来源：《中国高教研究》 2025年第4期
摘要：促进人工智能在大学教学中的应用深化是当前中国高等教育数字化转型面临的重要议题，迫切需要深入探讨。基于此，从“AI排斥”转为“AI创能”视角切入，在厘清“AI排斥”与“AI创能”概念基础上，揭示“AI排斥”具体表现为思想排斥、制度排斥、组织排斥与知识排斥，发现其遵循认知观念、政策体系、组织系统、知识传授等因素在内的多种生成逻辑。作为对“AI排斥”现实困境的回应，“AI创能”在观念、制度、组织以及知识四个维度上推进了范式转变创新。为消除“排斥”，实现“创能”，尝试提出“创新理念+创设制度+创生组织+创变情境”四位一体联动式行动路径，以深化人工智能在大学教学中的应用。
关键词：“AI排斥”；“AI创能”；人工智能；大学教学；应用深化
一、问题提出
作为引领新一轮科技革命和产业变革的关键核心技术与重要驱动力，人工智能（Artificial Intelligence, AI）技术催生了大批新产品、新业态和新模式，为高等教育现代化注入了强劲动能，也为大学教学的创新发展带来了时代机遇。特别是，自2022年以来，以ChatGPT、Sora、DeepSeek为代表的生成式人工智能（Generative AI）相继问世，大学教学中的价值理念、制度安排、组织模式与知识结构等正被逐步改造，发生颠覆性变革。事实上，2018年4月教育部就已出台《高等学校人工智能创新行动计划》，提出要加快人工智能在教育领域的创新应用，利用智能技术支撑教学方法的改革。2024年1月，教育部部长怀进鹏在“2024世界数字教育大会”上表示：“将实施人工智能赋能行动，促进智能技术与教育教学（AI for education）、科学研究（AI for Science）、社会（AI for Society)的深度融合”。2025年1月，中共中央、国务院印发《教育强国建设规划纲要（2024—2035年）》，再次明确提出：“促进人工智能助力教育变革”。可见，以AI技术赋能高等教育全领域深刻变革，以AI深度应用引领大学教育教学新生态培育，已成为重要共识。但需要指出的是，对大学教学实践而言，AI的出现既是一个新的发展际遇，但也是一场充满不确定性风险的挑战。也正因如此，AI应用于大学教学是一个亟待深入探讨的重要前沿议题。
当前，学界围绕AI应用于大学教学的讨论总体上呈现出两种观点：一种是认为AI作为一种新兴数字技术，目前还未迭代进化至成熟、稳定形态，具有高度不确定性，会对现有大学教学造成难以预料的风险；另一种是认为AI作为一种推动时代前进的动力，可赋能大学教育教学以产生新的智慧形态，产出新成果。在总体观点之下，已有探究又可具体分为不同研究主题，主要包括：主张AI能促使大学教学的价值观念向深度理解转型；强调以制度性力量规范和引导AI技术的使用并以此来应对大学教学所面临的冲击和风险；阐述AI加速促使传统大学教学组织向新型组织转变，但也要警惕可能产生的“副作用”；主张AI技术的应用革新了高深知识的生成模式，让知识的生成和创造趋向平民化和便捷化。综上，当前学者们对“AI应用于大学教学”议题所持有的不同观点与探讨，实质上包含了“大学教学在一定程度上存在对于AI的排斥”以及“AI为大学教学创造了新的内生可能性”两种解释进路，为本研究提供了宝贵借鉴。但也存在以下不足：一是现有研究尽管涉及价值、制度、组织和知识等不同维度，但整体上较为分散，内容阐释的整合性有待加强；二是尽管多数研究关注到了AI对于大学教育教学的赋能作用，但都不同程度地忽视了大学教学活动的创造性力量和内生性要素，相较缺少从“外部赋予”到“内在创生”的系统检思。事实上，大学教学是前沿思想和新兴工具彼此互动共融的领域，应对AI技术具有极强的包容性，是最有可能实现“AI创能”的活动场域。然而，当下现实情况同时也表明：AI与大学教学之间存在“排斥”困境，需要人们理性审视与对待。故而，本研究尝试引入由“AI排斥”转为“AI创能”的分析框架，借以阐明大学教学实践中“AI排斥”的现实困境以及“AI创能”的范式创新，并在此基础上提出AI在大学教学中的应用深化路径，以期提供可能的有益参考。
二、从“排斥”到“创能”：理解人工智能在大学教学应用深化的框架
（一）“AI排斥”：基于“数字排斥”的延展性内涵解读
“AI排斥”是新兴数字技术与传统社会关系相结合的产物，对其进行解读需依托于“数字排斥”这一前置概念。从制度发展的角度看，“数字排斥”源于互联网普及影响下“掌握信息的人”和“没有信息的人”的社会制度性分化过程，即现有制度及其政策安排存在不合理之处，致使部分群体脱离了数字活动。在此基础上，上野明子（Akiko Ueno）等指出“数字排斥”的特征包括使用数字工具和利用互联网等技术获取信息的不平等能力，在某种程度上能力的差距实质上是一种“知识排斥”。威尔逊（Wilson）等则将“数字排斥”界定为数字访问、数字使用、数字信心以及数字技能的缺乏，而这种缺乏与组织支持不足相关。随着对数字排斥负面影响认知的深化，德克兰·夸尔特（Declan Qualter）指出应在思想观念层面积极实现从数字排斥向数字包容转型，消除社会中的数字不平等。简言之，数字排斥基于社会转型与技术发展而产生，是指社会部分群体由于数字技能不足而被排斥在数字化生活之外，难以拥有享受数字红利的权利。综上所述，AI是数字技术的典型代表，“AI排斥”可被理解为是“数字排斥”的一种具体表现。有鉴于此，本研究认为“AI排斥”是指：在数字化背景下人工智能融入社会具体场景过程中，部分个人、群体或组织因主客观原因而在思想、制度、组织、知识等层面呈现出不相融或排斥的状态，限制了其借助人工智能进行变革创新的可能性，进而使得他们及其相关行为活动被排除在AI带来的便利与福利之外。这也意味着，理解和探究人工智能在大学教学中应用深化过程中出现的“AI排斥”议题时，可尝试从思想、制度、组织、知识等多个维度来切入。
（二）“AI创能”：人工智能深度应用于大学教学的解释框架
“AI创能”源于“AI赋能”，是“AI赋能”的深化与延展。赋能理论的提出者，所罗门（Soloman）认为，赋能意味着减少处于社会不利处境群体的“无权感”，赋能的过程即增加主体权利的过程。随后，里格（Riger）进一步指出除关注由外向内的赋能过程外，还要从主体自身内部出发，对其资源的实际获得与占有加以关注。由此可以发现，赋能不仅是指外在资源的简单向内传输，更重要的是通过外在支持实现内生能力的自主创造与发展强化，最终在赋能中实现创能。在此基础上，“AI创能”可被理解为：数字时代AI与大学给予教学各要素深度融合而出现的技术使用范式的创新形态，强调在技术能量向内传输的基础上激发出大学教学自身的活力与创造性，提升大学教师开展高质量教学的能力，进而保障学生享有高质量教学成果的权利。
之所以将由“AI排斥”转为“AI赋能”的框架引入人工智能在大学教学中的应用深化来进行探讨，一方面是因为“AI创能”给予了“AI排斥”以正面的有效回应，另一方面则在于“AI创能”与之具有内在的契合性。首先，在内涵意蕴上，“AI排斥”转为“AI创能”主要关注消除技术与教育之间的斥力，而人工智能深度应用于大学教学实际探讨的是如何实现人工智能与大学教学的深度嵌合，二者的基本内涵相通。其次，在价值追求上，“AI排斥”转为“AI创能”的根本理想在于保障高等教育公平，进而以教育公平促进社会公平，而探求人工智能深度应用于大学教学的目的是构建智能、高效、开放、与时俱进的教学生态，促进数字公平，维护师生数字权利，二者的价值理想相同。
目前，“AI创能”促进人工智能深度应用于大学教学可从观念、制度、组织和知识的维度来理解。首先，在观念维度上是要秉持主动接纳的包容观念，以此引领人工智能影响下大学教学主动变革的实践；其次，在制度维度上是要制定相应配套制度及政策，以此约束、激励和规范人工智能嵌入趋势下大学教学的变革过程；再次，在组织维度上是要求大学组织理性看待自身保守性与创造性之间的关系，主动为“人工智能+大学教学”创造良好环境条件；最后，在知识维度上是要基于个体自身有关人工智能的知识储备，以更精准的方式与AI技术互动，从而开展高质量的教育教学活动。
基于上述说明，“AI排斥”转为“AI创能”驱动人工智能在大学教学中深化应用的框架如下所示。（见图1）
三、“AI排斥”：人工智能在大学教学应用中的现实困境
“AI排斥”可被理解为是存在于大学教育教学实践活动中的一种数字时代特有的社会排斥样态，使得人工智能应用于大学教学面临价值层面的“思想排斥”、规划层面的“制度排斥”、场域层面的“组织排斥”、素养层面的“知识排斥”等现实困境。深究之下，这些困境背后蕴含着包括认知观念、政策体系、组织系统与知识传授等在内的多种生成逻辑。
（一）大学教学应用中“AI排斥”的四层维度
1.价值层面的“思想排斥”。人工智能在大学教学中的应用往往会受到主体价值判断与选择偏好的影响，并不总是呈现为技术与思想的完美兼容与全盘接受，总会存在一定程度的意识抗拒与情感抵制，出现“思想排斥”。具体表现在：一是部分大学教师对使用AI辅助教学持有回避态度。事实上，对于那些已经形成固定教学风格和授课习惯的大学教师而言，将AI纳入教学意味着他们需要重新设计方案。这非但不会为其带来便利，反而会提高教学难度，进而引发回避。如数据显示调查群体中“70后”和“60后”大学教师经常使用生成式人工智能的比例分别为47%和30%，说明教学经验丰富的年长教师对AI的接纳程度还有待提升。二是部分大学教师对学生使用AI存在过度限制行为。大学生使用AI辅助完成学习任务正成为普遍趋势，但AI滥用、学术不端、作业代写等不良行为也随之增多，这显然增加了教师的教学负担和评估学生真实能力的难度。在一些大学教师看来，批改AI完成的作业是对其教师身份和工作价值的损害。为此，他们有时会选择性地忽视AI之于学生的积极意义，采取“一刀切”做法禁止使用AI。
2.规划层面的“制度排斥”。奥斯特罗姆的“制度层级分析理论”认为，制度运行及其影响分为法律层、管理层和操作层三个层级。据此观点，当前人工智能在大学教学应用中的“制度排斥”表现可划分为以下三方面。一是规范AI应用的法律法规稍显滞后。法律层级于根本上为人工智能在大学教学中的应用营造了良好制度环境。但我国的网络安全法、数据安全法等法律在人工智能快速发展下相对过时，针对高等教育特别是大学教学中人工智能使用问题的法律法规有待补充。二是管理AI应用的规章政策相对宽泛模糊。管理层级可提供通用性规则。目前国务院出台了诸如《生成式人工智能服务管理暂行办法》等人工智能使用规章，但缺少在此基础上的对于高等教育尤其是大学教学活动的进一步具体要求。三是指导AI应用的行动指南操作性较为欠缺。操作层级本应提供微观的操作细则。目前虽已有多所高校制定了要求，如《关于在本科毕业论文（设计）中使用AI工具的规定》等，可其内容往往专注于“允许”和“禁止”使用事项的简单划分，缺少对“如何使用”及“合理使用”的操作化说明。
3.场域层面的“组织排斥”。大学组织是一个将技术与教学进行有机整合的关键场域。对大学及其教学活动而言，每一项新技术的早期应用经常会被理解为是对原有形态的侵入，继而引发“组织排斥”。表现在以下两方面。一是大学组织对上级有关政策的回应不够。大学有责任将外部人工智能政策要求与内部教学发展需求进行充分对接，采取有效回应措施。然而，通过考察发现，现实中大学虽然有慕课、虚拟实验等AI参与教学的形式和情况，但课堂上师生的活动大多与人工智能无关，且很多教学相关的服务等基本上仍在沿用传统方式。二是大学组织对AI普及应用的反应不够。大学是新技术的重要孵化场所，理应对人工智能有着极强敏感性。但实际情况却是大学的反应速度远跟不上AI的发展速度，往往是当师生使用AI成为一种普遍的教学氛围甚至是在出现一系列教学问题后，大学才会在学校的组织管理层面给予足够重视，采取相关行动。最典型的就是，当学生使用AI作弊完成课程作业或考试的情况大规模出现以致扰乱正常教学秩序，形成教学事故甚至是引发校内教育公平问题时，学校层面才紧急出台办法，对违纪学生进行事后处罚。
4.素养层面的“知识排斥”。教师、学生和教学内容（即知识）是大学教学过程的三个核心要素。当前，AI与大学教师、学生的关系愈发紧密，大学教学对AI的应用需求向个体提出了更高要求，往往容易引起与个体现有知识素养之间的矛盾，出现“知识排斥”。一是大学教师和学生对于AI专业知识的掌握不足。AI内嵌了数学、计算机科学等学科知识，存在较高技术门槛。事实上，多数AI使用者均不同程度地缺少必要且足够的专业性知识支撑，部分教师和学生对AI技术的基本原理、工具及最新进展了解有限，仅停留在概念层面，将AI视为“万能工具”，容易忽视其内在的知识逻辑。二是大学教师、学生将AI技术与学科知识深度融合的素养不足，存在忽视技术适配性和学科特殊性的情况。例如，比较常见的是，法学专业的教师和学生在课堂上经常使用AI来分析判决书，但较少讨论算法可能强化司法决策中的固有偏见；经济学课上通常会演示如何使用AI大模型来分析经济问题，可却鲜见探讨诸如机器学习模型（如LSTM）用于经济预测中因果分析的适切性。
（二）大学教学应用中“AI排斥”的生成逻辑
1.个人思想认识观念的局限与抵触。相较于以往，AI对大学教学的赋能已从局部的方法改善跃升至整体方法论的改变，即已经深入到认知层面上教学观念的革新。然而，就现阶段而言，一部分大学教师还未形成“AI时代的大学教学需要自主革新教学观念”的思想认识，很大程度上这是“思想排斥”的主要成因。首先，部分大学教师某种程度上存在观念的局限，暂未深刻认识到AI时代大学教学的“可变”与“不变”之处。AI作为一种人造产物，其对大学教学的改变只能通过教师和学生来实现，而蕴藏于师生主体中的情感、直觉和创造力等非算法因素以及基于经验和感知的非逻辑推理能力，则是大学教学独特性和人文性的所在，也是AI难以甚至是无法改变之处。若是大学教师们无法意识到这一点，则会降低他们接受和使用AI的意愿。其次，部分大学教师表现出一定的心理抵触倾向。AI以其强大的智能性向传统大学教学形态以及教师角色发出挑战，引发教师对职业前景的担忧和对自身作用意义的怀疑。换言之，AI的发展热潮迫使大学教师深陷因循守旧与冒险创新的时代抉择，以及教师身份的技术解构与自我重构的时代漩涡。面对未知变局所产生的技术恐惧和技术对自身发展造成的可能风险乃至损失，一些大学教师会产生抵触心理，选择保守对待。
2.支持性配套政策体系缺失与滞后。尤尔根·哈贝马斯（Jürgen Habermas）曾言：“当技术和科学渗透到社会的各种制度从而使各种制度本身发生变化的时候，旧的合法性也就失去了它的效力”。当前，人工智能应用于大学教学虽不足以引发现有高等教育制度效力的明显流失，但至少对现有政策管理体系提出了新的诉求和要求。然而，既有政策暂处于需求回应力度不足的阶段性窘境，这是造成“制度排斥”的重要原因。具体而言，一方面，配套制度运行所需的政策体系完备性有所缺失。在国家层面的政策保障上，有关部门已从整体上对人工智能技术及其引发的相关社会变革作出了战略部署，但在规范高校人工智能使用特别是应用于教学活动等方面仍较欠缺；在大学层面的制度安排上，主要关注绩效管理理念下的人工智能应用于教学中的显性评价，对大学教师技能素养提升需求的关注不足。另一方面，支持制度建设所需的政策体系更新稍显滞后。当下，AI技术在大学教学中的规模性应用使得相关支持性配套政策的制定难以跟上其深度应用需求，尤其体现在经费投入比例、硬件设施建设、数据隐私保护、师资数字素养培训等方面，即政策滞后于实践的发展需要。可以认为，支持性配套政策体系的缺失与滞后不仅是“制度排斥”的体现，更是造成“制度排斥”的重要因素。
3.大学组织系统的变革惯性与惰性。阿什比（Eric Ashby）认为，大学作为一个有机组织是“遗传和环境的产物”。因而，人工智能在大学教学中的应用总会受到遗传因素——大学组织自身固有特性的影响。大学追求自由精神之永恒理想所生发出的自我保护意识，使得其在面对技术革新冲击时表现出较为明显的组织惯性与惰性，这是产生组织排斥的主因。首先，大学组织具有易于固守旧有传统模式的惯性。在长期的发展中，我国现代大学已形成了一套相对固定的组织运作模式，同时也逐渐产生了强大的教学惯性，于无形中成为阻碍人工智能等新生事物在教学活动中深度应用的力量。其次，大学组织存在难以改变既有发展现状的变革惰性。从组织发展逻辑看，大学以鼓励和保护创新意识为己任，这要求其以释放个人创新潜力为基准，对师生教学与学习自由予以坚定维护而不强求对组织变革的服从。换言之，“大学的惰性源于它对创新保护的承诺”。然而，大学的惰性在保护内部创新的同时，也出现了对外部新生事物敏感度的下降，甚至抗拒的态度。因此，大学组织难以对人工智能在大学教学中的应用深化新要求作出充分、及时回应，而导致日渐形成了“组织排斥”。
4.知识教学传授活动的复杂与多变。“教育具有极强的情境性，特别是涉及具有主体性和能动性的个体，每一个‘事实’的背后都存在着极其复杂的原因”。大学教学是知识传授活动的一种具体情景展现，蕴含着教师、学生与知识三种要素彼此间的互动关系，具有深刻的复杂性和不确定性，这是知识排斥的重要成因。一方面，大学教学活动要素多样且处于动态演变之中。教师、学生、知识、技术、环境等要素相互交织，每一种要素都会随具体情境的变化而改变，而任何一种要素的变化又会在系统层面引发大学教学的整体性变革。特别是人工智能的快速发展和应用使得不同学科领域中海量知识的瞬间整合成为现实，加剧了知识传授的难度和复杂性，教师和学生也往往难以短时间内完全掌握而出现排斥心理。另一方面，作为主体的大学教师与学生在发展过程中的多变且不确定性。本质上，大学教学是伴随个体成长的生命延展过程。换言之，大学教学内含生命维度和知识维度。但教师和学生各自具有独特的生活背景、性格特点和主观体验感受，他们不仅在智能技术使用能力的高低上存在差异，而且对知识的理解也存在不同，这些会放大教学过程中的不确定性和不协调，进而产生“知识排斥”。
四、“AI创能”：人工智能在大学教学应用中的范式创新
数字技术的普及为社会发展带来了前所未有的新局面，对高等教育更是产生了深远影响，突出表现为人工智能创造了大学教学新的改革动力与进步空间。“AI创能”是对大学教学中“AI排斥”现实困境的理论与实践回应，是数字技术影响下大学教学转型发展所需的时代新范式。从多元视角看，“AI创能”作为人工智能在大学教学应用中的范式创新，应在观念、制度、组织、知识等维度上具体展开。
（一）观念维度：从消极抵触转向主动接纳
布莱恩·阿瑟（Brian Arthur）认为，技术是实现人类目的的一种手段，并总是为完成人的目的而存在。就人类教育活动本质而言，人工智能是实现大学教学目的的一种工具或手段，其之于教学的现实意义主要存在于对辅助完成教学目的的技术承诺中。但事实上，教学目的的真正实现在很大程度上，取决于使用者对于AI进入大学教学所持有的自发性认可态度与接纳行为。故此，“AI创能”新范式寻求通过使用人工智能激发大学教学自身的创新活力，其首要前提是摒弃抵触乃至拒绝的消极心态，尤其是对新技术的恐惧，转变守旧思维模式，接受和包容人工智能在大学教学中的深度应用以及带来的诸多改变。技术创新引发教学变革总是伴随着进步的“阵痛”。对于新兴技术应用，教育教学必然需要一定的适应时间，况且人工智能与传统大学教学活动之间的不适并非不可逾越的鸿沟，“人工智能+”在大学教学中引发的强大变革创新效应就是有力证明。因此，在观念层面，“AI创能”意味着教学主体思想认知上的自觉转变，从消极抵触转向主动接纳，使得新的教学观、学习观、课程观与知识观得以树立。
（二）制度维度：从缺失滞后转向协调适配
教学制度以正义为内在价值，公平合理的制度对教育活动的规范至关重要。正如约翰·罗尔斯（John Bordley Rawls）所言：“正义是社会制度的首要价值，就好比真理是思想的首要价值一样”。教学制度正义性的保持在于与时俱进，从而保证教育教学机会、资源、成果平等地向所有师生开放，使他们能够获得更好的发展。然而，现实中人工智能的“类主体性”特征在当下大学教学活动中的显现愈发鲜明，使得其与教师、学生这类传统主体之间的边界日益模糊，彼此间权责关系的复杂化程度日渐提升。同时，既有教学制度框架与政策体系所规定的权力结构以及规范准则的约束效用逐渐弱化，使得AI加入后的大学教学秩序无法得到切实保障。由此，“AI创能”新范式旨在人工智能作用下创生新的大学教学制度体系及其正义性的延续动力，进而实现与实际需求的有效对接和高度契合。其关键在于借由制度层面上改善现有涉及数字化课程内容设置标准、AI教学方法更新要求、学生数字素养评价指标设计等内容的教学配套政策的缺失滞后情况，及时对其予以补充和更新，实现与教学实践需求变化的协调适配，以回应教学制度正义属性的感召和教学实践现实问题需要。
（三）组织维度：从被动应对转向积极变革
“技术环境是组织环境的重要组成部分”。“AI创能”新范式意味着借助人工智能的数智优势及特点，通过革新教学方法为大学组织环境注入创新性技术动能，其现实依托则在于作为被改造者的大学组织从被动应对转向积极配合。比较明显的转变就是，大学从以往仅在特定场景（如在线考试、论文查重）中使用AI工具到现在主动拓展利用AI来分析学生学习行为，提供定制化深度学习模型和策略。人工智能逐渐从知识传授的辅助者转变成学生学习的引导者。在人工智能普遍应用于大学教学且会引发诸多难题这一既定事实面前，大学须在坚守自身行为逻辑和独立品格的基础上适应AI发展趋势，从而做出深层次的系统性跃升和质变，提高人工智能在组织发展战略中的地位层级，从“出现问题、事后处理”的被动应对转变为“问题未出、事前预防”的主动出击。“没有尖端的技法，组织就没有什么意义”。换言之，人工智能对于大学组织的意义非同寻常，“AI创能”不仅代表大学教学活动的局部性变革，更是大学组织整体从传统向智能转型的积极应对体现。
（四）知识维度：从简单应用转向精准交互
社会学家尼克·库尔德利（Nick Couldry）认为，深度媒介化时代，社会现实是基于以技术为基础的中介化过程而建构形成的。当下，人工智能在现实社会中充当着知识传输中介的重要角色，促使大学教学这一建构性社会活动进入了深度媒介化时代。由此，“AI创能”新范式旨在依托人工智能媒介作用创新大学教师知识传授和学生知识学习范式。其内在要求在于，AI与知识获取、加工和输出的关系需要从“知识-技术”直接对接的简单应用（如文献检索、爬虫抓取数据、文本自动生成等），转向类似个性化学习、智能协作等“知识-主体需求-技术”三者共融的精准交互。更深入来看，这种精准交互的实现与技术进步对知识本身以及主体需求的深刻理解密切相关。大学教师和学生在使用人工智能辅助教学与学习活动时，主要在构建人、知识与人工智能有效对话空间的条件下进行。一方面，形成对于自身真实目的的诉求、已有知识储备和数字技能素养的客观认知，在此基础上向人工智能提出具体需求并使其能够精准捕获；另一方面，教师和学生依托知识的科学性特征以及现实情境的合理性特点，发挥主观能动作用对人工智能的反馈结果作出基于人性化思考的解析与判别。
五、消除“排斥”，实现“创能”：人工智能在大学教学中的应用深化路径
本质上，人工智能与大学教学的融合是一个由价值碰撞、技术嵌入、主体互动、知识汇聚所集成的复杂性教育活动，应以更加系统与深入的方式对人工智能应用于大学教学进行解剖式分析，基于对“AI排斥”与“AI创能”的理论探讨以及大学教学消除“排斥”，实现“创能”的实际需要，可提出“创新理念+创设制度+创生组织+创变情境”四位一体联动式路径，为人工智能在大学教学中的应用深化提供相应策略。
（一）创新理念：以“发展视界”重塑思想价值认知
人工智能对大学教学的影响已经超越简单的工具升级而深入到人的认知改造阶段，应积极拓宽既有认知边界，对大学教学理念予以创新性调适乃至重塑，提升观察、理解大学教学中AI使用的视界层级，进而消除“思想排斥”。第一，用“历时性”眼光看待人工智能与大学教学的融合。技术与大学教学的融合总是会伴随诸多风险挑战，但大学教学“促成人的发展”的内核实质却始终没有改变。因此，当前AI在大学教学应用中面临的各种问题，在一定意义上是教育发展的自然结果。人们应树立起包容人工智能的韧性信念，杜绝因短期问题而放弃未来无限发展可能的观念。第二，以“变革性”思维审视人工智能与大学教学的互构。变革性思维暗含着发展的思考模式。作为被改造方的大学教学活动，其内部主体更加需要增强主动性意识，充分发挥师生特有的能动作用，以自觉改进的思想觉悟应对来自外部技术的“强迫”变革。在坚守教育人本属性、以不变应万变的同时，做到创新发展理念，实现顺势而动、因时而变。
（二）创设制度：以“需求导向”完善配套政策体系
人工智能在大学教学中的应用深化，需要创新性的制度设计予以保障和推动。应坚持需求导向，完善相关配套政策支持体系，从而消除“制度排斥”。第一，强化立法保障，推动高等教育领域人工智能专项立法。2023年6月，《国务院2023年度立法工作计划》明确将《人工智能法》列入立法规划，表明我国已高度重视人工智能法律出台工作。高等教育系统应充分做好在《人工智能法》基础上适时修改《高等教育法》的前期准备，为大学教学应用AI提供最高层级的法律保障。第二，优化政策管理，健全大学教学AI应用的行政规范。事实上，2017年国务院出台的《新一代人工智能发展规划》已对人工智能教育做出安排，但当下已相对过时。与之相比，2023年颁布的《生成式人工智能服务管理暂行办法》是根据AI发展实况做出的适时政策调整，应进一步以此为参照出台聚焦教育教学的规范性文件。第三，深化教学改革，制定适应人工智能大学教学的指引性操作指南。应充分关照人机协同趋势下大学教师应用人工智能的实际操作需要，除命令性原则与规定外，还应积极制定指引性技术使用教程与说明，助力大学师生善用AI。
（三）创生组织：以“动态调整”激活组织运行状态
当前，人工智能不断通过感知、学习、推理、决策等过程来深化自身与教学活动的融合应用，而这亦对大学的组织活性与动态调整能力提出了新的更高要求，促使大学打破原有组织惯性和惰性，在“有组织化”基础上实现“再组织化”，进而消除“组织排斥”。第一，构建跨部门的协同联动网络。重点要整合教务、信息技术、二级学院等部门及其资源，组建“管理专家+技术工程师+学科教师”的跨学科团队，克服单一组织部门的变革惯性，统筹AI教学应用规划与实施。第二，设立专门性内部服务机构。大学应提升“教学活动使用人工智能”在学校各项事务中的优先级，并以此为核心对既有组织架构进行合理调整，优化运作。例如，可在教务部门设立“人工智能教学服务中心”等专门的内设机构，集中负责AI技术教学应用管理服务等事项。第三，规范组织内部各部门机构的权责事项。大学应围绕人工智能在教学中的应用深化，并依据学校各部门机构的具体职能设置权责清单，明确权责范围，厘清责任边界，进而尽可能消除大学组织系统的惰性，提高应对由人工智能引发的教学风险的能力。
（四）创变情境：以“知识特性”设计多样应用场景
大学教学中知识传授活动的顺利进行往往需要依托于不同的教学技术应用场景，对人工智能应用于大学教学中效用感知和效果的获得也只有在应用场景中才能形成和实现。基于此，应在考虑学科知识内容与师生等主体知识储备差异的基础上，设计AI应用场景，从而消除“知识排斥”。第一，基于不同学科知识内容的特点使用人工智能多样化功能。例如，对于以理论知识为主的学科，可利用人工智能的强大算法分析、识别出学生在知识掌握上的薄弱环节，针对性地提供个性化学习方案；而对于以应用知识为主的学科，可借助虚拟现实（VR）与增强现实（AR）等AI技术创造沉浸式的技能实操环境，提高学生的实践能力。第二，基于不同主体知识储备的差异设计人工智能应用标准，创设适合师生发展需要的应用场景。例如，对于系统掌握人工智能专业知识的大学教师与学生而言，在教学中应用AI的目的应更加强调使用高阶功能解决复杂的探索性问题，以及在思维层面上培养创造性意识；而对于初学者而言，无论是教师抑或是学生，其应用AI的首要目的是了解、掌握并使用基本功能解决日常教学与学习的需求，而后在此基础上提升自身的技术应用水平。
（作者：黄巨臣，兰州大学高等教育研究院副教授；王一栋，兰州大学高等教育研究院科研助理）