GenAI教育：编程教师的“应急式教学设计”

生成式人工智能（GenAI）已公开问世多年，并深度融入学生日常工具（搜索、文字处理与代码编辑器等）。但一项新研究显示：尽管许多编程教师更新了与GenAI相关的政策，真正把课程“教学与评估方式”进行重设计的教师仍然不多。 该研究由 Sam Lau（加州大学圣地亚哥分校）牵头，合著者包括 Kianoosh Boroojeni（佛罗里达国际大学）、Harry Keeling（霍华德大学）和 Jenn Marroquin（Google）。研究通过访谈 13 名本科计算机任课教师，并对 169 名教师进行问卷调查（其中 51% 来自少数族裔服务型院校，17% 来自历史上的黑人学院与大学）。研究将这些工作概括为“应急式教学设计”（emergency pedagogical design），并类比疫情时期的“应急远程教学”：它是被动应对、间接作用、更多基于非严格实验的线索（如课后交流），且迫于时间压力而迅速行动。 研究指出四个特征：教师在既有课程基础上临时改造；由于无法直接改动GenAI工具（只能通过政策、作业与课程结构间接影响学生行为）；主要依据非受控的“氛围证据”；并且希望尽快行动、等待最佳实践尚未成型。 主要障碍包括五点： - 支持不一致：81%教师个人对GenAI持开放态度，但只有28%认为同事支持。 - 政策“各行其是”：不同课程对GenAI使用规则不统一。 - 落地难：80%认为GenAI整合重要，但只有37%经常在课程活动中使用。 - 评估不匹配：家庭作业看似表现不错，而监考评估更能暴露技能差距。 - 资源不足：53%称资源不够，62%称时间受限。 研究认为：若缺少教师培训、关于GenAI影响的证据与资金支持，GenAI 可能进一步扩大“资源充足”与“资源不足”院校之间的不平等。