。这一策略通过降低单一任务的复杂度，降低学生依赖生成式人工智能完成作业的可能性。同时，每个阶段性任务均设有明确的学习目标，使学生能在结构化学习中逐步掌握核心知识与技能。
动态阶段评估通过强调学习过程的连续性与发展性，要求学生在每个学习阶段主动参与、深入反思与持续改进，从而促进深度学习与批判性思维能力的培养。相比于静态评估，动态评估能够更客观地反映学生的真实学习状态，避免因过度依赖人工智能生成内容而影响学习质量。此外，动态评估要求教师在评价过程中发挥积极的指导作用，不仅需要设计科学合理的阶段性任务，还需要在每个阶段提供具体且有针对性的反馈，以有效支持学生的学习过程。
4. 人工智能赋能的多模态评估
在生成式人工智能的影响下，美国一流大学积极推动多模态评估改革，以更全面地适应学生的多样性特征与个性化表达需求。该模式突破了传统以文本作业和标准化考试为主的评估范式，为学生提供了多样化展示知识的途径。
1）卡内基梅隆大学的多模态作业设计
通过提供多样化作业形式选择，如学术论文、视频制作或信息图表设计，教师能够有效促进学生的创造性表达，并激发其学习动机。例如，教师可以设计清晰的作业指导，明确学生需展示的核心技能和能力要求，同时避免对作品形式过度限制。这种灵活性不仅为学生提供了更大的自主发挥空间，还能有效降低抄袭或过度依赖人工智能工具导致的学术不端行为风险。为了确保评估的公平性，卡内基梅隆大学建议教师采用通用评分标准，无论学生选择何种作业形式，均需遵循相同的评价标准，在保障多样化表达的同时，确保评估的客观与公正（Carnegie Mellon University，n.d.）。
2）斯坦福大学与南加州大学的多模态表达实践
尽管人工智能生成的图像和视频存在局限性，但相较于文本内容，其可识别性更高。因此，斯坦福大学和南加州大学倡导在教学评估中采用多模态评估，如视频展示、音频创作、数据可视化等，全面展示学生学习成果（Stanford University，2023；University of Southern California，2024）。这一评估形式不仅拓宽了学生的知识表达渠道，还一定程度上降低了其对人工智能生成内容的过度依赖。
3）约翰•霍普金斯大学：海洋学课程的创新任务
约翰•霍普金斯大学提供了典型的多模态评估案例（Johns Hopkins University，n.d.）。在海洋学课程中，学生需持续五周记录海洋数据的变化，并以演示文稿形式定期更新分析结果。任务包括：从指定网站获取浮标数据；选择地图投影和时间范围；分析浮标轨迹及相关数据变化；制作创意性的PPT，展示数据分析与创意表达。
为增加任务趣味并增强个性化体验，教师鼓励学生设计拟人化浮标角色，使任务内容更具创意。学生需根据实时更新的数据，反复提交分析结果并持续完善内容。这种任务设计使学生难以单纯依赖人工智能工具完成作业，可有效培养其数据分析、信息整合和视觉表达能力。
在鼓励采用多模态评估策略的同时，美国一流大学也明确指出，生成式人工智能技术正迅速发展，图像、视频等媒体内容生成能力将不断提升。因此，教学改革措施不仅要着眼于应对当前的技术局限，更应致力于培养学生综合多种媒介表达的能力，帮助他们为适应未来复杂的技术环境作好准备。
5. 人工智能赋能的重启课堂评估
传统的评估模式通常要求学生在课外独立完成大部分作业，当前美国一流大学积极调整评估时间，增加课堂评估环节，减少对课外作业的依赖，以降低人工智能工具对学生学习的干扰，确保评估真实地反映学生实际能力。
1）加州大学洛杉矶分校的实践：生成式人工智能工具使用指导
加州大学洛杉矶分校建议，在允许学生使用人工智能工具的评估活动中，教师应提供明确的指导和监督，确保学生遵守学术诚信（University of California, Los Angeles，n.d.）。在不允许使用人工智能工具的情况下，教师可通过增加课堂评估活动，如课堂写作或小组讨论，降低学生对人工智能的依赖，确保学生在受控环境中独立完成任务。
2）伊利诺伊大学香槟分校与约翰•霍普金斯大学的综合实践：课堂写作与协作笔记
伊利诺伊大学香槟分校提出，让学生在课堂完成短篇手写作业或反思论文，可以提高评估的真实性（University of Illinois Urbana-Champaign，2023）；约翰•霍普金斯大学采用协作笔记分享与总结的方法，鼓励学生团队合作通过实时笔记反馈学习进度，深化理解（Johns Hopkins University，n.d.）。这些课堂活动有效减少了人工智能生成工具的干扰，使评估更加公正透明，确保学生的知识掌握和思维能力得到真实反映。
3）塔夫茨大学人工智能辅助的分层学习方法：翻转课堂与协作评估
塔夫茨大学提出人工智能辅助的分层学习模式（AI Marble Layer Cake），将课外时间用于知识获取和练习，课堂时间用于协作、讨论和展示（Cardamone，2024）。这种基于翻转课堂的教学设计，有效地将人工智能辅助学习与实时评估相结合，构建能够防范人工智能滥用的教学环境，同时通过分布式学习促进学生长期深度理解。
4）卡内基•梅隆大学的警示：评估的公平与包容
卡内基•梅隆大学指出，尽管课堂评估方法能有效应对人工智能的挑战，但过度依赖单一形式可能带来新的不公平。例如，定时手写作业可能不利于书写速度慢的学生，口头报告可能给患有焦虑症学生带来压力（Carnegie Mellon University，n.d.）。因此，该校建议结合多种评估方法，并为学生提供必要支持，最大限度地实现公平与包容，确保评估符合教学目标并能准确反映学生实际能力。
总之，美国一流大学倡导多种评估方式，既包括课内的实时评估，又包括课外的综合任务。通过提供适当支持、明确评估标准、设计灵活的提交形式和反馈机制，教师可以提升评估的公平和包容性。这种多样化的动态评估方法，不仅能有效应对人工智能的挑战，还能为学生创造更加真实和支持的学习环境。
四、总结与反思
面对生成式人工智能带来的挑战，美国一流大学迅速作出回应，明确其对生成式人工智能工具的立场，并制定了具体规范，包括重新界定抄袭定义，调整引用格式，更新人工智能生成内容的检测手段等。这些举措构成了美国一流大学应用人工智能推动教学改革的初步行动。
改革并非一蹴而就。尤其是由新技术驱动的结构性变革，不仅需要大量人力、物力和财力投入，更需要深入教学实践各个环节，以确保改革的一致性和可持续性。从美国一流大学的实践看，他们并未采取单一的政策支持或抵制人工智能技术的教育应用，而是强调师生之间的充分沟通，并将互动协商作为政策实施的重要原则。一方面，大学将人工智能使用的决定权下放至学院或教师，使政策能够根据课程需求灵活调整。另一方面，大学鼓励师生在课程初始阶段讨论并共同确定人工智能的使用范围和边界。这种自上而下与自下而上相结合的沟通机制，使学校、教师和学生能在动态平衡中找到技术应用的最佳实践路径，为未来技术的发展提供持续支持。这些教学改革的核心目的不只是应对人工智能技术的广泛应用，更在于提升师生的人工智能素养，促进学生高阶思维的发展。人工智能赋能的多元评估方式与教学策略，为实现这一目标提供了有力支持，为智能时代高等教育的发展奠定了基础。
以DeepSeek等为代表的中国人工智能技术正快速发展，并跻身世界前列。我国高等教育如何充分利用这一时代机遇，优化人才培养体系，已成为亟待探讨的重要议题。从美国一流大学的经验看，技术的迅猛发展始终是教育改革的重要推动力，但不应成为改革的核心。人工智能技术的教育应用应以提升学生综合能力为根本目标。因此，无论是教学模式的创新，还是人工智能工具的实践应用，其最终导向都应聚焦发展学生的高阶思维能力。在此过程中，教育改革应尊重教师在教学中的主导作用，为其提供人工智能技术应用支持，增强技术素养，推动教学方法的创新。只有在保障教师自主性的基础上，构建科学合理的技术应用框架，才能确保人工智能技术在高等教育中的深度融合，进而提升人才培养质量，助力高等教育高质量发展。
人工智能技术的更新迭代速度已不再以年为单位，而是以月甚至日为单位。这一动态变化特性使得研究结论面临一定的时效性限制，需要结合最新技术发展持续更新。例如，随着人工智能技术的成熟，部分美国一流大学已与相关技术提供商建立战略合作关系，构建本地化的人工智能服务平台，以规避利用人工智能学习过程中可能引发的版权归属问题。例如，哈佛大学通过与多个人工智能服务提供商合作，推出人工智能沙盘（AI Sandbox）（Harvard，2025），为师生提供安全的探索环境，降低数据和隐私泄露的风险，并确保输入的数据不会用于训练任何供应商的大语言模型。这一趋势表明，美国在人工智能应用与教育改革方面的探索仍在持续推进。
我国一流大学应充分借鉴国际先进经验，发挥在全球高等教育变革中的引领作用，积极探索并实践新技术在教育中的创新应用。只有通过实践与行动，才能推动自身教学改革的深入发展，为其他高校提供参考，共同推进我国高等教育在技术变革时代中的持续升级与高质量发展。
（《开放教育研究》2025年第2期）