超越檢測：馬德里理工大學生成式 AI 的評量與治理重塑
arXiv - Computers and SocietyJessica D\'iaz, Sonia Linio, Fernando Pescador, Daniel Martin-Fabiani
本文主張大學應從防禦性的 AI 檢測轉向積極的 AI 整合，透過重塑評量與提升 AI 素養來促進學生自主學習。
AI 幫你先抓重點
AI 重點 1
從「防禦性監控」轉向「建設性整合」的範式轉移。
滑鼠懸停看 AI 判斷理由
這改變了教育者對 AI 的基本認知。不再將 AI 視為威脅學術誠信的敵人，而是將其視為提升批判性思考與學習自主性的協作工具，這對於重新定義教學目標至關重要。
AI 重點 2
評量設計必須向「真實性」與「跨學科」轉型。
滑鼠懸停看 AI 判斷理由
傳統的標準化評量在 AI 時代極易被取代。透過設計更具真實情境、強調批判性思考的評量，能有效降低作弊動機，並讓學習過程更具備實務價值。
核心研究發現
- 1
目前的教育趨勢多傾向於防禦性反應，將討論焦點集中在 AI 檢測、抄襲與學術誠信，並優先對教職員進行基礎培訓。
- 2
過度執著於 AI 檢測是死胡同，因為生成式文本與人類寫作的界線日益模糊，且檢測工具的誤判率過高，無法信賴。
- 3
馬德里理工大學（UPM）正開發一套包含六個維度的策略性 AI 政策框架，將 AI 視為促進學生自主與教學創新的賦能工具。
- 4
AI 的導入不僅是教學問題，還涉及組織、技術、營運、法律與經濟等多方面的協同挑戰。
對教育工作者的啟發
教育工作者應停止依賴 AI 檢測工具，轉而採取以下行動：首先，重新設計評量方式，強調「真實性評量」（Authentic Assessment），將重點從最終產出轉向學習過程與批判性思考；其次，建立明確且具備課程差異化的 AI 使用規範，讓學生了解在不同情境下的使用界限；最後，推動 AI 素養教育，將學生定位為「批判性的共同創造者」而非被動使用者，藉此培養其自主學習能力與數位倫理。
原始文獻資訊
- 英文標題：
- Beyond Detection: Redesigning Assessment and Governande of Generative AI at the Universidad Polit\'ecnica de Madrid (UPM)
- 作者：
- Jessica D\'iaz, Sonia Linio, Fernando Pescador, Daniel Martin-Fabiani
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。