学校如何治理面向学生的 AI

生成式 AI 可以通过专用聊天机器人、写作助手、搜索功能，或教师已在使用的软件更新进入学校。这使得单一的允许或禁止决定过于粗糙。学校需要一套治理系统，区分年龄、教育目的、数据做法、成人监督，以及每项用途背后证据的强度。

目标不是预测每一种 AI 产品都会帮助还是损害学习，而是让访问具备条件、可观察且可逆。纽约市的 AI 指导意见 展示了这种方法的一种版本：它区分低龄学生和高中学生，保留明确的例外，允许教育者使用，并限制学生直接试点。洛杉矶联合学区的 学区公告 使用不同的年龄门槛，同时也将学生访问限制在获授权的系统中。持久的教训是，治理应当分层，而不是一刀切。

在选择工具前定义结果

从学校希望保护的学习条件开始。低龄学生通过对话、身体活动、犯错、修订以及来自成人和同伴的反馈来建立基础技能。自动化协助可以支持一项任务，但也可能在学生完成作业本应引发的推理之前就给出答案或重写内容。对年龄较大的学生而言，准备还包括学会质疑生成的主张、识别偏见和错误信息、保护个人信息，并决定何时必须依靠人的判断。

把这些目标转化为政策问题。学生在不用工具时必须能够解释什么？哪些有成效的挣扎形式是课程的一部分？哪些信息绝不能输入？哪些用途要求教育者观察互动？什么结果足以证明应保留该产品？不能仅因工具按设计运作或产出流畅答案就批准它。其声称的教育目的必须明确到可以评估。

这种结果优先的方法也能防止 AI 素养沦为提示词练习。操作技能很重要，但素养还包括理解局限、核查证据和抵制过度依赖。即使学校限制某些年龄段的直接使用，也可以教授这些习惯。

建立按年龄分层的访问模型

年龄分层提供明确的默认规则，同时为狭义定义的例外留出空间。一个实用模型有三个层级。

幼儿及小学阶段： 默认不与生成式系统进行常规直接互动。优先考虑教师主导的学习、面对面互动，以及基础阅读、写作、数学和社会发展。纽约市的政策还把对低龄学生的限制与更广泛的个人屏幕时间限制联系起来，强调 AI 访问是关于学习环境的更大决策的一部分。

初中阶段： 保持限制性的默认规则，但在不假定开放访问的前提下引入 AI 素养。学生可以检查教师挑选的示例、讨论没有依据的输出并学习隐私规则，而无需保有独立账户或与系统进行不受限制的对话。允许此阶段直接使用的学区应要求获批工具、具体学习目标和积极监督。

高中阶段： 为明确的课程、试点或职业项目允许受控访问。纽约市的 政策公告 将全民素养模块与有限、由教师监督的试点相配套，而非普遍访问。学校可以遵循这一原则，无须照搬确切数字：从有限参与、受过培训的教育者、时间限制和明确的评估计划开始。

年龄规则不应取消必要的支持。纽约市保留了个别化教育计划或 504 计划规定的辅助技术，并为语言访问留出空间。学校应单独记录此类例外，以免将无障碍支持当作非正式的变通办法。

批准用途，而不是产品类别

“AI 导师”之类的产品级标签透露的信息太少。同一系统可能用于提供提示、撰写论文、翻译指令或模拟职场对话。批准应附着于工具、用户群体、学科、任务和监督级别的具体组合。

获批用途记录可以写明：“10 年级职业课程；结构化面试模拟；学区账户；教育者在场；提示中不含个人信息；30 分钟课程；在课堂上讨论输出。”这可以执行。“允许将 AI 用于学习”则不可以。

有用的类别包括教师演示、学生批评生成材料、受约束练习、无障碍支持、编程或机器人技术、模拟和教师准备。每种都需要自己的边界。纽约市区分直接生成式互动与评估、远程教学、编程、机器人技术、模拟、获批材料和教育者规划。它还禁止所有年级使用陪伴型聊天机器人，这说明学校应评估互动模式，而不应假定每种对话式产品都有教学价值。

教育者使用也需要规则。教师可以借助 AI 起草工作表、示例或反馈建议，同时仍对交到学生手中的内容负责。应检查生成材料是否存在事实错误、刻板印象、不适当解释，以及是否与课程一致。将工具从学生屏幕移到教师工作流程，并不会消除审查的需要。

将隐私作为采购门槛

学生提示可能含有写作样本、行为信号或个人身份信息。批准前，学校应知道供应商收集什么、数据去向、保留多久、谁能访问、是否用于训练或产品改进，以及删除如何运作。纽约教育法 第 2-d 节 为可能适用于处理学生信息的学校和第三方承包商的隐私与安全义务提供了具体示例。

要求供应商披露生成式功能，包括通过后续产品更新交付的功能。合同措辞应涵盖数据保留、二次使用、安全标准、访问控制、事件响应以及学校禁用该功能的能力。应优先使用学区管理的账户和配置，而非消费者账户。应能提供使用日志和教师控制，但不能让学生监控成为不必要数据的新来源。

隐私审查是必要的，但还不够。产品可以遵守数据规则，却仍取代课程意图培养的推理。因此采购需要两个独立门槛：可接受的数据做法和可信的教学价值。任何一个门槛失败都应停止采用。

让教育者保有操作控制权

只有当教育者能够看到、限制和停止互动时，“人在回路中”才有意义。教师需要知道哪个工具已获批、允许的活动、数据限制，以及协助正在取代学习的迹象。培训应包括如何核验生成材料，以及学生使用外部系统时如何应对。

作业设计是执行的一部分。草稿、课堂讨论、口头解释、来源辩护和观察到的问题解决，比单独一份润色后的提交更直接地显示学生的推理。这些做法可以处理未披露的使用，而无须依赖 AI 检测软件；源材料指出，这类软件可能产生误报并使原创写作受到怀疑。

学校也应保留退出机制。当输出不当、未达到学习目标，或工具在更新后表现不同，教育者必须能够暂停课程。学生和家庭需要清晰的渠道来报告担忧；参与试点应附带易于理解的说明，解释系统做什么以及保留哪些数据。

要求与声称益处相联系的证据

参与度、使用量和满意度并不能证明学习改善。评估应询问学生是否保留了知识、解释了推理、把技能迁移到新任务，并在撤去支持后独立工作。衡量必须与工具匹配：写作助手、数学导师、语言访问系统和职业模拟并不共享同一种有效结果。

试点开始前，记录学习目标、比较方法、隐私检查、偏见审查、停止条件和决定日期。在适当情况下比较有无协助的工作。审查系统是否在语言、残障、种族、性别或社会经济背景上作出不同假设或提供不同机会。记录不确定的发现，而不是强行得出有利结论。

一年的政策周期可以支持一个有用的初步决定，但设置、培训、课堂使用、分析和公众审议都会消耗这段时间。把早期发现视为有限证据。扩展应渐进；当证据薄弱时，暂停或撤回仍应可行。

将政策作为动态清单来执行

封锁名单无法治理嵌入搜索、办公软件、学习平台、浏览器扩展和产品更新的功能。维护一份清单，列出产品所有者、获批用途、年龄层、当前配置、合同条款、审查日期和功能历史。在重大更新后重新检查工具，而不只是在年度续约时。

受管理设备上的技术控制应支持政策，但它们无法控制个人手机、家庭网络或从另一项服务复制的文本。将设备设置与明确的课堂期望、以推理为中心的评估、家庭沟通和对未披露使用的一致回应结合起来。目标是负责任的学习，而不是不切实际地宣称可以消除所有访问。

执行还需要明确归属。为产品清单、隐私审查、课程审查、技术控制、教育者培训、事件处理和试点评估分配责任。跨职能小组可以包括学生、教育者、家庭、倡导者、工会代表、管理人员和相关专家，正如纽约市计划成立的学校技术联盟。其决定应记录证据和未解决的分歧，而不只是最终投票。

实施核对清单

在批准或续订任何面向学生的 AI 用途前，确认学校能回答每一项：

• 目的： 学习目标是否具体，活动是否保留学生必须练习的推理？
• 年龄： 访问级别是否适合学生群体，并记录了无障碍和语言支持例外？
• 范围： 是否列明工具、学科、任务、时长、账户类型和监督级别？
• 隐私： 是否理解并通过合同处理了收集、保留、访问、训练用途、删除、安全和事件程序？
• 控制： 教育者能否检查输出、限制使用、禁用功能并停止活动？
• 证据： 是否在启动前定义学习衡量、比较方法、偏见检查、停止规则和审查日期？
• 执行： 受管理设备控制、外部使用期望、作业做法、家庭沟通和报告渠道是否一致？
• 清单： 是否有负责的所有者、更新监测流程和获批配置记录？
• 决定： 审查是否会以记录在案的扩大、修订、暂停或淘汰用途的选择结束？

最站得住脚的学校 AI 政策既不是不受限制的采用，也不是永久的全面禁令。它是一套按年龄划分的默认规则、狭义许可、隐私门槛、教育者权威、可衡量结果和可逆决定的系统。该系统既能保护基础学习，也能让年长学生获得结构化机会，培养对他们在学校之外将遇到的工具作出判断的能力。