傍晚,在紐約布魯克林區(qū)一所高中自習室里,17歲的Emily正在敲打鍵盤。她面前的屏幕上,ChatGPT將晦澀的量子力學概念轉(zhuǎn)化成了生動的漫畫圖解。
這并不是科幻電影中的一幕,而是許多青少年日常學習中的真實瞬間。根據(jù)皮尤研究中心(Pew Research Center)的最新調(diào)查,美國青少年(13至17歲)使用ChatGPT輔助學習的比例在過去一年內(nèi)翻了一倍,從2023年的13%飆升至26%。
在這場生成式AI的洶涌浪潮中,Z世代青少年正在用指尖投下關(guān)鍵一票,將AI悄然嵌入書包,變成他們隨時隨地的“數(shù)字家教”。雖然研究對象聚焦美國青少年,但其揭示的趨勢對國內(nèi)教育轉(zhuǎn)型同樣具有鏡鑒價值。
青少年對ChatGPT認知躍升,高年級學生是主力
隨著青少年對AI的認知不斷深化,他們的使用習慣逐漸呈現(xiàn)出年級差異。數(shù)據(jù)顯示,高年級學生更依賴AI。
31%的11-12年級學生在積極使用ChatGPT,這一比例在9-10年級學生中為26%,到了7-8年級則降至20%。這一趨勢揭示了一個信號:隨著學業(yè)難度的增加,AI工具逐漸成為高年級學生解決難題的助手,這也凸顯了A在應(yīng)對復雜學業(yè)任務(wù)中的價值。
從認知層面來看,越來越多的青少年對AI的認知正在從“聽說過”轉(zhuǎn)向“深入了解”。有79%的青少年知曉ChatGPT,較去年增長12%,其中32%對其了解頗深。這種認知的躍升正引發(fā)使用行為的質(zhì)變:深度了解者有56%的人將AI用于學習,是淺層認知者的三倍(18%)。
這意味著,AI在教育中的普及不僅僅依賴于工具的可獲得性,更在于學生對AI的理解。學生對AI工具了解得越多,他們就越有可能將其融入到學習過程中。
選擇性信任:AI是開罐器,不是罐頭食品
令人稍顯意外的是,盡管ChatGPT的普及在青少年中迅速擴展,但在具體任務(wù)的應(yīng)用上,這代“數(shù)字原住民”卻表現(xiàn)得很審慎:54%的青少年將ChatGPT視為研究新課題的助手,但僅18%的人認為它可以用來撰寫論文。
這種選擇性信任在數(shù)據(jù)中清晰可見:
這種態(tài)度揭示了最年輕的一代人對AI的看法:他們不是盲目地接受或拒絕AI,而是在為AI的使用設(shè)立邊界,以確定何時以及如何在學習中使用AI。他們比我們想象的更懂得:AI是開罐器,而不是罐頭食品。
以防AI吞噬思考,教育從業(yè)者如何應(yīng)對?
陽光之下,必有陰影。AI在教育領(lǐng)域的應(yīng)用前景廣闊,但也帶來了一些挑戰(zhàn)。有研究顯示:AI工具的頻繁使用與批判性思維能力之間存在顯著的負相關(guān)性。
這種負相關(guān)性來源于一個叫做認知卸載的現(xiàn)象。所謂認知卸載,就是人們通過外部工具或技術(shù)減輕自身的認知負擔,從而更有效地處理信息。隨著人工智能的崛起,很多功能強大的AI工具使人們能夠便捷地獲取信息、得到答案,甚至做出決策。這種“認知卸載”在短期內(nèi)能夠節(jié)省時間和精力,提高效率,但長期依賴可能導致個體失去獨立思考的能力。
尤其是青少年,他們正處于認知發(fā)展和學習能力提升的關(guān)鍵階段,頻繁使用AI可能讓他們更容易依賴工具,導致批判性思維的下降,忽略深度思考和長期規(guī)劃。
試想一下,如果AI工具的使用,是學生用長期思維技能換取短期效率,家庭作業(yè)更容易完成的同時,學習能力卻降低了,任務(wù)完成度和實際理解之間存在差距。這將是一個多么棘手的局面。
為了避免這個問題,教育從業(yè)者必須要考慮的問題是,如何調(diào)整教學和學習方法以適應(yīng)不可逆的技術(shù)浪潮,如何找到一種平衡確保AI工具的使用不削弱學生獨立思考的能力。
教育從業(yè)者要幫助學生理解AI的局限性,讓學生懂得何時使用AI,何時依靠自己的思維。創(chuàng)建一些需要學生與AI合作的任務(wù),讓他們在協(xié)作中逐步提升自己的批判性思維能力。
AI教育融合已啟程
未來的教育不僅僅是知識的傳授,更是如何與AI共存、共進的智慧培養(yǎng)。事實上,已經(jīng)有學術(shù)觀點提出,在人工智能的作用下,教育將從傳統(tǒng)的師生二元結(jié)構(gòu)演化成師、機、生三元結(jié)構(gòu)。當超過1/4的青少年主動選擇AI輔助學習,這一進程無疑正在加速。
在美國得克薩斯州,有一所私立K12學校Alpha School,學生們每天只花兩個小時在AI的指導下學習學科知識,其余時間都用來學習一系列的生活技能、藝術(shù)、體育、以及體驗創(chuàng)業(yè)。
令人驚奇的是,在這個“AI學校”,90%的學生在標準化測試中,高于全國平均水平,并且學生的學習速度是傳統(tǒng)課堂學生的2倍。
就像20年前學生必須學會用搜索引擎,現(xiàn)在AI就是新的學習加速器。
好文章,需要你的鼓勵
這項研究利用大語言模型解決科學新穎性檢測難題,南洋理工大學團隊創(chuàng)新性地構(gòu)建了閉合領(lǐng)域數(shù)據(jù)集并提出知識蒸餾框架,訓練輕量級檢索器捕捉想法層面相似性而非表面文本相似性。實驗表明,該方法在市場營銷和NLP領(lǐng)域顯著優(yōu)于現(xiàn)有技術(shù),為加速科學創(chuàng)新提供了有力工具。
un?CLIP是一項創(chuàng)新研究,通過巧妙反轉(zhuǎn)unCLIP生成模型來增強CLIP的視覺細節(jié)捕捉能力。中國科學院研究團隊發(fā)現(xiàn),雖然CLIP在全局圖像理解方面表現(xiàn)出色,但在捕捉細節(jié)時存在不足。他們的方法利用unCLIP生成模型的視覺細節(jié)表示能力,同時保持與CLIP原始文本編碼器的語義對齊。實驗結(jié)果表明,un?CLIP在MMVP-VLM基準、開放詞匯語義分割和視覺中心的多模態(tài)任務(wù)上顯著優(yōu)于原始CLIP和現(xiàn)有改進方法,為視覺-語言模型的發(fā)展提供了新思路。
這項研究介紹了RPEval,一個專為評估大語言模型角色扮演能力而設(shè)計的新基準。研究團隊從法國里爾大學開發(fā)的這一工具專注于四個關(guān)鍵維度:情感理解、決策制定、道德對齊和角色一致性,通過單輪交互實現(xiàn)全自動評估。研究結(jié)果顯示Gemini-1.5-Pro在總體表現(xiàn)上領(lǐng)先,而GPT-4o雖在決策方面表現(xiàn)出色,但在角色一致性上存在明顯不足。這一基準為研究人員提供了一個可靠、可重復的方法來評估和改進大語言模型的角色扮演能力。
這篇論文介紹了LegalSearchLM,一種創(chuàng)新的法律案例檢索方法,將檢索任務(wù)重新定義為法律要素生成。研究團隊構(gòu)建了LEGAR BENCH數(shù)據(jù)集,涵蓋411種犯罪類型和120萬案例,并開發(fā)了能直接生成關(guān)鍵法律要素的檢索模型。實驗表明,該模型在準確率上超越傳統(tǒng)方法6-20%,且在未見犯罪類型上展現(xiàn)出強大泛化能力。這一突破為法律專業(yè)人士提供了更高效、精準的案例檢索工具。