这篇文章之前就阅读过，今天又想重新阅读，感慨良多。
这篇文章是由Aras Bozkurt等来自不同国家的47位学者合作撰写的，文章发表在 Open Praxis 2024年第16卷第4期，是一篇关于生成式人工智能（GenAI）在教育领域应用的集体宣言。
文章的标题是《生成式人工智能时代的教与学宣言：一种有助于更好地引领未来方向的批判性集体立场》（The Manifesto for Teaching and Learning in a Time of Generative AI: A Critical Collective Stance to Better Navigate the Future）。
Bozkurt, A., Xiao, J., Farrow, R., Bai, J. Y. H., Nerantzi, C., Moore, S., Dron, J., Stracke, C. M., Singh, L., Crompton, H., Koutropoulos, A., Terentev, E., Pazurek, A., Nichols, M., Sidorkin, A. M., Costello, E., Watson, S., Mulligan, D., Honeychurch, S., Hodges, C. B., Sharples, M., Swindell, A., Frumin, I., Tlili, A., Slagter van Tryon, P. J., Bond, M., Bali, M., Leng, J., Zhang, K., Cukurova, M., Chiu, T. K. F., Lee, K., Hrastinski, S., Garcia, M. B., Sharma, R. C., Alexander, B., Zawacki-Richter, O., Huijser, H., Jandrić, P., Zheng, C., Shea, P., Duart, J. M., Themeli, C., Vorochkov, A., Sani-Bozkurt, S., Moore, R. L., & Asino, T. I. (2024). The Manifesto for Teaching and Learning in a Time of Generative AI: A Critical Collective Stance to Better Navigate the Future. Open Praxis, 16(4), pp. 487–513.
DOI: https://doi.org/10.55982/ openpraxis.16.4.777
文章采用集体写作（Collective Writing）作为研究方法，通过汇集不同观点形成一个连贯的整体，并通过协作性讨论促进知识创造。
研究使用了改良版的德尔菲技术（Delphi Technique），通过一系列问卷和讨论过程，从一组专家中收集并提炼知识。
研究小组由全球高等教育机构的47位教育工作者组成，他们也是研究或专门研究教育环境中GenAI使用的研究人员。
研究共分为三个阶段：
第一阶段通过半结构化、开放式问题收集创意；
第二阶段对数据进行编码并识别主题；
第三阶段通过集体和透明的编辑过程，将主题编辑到最终形式。
文章指出，生成式人工智能并非一个中立的工具，它反映了某些世界观，可能强化现有的偏见并边缘化多样化的观点。
因此，文章呼吁对生成式在教育生态系统中的定位进行集体责任的批判性思考，呼吁大家应在拥抱技术的同时，保持警惕和批判性思维。
文章提出了关于生成式人工智能在教育中应用的15个积极影响和20个消极影响，正反两方面的观点有助我们更加理性地、审慎地推进人工智能的教育应用。
其中，作者提出的生成式人工智能在教育中应用的15个积极影响如下图：
15个积极影响包括：
节省时间和提高效率、个性化学习与辅导、支持自主学习与终身学习、为学生未来职场做准备、重新定义教育实践和评估、推动教育创新、增强教学效率和效果、支持学习者自主性和批判性思维、促进教育公平和包容性、支持教师和机构能力建设、促进伦理与公平使用、增强创造力和创新、支持跨学科和多学科学习、促进协作学习和GenAI辅助互动、以及增强认知能力。
20个消极影响包括：
数字鸿沟和教育不平等；偏见、歧视和缺乏多样性；伦理问题；学术诚信与真实学习的挑战；信息质量与可靠性问题；人类价值观与身份的丧失；过度依赖技术和失去自主性；削弱人类认知与学习过程；影响批评性思维与高阶技能；缺乏透明度与理解；对教师的冲击与职业贬值；商业化与权力集中；监管不足与无效管理；隐私与数据安全风险；潜在的滥用与安全问题；环境影响与可持续性问题；人类与AI 共生的风险；缺乏代表性；知识的递归与退化；未充分准备的变革等等。
文章呼吁重新思考教育、教学、学习和评估的本质，并强调了教育者、管理者和政策制定者在GenAI快速渗透教育领域中的关键角色。
文章指出，GenAI不能单独改变教育，但它确实提供了重大变革的潜力。
文章还强调了GenAI素养和能力的重要性，以及理解GenAI的潜在风险，如幻觉、偏见和错误信息。
这篇文章为GenAI在教育中的应用提供了一个全面而深入的分析，它不仅探讨了GenAI的潜在好处，还深入分析了其可能带来的风险和挑战。
文章的集体写作方法和德尔菲技术的应用为研究提供了坚实的学术基础，确保了研究结果的多样性和可靠性。
文章的结构清晰，逻辑严谨，为读者提供了一个全面的视角来理解GenAI在教育中的复杂性。
尽管文章全面分析了生成式人工智能在教育中的潜在影响，遗憾地是作者并没有提供具体的实施建议或策略。
文章采用集体写作和改良版的德尔菲技术，虽然确保了观点的多样性和集体智慧，但这种方法可能无法提供深入的实证研究。
后续研究可以结合定量和定性研究方法，例如通过实验设计、案例研究或长期跟踪调查，来评估GenAI在教育中的实际效果。
这将增强研究的科学性和可信度。
通过开展实证研究、关注不同教育背景、深入探讨伦理和隐私问题、建立动态研究框架、提供具体实施指南和促进跨学科合作，后续研究可以进一步完善对GenAI在教育中应用的理解和指导。
对于这篇文章，塔子老师有一段很不错的讲解可以让我们快速掌握这篇文章的要旨
点击这个链接去学习吧
今天的主题是用AI开发课程，这是我第一次较为系统地分享这个主题