生成式人工智能（GenAI）与澳大利亚及新西兰高校：政策与趋势

《Heliyon》：Generative artificial intelligence (GenAI) and universities across Australia and New Zealand: Policies and trends

　　

尽管关于生成式人工智能（GenAI）的文献不断增长，但高等教育领域对GenAI政策的落实仍关注不足。在GenAI重塑高等教育的宏观背景下，研究人员考察了GenAI与高校政策交叉领域的文献模式，以及澳大利亚和新西兰（ANZ）高校如何应对GenAI。本研究采用：针对GenAI与高校政策学术文献的文献计量分析（n=91）；以及对ANZ高校政策（n=49）的定性内容分析与词汇分析。研究结果表明，突出主题为学术诚信（academic integrity）与ChatGPT，而教学法（pedagogy）与能力素养（competency）在很大程度上被忽视。此外，诚信概念与学生视角在政策中未显著体现，反映出高校内部一种适度（moderative）话语取向。研究人员结合需融入学生声音（student voice）及采取定制化路径以塑造和实施GenAI政策的必要性对上述发现进行了讨论。本文为关于高校以差异化方式应对负责任的GenAI使用的讨论作出贡献，并为重构和改进政策提供契机。

研究背景方面，高等教育正因生成式人工智能（GenAI）工具的快速演进而经历教学与学习过程的深刻扰动，ChatGPT、DeepSeek、Gemini等可生成文本、代码、音视频等内容，既带来创新也暴露出行政负担、评估真实性、数字素养与毕业生就业力等系统性问题。国际高校普遍在最大化GenAI潜力与管控其风险间权衡，但既有文献多聚焦学术诚信与创新评估设计，对弱势群体学生参与、学生声音及教学法整合关注不足。澳大利亚与新西兰作为大洋洲国际学生重要目的地，合计接纳近百万国际学生，其政策实践具区域外溢效应，但两国GenAI政策研究尚不充分，焦虑与迟疑并存，故研究人员开展此项探索性研究以提炼文献模式与院校响应特征。该文发表于《Heliyon》。

方法层面，研究人员于2025年2月1日通过Scopus数据库以限定条件检索2023至2024年英文期刊论文，获91篇用于文献计量分析，借助VOSviewer绘制关键词共现网络；针对ANZ两国49所公办及私立大学（Murdoch University因政策不公开被排除），两名研究者在2023年8月23日至2024年2月25日间独立搜集AI与GenAI相关政策文本，经比对去重后，由具备政策分析经验的研究者依据禁止性（prohibitive）、适度性（moderative）、鼓励性（encouraging）编码框架实施定性内容分析，并采用Leximancer软件对政策语料进行词汇发现模式分析以提取概念主题与相关度百分比。

研究结果部分，3.1文献计量分析显示，社科（n=75）、计算机科学（n=34）为主力学科，2024年发文量（n=76）较2023年（n=15）增五倍，美国、英国、香港、澳大利亚作者贡献领先。VOSviewer提取444个作者关键词，阈值≥2次得77词分四簇：高等教育（黄）、学生（红）、教育中的AI（蓝）、GenAI（绿）。高频词依次为higher education（FoO=46, TLS=188）、generative AI（38,160）、ChatGPT（35,143）、academic integrity（19,84）；低频词含pedagogy（2,5）、Bloom's taxonomy（2,2）、holistic competencies（2,10），表明学界重诚信与工具、轻教学法与综合能力，国际学生视角缺位。3.2内容分析指出，49校中22校明文涉GenAI，仅University of Technology Sydney设专策《Artificial Intelligence Operations Policy》，余者多嵌于学术诚信、科研操守、学生违纪或评估标准文件中，整体呈适度话语：允许在负责任或获准署名前提下使用，Griffith与University of Western Australia要求引用，但多数未界定“恰当致谢”；禁止性文本如University of New England将AI生成视作学术不端，Victoria University禁考中生成作答；鼓励性仅3校（如UTS）述及增效与反馈支持；部分校混合立场。3.3词汇分析经Leximancer发现四大主题artificial、intelligence、include、support，artificial与intelligence相关度均100%，use与assessment各91%，integrity未成簇，说明政策语言偏操作化与程序化，围绕“用不用、怎么用、评估关联”展开，而非彰显诚信原则本身。

讨论部分，研究人员指出现有文献与政策皆陷“防检测、控风险”范式，忽视GenAI素养（GenAI literacy）与知情判断之培育，建议弃用全禁或全放之双车道模型，转向清晰定义授权/未授权使用、嵌入显性诚信措辞、设训练模块与范例、以学生为共同设计者之定制路径。方法论局限含单库检索、仅英文、未验实施。对管理者，提四建议：统一定义降歧义、补诚信语汇、建教育支持、纳学生声音；对研究者，倡跨学科实证评估政策清晰度及对学习评估与工作量之影响。

结论部分翻译：ANZ高校之负责任GenAI使用政策应具备适应性、利益相关者导向及教学法适配性，方能有效应对教与学中GenAI利弊；上述洞见丰富了关于高校迄今以差异且偶不一致之方式管理GenAI之广泛讨论。