人工智能已成为学校日常工作的组成部分。在教学设计、学生支持、辅导、职业探索乃至特殊教育工作流中，都能看到它的身影。教育工作者和学生的行动速度，往往快于大多数学区能够实际治理的节奏。

但如何确保AI被深思熟虑且安全地使用，并切实改善学生成果？

“仅追求采用率”的目标陷阱

一个常见的目标表述是：“到2026-27学年，75%的教师将定期使用[某AI产品]。”

这是一个可衡量的目标，听起来也颇具前瞻性，但它缺失了至关重要的一环：“为什么”。你期望改善的成果是什么？采用AI是否真正让工作变得更好，还是仅仅制造了更多的活动？

设定AI目标并衡量成功有更好的方法，它始于以下四个问题。

问题一：我们的领导层目标是什么？

大多数关于AI的讨论通常这样展开：我们是否应启用这个平台？是否给教师开放ChatGPT访问权限？是否向学生开放使用？

这些问题本身合理，但不应该被首先提出。正确的起点应是：你真正试图解决的问题是什么？例如：

一旦明确了要解决的问题，就更容易看清AI能在何处提供帮助。

问题二：哪些可衡量的成果能证明进展？

明确了要解决的问题后，需要具体定义进展的表现。这里指的是成果，而非活动指标。

大多数学区的战略规划中已有成果目标，因此应将AI工作直接与其中一个目标挂钩，并确保其可量化。例如，不要设定这样的目标：

  • 明年实现75%的教师采用AI。

而应关联到类似以下的成果目标（理想情况下附带具体数值）：

  • 我们希望提升读写能力成果（例如，将三年级阅读 proficiency 从62%提升至70%）
  • 我们希望防止学生在毕业前掉队（例如，将学期不及格率降低15%）
  • 我们希望特殊教育团队创建更完善、合规的文档（例如，实现90%的IEP合规审计分数）
  • 我们希望提供更快、更具可操作性的学生支持（例如，将干预转介到实施的时间从6周缩短至2周）

问题三：高质量的AI应用应是什么样？

在扩展任何AI应用之前，需要先定义“优质”在自身情境中的含义。

这应涉及广泛的团队：教师、辅导员、课程负责人、特殊教育负责人——所有将使用AI并衡量其成功与否的人员都应参与。目标是形成对质量的共同定义。

需要提出的问题：

  • 一份高质量的输出应包含哪些内容？
  • 它绝不应该做什么？
  • 它需要理解哪些本地情境？
  • 适用哪些合规要求或政策？
  • 哪些环节必须保留人工判断？
  • 什么因素会让它对教育工作者或学生真正有用？

“高质量”可能意味着的一些示例：

  • 教育工作者信任输出结果
  • 建议对特定学生具有针对性
  • 文档既符合学区标准，也满足州级要求

工作流程的风险越高，这一点就越关键。如果在特殊教育中使用AI？请清晰定义质量。用于教学设计？同理。面向学生？绝对必要。

问题四：我们如何知道它正在发挥作用？

简而言之：你需要证据。这些证据可能包括：

  • 来自教育工作者的反馈
  • 对输出结果的质量审计
  • 学生成果数据
  • 文档审查
  • 教育工作者节省的时间量

核心在于拥有足够的可见性来回答一个简单的问题：这是否在帮助我们为学生提供更好的工作？

扩展之前，先确保安全

还有一点：安全与隐私必须放在首位。

你需要为隐私、安全和治理奠定基础，因为AI可能接触到学生数据、教学设计、干预支持和相关文档。

在评估工具时，请询问：

  • 它安全吗？
  • 学生数据如何得到保护？
  • 谁能看到AI正在做什么及其产出？
  • 面向学生的AI有哪些护栏措施？
  • 哪些环节需要保持人工控制？

结语

AI本身不会自动改善成果。但那些以明确意图、清晰护栏和质量定义来推进AI应用的学区，才能真正看到变革。

准备深入探索？

这四个问题只是起点。我们的AI治理手册提供了引导AI走向质量、在现实场景中测试输出以及负责任地扩展的框架。