Australia Data

一方面，鉴于从州议会到教室的众多中间变量，看到州政策制定对学生成绩的影响令人鼓舞。这项研究发现了一些积极（尽管是短暂的）信号，这意味着各学区（以及学校和教师）正在在一定程度上实施这些政策。另一方面，我们需要更多信息，了解哪些实施方法对执行特定政策最有效，以及从取得良好结果的州吸取的经验教训。这些是长期成功和复制早期阅读立法的关键。

资料来源：John Westall 和 Amy Cummings，《早期读写政策对学生成绩的影响》，教育政策创新协作组织 (2023 年 6 月)。编者注：本文是福特汉姆大学 2023 年 Wonkathon的参赛作品 ，该活动要求投稿人回答这个问题：“我们如何才能在学校中驾驭人工智能的力量，同时又能降低其风险？” 了解更多。

我们如何才能在学校中充分利用人工智能的力量，同时降低其风险？套用发展趋 律师资料 势的深超级专家詹姆斯·卡维尔的话，“关键在于数据！”

尽管人工智能在教育领域已有 60 年的历史，但如今人工智能的意义却受到 ChatGPT 一年经验的深刻影响。然而，本文并不是要讨论如何利用 ChatGPT 的力量并降低其风险，也不是要讨论以 ChatGPT 的形象狭隘地构想生成式人工智能的概念。那样做是目光短浅的。

相反，明智的政策应该建立在坚实、持久的基础之上。当今人工智能的基础是数据。人工智能的工作原理是寻找数据中的模式，将其抽象为模型，然后应用该模型来生成可重现原始数据特征的新信息。因此，无论是利用当今生成式人工智能的力量，还是降低其在教育领域使用的风险，核心问题都是数据。