一、融合创新思路设计课程

ChatGPT可以为教师的课程设计提供创意思路，协助检索和整理文献资料，生成完整的课程材料，如教学大纲、课程计划和阅读材料。

例如，输入“请为二年级的孩子设计一个探究性课程，主题是《蟋蟀的叫声》”，很快，AI给出了如下结果。随后，我们提出更详细的设计需求：“在暑假进行，为期十天，课程目的是培养孩子们的探究能力、批判性思维能力、协作能力以及博物学相关的知识、测量统计技能等，结合过程性评价和终结性评价，且需要列明时间规划、需要准备的物料、背景资料。”很快，ChatGPT输出了一份详细的课程报告（见下图）。

二、思考教学中追求的学习目标

在考虑如何使用ChatGPT来支持你的教学之前，必须确定你的课程的实际学习目标。正如前面在学生部分提到的，高等教育的学习目标可能因研究领域和主题的不同而有所区别。虽然（培养学生的）批判性思维和结构化思维被认为是高等教育的基本目标，但你可以利用ChatGPT来培养学生的这些技能，利用生成性人工智能的局限性，如可能出现虚假信息或可能收到低质量的文本。通过对人工智能工具产生的输出进行反思，并为ChatGPT提供有目的的提示和足够的信息，学生可以练习逻辑地构建他们的论点，这是结构化思维的一个重要组成部分。这种与生成性人工智能的互动可以有效地发展学生的批判性反思和结构化思维的技能，并以迭代的方式。今天，用ChatGPT生成高质量的输出取决于创建正确的提示。创建和完善针对特定任务或目标的提示的能力对于实现预期结果至关重要。这使得特定领域的提示工程专业知识成为未来的宝贵技能。

三、利用ChatGPT创建学习资料

ChatGPT可以成为高等教育中个性化学习的有价值的工具。除了支持教师完成各种课堂任务外，ChatGPT还可以创建自定义练习和测验，提供反馈，并生成符合学生学习风格和进度的定制化教学材料。此外，ChatGPT还可以协助开发讲座思路，起草研讨会计划和教学模块介绍，以及加工公告文本。ChatGPT的另一个可能的应用是用人工智能来评估学生的已有知识。在图9中，我们说明了一个ChatGPT-提示，可以用来创建一个关于特定主题的课程计划。

你可以帮助我设计一个教大学生的人工智能和性别偏见主题的教学计划？

此外，正如在学生部分提到的，讲师可以利用 "YouTube摘要与ChatGPT "功能来总结视频转录，设计课堂基础。YouTube会自动生成视频（无论是讲师制作的学习视频还是第三方视频）的文字记录。点击插件按钮，就可以将副本发送到ChatGPT，并提示提供总结。

四、通过ChatGPT提高学习效果

ChatGPT不仅可以帮助教师设计课程材料，还可以通过克服课堂上通常难以解决的三个挑战来提升学习效果：帮助学生将他们的知识应用于新的（实际）情况，向他们展示他们可能并不像他们认为的那样了解；以及教他们如何批判性地思考信息（Mollick & Mollick, 2022）。克服教学中的挑战的方法之一是将ChatGPT作为学习工具。这种方法可以利用人工智能的优势和劣势来提升学习体验。在表4中，根据Mollick和Mollick（2022）的说法，我们提出了三种将ChatGPT纳入课程的方法。

表4 如何使用ChatGPT促进学习

教学 目标	ChatGPT 任务	学生任务
训练利用ChatGPT转换	ChatGPT可以用来展示和澄清概念，并将它们转换到不同的环境中。但人工智能在理解复杂的关系和结合不同来源的信息方面是有局限的。	学生的任务是评估人工智能的反应，因为它将一个概念转换到不同的环境中。随后，学生应该运用策略来改善人工智能的输出。
训练利用ChatGPT评估	ChatGPT可以用来写关于一个特定主题的文章。虽然人工智能擅长简化文本，但它在提供有洞察力的分析方面存在弱点，所以可以用ChatGPT来写关于某个特定主题的文章。	学生的任务是通过向人工智能提供进一步的建议、添加新的信息或澄清观点，不断改进人工智能创造的文章。
通过ChatGPT帮助学生明晰并弥补他们知识上的差距	可以利用ChatGPT来勾勒出特定过程中所涉及的步骤。但AI生成的过程可能并不完整。	学生们的任务是通过添加不同来源的信息来评估和改进人工智能的产出。

五、在设计考试时要注意新技术的可利用潜力

闭卷考试，即学生用手写，只用笔和纸，或在受控的环境中使用电脑，在没有互联网的情况下使用信息亭模式，可能是未来测试学生知识的最简单方法。在这样的环境下，ChatGPT对评估过程的威胁并不比传统的纸质小抄更大。然而，这样的评估方式可能是过时的，因为学生在考试前不久获得了很多知识，而这些知识随后就被遗忘了。

因此，我们注意到高等教育的一个趋势，尤其是在Covid-19新冠疫情大流行的推动下，从 "纯纸笔 "考试到 "开放式考试 "或 “在家考试”。在创建允许使用技术辅助工具的公开考试时，应注意事先用ChatGPT测试考试问题。如果结果很好，应该删除这些考试问题；如果结果不好，"重新产出 "如果仍有改进的余地，则保留问题。以下是实施考试时需要考虑的其他事项，有助于防止学生的不当行为（Koenders &Prins, 2023）。

要求在考试中进行个人反思。

♦ 将考试问题集中在最近的事件上。ChatGPT，在其当前的版本中，是以2021年9月之前的数据为基础的。

♦ 在考试中说明哪些工具是允许的（如Stata），哪些是不允许的（如ChatGPT）。

所有这些建议都有局限性。评估个人反思的正确性或质量需要很多工作，而且只能在一定程度上实现。很容易预见的是，随着模型的不断更新或互联网搜索和语言模型的整合，它们不符合时代要求的局限性将在未来被废止。尽管有这些限制，根据生成性人工智能对考试进行批判性重新思考的一般建议仍然存在。

六、要求学生声明如何使用ChatGPT和其他先进工具

监测在学生带回家的考试中使用了哪些工具是不可能的，而且并不是所有的学生都是诚实的。然而，关于是否使用了特殊工具的明确声明增加了约束力，并在不当行为的情况下增加了后果，这也是论文等独立声明中的标准做法。

剑桥大学出版社和其他出版商已经执行了指导方针，要求作者在写文章时披露他们使用的基于人工智能的工具，如ChatGPT。出版商已经宣布，这些准则保护那些希望利用ChatGPT和类似的基于人工智能的程序的作者，鼓励他们这样做（Forschung & Lehre，2023）。因此，我们建议大学制定这样的独立声明，明确解决生成性人工智能工具的使用问题。充其量，这种声明在使用ChatGPT等工具方面不是二元的（例如，“我使用了ChatGPT”），而是像一些学术期刊中的作者贡献声明一样进行区分。这些声明应该强调在研究和写作过程中使用了ChatGPT和其他工具的哪些步骤（例如，制定大纲或校对）。此外，这种声明应该包括学生对技术工具在其作品中插入的潜在错误、侵犯版权或剽窃行为的责任声明。

此外，教师可能会要求学生提供一份所使用的提示（内容）清单。更进一步，他们可能要求学生提供与ChatGPT对话的完整记录，为学生的工作提供参考。浏览器插件可以导出并分享与ChatGPT的对话。

七、创新评估形式

ChatGPT引起了许多人的关注，认为它有可能破坏作业作为一种评估方法的有效性。这种担忧从其实施的早期就已经存在。ChatGPT有可能成为高等教育的一个重要创新，因为它使教师能够将评估作为教学的一个工具。然而，目前很少有教师已经具备这必要的技能，将评估作为一种学习来使人工智能成为潜在的教育里程碑（Earl，2012）。创新评估形式的一种可能性来自于ChatGPT的创造能力受到限制。ChatGPT是根据特定的模式和现有的文本进行训练的，限制了它产生原创内容或想法的能力。因此，ChatGPT只能复制它所接受的训练和已经存在的内容，而需要有更多的创造性思维能力（Susnjak，2022）。因此，教师们有潜力去探索创新的评估形式，要求超越传统界限的思维。这些评估形式可以通过学生对主题的创造性连接而产出新的结果。

因此，我们的建议是，不要像Herman（2022）所建议的那样，采用可以通过电脑快速完成的标准化评估，而要像Brookfield等人（2019）所倡导的那样，设计出促进学生创造性和批判性思维能力的评估。

以下是一些创新评估形式的例子：

♦ 只在课堂上进行特定的评估（Rudolph等人，2023）。

♦ 鼓励口头演讲，以评估学生的公共演讲技能，以及他们对材料的理解（McCormack，2023）。

♦ 鼓励小组合作项目，让学生以小组形式完成一个特定的任务或项目。(McCormack, 2023)。

♦ 通过要求学生通过书面或口述表达他们的学习成果，促进批判性思维或口头表达。

♦ 让学生准备其他形式的材料，例如，网页、视频和动画表达批判性思维（McCormack, 2023）。

这些形式中没有一种是万能的。在这样或那样的形式中，它们都有利于学生在课堂上亲自参与，很好地处理高强度时间压力，或具有良好的口语交流能力。评估个人在小组工作中的贡献具有挑战性，评估个人的表达也是如此。此外，ChatGPT和其他人工智能工具也可以支持创建网页、视频和动画。尽管如此，授课者应该考虑根据学生使用生成性人工智能工具的能力和可能改变的学习目标来创新他们的评价形式，以考虑到生成性人工智能工具的扩散情况。在改变评价形式时，教师必须考虑评价所需的时间。有可能需要增加人员配置，以便进行有意义的评价。

八、重新思考作业的监督过程

由于ChatGPT特别擅长制定文本，所以几乎不可能检测出是人工智能还是学生写了作业的具体文本段落。因此，我们鼓励教师更多地重点监督学习过程而不是书面作业。因此，教师可以更好地评估作业是如何完成的，以及学生是否在完成过程中获得了特定的专业知识。因此，我们与Frölich-Steffen（2023）的建议一致，建议考虑以下步骤：

♦ 不分配没有监督过程的作业。

♦ 要求在过程中提供关于工作步骤的信息。

♦ 重视研究设计和经验性研究的仔细执行工作。

♦ 要求使用ChatGPT作为工作步骤，包括明确说明ChatGPT是用来做什么的。

♦ 如果可能的话，增加对结果的介绍和口头答辩，因为这显示了学生对内容的掌握程度，了解学生在多大程度上掌握了这些内容。

与上面的建议3一样，改进监督过程可能需要额外的时间，因此也需要配备人员。

九、重新思考作业的评价标准

鉴于人工智能工具生成和编写文本的特殊能力，高等教育必须建立新颖的评估标准，超越单纯的文字表述来评估作业。虽然ChatGPT在内容上偶尔会出现错误，但其写作往往令人信服。因此，学生可以在评估文本内容的同时，不太强调结构和写作风格，而这正是语言模型往往擅长的领域。因此，在没有明确禁止ChatGPT的情况下，应该更认真地考虑以下评价标准（Frölich-Steffen，2023）。

♦ 研究问题的质量和个性，以及与指定主题的契合度

♦ 理论背景的质量，包括适当的参考文献

♦ 演示文稿的连贯性

♦ 研究问题、所用理论、所用方法和结果的一致性

♦ 除了总结文献外，还有独特的（理论、经验或技术）贡献

♦ 包含个人看法，如学习日志或个人陈述

十、实施避免抄袭和侵犯版权的准则

高等教育中最重大的挑战之一将是检测抄袭行为。2000年，《卫报》警告说，“抄袭流行”，并提出了对谷歌、维基百科等将使学生变得 "愚蠢 "的担忧。20多年后，我们都知道，这些技术驱动的发展都没有让学生变傻，而是给高等教育的教学过程带来了创新。然而，随着大规模电子文本的容易获取，抄袭变得更容易了（例如，复制和粘贴）。许多大学使用抄袭检测软件，将新提交的文本与以前已知的文本进行匹配，以打击这种情况。这对检测直白、直接的抄袭很有好处。

最近在自动翻译和大型语言模型方面的进展减轻了不法分子的任务，并使抄袭检测复杂化。将预先存在的文本自动翻译（例如使用DeepL 或谷歌翻译等工具）为作业的语言，避免了直接的文本比较。一些年来，一些学生使用翻译链来转述文本。一个例子：你从文学作品中提取一篇英文文本，并自动将其翻译成德语，然后翻译成西班牙语，然后翻译成俄语，再翻译成英语。即使是在单一的服务中，所产生的文本也是对原文的解读。当在不同的翻译服务之间切换时，原始文本和转述文本之间的差异可能会增加。这项任务对学生来说可能更方便。遗憾的是，像ChatGPT这样的大型语言模型可以减轻这项任务。例如，学生可以提示ChatGPT，"请转述以下文字："即使不是直接的而是转述的：如果没有注明出处，这就是抄袭。然而，这更难发现。

关于抄袭的一个更根本的问题是，ChatGPT是否可能在不透露或用户没有注意到的情况下提供抄袭。ChatGPT在预先存在的文本上进行了训练，并学习了典型的文本流。很快就会发生由ChatGPT生成的文本与预先存在的文本部分相同的情况。对于人类写手来说，一个写手产生完全独立于另一个写手的短文，这可能只是偶然发生。然而，用语言模型对文本进行训练，然后复制其中的一些文本，这并不是偶然的抄袭类型。很可能，这不会重现单个文本的大部分内容，但可能会导致所谓的拼凑式抄袭或马赛克式抄袭，即多个不同来源的内容交织在一起而没有充分的参考。此外，ChatGPT被指控侵犯了版权。因此，将ChatGPT生成的文本复制到自己起草的文件中，就会有抄袭和侵犯版权的风险。这种违反法律规定或良好科学实践的责任在于作品的人类作者（arXiv, 2023）。即使有人会说，从用户的角度来看，这是意外的抄袭，但ChatGPT等工具的用户应该意识到风险，不能疏忽大意。一个被称为 "学习权 "的新的法律框架已经被讨论为 "版权 "的替代品（Malone, 2023）。这一法律概念旨在平衡保护创作者知识产权的需要，同时仍然允许人工智能系统从现有知识中学习并在此基础上发展。人类用户的这种责任不仅涉及抄袭和侵犯版权，还涉及 “有偏见的内容、错误、失误、不正确的引用或误导性内容”（arXiv, 2023）。

教师应告知学生，他们以自己的名义提交的文本有哪些风险和责任。此外，为了防止抄袭，教师可以实施指导方针，鼓励学生负责任地处理文献来源，例如，强迫他们提供详细的笔记或文献基地的截图/照片（Frölich-Steffen，2023）。总之，对抄袭行为的处理应符合大学政策的规定和他们的指导方针。

最后，有些人认为使用ChatGPT生成的文本是抄袭，因为不是学生自己所产出的文本，而是其他人，即ChatGPT。相反，我们采取的观点是，使用ChatGPT和其他工具本身并不是问题。然而，使用ChatGPT这样的先进工具需要工具使用的透明度。各种 "ChatGPT内容检测器 "或 "AI内容检测器 "已经可以用来区分人写的和机器写的文本。像抄袭检测软件一样，它们分析文本，突出可疑的部分（在这种情况下，可能是计算机生成的），并通常提供一个百分比值，说明有多少文本是计算机生成的，或者它有多大可能是计算机生成的。目前，这些检测器还远远不够完美。它们在未来会有所改进，就像其他系统试图避免正确分类一样。这些不完善的内容检测器工具可用于检查学生公开内容的可信度。

十一、教会学生如何正确使用ChatGPT

将人工智能工具（如ChatGPT）纳入高等教育，不仅仅是对传统评估方法的威胁，还可以帮助提高学生的学术表现。由于不是所有的学习者都拥有很强的写作能力或可能遇到语言障碍，利用ChatGPT这样的大型语言模型可以促进教育环境中的公平和公正。通过为学习者提供一个工具来生成构思良好的文本，学生可以展示他们的知识和对某一主题的理解，而不是被写作缺陷或语言障碍所阻碍。因此，人工智能技术可以在促进高等教育的包容性和卓越性方面发挥关键作用。

虽然人工智能可以帮助创建实质性和有洞察力的内容，但这并不是一项简单的任务，需要熟练掌握技术技能和道德考虑方面的知识。例如，需要让学生意识到ChatGPT答案的刻板印象。由于ChatGPT是在一个大的文本数据集上训练的，用于训练ChatGPT的数据很可能包含社会偏见（Dahmen等人，2023）。因此，该模型将在输出数据中反映这些偏见，从而加强现有的社会问题和歧视（Atlas, 2023）。因此，在高等教育中使用ChatGPT时，学生应该意识到这种潜在的偏见，并对ChatGPT创建的每个声明进行批判性反思。

需要与学生进一步讨论版权和知识产权的问题。媒体最近报道，微软、OpenAI、StabilityAI和Midjourney等领先的人工智能开发商正越来越多地面临诉讼，因为他们的程序输出和训练的数据涉嫌侵犯版权（Wiggers，2023）。如果人工智能是在受版权保护的数据和信息上训练的，重新使用人工智能生成的文本或其他内容的学生和讲师就有可能侵犯原作者的版权，从而导致不可估量的法律后果。

为了帮助学生掌握人工智能的使用，教师们可以重新定义他们的课程，从而明确地教授人工智能的使用。这可能包括：

♦ 将对人工智能影响的具体学科思考纳入课程。

♦ 制定以科学中的人工智能、人工智能使用的伦理意义以及通过人工智能系统创造知识为重点的研究计划。

♦ 重新定义班级的核心能力，并反思每个科目中应该考核的内容。

十二、落实“工具规则”

像ChatGPT这样的人工智能工具在发现新的教育学方法方面有着巨大的潜力。然而，在熟练地生成可信的信息的同时，人工智能也有传播虚假数据、捏造的引文、不准确的信息、抄袭等的风险。学习者必须对所研究的主题有足够的了解，才能取得令人满意的结果。建立一个透明的政策来管理人工智能在高等教育中的实施，是朝着培养一个学习环境的关键一步，在这个环境中，人工智能被接受，并具有责任感和坦率性。因此，"工具规则 "可以帮助建立一个人工智能政策（Spannagel，2023）。根据Spannagel (2023)，并与我们在本白皮书的其他部分所描述的一致，工具规则可能包括：

♦ 一般来说，学生可以使用所有类型的媒体和工具，但上述工具的使用必须遵循课程要求。

♦ 学生要对自己的成果负责，像是人工智能工具，如ChatGPT，虽然能够生成构思良好的文本，但仍可能包含错误和违反规定或规范。

♦ 学生必须报告在课程中使用的辅助工具，例如，列出这些工具，以及这些工具的应用领域。例如，列出工具，这些工具的应用领域，并记录，例如，使用ChatGPT等人工智能工具时的提示。

♦ 所列的规则可以有例外，例如在特定的学习或评估情况下禁止使用工具，建议事先告知学生。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】