夜雨聆风当学校拥抱AI：一场静悄悄的“校园基建革命”
读完《生成式AI赋能教育：原理与实践》的第七章，我的感觉和读前面几章很不一样。如果说前面的章节描绘了AI如何改变“教”与“学”的具体面貌，像一场润物无声的春雨，那么这一章，则像一场系统性的、静悄悄的“校园基建革命”。它关注的不是单个老师或学生怎么用AI，而是学校这个庞大、复杂的“有机体”，如何从骨骼、神经到血液，系统地接纳和融合这项新技术。这不再是个人层面的探索，而是一场关乎整个教育体系现代化转型的宏大叙事。
开篇就点明了这场变革的必然性。全球教育强国都在行动，学校“纷纷加强布局”。这背后，是教育管理者对效率提升、质量飞跃的深切渴望。但学校不是企业，它的“生产力”是人的成长，这就决定了它的AI化，必须是一场充满教育智慧和技术审慎的复杂工程。
读这一章，我印象最深的是AI对学校功能的“系统性重塑”。它从几个层面立体地展开：
首先是“管理”与“服务”的智能化。过去，一提到学校管理，想到的往往是繁琐的文书、复杂的排课、庞杂的数据。而AI在这里，像一位不知疲倦的“超级行政助理”。它能起草通知、生成报告、辅助决策，甚至能像书中提到的“燕小北”、“DeakinGenie”那样，成为24小时在线的校园“智能管家”，回答学生的各种琐碎问题。这解放了管理者，让他们从“事务员”回归“决策者”和“服务者”的本质。更让我触动的是AI在校园安全、心理预警方面的应用。通过数据分析和模式识别，AI能像一双更敏锐的“眼睛”，提前发现潜在的风险和学生的情绪危机，将响应时间从10分钟缩短到3分钟。这不仅仅是效率，更是对“安全”和“关怀”这两大教育基石的科技赋能。
其次是“课堂”与“教学”的深刻变革。书里描述的“智能课堂管理系统”让我既惊叹又深思。摄像头、传感器、平板电脑、数据分析……这听起来有些“科幻”，但其目标却非常朴素：让教与学的过程“可测量、可分析、可优化”。系统能分析教师的讲授逻辑、课堂节奏，也能捕捉学生的专注度、参与度，甚至生成涵盖“五育”的“第二成绩报告单”。这颠覆了传统的、凭经验的、模糊的教学评价。它让教学反思从“我觉得”走向“数据表明”，让因材施教有了更精确的“导航图”。当然，这也带来了巨大的隐私和伦理挑战，但技术的方向，无疑是让教育变得更科学、更精细。
最后是“评价”与“科研”的范式转移。 AI不仅批改作文，还能评估学生的创造力、问题解决能力；不仅能做文献综述，还能在材料科学、药物研发等领域提出人类未曾想到的创新假设。这意味着，高等教育和科研的“游戏规则”正在改变。评价体系需要重构，科研路径需要创新，甚至专业设置本身（如书中提到的各大名校开设AI院系）也要因应而动。学校布局AI，已不再是为了“赶时髦”，而是为了在未来的知识创新竞赛中保持竞争力，培养出能驾驭AI而非被其淘汰的人才。
然而，在描绘这幅智能校园的宏伟蓝图时，这一章始终保持着清醒的冷峻。它用大量篇幅强调了“安全第一”和“平衡监督与创新”。这太重要了。当学校这个承载着最珍贵财富——人的成长与未来——的场所全面数字化时，数据安全、隐私保护、算法公平、技术伦理，就成了比技术本身更重要的“新基建”。书中提到要制定严格的数据政策、进行安全审计、建立应急预案，这绝非小题大做。一次数据泄露，可能毁掉的是无数孩子的信任；一个有偏见的算法，可能固化的是教育不公。学校必须成为技术时代的“道德高地”和“安全堡垒”。
同时，书中也尖锐地指出了AI可能带来的“副作用”：师生情感联结疏离、学生抄袭AI内容、形成信息茧房、产生技术依赖……这提醒我们，技术赋能的核心，永远是“育人”。AI可以是出色的“助教”，但无法替代教师那个充满关怀的眼神、那句及时的鼓励、那次基于深度理解的点拨。学校在引入AI时，必须同步构建“人机协同”的新生态，明确哪些事AI做更高效，哪些事必须由人来做，并且做得更好。那个关于“学生应主动说明AI使用情况”的建议，看似细小，却是培养学术诚信和主体责任的 crucial一步。
通读全章，我看到了一个正在形成的、多层次的校园AI应用图谱：底层是强大的算力、网络和数据安全“新基建”；中层是渗透到管理、服务、教学、评价、科研各环节的智能系统；顶层则是与之匹配的新的治理结构、评价标准、师资培训和伦理规范。这绝不是简单地给老师发一个ChatGPT账号，而是一场需要校长魄力、教师智慧、技术支撑和制度保障的“系统工程”。
未来的学校，或许会呈现出一种“双轨制”的智慧形态：一条轨道是高度智能化、数据驱动的“效率网络”，处理着标准化、流程化的事务，提供精准的分析与支持；另一条轨道则是充满温度、深度互动、鼓励试错的“人的网络”，在那里，价值观被塑造，创造力被激发，情感被联结，品格被锤炼。AI负责把前一条轨道修得又平又直，跑得更快；而教育的灵魂与魅力，则永远在后一条轨道上绽放。
这场“校园基建革命”的目标，不是建造一个冰冷的技术乌托邦，而是利用技术，让学校这个古老的育人机构，能更专注、更高效、更个性化地去完成它最根本的使命：点亮每一个独特的生命。当技术的光照进校园的每个角落，我们最需要守护的，是那片能让心灵自由成长的、温暖而明亮的“人文绿地”。
【007】第7章 学校视角：机遇与实践
——读苏福根、龚超、王冀、张志国等的《生成式AI赋能教育：原理与实践》
7.1 学校加强生成式AI的布局
AI技术快速发展，与教育行业的深度融合已成为大势所趋。澳大利亚、日本等国纷纷出台应用框架、学校试点等政策文件，加强对学校应用该项技术的引导，不少高校和中小学也意识到这一发展趋势，纷纷加强在该领域的布局，在管理服务、教学科研、合作交流等方面开展实践应用，以适应未来教育的新挑战。生成式AI可以显著提升管理效率和服务体验，提高师生的教学质量和学习效果，实现教育内涵的实质提升。学校在布局生成式AI时，一方面应注重校园新型基础设施建设，确保先进技术能够顺利落地和应用，同时充分利用科技企业在技术研发方面的技术优势，加强校企合作、资源共享，并借鉴国内外成功案例的经验，不断调整完善自身的布局策略；另一方面，要持续关注生成式AI的伦理和法律法规问题，确保技术合规和安全可靠。只有全面考虑技术、场景、伦理和法律法规等因素，才能确保生成式AI可以持续地为师生提供智能且安全的教育环境，助力源源不断地培养出具有创新和实践能力的人才，成为推动教育变革和提升教育质量的重要引擎。
7.1.1 生成式AI在学校管理和服务中的布局
对于教育管理者而言，生成式AI能够高效完成大量的常规任务，在事务性工作和决策性工作等环节精简人力，提高效率。例如，生成式AI可以帮助管理人员快速起草日常事务文档的模板或大纲，迅速撰写家校联系信、学校通知等内容，满足“语气委婉”“号召力强”等特殊要求，使得原本耗费大量时间的工作变得简单快捷；还可以自动生成各种规章制度，减轻管理人员的文书负担，将更多的时间和精力投入到更具创造性和战略性的工作中。在决策性工作环节，生成式AI通过全面的数据分析和比较，辅助管理者做出更加公平和公正的决策。
生成式AI还可以用于生成心理健康知识，通过分析学生的行为、言语和情绪等信息评估学生的心理状态，帮助学生进行心理评估，提供进一步的心理咨询服务。
7.1.2 生成式AI在教学和评价中的布局
生成式AI在高校和中小学的应用日益广泛，从个性化学习、虚拟现实教学，到智能辅导系统和自动化评估，再到支撑高校专业发展、推动学科资源建设，都为教育带来了前所未有的便利和高效。通过分析学生的学习数据和行为模式，生成式AI不仅能够为学生提供定制化的学习内容和学习方法，提升学习体验和学习效率，而且也为教师的教学、教研和科研创新提供基础支撑。在美国，某高校在教学中引入了生成式AI，生成个性化的学习计划和教学资源，实现“因材施教”，最大程度贴合学生的学习习惯；同时，还可以自动生成课堂作业和考试题目，减轻教师的工作负担。在英国，某中学利用生成式AI辅助语言学习，根据学生的语言水平和学习需求，自动生成适合的学习材料和练习题，改变以往枯燥且艰难的语言学习，提高了学生的学习兴趣和积极性。
生成式AI也在推动传统评价体系向多元化评价体系转型，为教师提供丰富的评价工具和决策支持，使教育评价更加多元、及时和完整。例如，结合了生成式AI的作文评价，不仅能够给出分数，还可以综合考量学生的创造力、写作能力和问题解决能力等多个维度，更全面地反映学生的综合素质。在课堂教学中，通过实时评价，教师可以迅速判断学生的学习问题，根据学生的反馈及时调整教学内容和方法，提高课堂知识的吸收率。国外某高校为了提高新生的留校率，开发了“课程预测系统”，通过分析学生的学习历史、课程表现、努力程度，以及个人特征等学习数据，预测学生是否会在期末考试中不及格，并据此提供早期警告和干预措施，以提高学生的学业成功率。未来，教育评价有望在人工智能、机器人和大数据分析的推动下，变得更加科学、客观和有效，实现更全面和公正的评价。
7.1.3 生成式AI在科研中的布局
生成式AI可以辅助科研创新，不少高校师生利用生成式AI进行文献综述、生成摘要和数据分析，一定程度上提高了科研效率。例如，在药物和材料等特定的科研领域，麻省理工学院的科研人员利用生成式AI推算出更加坚韧耐用的高效能复合材料，拓宽了科研创新的边界，为产生更有创新意义的科研成果提供了可能；得益于生成式AI强大的数据处理能力，苏黎世大学与企业开展研究合作，开发生成式AI工具，设计新的药物分子，并取得一些成功案例。
7.1.4 生成式AI在专业设置中的布局
为了提高高校在招生和就业方面的竞争力，培养学生对生成式AI的兴趣和能力，提高该领域的人才储备，一些高校开始规划建设生成式AI的人才培养体系。例如，美国的斯坦福大学和加州大学伯克利分校都开设了与生成式AI相关的课程和研究项目，为学生提供丰富的学习资源和实践机会；清华大学和北京大学都已成立人工智能院系，开设生成式AI的相关课程；加拿大的多伦多大学和澳大利亚的悉尼科技大学开展了与生成式AI伦理和法律法规相关的研究和教育项目，为学生提供全面、深入的指导和支持。此外，不少高校也积极引进海外优秀人才，布局生成式AI的科研体系，提升高校在该领域的研究能力。
7.1.5 生成式AI在合作交流中的布局
不少学校从宏观角度布局产学研合作，加强与国际教育机构和组织的交流，了解最新的技术和应用趋势，推动生成式AI的研究和发展。英国的帝国理工学院和德国的慕尼黑工业大学都与业界建立了紧密的合作关系，为学生提供丰富的实践机会和就业渠道。日本于2023年7月公布《初等中等教育阶段生成式AI利用暂行指南》，公开招募53所生成式AI试点学校，致力于通过使用生成式AI提高教育活动的效率，验证生成式AI在学校的实际应用情况，导入生成式AI的有效案例和课题。生成式AI还能帮助学校理解教育政策变化，制定招生策略，进行财务规划，并提供国际合作的策略建议，为学校提供全面、立体的教师评估和发展平台。伴随着这些跨领域沟通交流的开展，学校可以加强与产业界、学术界的合作，了解最新的技术动态和应用需求，引进先进的技术和理念，提升自身的科研能力和教学管理水平，同时也为学生提供更多实践机会和就业渠道，学生得以更好地了解市场需求和技术趋势，提高自己的竞争力。
7.2 学校教育中生成式AI的应用
生成式AI对学校的教育管理理念和教学实践产生了重大影响，是推进学校治理数字化转型、提升学校软实力的重要举措。
7.2.1 生成式AI在校园服务方面的应用
生成式AI支持的校园服务系统，可以起草各种通信文档，如给家长的通知材料、新闻宣传文案和学校管理制度（如图7-2所示），使原本需要耗费大量时间的文书工作变得简单快捷；可以帮助组织班级或校车时间表，分析复杂数据以识别需求，可以执行信息查询、情感调研交流、评估学校文化氛围等任务。
生成式AI可以赋能教务部门，为学生提供校园活动介绍、个性化选课指导和未来职业规划服务。美国的佐治亚州立大学使用聊天机器人Pounce帮助招生、经济援助、课程注册和使用校园资源，加州大学伯克利分校也提供伯克利聊天机器人，满足学生的各种事项的查询，一周时间内就管理了1500多个对话，解决了涵盖经济援助、注册、计费和支付的查询。澳大利亚迪肯大学推出的聊天机器人DeakinGenie，可根据每位学生的学术和个人抱负提供量身定制的个性化帮助，是人工智能驱动的“学术旅程伴侣”。北京工业大学建设以“燕小北”为标识的AI就业指导助手，打通AI大模型应用与智慧校园间的“最后一公里”，登录该校的网上办事大厅，一键或语音唤醒“燕小北”，即可体验一站式全新服务，为学生就业提供智能帮扶。
校园服务与校园内的每个人都息息相关，生成式AI在校园安全服务中的应用，显著提升了管理和服务的效率。生成式AI通过训练模型，分析学生的行为模式，可以识别和预测潜在危险，提前预警可能出现的暴力现象，并采取预防措施，为学校师生提供更加全面的保障。我国台湾地区的某高校成立校园安全研究中心，结合人工智能技术、监控技术和校园警察调度系统，战略性地在整个校园内放置了18个配备安全摄像头的红色应急亭，通过统一分析处理采集到的数据，再生成关键信息传输至校园警察，将响应时间从以前的平均10分钟缩短到3分钟。
7.2.2 生成式AI在决策管理方面的应用
通过对教育过程中产生的海量数据进行精准分析，生成式AI可以辅助学校进行专业调整、学生管理、课程规划和资源配置等关键决策，实现自上而下的智能化管理。例如，当学校管理者需要决定是否开设STEM课程时，生成式AI可以提供如学生兴趣、受益程度、教育资源、师资情况和教育政策匹配度等参考指标，并列出已经开设STEM课程的学校名单，有助于帮助管理者权衡利弊，做出最优选择；在选拔学校学科主任的过程中，生成式AI可以综合分析候选人的数据，为管理者提供决策支持，帮助管理者更全面、准确地了解候选人情况，确保决策的公平性和合理性；在教研活动与课堂巡课中，生成式AI对课堂教学的多模态数据进行多角度分析，管理人员利用这些数据进行自动化评课，提供教学效果反馈，辅助教学决策；在高校的财务管理工作中，需要进行预算规划、资金分配、生成财务报告等，生成式AI可以根据历史数据和预算规则，自动生成预算报告和财务分析；学校还可以根据预设规则对学生申请、教师报销、项目审批等工作进行自动审批，并生成审批结果和通知。
7.2.3 生成式AI在课堂管理方面的应用
智能课堂管理在校园中的推行正在逐步改变教学和学习环境，让教育变得更加个性化、高效和有趣。通过自动收集与分析课堂教学的全过程、全方位数据，构建出反映教学活动行为全貌的动态模型，并针对课堂表现活跃度、学生参与度、注意力集中度、课堂行为时序等多种核心维度进行量化分析，建立多模态数据与教学行为的映射表征方法，揭示教学过程中的关键特征和潜在规律，为教学问题的精准诊断提供数据支撑。
当前的技术实现方案主要分为以下几类：一是课堂语音的识别，用于判别课堂中不同声音的来源和角色，以及进行语音的分类；二是行为姿态的识别，用于判别不同课堂行为，比如阅读、书写、听讲、起立、举手和趴在桌子上等行为；三是图片文字识别，用于判别黑板板书、教材笔记等数据；四是在多模态数据融合视角下，基于生成式AI对课堂的重要信息进一步展开，对课堂进行多维度的分析。
北京市某中学采用智能课堂管理系统，在部分教室里安装了摄像头和传感器，对师生教与学的情况进行对照分析与科学评价，快速精准地定位教学问题，实现对教师“如何教”的指导，提升教师的教学效果。这套系统的优势在于具有多层次的分析能力，通过摄像头和传感器对教室内的动态进行实时捕捉，分析教师的教学内容，以及学生的学习行为。基于这些数据，教师可以获得针对性的教学建议，从而改进教学方法，提高教学质量。同时，这套系统通过捕捉学生的学习行为，识别出学生的专注度、参与度等关键指标，并根据这些数据提供个性化的学习建议，如学生在课堂上的注意力出现下降的变化趋势，系统则提示教师调整教学节奏，以调整学生的学习状态。此外，结合学生课堂及日常表现累积的大数据，智能课堂管理系统还可以生成“第二成绩报告单”，不仅涵盖了学生的学科成绩，还科学、系统、全面地呈现其德育、体育、美育和劳育的表现，学校和家长能够更全面地了解学生的发展情况，发掘学生的特长和潜力，为学生的全面发展提供有针对性的支持和指导。
智能课堂管理在营造个性化学习环境、设计高效教学环节等方面有着独特的优势。通过构建情景丰富、感知生动的教学场景，学生不仅能够掌握基础知识，还能培养高阶思维能力和创新驱动能力。北京市另外一所中学建设的智慧课堂项目，为每位教师和学生都配备有一个平板电脑，教室里有一个“超脑”，整个教学环境通过联网的平板电脑实现。在平板电脑组成的网络之外，教室中还配有智能课堂反馈系统。依托教学大模型，结合交互智能平板、教学观察摄像机等硬件设备，课堂智能反馈系统能够对教师的授课过程进行无感采集和即时反馈，不仅可以成为教师在课前的AI备课助手，还能依据课堂实际情景数据生成具有针对性的教学改进建议，有助于教师准确评估每堂课的教学效果。
7.2.4 生成式AI在教学方面的应用
生成式AI在知识整合和提炼呈现上比人类教师更有优势，可以大幅提高学生学习知识的效率。通过对多项课堂数据进行实时获取，分析学生的学习行为、学习进度和反馈信息等过程性数据，生成式AI能匹配生成个性化的辅导材料，以及适合学生学习的路径和资源，为个性化教学的实现提供技术支持。同时，生成式AI也能实现教学过程的精准回溯和教学问题的精准定位，为教师提供决策支持，以便更有效地分配教学资源和优化教学策略，推动基于数据驱动的常态化、精细化教研活动。
从生成式AI教学应用的种类来看，可分为文本对话类、模拟实验类、综合辅导类等应用。
（1）文本对话类应用。
生成式AI具备自然语言理解和表达能力，其背后的语言大模型拥有庞大的知识库，可根据学生的提问并结合上下文进行互动回答，是目前应用于教学的最普遍的方式之一。一些语言学习软件使用文本类生成式AI为用户提供一对一授课体验，甚至允许用户进行角色扮演来练习多种语言，并且可以按照用户的意愿随时转变角色或是生成解析内容，大大改变了以往语言练习的枯燥氛围。
还有一些学校将生成式AI引入高中英语写作课堂，辅导学生的英语写作，通常分为三个阶段：第一阶段，学生用英语撰写一篇主题作文，如给朋友写一封邮件介绍自己最喜欢的运动，这一阶段教师利用生成式AI订正学生的词汇和语法错误；第二阶段，学生对比、分析修订内容，通过研讨反思修订建议是否合理，并且总结出更正确、更得体的表达方式；第三阶段，学生会再次用英语撰写一篇类似主题的作文，可以运用上一阶段学到的新表达方式，批判性地吸收生成式AI给出的写作反馈，学生在互动中学习正确、得体的语用表达，促进了认知能力发展，同时内化了语用知识和技能。
（2）模拟实验类应用。
学校可以利用生成式AI生成逼真的虚拟场景，让受训者在虚拟环境中进行模拟演练，提高其应对实际问题的能力。生成式AI具备图像生成功能，可以根据学生的描述或提示，快速生成照片、绘画、动画等内容，为教育工作者和学习者提供了新的工具和资源。北京大学已经采用相关技术进行教师培训，通过生成虚拟课堂场景，让教师们模拟授课过程，提高教学水平。美国斯坦福大学也采用类似的技术，通过生成的虚拟实验室环境，让学生和教师进行实验操作练习，提高实验技能。
应用于教学领域的生成式AI工具开始涌现。例如，专注于艺术创作的生成式AI在美术教育中发挥了重要作用，为学生带来独特的启发与参考；一些虚拟仿真实验网站，为学生生成各种虚拟实验。基于游戏引擎平台的生成式AI则可以更便捷地创建各种仿真模拟场景，在历史事件模拟等教学场景中无疑有很大的优势。结合虚拟现实和增强现实技术，生成式AI可以为学生提供沉浸式的实验和模拟体验，提升学习体验。
（3）综合辅导类应用。
通过对学生的学习行为、兴趣偏好等数据进行分析，智能辅导系统为每位学生提供个性化的学习资源，从而更好地满足学生的个性化需求。同时，智能推荐系统还可以帮助教师更好地了解学生的学习情况，提高教学效果。通过对大量的教学资源进行深度学习和分析，生成式AI可以自动生成符合学生需求的个性化学习资源，这些资源包括但不限于教材、课件、练习题、视频等，能够为学生提供全方位的学习支持。许多高校采用智能辅导系统来推动个性化学习，提高教学质量，利用机器学习来分析个人学习模式、满足学生需求、监控进度并提供量身定制的反馈，最终提高学业成绩；另一方面，也为教师减轻了工作负担，使他们能够更专注于创造性教学和学生个体差异的关照。
在一些试点项目中，生成式AI被用作虚拟导师，为学生提供即时反馈和基于个人表现的定制指导。参与该项目的学生在短期内学习进步显著，成绩明显优于未使用该系统的学生。
国外一些研究机构构建了由高性能AI大语言模型驱动的高级智能辅导系统，用来模拟真实导师，为学生提供逐步的学习指导。此外，一些团队设计了人工智能辅助考试系统，可以个性化地生成题目并进行智能纠错，为学生的个性化评测和教师的协作备课提供了创新思路；还有的研究团队甚至探索了多模态演示文稿的智能生成技术，基于大量视频和幻灯片内容，实现了自动生成字幕和口头讲解，形成了创新的生成式辅助教学模式。
7.3 面对生成式AI的校园策略
7.3.1 积极拥抱变革
生成式AI正在融入学校的日常工作中，不仅对人才培养标准、课程设置、教材编写、考试评价、管理方式等方面产生影响，还对整体教育体系产生深远影响。主要的教育服务企业都已开始将人工智能与搜索界面结合在一起，并将其纳入写作、演示和通信工具中，学校的管理和教学方式也因此发生了深远的变化。利用生成式AI进行学生个性化学习路径的规划和推荐，需要学校重新设计学习评价体系，以更好地反映学生的真实学习情况；同时，对于教职工的培训和考核，也应考虑到他们在生成式AI应用方面的能力和表现。
因此，学校管理者应及时调整策略，以更加包容和高效的方式来迎接科技变革，拥抱技术对校园管理方式的改变。首先，学校管理者必须增强主动意识和责任担当，不断提高对生成式AI教育价值的认识，把握技术与课堂教学之间的密切关系，推动技术赋能课堂教学。其次，学校管理者应对生成式AI在课堂教学中的使用进行广泛讨论和严格监督，制定规范和监督机制，确保其各个环节的规范和有效性。最后，从“以人为本”的角度出发，学校管理者可以积极组织相关培训课程、研讨会和实践活动，引进有AI技术背景的老师，并提升现有教师和学生对生成式AI的认识和使用能力。学校要在资金、设备、人力等方面持续投入，支持生成式AI的应用研发。
从教师来看，作为直接参与者，需要对生成内容进行人工筛选、验证和确认，确保其质量和准确性。同时，还应密切关注学生使用生成式AI的全过程，进行监督和引导，防止学生过度依赖人工智能完成作业或考试。教师可以利用生成式AI收集学生的过程性资料，如学习行为、学习进度和反馈信息等，并根据这些数据进行教学创新设计，制定个性化教学方案。通过课堂讨论、作业评审等方式，培养学生的批判性思维和独立思考能力，避免学生过度依赖技术。
7.3.2 安全第一
人工智能技术已应用于校园安全、教学管理、学生管理等多个方面，同时也带来一系列新的问题，如隐私保护、数据安全等。面对生成式AI的校园管理策略，安全性始终是首要考虑的因素。学校需要制定严格的数据保护政策，确保学生的个人信息和学习数据不被滥用或泄露。隐私保护的第一步是明确数据收集的范围和用途，确保所有收集的数据都有明确的教育目标。学校应对数据的收集、存储、处理和分享进行严格的控制，确保只有经过授权的人员才能访问敏感信息。学校还应建立全面的数据安全策略，包括数据备份、访问控制、日志审计和应急响应等措施。数据备份是确保数据在意外损失或系统故障情况下能够恢复的重要措施；日志审计能够记录系统的操作行为，帮助学校发现和追踪异常活动；应急响应措施可以帮助学校在发生数据泄露或其他安全事件时迅速采取行动，减少损失和影响。
为了确保生成式AI的安全性，学校还需要定期进行安全检查和漏洞修复，防止外部攻击和恶意破坏，及时发现系统中的潜在漏洞和安全隐患，并采取措施进行修复，如定期更新系统和安装安全补丁，确保系统始终处于最佳安全状态。系统的可靠性和稳定性是生成式AI规范运行的前提保障。在校园日常管理中，这些系统可能会涉及课程安排、学生评价、教学资源分配等多个方面，任何系统故障都可能对正常的教学秩序造成影响。因此，学校需要建立有效的维护和更新机制，建立安全事件响应团队，制定应急预案，确保在发生安全事件时能够迅速响应和处理，出现故障时能够迅速恢复系统的正常运行。
7.3.3 减轻负面影响
新的技术可能带来一些新的社会问题和挑战，学校需要通过教育和引导，帮助师生正确理解和使用生成式AI，避免错误使用带来的负面影响。一些研究者关注技术应用于教育时的个人隐私保护和数据防泄露、保障教育内容的真实性和可信度、防止深度伪造和信息污染等问题。另有研究者提到技术可能引发高校师生交往互动不足和形成信息茧房、需要关注技术的开放透明和包容性建设问题，以及进行风险分级、设定工具等级边界等建议。此外，生成式AI通常具有复杂的结构和算法，有可能会出现一些杜撰的虚假信息，导致用户难以分辨结果的真伪，容易出现幻觉、误导师生。师生也应保持批判性思维，对重要信息进行多渠道验证，以防被误导。
基于智能教育机器人的“双师课堂”有助于激发学生的学习动机，并且对学生的自信心、自我价值感起到促进作用，但在实验中也发现若干问题。例如，教育机器人扮演辅导者、干预者和评价者等多重角色，疏离了学生与教师之间的情感联结。有研究团队采用大语言模型T5-PEGASUS自动生成问题，开发学生与AI问题共创工具Co-Asker，构建了人机问题共创系统，来测试大学生课外阅读的批判性思维，促进阅读理解能力的提升，但在实验过程中发现，学生抄袭AI生成内容的现象严重，不利于学生的深度学习和批判性思维发展。
学校应该积极构建支持人机协同学习、与“师—生—机”三元结构相匹配的评价、管理和激励机制，在保护学生视力、避免沉溺于网络和技术依赖、避免抄袭、保护隐私等方面提供更有效的保障机制。此外，学校还应关注生成式AI对校园文化和学生心理的影响。北京教育科学研究院专家就曾提出——“除了防止学生代写的一些政策文件外，学校应该明确学生在使用生成式AI后，应主动介绍自己的AI使用情况，比如说在哪些部分，或者是哪些方法上使用了生成式AI，以此来确保作业任务或者是研究内容的原创性和真实性，同时遵守学术诚信原则”，针对生成式AI的不恰当使用的检测也已经开始得到应用。
学校应注重伦理和法律法规问题，指导学生正确使用生成式AI，避免侵犯知识产权和隐私等问题。通过教育引导和管理监督，学校可以确保学生在使用生成式AI时遵守法律法规和道德规范，避免潜在的风险和纠纷。例如，学校可以开设专门的课程，教授学生有关AI伦理和法律法规的知识，培养学生的责任感和道德意识。生成式AI直接在教学中让学生使用有一定的风险，可能会出错或产生一些超越课程标准的内容，因此需要对其做一些微调和定制，才能更好地用于教学。生成式AI本质上是一种在线教育系统，它在推动知识互动过程中发挥了重要的中介和推动作用，但师生之间的行为和情感互动则是无法用技术代替的。因此，生成式AI的发展向我们展示，比起书本知识的传授，更为迫切的是学生价值观的引导、创新能力的培养、良好习惯的养成，以及健康身心的成长。
7.3.4 平衡监督和创新
制定一套完善的校园生成式AI应用规范和标准，对于保障学生权益、推动教育创新也至关重要。规范和标准需涵盖包括数据隐私保护、算法透明度、公平性等多方面内容，确保生成式AI在教育环境中的应用既高效又安全，还需规范生成式AI在教学中的使用，确保其符合教育目标和伦理标准。这些政策应明确AI技术的适用范围、使用条件和责任划分，防止其被滥用或误用，还应规定教师和学生在使用AI工具时的权利和义务，保障他们在教育过程中享有公平、公正的待遇。
完善的应用规范离不开健全的监督机制，学校应对生成式AI在课堂教学和学校管理中的应用进行持续监控和反馈，确保其发挥积极作用。学校可以设立专门的监督委员会，由技术专家、教育工作者和师生代表组成，定期评估人工智能系统的使用效果和潜在问题，并根据反馈不断优化系统。这种持续的监督和反馈机制，有助于及时发现和纠正人工智能应用中的不足，确保其始终符合教育目标和伦理标准。
学校在加强监督管理的同时，也应合理把握规制措施的力度，适度鼓励对于影响范围和影响程度受限可控的生成式AI应用，做到加强治理防范和提升教育创新活力并举，避免强监督管理措施对人工智能教育创新带来负面效应。学校应加强与外部合作伙伴的沟通和协作，包括与技术供应商合作，以获取最新的技术支持和解决方案；与教育研究机构合作，研究和探索生成式AI在教育领域的更多可能性；与政府部门合作，以确保校园管理策略的调整符合相关政策法规的要求，共同推进生成式AI在校园管理中的应用和发展。
