《International Journal of Educational Technology in Higher Education》：Governing generative AI in higher education: a global Delphi study on policy and practice
编辑推荐：
随着生成式人工智能（Generative AI, GenAI）技术在高等教育（Higher Education, HE）中的日益普及，学界呼吁为人工智能治理提供指导。为满足此需求，研究人员采用德尔菲法（Delphi technique）与集体写作方法，收集了来
随着生成式人工智能（Generative AI, GenAI）技术在高等教育（Higher Education, HE）中的日益普及，学界呼吁为人工智能治理提供指导。为满足此需求，研究人员采用德尔菲法（Delphi technique）与集体写作方法，收集了来自22个国家/地区及六大洲专家的观点。由此形成了包含八个核心领域的高等教育生成式人工智能政策/指导框架：（1）学术诚信；（2）伦理使用与负责任使用；（3）隐私与保护；（4）公平获取；（5）生成式人工智能素养；（6）整合策略；（7）人工监督与问责制；（8）机构支持与基础设施。此外，研究人员还构建了一个六部分框架以确保政策保持时效性和相关性：（1）设立专门的生成式人工智能委员会；（2）开展定期定时的政策审查；（3）提供持续的专业发展与支持；（4）与所有利益相关者沟通；（5）评估生成式人工智能的有效性与影响；（6）监测外部发展动态。通过提供一个稳健的、包含八部分的政策与指导框架，以及一个六部分的持续审查机制，本研究为教职员工、学生、管理人员、教育领导者、政策制定者和资助方提供了一个负责任、可适应且基于共识的蓝图，用以应对高等教育中生成式人工智能的整合，确保技术创新服务于教学卓越。
随着生成式人工智能技术的迅速发展与广泛渗透，高等教育领域正面临深刻的变革与挑战。生成式人工智能已被应用于教学、学习、评估及研究工作流程等多个学术场景，涵盖自动化写作辅助、内容创作、定制化辅导及反馈生成等任务。然而，这一技术的普及也对长期以来的教学与评估实践构成了前所未有的挑战：学生广泛使用生成式人工智能进行论文撰写和复杂问题解决，引发了学术诚信危机；过度依赖技术可能削弱批判性思维与认知参与度；数据隐私与安全风险亦随之凸显。面对这一张力，各高等院校的应对策略呈现显著分化——从全面禁止到开放鼓励，政策姿态极不一致。早期全面禁止生成式人工智能的做法已被证明存在诸多实践与教学困境，包括认知流程中断、使用情况难以检测，以及错失培养学生批判性评估与伦理使用人工智能能力的机会。随着技术采纳加速，高校开始探索如何在维护学术标准与教育目标的前提下管理生成式人工智能的使用，但现有努力多呈局部化、被动反应式特征，缺乏系统性、全球性的共识。在此背景下，开展一项能够凝聚国际专家智慧、构建适应性治理框架的研究显得尤为迫切。
研究人员通过一项全球德尔菲研究回应上述需求。该研究旨在识别高等教育中有效生成式人工智能治理的核心要素，具体回应以下问题：高校应制定何种政策或指导方针以确保生成式人工智能在教学体验中的负责任与有效使用；正式政策与灵活指导方针何者更为适宜；若建立指导结构，其核心议题应涵盖哪些内容；以及如何确保政策随技术演进保持时效。研究采用的目的性抽样策略确保了参与者的高度专业性与代表性：最终35名专家来自24名高等教育教育技术学者、4名多边教育组织领导及7名教育技术组织首席学术官/主任，覆盖22个国家及六大洲，并特别纳入3名服务于低收入国家的多边组织附属专家以增强经济情境多样性。
数据收集分为三个阶段。第一、二阶段采用德尔菲法结合扎根编码进行：第一阶段通过半结构化开放式问卷调查收集专家对于高等教育生成式人工智能政策与指导需求的观点；研究人员运用扎根理论和持续比较法对回复进行编码分析，采用"in vivo"编码保留参与者原始表述，经三名研究者独立审阅、比较并精炼代码直至理论饱和。第二阶段将第一阶段的主题合成反馈给专家组进行验证与修订。第三阶段转为集体写作过程，参与者通过迭代反馈与联合起草共同构建综合性解读文本，实现结构化共识建构与对话式知识创造的结合。
研究得出的核心结论之一是：高等教育中有效的生成式人工智能治理需要正式政策与灵活指导方针的混合模式。88%的专家支持这一混合路径，认为单纯依靠非正式指导方针缺乏执行力和约束力，而仅有正式政策则难以适应技术的快速迭代。这一共识揭示了生成式人工智能治理需要在机构规制与适应性灵活之间取得平衡。
研究构建的八领域政策框架具有系统性特征。学术诚信被确立为基础性关切，政策须明确界定生成式人工智能相关学术不端行为并设定可执行后果，同时超越惩罚性立场，转向教育、透明和学生参与。伦理使用与负责任使用作为独立基础原则，要求以诚实、透明、隐私和社会责任为指导原则，涉及人工智能辅助的披露义务、原创性声明及偏见认知等。隐私与数据保护被视为关键治理主题，专家呼吁建立明确规则规范向生成式人工智能平台输入个人数据或机构内容的行为，强调符合《通用数据保护条例》（General Data Protection Regulation, GDPR）等法规要求，提议采用输入匿名化、受控实验环境及技术安全审计等措施。公平获取维度体现了对数字鸿沟加剧的关切，要求机构通过校园许可、共享平台等方式确保所有学生平等享有生成式人工智能增强学习的机会，避免技术获取和算法偏见导致的新不平等。生成式人工智能素养被认定为跨领域能力基础，超越工具操作层面，涵盖技术原理认知、输出评估、引用规范、数据保护及批判性反思等维度，专家建议将其纳入毕业生核心能力要求。整合策略强调主动将生成式人工智能融入教学而非简单禁止，设计原则为"支持而非替代"人类学习与批判性思维，倡导口述评估、过程导向作业及工作场景对接等创新实践。人工监督与问责制要求生成式人工智能在学术决策或评估中的任何重大输出须经人类审查验证，明确各角色的责任归属。机构支持与基础设施作为整个治理框架的基础使能条件，涵盖批准平台供应、专门支持办公室或委员会设立、领导力投入及敏捷修订机制建设。
为确保政策持续更新，研究提出了六项关键机制：设立专门的生成式人工智能治理委员会，吸纳多元利益相关者参与决策；建立定期定时的政策审查周期；提供持续的专业发展支持；保持与所有利益相关者的透明沟通；基于证据评估生成式人工智能的有效性与影响；以及监测技术、法律与伦理标准的外部发展动态。这六项机制相互独立又协同作用，共同构成政策迭代的系统性保障。
本研究发表于《International Journal of Educational Technology in Higher Education》。研究方法学上，研究采用德尔菲技术结合扎根编码与集体写作的创新方法论路径。德尔菲法的匿名性与迭代性确保了专家意见的独立性与共识收敛，集体写作阶段则通过对话式知识共创提升了研究发现的情境适切性与解释深度。样本队列来源于全球22个国家/地区的35名高等教育专家，通过目的性抽样确保专业角色、经济情境与地理区域的代表性。
研究结果部分以三个研究问题为组织线索呈现。关于治理路径选择，研究发现混合模式获得压倒性支持，专家以"护栏"比喻指导方针的防护性导向功能，强调规则最小化与教育支持的平衡。关于核心议题，八个高度互联的领域构成完整治理生态：学术诚信作为最频繁引用的主题，被要求从检测惩罚范式转向教育透明范式；伦理使用延伸至学术诚信之外的社会影响维度；隐私保护聚焦数据输入规范与法律合规；公平获取强调技术获取和素养获取的双重平等；生成式人工智能素养被赋予认知发展与道德社会发展的深层意涵；整合策略引导教学评估改革；人工监督确立"人在回路"原则；机构支持提供可持续实施保障。关于政策更新机制，六项进程分别从组织架构、制度节律、能力建设、信息流通、效果评估和环境扫描维度确保治理体系的生命力。
讨论部分深化了对研究发现的理论阐释。研究人员将八领域框架置于社会生态技术整合（Socio-Ecological Technology Integration, SETI）框架中解读，指出政策并非孤立规则而是嵌套于微观系统（课程/课堂实践）、中观系统（机构互动）、外观系统（机构文化与政策环境）和宏观系统（国家层面指导）中的使能结构。生成式人工智能素养作为贯穿各领域的关键能力，使利益相关者能够在复杂学术情境中诠释适当的人工智能使用方式。研究强调，可持续的生成式人工智能治理需要制度化的持续审查机制而非一次性政策发布，这一洞见与联合国教科文组织倡导的进行式治理理念及经合组织提出的负责任实验原则形成呼应。
研究结论指出，本德尔菲研究提供了国际高等教育专家关于生成式人工智能政策趋势的独特批判性综合，揭示了围绕情境特定、适应性指导而非僵化机构指令的日益增长的共识。八个关键主题领域——学术诚信、伦理与负责任使用、隐私与数据保护、公平获取、生成式人工智能素养、整合策略、人工监督与问责制、机构支持与基础设施——构成了任何生成式人工智能政策框架的基础。此外，研究提出的六部分程序模型——创建专门的生成式人工智能委员会、开展定期定时的政策审查、提供持续的专业发展与支持、与所有利益相关者沟通、评估生成式人工智能的有效性与影响、监测外部发展——确保政策保持时效性与相关性。研究发现揭示了有效政策必须在创新与学术诚信、学生能动性与公平获取、技术机遇与机构问责之间取得平衡。未来政策调适应积极整合学生群体声音，因其对生成式人工智能的生活体验对于评估这些框架的生态效度至关重要。为使生成式人工智能持续变革高等教育，机构需要采纳灵活、包容和基于证据的方法，以应对不断变化的技术和教学情境。
