收益：
- 能够在不同层面解释概念并生成示例、讨论场景和评估草案
- 通过与源代码进行比较，能够控制人工智能过于简单化、流行的错误和误导性类比的倾向
- 能够使用人工智能设计防作弊作业，以加强而不是取代学生的思维
哲学和伦理学不仅可以研究，还可以教授。对于教师来说，准备课程（选择阅读清单、使复杂的概念易于理解、编写讨论问题、设计考试和作业、根据学生水平查找示例）非常耗时且需要创造力。教学设计（规划内容、活动和评估，以最有效的方式向学生传达主题）是人工智能真正加速发展的领域之一。可以在三个难度级别上解释一个概念，为讨论生成不同的场景，或者在几分钟内收到考试问题的草稿。
但人类领域的规则也适用于此：人工智能产生的解释可能在教学上薄弱、概念上不正确或哲学上肤浅。在本单元中，我们将了解如何使用人工智能作为助教、监控输出并制作挑战学生思考（而不是记忆）的内容。
AI在课程制作上强在哪里？
不同层次的解释。您可以向高中生、一年级本科生和高级研讨会以不同的深度解释相同的概念（例如“绝对命令”）。 AI 可以快速地进行这种级别调整。
创建例子和类比。体现抽象概念的日常生活例子是人工智能大量产生的领域。但你必须检查每个类比是否正确地反映了这个概念；误导性类比比不教学更糟糕。
讨论问题和场景。人工智能是道德课程中使用的开放式讨论问题、困境场景和角色分配大纲的高效来源。
评估草案。考试问题、作业说明和细则的初稿很快就会收到。
提示：向 AI 请求课程内容时，请明确目标受众、学习成果和持续时间。不要“解释绝对命令”，而要说“向一年级本科生解释，用一个日常例子并纠正一个常见的误解，以获得 10 分钟的解释。”清晰度很大程度上决定了输出质量。
概念准确性检查
人工智能在教授哲学概念时会犯三个典型错误。过于简单化：口号失去了概念核心的细微差别。流行谬误：将一种常见但错误的解释说成是正确的（例如，将功利主义简化为“为达目的不择手段”）。失去语境：跳过提出这个概念的哲学家真正关心的问题，让这个概念悬而未决。这就是为什么作为该主题的专家，您必须监督您提出的每一个解释。 AI写草稿；教学和概念上的认可是您的。
注意：教学中的错误陈述比研究中的错误更普遍，因为它会传递给数十名学生并且很难纠正。在将人工智能产生的定义带入课堂之前，请务必将其与该概念的真正来源进行比较。
设计发人深省的内容
教授哲学的目的不是传授知识，而是教授思维。让人工智能服务于这个目的：让它产生需要论证的问题，而不是记忆问题，以及建立论点的作业，而不是只有一个正确答案的测试。还设计一些作业，使学生能够将人工智能用作思考伙伴，而不是作弊工具，例如，“找到并纠正人工智能在该主题的答案中的两个错误。”因此，人工智能的存在加强而不是削弱学习。
三个迷你箱子
案例 1 — 调平节省了时间。一位老师正在为三个不同的班级准备“美德伦理”的概念。他让人工智能在高中、本科和研究生阶段分别解释这个概念；他在 15 分钟内完成了三稿。他对每一项都进行了来源检查，并纠正了许可草案中过于简单化的问题。原本需要两个小时的准备时间被缩短了，但最终还是得到了导师的批准。
案例 2——误导性类比被抓住。一位讲师要求 AI 为“道义论”做一个类比。 AI将规则解释为“就像交通灯”。该官员意识到，这种类比完全跳过了义务论的维度，即为什么要遵守规则（责任感），并将其简化为纯粹的服从。他纠正了这个类比，并用“信守承诺”的例子代替了它。这种误导性的类比在进入课堂之前就被消除了。
案例3——防作弊作业。一个院系抱怨学生用人工智能撰写作业。一位讲师相反地使用了人工智能：作业被设计为“从人工智能那里得到关于道德困境的答案，找出答案中两个最薄弱的理由，并用你自己的观点来强化它们。”学生们现在必须思考；人工智能已经成为一种工具，而不是替代品。交付质量显着提高。
弱提示/强提示
弱提示：
写一篇关于功利主义的讲座。
此提示未指定级别、持续时间、目标或常见错误；结果是普遍的、肤浅的和教学上薄弱的。
强力提示：
您的角色：经验丰富的哲学讲师。为本科一年级课程准备 12 分钟的叙述大纲。主题：功利主义。包括：(1) 一个简洁的一句话定义，(2) 一个日常例子，(3) 快乐和选择功利主义之间的区别，(4) 纠正学生一个常见误解的部分，(5) 2 个开放式讨论问题。概念的口号化；保持细微差别。将您不确定的地方标记为“您的教练必须确认”。
该提示阐明了级别、持续时间、结构和教学目标；细微差别被保留，检查点被保留。
四个可复制模板
1）多层次概念解释：
为[概念]写出三个单独的描述：(a) 高中，(b) 本科，(c) 高级。在每个级别使用适当的深度和示例。在任何层面上都不要牺牲概念的核心细微差别。流行但避免误解。不确定的地方做个标记。
2）创建讨论场景：
写 3 个简短的场景供课堂讨论 [道德问题]。每个场景都包括：一个现实的困境，至少两个可以防御的方面，以及一个没有单一“正确答案”的结构。避免陈词滥调/极端的例子。在每个场景下添加 2 个开放式问题。
3）防作弊作业设计：
为[主题]设计一个学生无法向人工智能口述的作业。该作业迫使学生提出自己的观点，依赖文本/数据，或批评人工智能的输出。以 4 行草稿形式给出评估标准（标题）。
4）常见的误解猎物：
列出学生在教授[概念]时最常见的 4 个误解。对于每一个：简要写出错误是什么，为什么它有吸引力，以及正确的理解应该是什么样子。需要与来源核实的地方进行标记。
内容类型/控制表
内容类型
人工智能的贡献
强制性人工监督
概念解释
按级别划分的蓝图
概念准确性、细微差别
类比/例子
有很多选择
正确反映概念
讨论问题
快速品种
开放性、平衡性
考试/作业
初稿
公平、水平、抗复制
标题
标准草案
测量有效性
常见错误
- 口号化这个概念。接受人工智能产生的“一句话摘要”，牺牲细微差别；错误的根被放置在学生身上。
- 类比而不检验。误导性的类比比没有例子更有害。
- 教导流行的谬论。人工智能还学会了常见的误解；将概念与其来源进行比较。
- 会导致作弊的家庭作业。很容易由人工智能指定的作业会破坏学习；创建需要思考的设计。
- 没有说明学习成果。没有目标和层次，要求的内容就会笼统、无效。
总之
课程和内容制作是人工智能在教学理念中真正节省时间的领域之一：快速生成多层次的解释、示例、讨论场景和评估大纲。但保持概念的准确性、教学的适当性和细微差别是人之常情。检查每个输出是否存在人工智能过于简单化、流行谬误和误导性类比的倾向。最好的设计将人工智能转变为一种工具，可以增强而不是取代学生的思维——并提供抗复制、要求合理性的作业。给出明确的目标和层次；你给予批准。
应用任务
- 选择您教授的概念并获得带有“多层次概念解释”模板的三份草稿。
- 将许可草案与概念来源进行比较；纠正任何过于简单化或流行的误解。
- 使用“生成讨论场景”模板准备道德困境场景并检查其平衡性。
- 使用“防复制作业设计”模板制作作业大纲。
- 测试作业，看看学生是否可以轻松地将其打印到人工智能上。
清单
- [ ] 索取内容时，我明确说明了级别、持续时间和学习成果。
- [ ] 我将概念解释与源代码进行了比较，并检查了细微差别。
- [ ] 我检查了类比和例子是否正确反映了这个概念。
- [ ] 我确保流行的误解不会渗透到内容中。
- [ ] 我以一种抗作弊且需要思考的方式设计了作业。
- [ ] 我自己给予了最终的教学批准。