返回文献精选

学生主导项目中的生成式 AI：建议与灵感

文献精读：哈佛教育研究生院（Creative Computing 团队）机构报告，从学生主导项目视角给出负责任使用生成式 AI 的四项建议与按项目流程组织的应用策略，附真实课堂案例。

文献AI技术与计算机生成式AI学生主导项目教育技术

文献：Brennan, K., Haduong, P., et al. (2024). Generative AI in student-directed projects: Advice and inspiration. Cambridge, MA: Harvard Graduate School of Education.（机构报告，无 DOI；2024 年 12 月发布，来源为哈佛教育研究生院 Creative Computing 团队，作者 Karen Brennan 为 Scratch 与创造性计算领域知名学者。）

研究问题：学生主导项目（student-directed projects）——在内容与过程上都由学生掌控的学习形态——被视为培养技能、概念与学科经验的重要情境。但学生往往难以定义目标、划定项目范围与任务、把创意愿景落到实处。当生成式 AI（GenAI）成为学生自主项目中日益普及的新型“支持形式”时，教师和学生应当如何负责任地使用它？哪些做法真正支持学习过程而非替代学习？报告要回答的正是：在非预设性、结果未知的工作中，GenAI 如何既提供帮助，又不侵蚀学生的思考、努力与真实声音。

论证思路：报告不追求宏大政策框架，而是从项目实践一线收集学生与教职工的真实经验，提炼出“四项通用建议”作为总纲，再按项目流程（起始 → 推进 → 后期）组织 20 余项具体应用策略，每项策略均配以描述、学生反思与真实课堂案例。其核心立场是：“学生导向”并不意味着完全自主地工作——自主项目的学生恰恰受益于各种支架与支持，GenAI 应成为其中一种“脚手架”，学生始终是“飞行员”，AI 只是“副驾驶”。

Harvard GSE 项目官网页面
项目官网页面截图（Harvard GSE Creative Computing）

一、为什么聚焦“学生主导项目”

报告开篇给出一个关键定义：学生主导项目是“在内容和过程上由学生主导的项目”，它可以成为个人化的情境，用于发展各种技能、概念和学科的经验与熟练度。与传统课堂任务不同，这类项目天然带有不确定性——目标需要自己定义、路径需要自己规划、结果无法保证——而这正是深度学习的土壤，也是学生最容易“卡住”的地方。

GenAI（报告中指可依据提示生成文本、图像或其他内容的工具）恰恰可能在这些“卡住”的时刻提供支持：帮助学生起步、拓宽思路、整理计划、解释概念。但报告同时警惕：若使用不当，GenAI 可能让学生绕过真实的学习过程——这正是全篇反复出现的张力所在。

二、四项通用建议：来自实践一线的共识

报告从学生与教职工的经验中提炼出四项反复出现的建议，构成了全书的方法论总纲：

1. 考虑更广泛的影响

学生和教职工都强调“深思熟虑地使用”的重要性，并指出了与 GenAI 相关的一系列严重问题：产生幻觉的倾向、巨大的环境足迹、因成本造成的可访问性障碍、潜在的文化同质化，以及固有的算法偏见。建议非常明确：以“有意为之”的态度对待 GenAI，意识到其局限性与潜在危害，而不是默认它总是有益的。

2. 保留学习过程和真实的声音

这是全报告最核心的一条：把 GenAI 用作个人思考、努力和风格的支持，而非替代品。一位学生的解释极为生动：

“当你感到有点卡住时，它可以成为你的第二个大脑。你可以请它帮你开始，但它不能为你做所有事。你仍然是飞行员，它只是一个助手。”

学生们描述了决定“哪些任务委托给 GenAI、哪些自己完成”的持续挑战。另一位学生的建议直指要害：“真正思考你此刻想要什么。你只是想完成任务，还是想学习？”

3. 拥抱玩乐和实验

学生和教职工都强调亲自动手探索不同 GenAI 工具的重要性。一位学生建议“一定要使用并探索它”，同时提醒“它不能为你做所有事，所以要讲究策略”。教职工的视角更具教育意涵：

“你必须亲自尝试，感受一下。在你自己有了感觉之前，你无法帮助学生。”

——教师对工具的亲身体验，是有效指导的前提。

4. 实践战略性迭代

学生们分享了一个从经验中学到的普遍教训：成功使用 GenAI 需要多次尝试与提示词优化。正如一位学生观察到的，它“不会在第一次尝试后就立刻给你正确的答案，你必须稍微修改一下，直到得到答案”。迭代本身就是一种学习——把模糊的需求逐步打磨成可操作的提示，是 GenAI 时代新的核心技能。

三、按项目流程组织的应用策略与案例

报告按项目流程介绍 20 余项应用策略（不同转载口径计为 24 项或 33 项，差异源于是否计入子策略），覆盖“起始 → 推进 → 后期”三个阶段，每项都配有真实课堂案例。以下为代表性策略：

起始阶段：收集信息、指明方向

借助 GenAI 收集基础信息，为项目研究确定起点。例如在八年级物理课学习日食的项目中，学生通过向 GenAI 提问“什么是日食？如何安全观测？“开启研究，再借助其他渠道深入探究——GenAI 充当”入门地图”，而非答案终点。

推进阶段：头脑风暴、梳理计划、定义概念、生成角色

  • 头脑风暴：与 AI 对话激发项目创意。在搭建“分享地理故事的平台”项目中，学生利用 ChatGPT 探讨平台构建方式与内容呈现形式，获取灵感、拓展思路。
  • 梳理混乱（计划）：让 GenAI 生成包含目标、活动和成果的时间线，把项目拆解为可管理的步骤。在为初中女生设计天体物理博物馆展览的项目中，学生询问“如何在 6 周内组织项目计划和成果交付”，据此推进项目。
  • 定义概念：借助 GenAI 探索关键概念与结构。在研究学生能动性与师生关系的项目中，学生通过询问“学生参与度”的特征并整合生成信息，形成更深入的概念理解。
  • 人物角色（Persona）：利用 GenAI 生成目标受众画像。在开发成人音乐理论学习游戏 App 的项目中，学生用 ChatGPT 生成针对成人学习者的用户角色，从中获得对用户需求与特点的启发。
  • 情境很重要：将项目概念应用于具体情境。在为印度高中生开设创客空间的项目中，学生通过询问“比较印度和美国促进创客空间的政策差异”获取针对性信息，使项目落地更贴合当地现实。

后期阶段：编码、调试与反思修订

项目后期 GenAI 可辅助代码编写、解释代码含义、调试代码，以及对书面成果进行反思与修订。这一阶段尤其考验“谁在学”的判断：工具可以承担机械性的实现与纠错，但“为什么这样写”“哪里还需要改进”的判断必须属于学生。

四、教师角色：从“把关人”到“支持者”

报告对教师角色的定位贯穿始终：教师不是 GenAI 的旁观者，而是学生与工具之间关键的“支架设计者”。具体而言：

  • 亲身体验先行：教师只有自己动手探索过工具，才能帮助学生判断何时该用、何时该停（“在你自己有了感觉之前，你无法帮助学生”）；
  • 设计使用边界：支持学生决定哪些任务委托给 GenAI、哪些必须自己完成，把“委托决策”本身变成教学议题；
  • 保护过程而非只验收成果：关注学生是否保留了思考、努力与真实声音，警惕“任务完成”与“真实学习”的错位；
  • 共同讨论影响：把幻觉、偏见、成本、环境足迹等议题带入课堂讨论，帮助学生建立负责任使用的判断力。

五、实践启示

  • 对学生：把 GenAI 当作“第二个大脑”而非“代笔”；在使用前先问自己“我只是想完成任务，还是想学习？”；把提示词的反复打磨当作学习过程的一部分；对输出保持批判——它可能幻觉、可能带偏见。
  • 对教师：以项目流程为骨架嵌入 AI 支持（起点、规划、概念、角色、调试、反思各有用法）；给学生充分的尝试与犯错空间；把伦理讨论（环境影响、可访问性、文化同质化、算法偏见）作为项目的一部分而非附加题。
  • 对学校与研究者：该框架同时适用于 K-12 与高等教育；可据此开发“学生主导项目 + GenAI”的课程设计模板，并追踪其对学习动机、批判性思维与项目成果的真实影响。

精读笔记

核心论点：在学生主导项目中，GenAI 的价值不在于替学生完成项目，而在于成为支持学生思考、规划与迭代的“脚手架”。学生始终是“飞行员”、AI 只是“副驾驶”；负责任使用的关键是保留学习过程与真实声音，并以有意为之的态度对待工具的局限与风险（幻觉、环境足迹、成本壁垒、文化同质化、算法偏见）。

方法要点：

  • 以实践者（学生与教职工）的经验为证据来源，采用“建议 + 策略 + 案例”的指南式组织，而非实证检验式写作；
  • 先用四项通用建议确立价值立场，再按项目流程（起始/推进/后期）把策略落成可操作清单，每项策略均附学生反思与真实课堂案例，兼顾原则性与可操作性；
  • 通过学生原话（“你仍然是飞行员，它只是一个助手”）保留实践现场的鲜活判断，让建议具备可信的实践根基。

局限与边界：

  • 属于机构指南而非实证研究报告：建议与案例来自实践观察，未报告系统的样本、测量或效果数据；
  • 案例以美国课堂与 Scratch 式创造性计算传统为背景，跨文化迁移（如中国课堂的考试导向、大班额情境）需谨慎；
  • 技术迭代迅速，具体工具与交互方式（如提示工程）会随模型能力变化而过时，但“保留过程、批判使用”的原则性判断相对稳定；
  • 对 GenAI 负面影响的讨论（幻觉、环境、偏见）多为提醒性质，未给出量化证据或系统评估框架。

可延伸方向：将“学生主导项目 + GenAI”框架在中文 K-12 与高校课堂做设计实验，检验其对学习动机、批判性思维与项目成果的影响；研究“委托决策”（哪些任务交给 AI）作为教学干预的效果；考察教师先验体验（教师先“玩”工具）对学生使用质量的中介作用；结合幻觉率、可访问性等维度构建学生主导项目场景下负责任使用 AI 的评估量表。

原文地址