26
0生成式 AI 与教育：回顾与展望
演讲者：
- Mitch Resnick：麻省理工学院媒体实验室“终身幼儿园”研究小组负责人，Lego Papert 教授
- Justin Reich：麻省理工学院比较媒体研究/写作系副教授
- 主持人：Philip Schmidt：Axiom Collaborative 首席技术官
摘要
本次讨论聚焦于技术与教育之间的历史关系，探讨了个人电脑、互联网和大规模开放在线课程（MOOCs）等技术浪潮为何未能充分发挥其变革潜力。演讲者强调理解学校作为复杂的社会-技术系统的重要性，指出在教育中应优先考虑学习目标而非单纯追求技术能力。
核心主题
1. 传授式与建构式教学法（Instructionist vs. Constructionist Approaches）
- 技术既可用于传递高效指令（传授式），也可支持以学生为中心的设计、创造力和协作学习（建构式）。
2. 学习的社会性
- 人际互动和关系在学习中至关重要，而许多技术导向的方法忽视了这一点。
3. 适应快速变化的世界
- 在 AI 变革的世界中，学习者需要培养创造力和适应性，才能应对未来挑战。
4. 变革性改变 vs. 渐进式改善
- 教育技术的有效应用需要与教育者合作，理解教育变革的系统性，而非依赖孤立的技术解决方案。
教育者与技术专家需思考的关键问题
- 我们希望为孩子、学校和社会构建怎样的教育？
- 如何利用 AI 增强而非取代学习中的人际互动？
- 在 AI 能力不断发展的背景下，应优先培养哪些技能？
- 如何设计支持项目学习、兴趣驱动和协作学习的技术？
- 从过去教育技术的成败中我们能学到什么？
补充见解
- 关于 AI 在教育中的讨论重点：当前，教育领域更多关注于应对作弊问题，但讨论应转向如何促进有意义的认知。
- AI 为教学与评估带来的机会：在快速变化的学科中，AI 促使我们重新思考教学与学习评估的方式。
- 设计与实施 AI 技术需考虑伦理与公平性：技术应用应确保公平的学习机会并防止不平等扩大。
行动呼吁
作为技术创新的中心，MIT 在探索 AI 教育应用方面承担着重要责任。通过与教育者和技术专家的合作，并专注于以学生为中心的目标，MIT 可以在塑造未来学习方式方面发挥关键作用。
