人工智能全面走进高校？来看EDUCAUSE的调研

　　随着人工智能技术获得越来越多的关注度和资源投入，高等教育领域也在采取措施来更好地推进这项技术。

调研背景

　　大众对于人工智能如何改变我们的生活展现出了前所未有的兴趣。在“Gartner2020年新兴技术成熟度报告”中，至少有七项新兴AI技术占据突出位置。人工智能技术看起来和校园场景很适配，一些有前景的应用也已经出现在教学、学生培养和资源访问等领域。

　　截至目前，人工智能在高等教育中的应用究竟有多广泛？此次EDUCAUSE调研将人工智能在高等教育中的应用场景进行分类统计，以更好地了解人工智能在教育教学、学生培养和支持以及行政机构中的使用情况。

　　关于EDUCAUSE和Quickpoll：

　　EDUCAUSE是一个高等教育技术协会，也是为促进高等教育而成立的最大的IT领导者和专业人士委员会，帮助机构领导、IT专业人员和其他高等教育员工在高等教育的各个层面制定战略性 IT 决策。

　　本报告基于EDUCAUSE QuickPoll调研。QuickPolls由程序自动分发调查问卷并处理结果，实现每日数据的快速分析。

应用场景

　　教育教学

　　人工智能被广泛用于监测学生及其学业表现。在高等教育中，人工智能最突出的用途是通过使用抄袭检测软件 (60%) 和监考应用程序 (42%) 来维护学术诚信（见图 1）。

图1 AI在教学场景下的使用情况

　　尽管这两种应用程序，尤其是前者，都早已投入实践使用，但由于新冠疫情期间在线学习的大规模开展，后者增长可观。

　　但是，这两种类型的程序都因侵犯学生隐私和产生误报而引起争议。

　　一方面，关于使用人工智能的焦虑、技术故障以及社会经济和种族偏见始终存在，另一方面，监考软件的使用还直接关系到学生的考试成绩问题。

　　据此，一家供应商最近宣布将不再提供仅依赖人工智能的检测系统，而是提供需要人工分析的视频。

　　短期内人工智能仍然无法取代教师。大多数受访者表示，除了抄袭检测和监考功能外，他们的机构并没有在教学任务中使用人工智能。

　　大多数受访者告诉我们，人工智能尚未用于关键教学任务，例如提供作业反馈、课后辅导、学业评估和作业打分。

　　尽管很大比例的受访者告诉我们，他们的机构正在调研人工智能在教学任务上的表现，但使用情况似乎有限。

　　学生培养

　　高校师生对聊天机器人的认知程度最高。相当大比例 (36%) 的受访者表示，他们的校园至少在某种程度上使用了聊天机器人和数字助教，另有17%的受访者表示，他们的机构正处于规划、试点的初步探索阶段（见图 2）。

图2 AI在学生发展与支持服务中的使用情况

　　招生、学生事务、职业规划和其他学生支持部门在高等教育中使用聊天机器人并不是什么新鲜事，但新冠疫情可能导致其使用增加，因为它们让学生们无需长时间等待即可获得正确回答，有利于提高效率。聊天机器人还可以将员工从重复回答相同问题中解放出来，并通过及时部署更新来减少错误。

　　学生培养和支持是人工智能的潜在增长领域。一小部分受访者表示，人工智能正被用于学生培养，例如识别在学业上有困难的学生 (22%) 和发送早期学业警告 (16%)；另有14%的受访者表示，他们的机构正处于任务规划、试点的初步探索阶段。

　　也就是说，考虑到学生培养工具已经存在近十年并被广泛部署，AI的使用数据看起来很低。产生这种差异的一个可能解释为理解偏差，即有些人可能不会将许多支持学生的工具视为人工智能。但实际上，常规分析工具也是人工智能的一种类型或子集。

　　行政机构

　　人工智能很少用于机构管理任务。大多数受访者表示，他们的机构没有使用人工智能（见图 3）。

图 3 AI在行政机构任务中的使用情况

　　绝大多数受访者表示完全没有兴趣将人工智能用于机构任务，例如规划课程、制定或辅助财政援助决策、发展和筹款，以及制定或辅助招生决策。

　　使用人工智能最多的场景是督促被录取的申请人支付押金（17%）、规划学术支持资源（15%）以及营销和招聘（15%）。

　　一些受访者则肯定了人工智能在其他任务上的使用，包括分析学生对教学的评价、教学计划、社交媒体分析、支持服务和课堂出勤等。

　　“不知道”AI用在了哪儿

　　很大比例的受访者表示，他们不完全了解所在机构所有类别的人工智能状况。“不知道”这一回答出现在：

　　■ 教学任务：8%（抄袭检测软件）到 23%（课后辅导）

　　■ 机构任务：20%（规划学术支持资源）至33%（开发和筹款）

　　■ 学生培养和支持任务：10%（聊天机器人和数字助教）到 32%（评估财务需求）

　　校园内缺乏对人工智能的了解可能源于人们对何为人工智能的理解是模糊或不正确的，无法观察AI的工作（因为它往往被融入到其他应用程序和工具中），缺乏对AI工作方式的认识。无论如何，如此大比例的“不知道”回答表明人工智能对高等教育的重要性目前可能被夸大了。

问题与挑战

　　“我们只是还没准备好。”大约三分之二的受访者表示，使用人工智能的主要挑战是机构对于支持采用和维护人工智能的不足（见图 4）。

图 4 AI在高校实践中的常见挑战

　　近四分之三的受访者表示，数据管理和集成效率低下 (72%) 和技术专长不足 (71%) 至少对人工智能实施构成了中等挑战。

　　财务问题 (67%) 和不成熟的数据治理 (66%) 也带来了挑战。领导力支持不足 (56%) 是一个基础问题，与之前列出的每个挑战都相关。

　　使用人工智能合乎伦理吗？与人工智能使用相关的伦理道德问题 (68%) 和对算法偏见的担忧 (67%) 对人工智能的实施构成了重大挑战。

　　与Safiya Umoja Noble的著作《压迫算法》的调查结果相呼应，一位少数族裔为主的学校的受访者告诉我们：

　　“人工智能中的偏见问题很猖獗。就目前而言，使用人工智能会对我们的学生产生较大的负面影响。”

　　此外，也有受访者表示担心“人工智能内置了太多偏见，很难消除或减轻。”机构声誉的潜在损失也是一项挑战，但尚不清楚的是，受访者认为在校园内实施人工智能是可取的……还是可耻的。弄清楚人工智能如何与当前的机构使命保持一致是最微不足道的一项挑战。

总结

　　人工智能最适合用于教学，尤其是在考试期间监控学生的行为和检测抄袭。人工智能在行政机构中使用最少。

　　大量受访者表示，他们并不了解所在机构所有类别的人工智能使用情况，这表明人工智能在实际使用中可能是模糊不清的。

　　不成熟的数据治理、对算法偏见的担忧以及无效的数据管理和集成是人工智能在高等教育应用中的几大挑战。

　　目前，宣传人工智能对高等教育的革命性影响似乎言之过早。

　　前景向好的应用场景

　　目前人工智能的使用非常浅显。我们邀请受访者分享其机构中比较有发展前景的人工智能用途。回复涵盖了上述所有使用场景以及一些我们没有考虑过的用途：

　　◇ 用于信息和技术支持、人力资源福利问题、停车问题、服务台问题和学生辅导的聊天机器人

　　◇ 研究应用，进行系统评价和元分析，以及数据科学研究

　　◇ 图书馆服务

　　◇ 招生

　　◇ 提供个性化的教学材料、评估反馈和自学软件

　　◇ 监考和抄袭检测

　　◇ 学生参与度的支持、监控学生幸福感并预测学生脱离校园的可能性

　　◇ 检测网络攻击

　　◇ 推荐系统

参考文献
1. QuickPolls gather data in a single day instead of over several weeks, are distributed by EDUCAUSE staff to relevant EDUCAUSE Community Groups rather than via our enterprise survey infrastructure, and do not enable us to associate responses with specific institutions.
2. Kasey Panetta, "5 Trends Drive the Gartner Hype Cycle for Emerging Technologies, 2020," Gartner, August 18, 2020.

3. Mark McCormack, D. Christopher Brooks, and Ben Shulman, Higher Education's 2020 Trend Watch and Top 10 Strategic Technologies, research report (Louisville, CO: ECAR, January 2020). See The Top 10 Strategic Technologies for 2020.
4. Bryan Alexander, "5 Ais in Search of a Campus," EDUCAUSE Review, October 14, 2019; Kathe Pelletier, Malcolm Brown, D. Christopher Brooks, Mark McCormack, Jamie Reeves, and Nichole Arbino, with Aras Bozkurt, Steven Crawford, Laura Czerniewicz, Rob Gibson, Katie Linder, Jon Mason, and Victoria Mondelli, 2021 EDUCAUSE Horizon Report, Teaching and Learning Edition (Boulder, CO: EDUCAUSE, 2021); Thomas Miller and Melissa Irvin, "Using Artificial Intelligence with Human Intelligence for Student Success," EDUCAUSE Review, December 9, 2019; and Judy Brewer, Carly Gerard, and Mark Hakkinen, "The Impact of AI on Accessibility," EDUCAUSE Exchange, EDUCAUSE Review, November 4, 2020.
5. Elena Zeide, "Artificial Intelligence in Higher Education: Applications, Promise and Perils, and Ethical Questions," EDUCAUSE Review, August 26, 2019.
6. The poll was conducted on June 7–8, 2021, consisted of 8 questions, and resulted in 195 responses. Poll invitations were sent to participants in EDUCAUSE community groups focused on IT leadership. Our sample represents a range of institution types and FTE sizes, and most respondents (88%) represented US institutions.
7. For this report, cited percentages are among those respondents who reported knowing the status of AI at their respective institution.
8. Daniel Woldeab and Thomas Brothen, "21st Century Assessment: Online Proctoring, Test Anxiety, and Student Performance," International Journal of E-Learning & Distance Education 34, no. 1 (2019); D. Christopher Brooks, Student Experiences Learning with Technology in the Pandemic, research report (Boulder, CO: EDUCAUSE, April 2021); Shea Swauger, "Software That Monitors Students During Tests Perpetuates Inequality and Violates Their Privacy," MIT Technology Review, August 7, 2020; and Todd Feathers, "Proctorio Is Using Racist Algorithms to Detect Faces," Vice, April 8, 2021.
9. Scott Jaschik, "ProctorU Abandons Business Based Solely on AI,"InsideHigherEd, May 24, 2021.
10. D. Christopher Brooks, "EDUCAUSE QuickPoll Results: Student Success Technologies," EDUCAUSE Review, April 9, 2021.
11. See "The EDUCAUSE Student Success Almanac."
12. Zeide, "Artificial Intelligence in Higher Education."

　　来源：EDUCAUSE

　　作者：D. Christopher Brooks

　　翻译：张一飞

　　编辑：乐乐

　　责编：项阳