问答
当人工智能能够完成作业时，我们应当如何设计与促进异步在线课程？
本页是英文页面的机器翻译，尚未经母语者审校。
学期开始了，却没有任何事情发生在固定的钟点上。你发布第一周的阅读材料、讨论提示、第一个案例，然后等着看会有什么交回来。交回来的东西语言流畅、切题，却完全不能告诉你提交它的学生是谁。这里没有可以走进去的教室，没有周二 10:15 可以观察的脸，也没有学生就站在你面前时你能追问的问题。
给同事的回答是：在异步课程里，课堂免费提供的一切都必须刻意搭建。把分数放在过程上而不是成品文件上，保留一次学生在没有任何工具、没有任何帮助的情况下完成的测量，限制你发放的任何 AI 并把它留在课程内部，把日历当作一项设计决策。对任何作业都问一句：如果一个模型替学生产出了作品，学生还剩下什么必须做的事？
简要版本
1. 给过程打分。决策日志、分阶段草稿，或一段自我解释，能显示最终提交物所掩盖的推理。
2. 在任何用以证明能力的评价中保留一次无辅助测量。下文人口数据里的保持率差距，一旦实施监考就消失了。
3. 在风险足以支撑制作成本的地方使用异步口语评价：即时下发的提示、学生无法修改的简短录像、内嵌的评分量表、自动生成的转写稿。
4. 把你提供的任何 AI 配置成给提示而不是给答案，并把它嵌入课程内部，而不是外链到某个通用工具。
5. 把主要截止日期错开，并在每个截止日期前开放 7-8 天的窗口。交互数据给你的预警时间就是这么长。
6. 给讨论中的移动打分：一个明确的立场、一次质疑、一次有记录的重新考虑。
判断你的作业在证明什么
异步课程的暴露有一个结构性原因。它的学习证据就是提交物，而提交物如今的生产成本极低。
这些演示把学生完全移出了画面。在一门真实的本科心理学课程里，自主智能体登录学习管理系统，阅读课程材料，在没有学生参与的情况下完成了未经监考的考核作业。两次测验分别在大约 12 分钟和不到 5 分钟内完成，都得到 10/10。在一次讨论帖中，智能体挖掘了同伴的帖子，然后编造了一段可信的第一人称生活史来回应它们。作者更广泛的记录涵盖 Canvas、Moodle 和 Brightspace 上至少 15 次有记录的智能体运行，使用了 7 种智能体工具。他们的框架对你的教学大纲很重要：这首先是一个评价效度问题，其次才是诚信问题，因为由智能体完成作业，取消了“提交的作品来自被评价学习者本人”这一假设（Hadjisolomou 和 El-Haddad，2026）。
关于工具对学习产生何种影响的因果证据同样直接。在一项约 1,000 名高中数学学生的随机试验中，无约束的 AI 辅助使练习表现提高了 48%，并使无辅助的闭卷考试成绩下降了 17%。没有使用权限的学生表现优于有权限的学生。一个受护栏约束的辅导者只给提示而不给答案，就消除了这种损害。约束条件决定了结果。
总体数据也是同一个方向。在 3.2 百万次 ALEKS 交互中，ChatGPT 公开发布之后，学生在易受 AI 影响题目上的学习时间下降了 26.9%，正确回答监考保持性题目的几率下降 25%。一旦实施监考，这一效应就消失了。这个消失对课程设计才是有用的部分：它把捷径定位在平台之外，并表明损害存在于你所设定的条件里。
还有一种更安静的失败需要防范。元认知失调式完成指的是这样一种状态：提交正确而完整的工作，同时私下知道理解从未发生。在课堂里，你也许能从学生的迟疑中察觉它。在异步课程里，提交物是唯一的渠道，而一份正确的提交读起来就是成功。评价设计是你的第一个杠杆。
把证据放进过程
如果成品什么也证明不了，证据就必须来自工作是如何做出来的，或者来自学生无法委托他人的条件。
能显露过程的产物是最便宜的改动，而且能规模化：分阶段提交并附一份必需的中间决策日志、每个答案后附一段自我解释、对一份文献做标注、在收到反馈后修订的计划。这些捕捉的是推理过程而不是它的残留物，而教师扫读它们的成本相对很小。
**异步口语评价**在必须证明能力的地方分量最重。Pentland、Lowenthal 和 Krier（2026）评估了一类基于网络的评价：即时下发提示，让学生录制简短、限时、无法重看的摄像头回答，按内嵌评分量表评分，同时自动生成转写稿。在两项研究中——一个中级会计试点课程和一门数据分析课程——学生的得分高于面对面多项选择题考试。这一差异在第二项研究中显著，在第一项中是正向但不显著的趋势，跨形式的中等相关性支持了聚合效度。学生报告说自己的准备方式不同，使用了更多主动学习策略，并认为这种形式与职业相关。对于没有共同上课时间的课程，这是最接近的结构性等价物：思考实时发生，时间和地点由学生选择，而行政成本不随班级规模增长。
一次无辅助测量应当出现在任何以成绩证明知识的课程里。ALEKS 的结果就是论据：一旦实施监考，保持率差距就消失了。告诉学生这个条件为什么存在。这套理由属于你的课程 AI 政策。
决定工具在序列中的位置
一旦成品成了不可靠的证据，工作的顺序就成为评价设计的一部分。
Brcic 和 Frljic（2026）把位置放在论证的中心：允许还是禁止是一个假选择，真正重要的设计问题是工具位于何处。他们收集的因果证据显示，结果仅因位置不同就会翻转。同一个无约束的助手让高中生在无辅助考试中差了约 17%，而一旦改造成不给答案，它就不造成损害；一个设计良好的辅导系统使学习量大约翻倍。他们用于放置工具的六步框架（prime、probe、point、attach、strengthen、test）是一份可用的菜单。保留他们的诊断标准：如果让 AI 进来使任务显得毫不费力，那它就放错了位置。 位置不当会留下一种学习的幻觉，在无辅助任务上崩塌——正是元认知失调式完成所描述的状态。
写进作业里，你就得到一份可以印在作业纸上的序列：
思考、承诺、使用 AI、批评、修改、解释。
学生先尝试智识工作，并对一个初步解释、预测、提纲或决定作出承诺。然后模型才进入，提供反馈、替代方案、反驳或批评。再之后由学生判断它产出了什么，进行修改，并解释什么变了以及为什么。承诺这一步才使其余部分可评价。没有作出承诺的学生没有东西可修改，而由模型从零写出的作品根本没有修改史。
要避免的过度纠正：收集每一个提示词、记录每一次击键，只会带来没有证据支撑的工作量。只要求那些你确实会去读的决策点：选择了哪些证据、否决了哪个替代方案、批评之后改了什么。
给无法辩护的任务配一个孪生任务
这里的结构性选项，是不再在教学上合理的任务与可辩护的任务之间二选一。Roe、Perkins 和 Giray（2026）提出评价孪生：把易受 AI 影响的任务（带回家的论文或分析）与第二个较不易受影响、评价相同结果的任务配对，两者安排得足够接近以便交叉验证，并相互依赖地评分。他们的映射覆盖 Messick 的六条效度证据线索，设计过程有三步：识别脆弱点，对齐结果并选定孪生任务，然后开发连接两者的评分方式。带回家的分析保留其对扩展探究的价值。孪生任务可以是一个简短的案例变体、对一个关键决定的解释，或一次简短的口头或多媒介答辩。
与它配套的问题是归属。Ebrahimzadeh、Shibani 和 Buckingham Shum认为，与生成式 AI共同署名会削弱若干形式的效度证据，并提出共同作者诚信本身作为一种效度证据来源：当学生提交自己并不理解的 AI 生成内容时，这种诚信即被违反。为了规模化地核查归属，他们报告了一个 AI Viva 的工作：一个执行混合口头答辩的对话智能体，提出类型和复杂度可控的理解性问题，并由教育专家和评价专家深入验证。把它与给一切加监考权衡一下。对自己推理的口头辩护可以规模化，而监考教室不能，而且它产出的是关于理解的证据。
决定你提供的 AI 允许做什么
关键在于嵌入式的、受约束的 AI 与一个未接入课程的聊天机器人之间的差别。两者产生不同的结果。
Open University 的 AIDA 助手是记录最充分的嵌入式案例：18 个月内六项迭代的设计研究，涉及 498 名学生和 20 名员工，机构服务 200,000 余名学习者，分布在 50 多个国家。在一项探索性随机试验中，使用 AIDA 的学生所花时间是对照组的两倍，在课程中访问的页面也更多，96% 的学生希望该助手在其正式学习中可用。同一机构对一个外部的、未接入课程的聊天机器人的经验则相反。
Lock、Arteaga 和 Johnson（2025）的综述涵盖 32 个国家的 63 条文献，补充了一个社会条件：在教师辅导之外使用 ChatGPT 的学生，比单独使用的学生感知到更大的学习收益。助手是补充教师，还是取代这段关系——只有前者才算一种课程设计。
两点警示值得重视。KhanMigo 的失败不是技术性的。学习者没有与聊天机器人互动，收益证据也有限，这说明问题在于组织准备度和教学契合度。教师一侧同样没有准备好：在一项南非教师培养的比较中，AI 整合科学教学的自我报告 TPACK 在校园型大学为 64.0%，在远程大学为 47.4%，两者的最弱领域都是教学法知识（在线教学与学习）。把一个助手部署到异步课程里，并不会训练那些必须判断其产出的人。
给讨论中的移动打分
讨论区是异步课程建立共同体的地方，也可能悄悄变成一个提交箱。有两项发现应当影响你在那里自动化什么。
时间点是难点。Tsirmpas 及其同事构建了 PEFK 语料库来比较引导数据集，然后用专家人类引导者和 LLM 评判者做了首次关于引导时机的调查。人类对介入更谨慎。LLM 过度急切。两者在判断“引导不需要”时，都比判断“引导需要”时更确定。训练过的分类器模型优于 LLM 方案，即便如此，现有数据集也限制了表现上限。实务解读：不要让自主审核处在关键路径上；如果你确实在讨论中使用 AI，就把它配置成默认保持安静。
摘要能帮助学生浏览论坛而不必参与。Hao 和 Cukurova（2026）在三个轮次、128 名大学生中发现，AI 生成的讨论摘要扩大了对同伴贡献的接触面，并通过降低寻找有意义帖子的成本，增强了网络连通性——社会资本理论所称的桥接型弱关系。它们并没有阻止浏览行为在课程进程中下降。摘要是导航性的脚手架。
站得住的结构是一个序列而不是一个帖子串：立场、质疑、重新考虑。 学生先承诺一个基于课程材料的解释，然后遇到另一种视角、反例或批评，再解释自己的推理是否以及如何移动。你评分的是观点之间的移动。一旦智能体能挖掘同伴的帖子、并伪造同学的生活史来下单，提交一个帖子加两条回复就已经无法证明这种移动了。
因为智能体模仿的是表层行为，你自己的贡献就成了稀缺资源。机械地回复几十个单独的帖子是教学存在感最弱的形式；跨讨论做综合是最强的：你们的分析里反复出现三个假设；你们中有几位对这份证据的读法不同；这个论证很有说服力，直到我们引入这个反例。 那是编排，而不是生产消息。
两者底下的框架问题是问责。Ba、Gašević、Lim 和 Anderson（2026）认为，生成式 AI 动摇了探究共同体的一个假设：存在感指标究竟能否归因于人类。他们把生成式 AI 视为一种认识论条件，把各种存在感视为社会技术性的成就，其与探究质量的关系取决于人类问责落在何处。具体做法是：在每一次交流中确定并说明谁对什么负责，而不是假定存在感会因为有论坛而自然产生。
在没有教室可走进去的情况下让学期保持推进
自定进度形式假定学生具备自我调节能力，却很少教它。关于哪些行为真正与保持专注相关的证据异常实用。
Shi 等（2026）用关联规则挖掘和聚类调查了 530 名大学生，发现自我调节学习行为——目标设定、环境结构化与时间管理——与低数字分心最稳定地共现，此外还有学习者与教师、学习者与内容的投入以及技术能力。依赖同伴求助和学习者之间的互动在低分心画像中出现得更少。先设计环境和日程，再去设计另一个小组活动。
自我调节也不是固定特质。Song 等（2026）在一整个学期、75 名一年级学生中发现，它既作为稳定的性向起作用，也作为波动的状态起作用。个体基线保持稳定，而元认知知识和幸福感在整个学期中系统性下降，驱动因素是重大评价截止日期之类的课程要求。把截止日期聚在一起也许是一个高效的行政选择，但它也是对你这套形式所依赖的调节能力的可测量征税。
干预窗口是可预知的。Zhang、Jeffries 和 Koprinska（2025）表明，对内容交互日志做可解释机器学习，可以预测模块级进度，并在大规模在线编程课程中于模块截止日期前多达 7-8 天标记出退课结果。这足够提前向某位具体学生发出具体提醒，胜过在评分时才发现失败。对成人学习者和远程学习者，AI-ALOE 设计指南补充了最关键的一条约束：移动端访问、离线能力，以及真正的异步可用性，因为这些学习者是在其他义务之间的碎片时间里学习的。
决定在制作中自动化什么
有两种用途背后有合理的证据，两者都针对教师工作量。
制作成本。MAIC把 MOOC“一段视频给 N 名学生”的广播重新表述为“N 个智能体服务一名学生”，在共享模型基础上使用专门的教师、助手、同学和分析师智能体。其作者报告，一门 MOOC 的课程制作从大约 $25,000 和 60 小时压缩到不到 $2 和 30 分钟，在清华两门课程中试点，涉及 500+ 名学生产生的 100,000+ 条学习记录，并以开源项目 OpenMAIC 发布。个性化媒体在素材层面是同一个想法：在一门大型在线课程中，Tomlinson 等（2026）发现学生更喜欢 AI 生成的个性化视频，而不是非个性化的人工录制视频，个性化效应的作用超过了人们对真人出镜者的重视。
**论坛导航。**上面的摘要脚手架降低了定位优质贡献的成本，而没有增加教师的阅读负担。
有三项任务仍然留给你：判断一段文字是否是学生自己的思考、判断一个讨论是否需要介入、校准难度。生成的材料在计分前也需要教学法审查。低廉的制作与合理的设计是两个不同的问题。
指明 AI 的角色，并检查学生是否还有角色
“学生可以使用 AI”这样的规定太宽泛，无法据此设计。指明角色才能让活动可设计，而角色对存在感有后果：一项关于市场营销教育中生成式 AI 的研究区分了辅导者、队友和工具，显示每一种对教学存在感、社会存在感和认知存在感的影响各不相同，并列出数据隐私、抄袭、依赖和评价公平这些熟悉的伦理风险（GenAI in Marketing Education）。同一个模型可以是作业前的苏格拉底式提问者、初稿后的批评者、案例分析中模拟的利益相关者、其论点必须被反驳的对手、练习中给提示的辅导者，或在实质推理已经存在之后才介入的编辑。这些是不同的活动，把它们混为一谈，就是“允许使用 AI”变成“什么都没设计”的方式。
脚手架提供了检验标准。支持应当帮助学习者完成他们尚不能独自完成的事，并随着能力发展而撤除。持续提供完整解答的模型是在替学生做任务。对每一个启用 AI 的活动，你都应该能毫不犹豫地补完这句话：
AI 在这里的任务是 _____，而学生的任务是 ________。
如果第二个空里几乎没有思考，这个活动就需要重新设计。
让他们评判一个不是自己写的答案
AI 素养涵盖批判性评价、元认知判断，以及知道何时不用工具。自我报告的自信是实际能力的糟糕代理指标。
任何异步课程都能立即采纳的一项改动：有时由你把 AI 的输出交给学生。 递上两个相互竞争的答案，问哪一个更强、为什么。要求指出最弱的论断、缺失的假设、无法核实的来源、看似合理却错误的解释。问什么样的证据会让他们改变想法。
这样表述之后，被评分的能力是学生能否识别一个值得信任的答案——这更接近学科本身的要求，也远更难委托。具体技法在核查实践里。这里重要的是把评价放进计分任务内部，而不是把它留作模块公告里的一条建议。
教学设计者对异步课程的误解
提交物是问题所在，所以要修的就是提交物。它也是你唯一的渠道，这就是为什么单独收紧作品本身几乎不改变什么。再加一个渠道：一份过程记录、一段录制的解释、一次无辅助测量。
灵活性意味着学生掌握进度。这种形式假定自我调节，而那项 75 名学生的学期研究显示，随着截止日期聚集，元认知知识和幸福感都在下降。进度是你替他们做的一项设计决策。
论坛就是参与，所以我数帖子。上面的智能体演示产出了一个挖掘同伴、编造生活史的帖子；计数无法把它与一个好帖子区分开。Hao 和 Cukurova 的摘要改善了导航，而浏览活动依然在下降。
加一个助手就等于课程整合了 AI。AIDA 是专门构建、嵌入并经过六项研究迭代的；同一机构的外部聊天机器人走了相反方向，而 KhanMigo 的学习者干脆没有参与。
过程证据意味着记录一切。收集每个提示词和每次击键只会产生文书，别的很少。值得评分的版本只要几个决策点：选择了哪些证据、否决了哪个替代方案、批评之后改了什么。
你会听到的反对意见
“这些是选择了异步课程的成年人。如果他们让 AI 代写，那是他们自己的决定。” 如果课程不证明任何东西，这个选择论证就成立。但它证明。ALEKS 的证据显示，捷径产生的能力表象经不起监考检验，而代价落在更晚的地方：下一门课程、执业资格考试或工作。这里还有一个公平的棱面：最可能卸载的学习者往往是最缺时间的人，而异步课程正是为这群人而存在。
“检测就是答案。” 检测本身有争议，而监考结果说明了为什么设计胜过巡查：条件一变，损害就消失了。检测还带来假阳性代价，并把教学变成一场军备竞赛。重新设计任务，并保留一次无辅助测量。见我怎样才能减少课程中的人工智能作弊？和我该如何重新设计评价，使成绩仍然能够可靠地说明学生知道什么、能做什么？。
“远程不可能有教学存在感，所以异步天然低劣。” 异步课程中的存在感是被设计出来的。上面的 CoI 重构指出，在生成式 AI 时代，它的指标是社会技术性成就；而 AIDA 试验在一门完全没有同步会面的课程里使任务时间翻倍。
“监考就是监视，我不会强加它。” 这是一个可辩护的立场，而且它留下了选择空间。能显露过程的产物、异步口语评价和 AI Viva 都能捕捉推理而不监视任何人的房间。如果你确实采用监考条件，就写进教学大纲，解释理由，并把它限制在证明能力的评价上。
“那就全部改成同步加监考。” 许多学生选择异步学习是因为就业、照护责任、残障或地理条件。检测本身也有公平代价：标记非母语写作者的工具有不成比例地产生假阳性，惩罚诚实的作业（人工智能检测）。相称的替代方案是在一门本来灵活的课程里设置少量核查时刻：一段简短的录制解释、一次个性化的应用、一个对教师选定问题的回答、一条带注释的决策轨迹、一次低风险的单独检查。核查应当提高你证据的效度，同时保留使这种形式值得提供的灵活性。
证据尚未确定的问题
关于 AI 在远程教育中的系统综述（56 篇文章，2020-2025）涵盖个性化（24 项研究）、评价与反馈（19 项）、人机交互（17 项）以及治理与公平，结论是这一证据基础是短期和横断面的，纵向研究很少。关于 AI 与在线学习投入的综述（24 项研究）局限于单一数据库，只处理投入，并把同步与异步情境混在一起，因此其结论并非异步专属。异步口语评价依赖两门课程中的两项研究。MAIC 是一次试点。引导时机的数据集即便配上训练过的分类器也限制了表现上限。这里没有任何一项研究追踪一个异步学习者群体足够长的时间，以显示重新设计的评价产生的是持久的学习，还是只是更好的学习证据。所有这些都是以改变你的下一门课程，也薄到不足以支撑一项政策主张。
本周要做的事
1. 挑出你风险最高的评价，加入一个学生在无辅助情况下完成的条件。告诉他们为什么有这个条件。
2. 拿那份 AI 现在能端到端完成的作业，重写它，让过程成为作品：一份决策日志、一份分阶段草稿、一段自我解释、两次尝试的对比。
3. 把一项主要评价改为带内嵌评分量表的异步口头答辩，并在学生真正会读到的教学大纲位置按任务写明 AI 许可范围。
4. 错开主要截止日期，并为联系那些交互数据变得安静的学生预留一个截止日期前 7-8 天的窗口。
5. 用三个问题检验你最弱的作业。一个 AI 系统能否在学生不理解材料的情况下完成这个活动？这里本应由哪种认知活动产生学习？什么证据能显示学生确实执行了那种活动？如果第一个答案是“能”，而后两个难以回答，问题就在学习设计里，政策的任何措辞都修不好。
**接下来去哪里：**课程层面的规则属于我如何撰写课程人工智能政策并向学生说明？；评价重建见我该如何重新设计评价，使成绩仍然能够可靠地说明学生知道什么、能做什么？；它底下的依赖问题见我怎样才能让学生不过度依赖人工智能？；教师工作量以及 AI 现实上能减掉什么，见作为教师，人工智能如何帮我节省时间？；把 AI 嵌入学习体验的设计层视角，见应当如何把人工智能设计进学习体验之中？。