91%的美国高校表示还没有为AI做好准备

在生成式人工智能进入公众视野近两年后,只有 9% 的首席技术官认为高等教育已准备好应对新技术的崛起。

91%的美国高校表示还没有为AI做好准备

这是一家教育媒体于今年早些时候在汉诺威研究的帮助下进行的第三次校园首席技术/信息官年度调查的几个关键结论之一。周三公布的结果描绘了在数字创新迅速发展的时代,学院和大学如何利用技术来加强学习、工作和研究,以及没有利用技术来加强学习、工作和研究。

人工智能准备情况

首席技术官表示,他们对高等教育和其所在机构的人工智能准备情况的认同程度如下:

91%的美国高校表示还没有为AI做好准备

约有三分之二的首席技术官表示,其所在大学的数字化转型至关重要(23%)或高度优先(39%)。大多数人担心人工智能对高等教育的影响越来越大,其中 60% 的人在一定程度上担心生成式人工智能对学术诚信构成的风险

91%的美国高校表示还没有为AI做好准备

报告显示,尽管管理人员和教育工作者一直担心人工智能会增加作弊行为,但 46% 的首席技术官对人工智能提升其所在大学的潜力极为热衷或非常热衷。这并不一定意味着大学热衷于优先考虑数字化转型或投资人工智能技术。

首席技术官认为,他们机构的其他高级领导不太可能将数字化转型视为首要任务。不到四分之一的人表示,投资人工智能是他们机构的一项基本(1%)或高度(22%)优先事项。不过,这比2023 年的调查有所增加,当时只有 16% 的首席技术官将投资人工智能描述为他们机构的首要任务。

“人们越来越接受这个想法,”密歇根大学首席信息官 Ravi Pendse 说,“但也有一些人强烈反对,这没关系。”他将人工智能的采用比作 2010 年代初智能手机的兴起:虽然有些人在 2024 年仍使用翻盖手机,但现在大多数人使用智能手机是因为其功能(例如拼车和银行应用程序)使日常任务更轻松、更高效。

“大学文化的伟大之处在于没有人会强迫你使用 [人工智能],但学生肯定会使用它,因此大学不妨加入进来,”彭德塞说。

91%的美国高校表示还没有为AI做好准备

CTO 调查发现,继聊天机器人之后,人工智能最受欢迎的应用包括网络安全增强(35%)、学生表现和趋势预测分析(27%)、研究和数据分析(24%)以及学习管理系统(20%)。

只有 3% 的大学将人工智能用于设施管理或创建个性化学习途径;11% 的大学将其用于机构规划和决策、学生参与和筹款;17% 的大学将其用于招生和管理流程(如日程安排和资源分配);14% 的大学将其用于学生咨询和支持;12% 的大学将其用于评分和评估。约 18% 的 CTO 表示他们的机构不会将人工智能用于任何上述目的。

“每个大学都有不同级别的资源,包括财务资源和技术资源。当这些新技术出现时,在这里和那里实施一个小集群就容易得多,”Pendse 说,并指出密歇根大学是少数几所已经将人工智能融入众多全校职能的机构之一,包括与教学、学习和研究相关的职能

这些努力受到该大学生成人工智能委员会于 2023 年发布的一份报告的指导,该报告旨在“为 [密歇根大学] 社区和整个社会奠定基础,以利用 GenAI 的变革性优势,同时降低其固有风险。”

Pendse 与密歇根大学教务长一起领导了该委员会,他说,大学领导层的支持对于扩大人工智能技术至关重要。“一旦他们达成一致,你就可以进行企业级对话,”他说。

虽然大多数 CTO 都有些(38%)或非常(50%)同意他们的中央 IT 部门已经找到了有效的方法来接触和与机构的其他部门合作,但超过一半的 CTO 都有些(37%)或非常(20%)同意他们机构的高级管理人员将中央 IT 部门视为一种公用事业,而不是战略合作伙伴。

更重要的是,大多数大学没有像密歇根州那样的资源来探索人工智能技术如何为他们带来更大的长期利益,密歇根州在 2023 年的捐赠为 179 亿美元。

尽管如此,61% 的 CTO 表示他们的机构在 2023-24 年没有经历中央信息技术预算削减。大多数 CTO 预计他们 2024-25 年的中央 IT 预算将与去年大致相同,甚至更高,约有一半的 CTO 报告其机构的年度 IT 运营和服务预算在 100 万美元至 500 万美元之间。

尽管如此,这可能还不足以让高校大规模采用人工智能方法。

“人工智能对于机构来说仍然是一个相对新兴或正在发展的能力,我们中的许多人仍在试图找出使用这些技术的最佳用例和最大风险。”

— Educause 研究和洞察高级总监 Mark McCormack

根据高等教育 IT 专业人士专业协会 Educause 最近的一项人工智能格局研究,很少有机构制定与人工智能相关的可接受使用政策,甚至更少的大学实施了劳动力变革以适应支持企业范围能力所需的人员配置。

“人工智能对于大学来说仍然是一个相对新兴或正在发展的能力,我们中的许多人仍在试图找出使用这些技术的最佳用例和最大风险,”Educause 研究和洞察高级总监 Mark McCormack 在一封电子邮件中写道。“大学需要建立自己的政策和全机构治理,加强基础设施(包括所需的人员、资金和技术),并提高员工、教师和学生的 AI 素养,这是该领域发展和成熟的重要后续步骤。”

此次 CTO 调查结果支持这一想法,显示超过一半的 CTO 表示他们的大学尚未在教学、行政任务、学生服务和研究援助领域采用政策或指导方针。只有 12% 的 CTO 报告说他们的大学有全面的政策来监督 AI 安全和道德,29% 的 CTO 表示他们有在教学中使用 AI 的指导方针,例如辅导和内容生成。

多数 CTO(48%)还表示他们的大学没有与技术使用相关的可持续发展目标。只有 5% 的人表示他们的大学对 AI 的使用大大或“极端”地增加了其碳足迹/电力使用量。

对远程工作不冷不热

制定有效的指导方针并大规模实施人工智能技术需要具备人工智能专业知识的员工。但根据调查,68% 的首席技术官表示他们的大学在招聘新技术员工方面遇到了困难,40% 的首席技术官表示或非常同意他们的大学在留住技术员工方面遇到了困难。绝大多数首席技术官将招聘和留住员工的挑战归因于高等教育之外更具竞争力的职位。

91%的美国高校表示还没有为AI做好准备

虽然高等教育机构通常没有像私营科技公司那样的资源来支付员工的工资,但远程和灵活的工作已成为疫情后潜在员工越来越青睐的非货币福利。

然而,调查显示,大约一半的大学没有鼓励远程/灵活工作的政策,尽管 98% 的首席技术官同意他们的机构拥有使其可行的技术,86% 的首席技术官表示他们的同事现在希望比疫情前有更大的灵活性,可以在任何时间和地点工作。

这一发现与大学人力资源专业协会 2023 年的一项调查一致,该调查发现,44% 的非教职高等教育员工表示,远程工作选择有限是他们寻找另一份工作的首要原因之一。

莫尔豪斯学院教育学助理教授、虚拟学习环境 Morehouse in the Metaverse 的主任兼首席研究员 Muhsinah Morris 表示,虽然面向学生的职位需要面对面工作,但远程工作(如 IT 工作)的需求增加“将改变高等教育的面貌”。

“并不是说高等教育的薪水很高,”她说。“通过远程工作,你可以节省汽油费和通勤时间……在当今经济环境下,所有这些因素都很重要。”

人工智能时代的网络安全

Morris 表示,同样重要的是 CTO 调查发现,很少有大学技术官员非常有信心其机构的做法可以防止可能危及数据或知识产权或导致勒索软件事件的网络攻击。63% 的人表示他们有一定信心。

她补充道:“这告诉我们,当人工智能的闸门打开,人们可以使用更强大的技术来攻击机构网络时,他们完全没有准备好应对将要发生的事情。”

91%的美国高校表示还没有为AI做好准备

莫里斯指出,高等教育机构(尤其是知名和研究密集型机构)特别容易受到网络攻击,因为它们不仅管理学生和教职员工的个人信息,还管理托管专有、可申请专利和已注册商标研究的数据库。

对于那些没有从跨校园、企业层面考虑人工智能的机构来说,随着恶意软件和网络钓鱼日益复杂化,这种脆弱性甚至会更大。

“如果他们不了解这些网络攻击在人工智能时代是如何发生的,”莫里斯说,“那么大学就很容易受到恶意收购。”

关于其大学数字化转型工作的重点领域,许多 CTO(81%)提到了学生的成功。图书馆在可能的优先领域列表中排在最后(26%)。约三分之一的 CTO(35%)表示,他们的大学已经为数字化转型设定了具体目标。

十分之二的 CTO(20%)表示,他们的大学已经与一家科技公司合作实施人工智能。另外有三成(32%)的首席技术官表示,他们的大学正在考虑建立这样的合作关系。大约七分之一的首席技术官表示,他们的大学目前正在使用开源人工智能模型构建自己的技术(15%)或考虑这样做(也是15%)。

根据各种指标,高校继续倾向于在线教学,公立机构明显优于私立非营利机构:约96%的公立机构首席技术官在一定程度上或非常同意他们的学院或大学将保持提供高质量在线课程的能力,而私立非营利机构首席技术官的比例为37%。

大多数首席技术官在一定程度上或非常同意他们的大学以技术方式支持技术教学,例如为在线课程教学提供技术支持(84%)。较少的首席技术官在一定程度上或非常同意他们的机构以其他方式支持技术教学,例如在终身职位和晋升决定中考虑技术(39%)或适当适应在线课程对教师工作量的时间要求(33%)。

【竞赛报名/项目咨询请加微信:mollywei007】

上一篇

澳门大学导师保姆级解析(UM,Prof. XU YUHANG)

下一篇

USABO更好拿金奖?USABO竞赛规则到考试难点超全解析!

你也可能喜欢

  • 暂无相关文章!

评论已经被关闭。

插入图片
返回顶部
Baidu
map