主导全球教育机构的教育模式已经过时，根本无法应对人工智能时代。
人工智能不仅凸显了传统“讲授加考试”模式的不足，还在积极削弱其价值。
与传统模式相比，基于技能的新教育模式更适合人工智能时代，因为它能够抵御盲目使用人工智能的行为，并培养人工智能所缺乏的技能。
生成式人工智能（AI）工具的兴起正在改变高等教育格局，既引发了兴奋，也引发了担忧。许多人赞赏其彻底革新教育的潜力，而另一些人则警告，这些工具将通过助长大范围的作弊和剽窃，迅速侵蚀学术诚信。
这些担忧有其合理性，也可以理解，但它们掩盖了一个更为关键的困境：主导全球教育机构的教育模式已经过时，根本无法应对人工智能时代。
我们迫切需要一种新模式。这种模式以学习科学为基础，主要致力于教会学生“如何思考”，途径是培养“持久技能”，如批判性思维与创造性思维、伦理推理和情绪智力。这不仅能让学生做好面向未来的准备，使他们能够完成人工智能无法完成的工作，还能使他们合乎伦理且有效地利用这些工具，避免被其取代。
为何传统模式已不可持续
如果我们要培养能够将课堂所学技能迁移到现实世界中的高效学习者，就需要确保他们能够在不同时间和情境中主动回忆并有意识地运用所学信息。他们还需要持续的、建设性的反馈，以弥补其理解上的不足。
最普遍、最流行的教育模式（讲授加高风险考试）无法满足上述条件，原因有四：
讲授是单向的知识输送管道，要求学生被动地接收信息，而非主动加以运用。研究屡次和一再表明，被动学习是次优的学习方式，与其他（主动学习）方法相比，会导致较差的教育成果。
通过讲授传递的知识往往滞后于技术、行业趋势和职业要求的快速发展。因此，许多毕业生带着“易过时”的技能进入就业市场，而这些技能与雇主的需求和要求并不匹配。
高风险评估（论文、考试）只能反映学生学业历程中的某一个时刻，提供的是事后洞察，却很少提供可操作的反馈。
这类评估还往往考查错误类型的技能（记忆与回忆），并且是在很少模拟现实场景的人为条件下进行的，而在现实场景中，协作式问题解决和开放资源的解决方案十分常见。
人工智能不仅凸显了传统“讲授加考试”模式的不足，还在积极削弱其价值。既然人工智能能够随时随地、以符合学生准备程度和需求的方式解读、可视化并总结复杂信息，学生自然会质疑：他们为何还要去听课？论文和考试的成绩无法与人工智能工具所能提供的高度个性化（实时）形成性反馈相提并论。
此外，如果学生毕业后的价值仅仅在于其回忆专业知识的能力，他们很快就会意识到，人工智能工具能够以更低的成本、更高的效率复制这套技能。
面向人工智能时代的（基于技能的）教育模式
显然，我们需要一种新模式，借助学习科学的洞见，全面提升教学、学习与评估。这种模式应使学生能够以合乎伦理、有效且批判性的方式使用人工智能工具及其输出，并基于这些输出做出决策。简言之，这种模式应赋予学生具备人工智能韧性的“持久技能”。
基于技能的模式围绕技能掌握来构建学习历程，基础技能是构建更复杂技能的基石。这种方法摒弃了讲授，转而采用“翻转课堂”：学生在家中自主习得技能，然后在课堂上运用苏格拉底式讨论和模拟等主动学习技术，将其应用于现实世界的问题。
高风险考试和论文也同样被以现实挑战为基础的体验式作业所取代。这些作业不仅让学生能够将技能应用于真实问题，还根据其在面对动态挑战时反复反思、修正和改进思维的能力来进行评价。
基于技能的模式比传统模式更适合人工智能时代，因为它具有以下特点：
能够抵御盲目使用人工智能的影响：主动学习技术（辩论、角色扮演和讨论）具有动态性、社交性且节奏快，要求学生亲身参与、互动，并以创造性和批判性的方式“随机应变”。与现实问题相关的真实体验式作业还要求学生运用其特定技能，应对某个特定合作伙伴（当地的）所面临的特定当代挑战。人工智能或许能够提供灵感和建议，但不能被盲目用于解决此类问题。
能够培养人工智能所缺乏的技能：人工智能工具可能令人印象深刻，但它们仍然缺乏真正的创造力、伦理推理、情绪智力，以及与他人合作、领导和谈判的能力。通过明确训练学生掌握这些技能，我们确保他们能够完成人工智能无法完成的工作。而通过培养其他技能（如批判性思维），我们确保他们能够有效且合乎伦理地使用人工智能，并对其输出进行批判性评估。
利用人工智能转向基于技能的模式
在基于技能的模式中，学术领导者、教育工作者和学生都可以而且应当使用人工智能工具。例如，可用于：
1. 课程设计与技能图谱绘制：学术领导者可以利用人工智能分析市场趋势、职位描述和行业需求，以确定希望学生掌握的技能。人工智能可以将这些技能组织成层级分类体系，并建议如何安排技能的先后顺序，从而构建循序渐进的课程体系。
2. 内容生成：教育工作者可以利用人工智能设计富有创意的主动学习练习，直接针对其课程中正在培养的技能。人工智能还可以通过从当前行业挑战或持续进行的社区问题数据库中汲取素材，帮助构思体验式作业的创意。
3. 适应性学习与反馈：教育工作者可以利用人工智能提供的实时数据和反馈，随时调整教学方法，并协助实现评分自动化。另一方面，学生可以使用同样的工具，根据其对某项技能或概念的掌握程度，动态调整学习材料的难度或重点，并基于表现获得持续的实时形成性反馈。
4. 绩效指标：人工智能可以帮助学术领导者监测新的基于技能模式的成效，方法是追踪关键绩效指标，包括学生参与度、技能习得率，以及这些指标与毕业生成功指标之间的关系。这些信息可用于反馈所培养技能的持久性，并指导课程的持续优化。
传统教育模式侧重于通过讲授和考试教授学生“思考什么”，而非“如何思考”。这种模式在人工智能出现之前就已不足，在人工智能融入的世界中则显得更加有缺陷。更糟的是，它为毕业生提供的技能，很容易被人工智能以低成本复制。
若教育机构接受“如何思考”模式，它们将培养出具备人工智能所缺乏的“持久技能”的毕业生，这些毕业生能够运用同样的工具，为社会做出明智且有影响力的贡献，而不是被社会边缘化。
如需深入了解人工智能在高等教育中的融合，请阅读完整的白皮书。
