自2022年11月底ChatGPT上线以来，各高校争先恐后地制定在学校、部门和课程层面上行之有效的生成式人工智能政策。生成式人工智能对高校的学术诚信、伦理和程序等方面带来了诸多挑战。对于这种颠覆了长期做法和文化信仰的新技术，认真和有意识地制定有效政策的工作可以带来可观的回报。

在本文中，笔者将为在高等教育中使用生成式人工智能工具制定制度政策提供指导和建议，目标是帮助高等教育机构的领导者更有效地开展工作，建立一条包含各利益相关者的政策途径。

1制定政策的必要性

生成式人工智能工具的使用方式多种多样，这也是其备受关注的原因之一。在高等教育中，生成式人工智能已被用于新闻稿发布、毕业致辞撰写以及担任辅导员等。鉴于整个高等教育中知识工作的性质，各学校需要确定生成式人工智能工具的适用范围，以及在哪些方面会面临伦理或法律挑战。

最迫切需要指导的领域之一是围绕剽窃的讨论，以及如何在人工智能生成内容的时代检测剽窃。人们首先担心的是抄袭问题和工人替代理论（worker replacement theories）。我们常常听到这样的说法：“学生再也不会写原创论文了。”“机器人正在取代所有人。”对于高等教育界来说，对抄袭的恐惧成功地吸引了教师和行政人员的注意力。

早期，一些人认为学生提交的生成式人工智能作品可以被TurnItIn等生成式人工智能抄袭检测工具识别出来。但实际上，这些检测工具在识别人工智能生成的内容时存在很多偏差和虚假指控。学生们则必须以某种方式为自己辩护，或使用QuillBot等工具来规避人工智能检测工具，这些工具会使用同义词对文本进行转述。

由于学生的原始写作越来越难以核实和确认，制定人工智能检测政策可能会导致政策刚实施就过时了。对此，学校可以成立一个灵活的委员会，代表不同的校园需求来审查这些问题事项，以制定更有用的政策，在保护学生的同时选择正确的工具来驾驭技术变革。

这只是高校制定生成式人工智能政策需要解决的问题之一。其他问题包括但不限于以下几方面：

生成式人工智能在学校的视觉和文本输出中的应用，无论是用于营销、社交媒体还是报告。

教师如何以及在何处使用生成式人工智能来创建课程内容、作业、反馈或评估。

真实数据和生成式人工智能输出内容之间的偏差。

生成式人工智能对师生信息素养的要求和挑战。

生成式人工智能对环境的影响。

生成式人工智能对学校员工的影响。

2从终点开始

在高等教育的许多领域，包括教学设计在内，制定政策的理想起点是结果——你想要的结果是什么。随着人工智能的飞速发展，重要的是静下心来做足够的研究，才能提出最终需要回答的问题。下面的问题可以帮助学校思考相关政策：

政策的重点应聚焦谁？学生、教职员工、行政人员、第三方供应商、承包商等？

同一政策能否适用于整个学校，还是学校的不同部门需要不同的政策？

政策是否有调整的余地？例如，教师秉持学术自由的理念，应该鼓励还是阻止将生成式人工智能用于某些教学目的？

违反政策会有什么后果？

在很难真正检测到人工智能生成文本的情况下，可以制定哪些问责方法？

学校自己的生成工具和任何人都可以使用的生成工具之间是否存在差异？

所有政策制定的参与人员都应就完成工作所需的具体可衡量的目标达成一致。生成式人工智能最棘手的一点在于，它在过去一年多不断变化，而且很可能会继续变化，尤其是随着其他形式的生成式人工智能（图像、音频、视频、幻灯片等）越来越多地出现。因此，无论学校的目标是什么，建立一个重新审视、调整和更新的机制非常重要。不能要求一开始就做到完美，而是要有一个迭代的过程。

3确定利益相关者

生成式人工智能有可能影响到学校的方方面面。应该将所有需要这些新工具使用指南的利益相关者包含在内。这是一个打破体制孤岛的好机会，可以让学校重新审视每个利益相关者在校园中所扮演的角色。

除了领导者、教师以外，首先，确定面向学生和教师的非课堂角色，包括教学设计师、图书管理员和学术支持服务人员等；其次，确定对整个校园体验有影响的工作人员，包括从事IT工作（如信息安全、学术计算或网络服务）、学校交流、学生生活等方面的员工；此外，还要考虑临时员工群体，如兼职教师和工作人员，要注意为那些非传统时间工作的人创造参与政策讨论的机会；最后，学生是最引人注目但又经常被忽视的群体之一，让学生参与政策制定的价值怎么强调都不为过，如果在制定政策时不考虑学生的意见，可能会导致政策脱节。

生成式人工智能给整个学校带来的问题，远不止如何在课堂上使用人工智能，校园行政方面也会受到影响。其他需要考虑的问题包括以下几方面：

学校的高层管理者是否考虑使用生成式人工智能来监控员工的工作，以检测效率或生成员工评估？

是否应该考虑生成式人工智能使用规模？

人工智能将如何应用于人力资源工作，尤其是招聘和录用流程？

政策会在哪些方面影响校园外的社区？

是否与社区合作，为学生提供将理论学习付诸实践的机会？学校是否有义务向学生传授生成式人工智能的使用方法？

学校是否被视为生成式人工智能领域的政策领导者？

对生成式人工智能的产出内容提出质疑的合理公平的方法是什么？

总之，在整个政策制定过程中，让不同的群体参与对话非常重要。

4制定政策的模式

根据学校的结构及领导者希望在多大程度上将校内不同群体纳入其中，可以采用以下几种模式中的任何一种来制定有关生成式人工智能的政策。以下方案在一定程度上可以混合搭配，以满足学校的需求和结构。

1.专责小组模式

组建一个代表学校各利益相关者的包容性团队，成立政策特别工作组。或者，也可以成立一个规模更小、更灵活的团队，与整个学校的不同利益相关者合作，为生成式人工智能创建一个政策模板，并在与各利益相关者的对话和合作中，针对学校的各个领域进行调整和修改。例如，针对学生和教师的政策很可能与市场营销部门的政策不同，但实际上所有这些群体都应该有人工智能政策。

2.治理模式

在部分学校的管理模式中，教职员工在政策的制定中发挥关键作用，特别是在直接影响课堂和学生的政策方面。这可能是一种有用的模式，可以汇集整个学校的各种声音，并有明确的途径和记录。然而，由于生成式人工智能的发展非常快，这些治理程序在及时做出决策和应对不断变化的环境方面可能会遇到挑战。

3.设计冲刺模式

在信息技术和项目管理领域常用的设计冲刺法是另一种合适的模式。有效的设计冲刺包括六个步骤：理解、定义、草图、决策、原型和验证。这种根据社区反馈制定政策的形式更加民主，允许员工、学生和教师提出观点、想法和建议。

理解：第一步是了解学校目前是否使用、如何使用生成式人工智能，师生员工所关注的问题，以及使用人工智能的理想状态。

定义：接下来，政策团队应审查第一步收集的所有信息，以确定反映社区需求的主要目标和预期成果。

草图：政策团队应草拟并审查不同的政策草案，并将草案的亮点提炼到最终确定的解决方案草图中。

决策：政策团队将审查所有解决方案草图，决定使用哪个版本来推进流程。

原型：原型可视为与社区共享的政策初稿。

验证：根据政策草案收集反馈，并进行相关编辑。这是设计冲刺流程的最后一个阶段，涉及政策的最终版本。

4.顾问模式

顾问的价值可能在于，一个拥有相关知识和经验的外部声音能够提供有价值的视角，帮助人们以不同的方式思考挑战。

5.示范模式

另一种方法是效仿那些正在发布相关政策的学校。这样做可以节省很多时间，但需要根据学校的具体需求进行调整。如果政策制定团队不愿意借鉴其他学校的做法，也可以使用人工智能生成工具来起草初始政策，并进行研讨。

5收集意见

要制定最明确、最有效的政策，必须听取所有利益相关者的意见。要向每个利益相关者说明政策可能会对他们产生怎样的影响，并强调他们的经验和意见对这一过程非常有价值。以下是几种关于收集不同利益相关者意见的方法：

在小型圆桌讨论或小组对话中交流。

通过社交媒体寻求帮助，使用投票功能获得反馈。

与不同观点的人进行深入讨论。

为讨论留出足够的时间。深层次的话题和问题需要时间来充分处理。

提供协作文档，供参与者添加文本，并开放评论功能来提出问题或补充想法。

6生成式人工智能政策框架

以下是生成式人工智能政策涉及的相关部分。每个学校都应根据具体需求制定政策。

政策受众：这项政策是为谁制定的？是针对整个学校、教师、学生、员工、部门、第三方供应商，还是其他？

政策时间表：实施时间表是什么？该时间表是否应包括初步实施后的审查和更新周期？

政策工具：对于这项政策来说，人工智能的范围是什么？是针对所有人工智能还是只针对生成式人工智能？是针对所有生成式人工智能，还是只针对文本生成式人工智能？

学术诚信准则：如果政策与学生或教师的工作有关，有哪些诚信要求来确保学术诚信？

可接受的使用范围：对生成式人工智能的使用量、使用目的是否有限制？

透明度：有哪些在全校范围内宣传人工智能使用情况的做法？

安全、法律和伦理考虑：在使用外部或企业生成式人工智能工具时，需要解决哪些有关隐私、知识产权、专有知识、使用环境和人类偏见的问题？

学校资源：学校的哪些领域将致力于支持、响应和实施生成式人工智能工具的应用？

违反政策的处理程序：如果违反了政策，识别和处理的步骤是什么？

政策的制定是一个有条不紊的过程。虽然生成式人工智能已经快速发展，但高校仍有机会通过合作努力，为所有利益相关者如何更好地利用生成式人工智能提供有意义的政策指导。这种方法将为学生、教职员工带来更好的学习和工作环境。采取迭代的方法来制定人工智能政策，可能正是成功驾驭这一新技术的关键。

都学课堂MBA带学班。读MBA，上都学课堂