对分课堂赋能人工智能伦理教育：人工智能系统综合设计课程的教学模式构建与实践

关键词：对分课堂；人工智能伦理；课程思政；教学模式；系统综合设计；负责任的创新

一. 引言

人工智能系统正深度重塑社会形态，其“双刃剑”效应愈发显著。从算法偏见、隐私侵蚀到自动驾驶的“电车难题”，伦理风险已从理论探讨变为迫在眉睫的工程挑战。作为培养未来 AI 开发者的主阵地，高校计算机专业肩负着培养“负责任的创新者”的重任。《人工智能系统综合设计》作为一门集成性核心课程，是开展伦理教育的绝佳载体。然而，传统的伦理教学多采用“理论讲授 + 案例附加”模式，存在显著问题：（1）表面化：伦理内容与核心技术设计“两张皮”，学生难以建立实质性联系；（2）依附化：伦理被视为法律或道德的外部约束，而非内在的设计需求；（3）说教化：单向灌输易引发逆反心理，难以促成学生的价值内化与主动实践。

对分课堂（PAD Class）由张学新教授提出，其核心理念是将课堂时间对半分割，一半用于教师精讲，另一半留给学生基于“隔堂讨论”进行自主探究与交互式学习。这一模式为破解上述困境提供了新路径。本文旨在探讨如何通过对分课堂重构《人工智能系统综合设计》课程，将 AI 伦理教育有机、深度、有效地融入系统设计的全流程。

二. 对分课堂赋能AI 伦理教育的适切性分析

对分课堂的“讲授（Presentation）- 内化吸收（Assimilation）- 讨论（Discussion）”循环与AI 伦理教育的内在需求高度契合。

1. 精讲（P）奠定认知基础：教师无需面面俱到，而是精讲核心伦理原则（如公平、问责、透明、隐私）、经典伦理框架（如功利主义、义务论）及其在AI 系统（如推荐系统、人脸识别、自动驾驶）中的典型冲突形态。这为学生提供了分析问题的“工具箱”。2. 内化（A）促进价值反思：课后，学生带着具体的、与当前项目相关的“伦理思考任务”进行自主内化。例如，“为你设计的信用评分模型进行偏见审计”或“为你设计的聊天机器人制定价值对齐准则”。这一过程迫使学生从被动接收转为主动联结，实现知识的个人化建构与深度反思。3. 讨论（D）激发思维碰撞：在隔堂讨论中，学生以小组形式分享其内化成果，辩论不同设计选择的伦理得失。例如，围绕“为提高 1% 的模型精度而多采集用户 10% 的数据是否正当”进行辩论。这种同伴间的平等交流能有效破除“说教”感，在思维碰撞中深化对伦理复杂性的理解，并探寻共识性解决方案。

三. 教学模式构建与实践

在本校 2022-2023 学年的《人工智能系统综合设计》课程中，我们进行了教学实践。

3.1 教学流程重构

课程围绕“需求分析 - 数据治理 - 模型选择 - 系统部署”四大设计阶段，每个阶段嵌入一个对分循环。1）精讲环节：教师用1 课时讲解该阶段的核心技术及关联的伦理议题（如数据阶段的“偏见来源与检测”、模型阶段的“可解释性与黑箱”、部署阶段的“滥用风险与缓释措施”）。2）内化环节：发布“伦理任务单”，要求学生在一周内，将其项目与该阶段伦理议题结合，进行分析并撰写报告（占个人成绩 30% ）。3）讨论环节：次周课堂，先小组讨论（15 分钟），再教师引导全班进行跨组交流与答疑（15 分钟），重点探讨分歧与难题。

3.2 关键实践案例

在“模型选择”阶段，学生小组需为一个医疗辅助诊断系统选择模型。精讲聚焦“精度 - 可解释性 - 公平性”的权衡。内化任务为“比较黑箱模型（如DNN）与可解释模型（如决策树）在您项目中的伦理风险”。讨论中，一组学生激烈辩论：DNN 精度高但像“黑箱”，医生难以信任；决策树规则清晰但精度稍低。最终，他们提出了一个创新方案：采用“高精度DNN 模型 + 基于 SHAP 的事后解释工具”的混合架构，并在用户界面中清晰展示模型决策的关键特征，从而在技术上实现了性能与问责透明的统一。这正是伦理思维驱动技术创新的生动体现。

3.3 考核评价改革

课程考核强调“伦理贯穿式”评价：项目答辩中专门设置“伦理设计”环节（占 30% ），要求团队阐述其系统在各阶段考虑的伦理问题、采取的技术 / 非技术措施及其局限性。报告需包含详细的伦理风险评估附录。

四. 实践效果与反思

通过课程问卷、学生访谈及项目作品分析，教学改革成效显著：

1. 认知深度转变： 95% 的学生表示“对 AI 伦理的理解从未如此深刻”，认识到“伦理不是限制，而是更好设计的一部分”。2. 能力显著提升：项目作品中，所有小组都主动包含了伦理设计章节，超过 70% 的小组提出了具象的伦理解决方案（如 fairness 约束的损失函数、用户数据删除接口等）。3. 学习主动性增强：讨论环节参与度超 90% ，学生从“被动听”变为“主动想、积极辩”，批判性思维与协同解决问题能力得到锻炼。反思：实践对教师提出了更高要求，需精心设计“伦理任务单”并引导讨论。此外，如何为伦理设计的优劣建立更精细的评价指标，仍是下一步研究的重点。

五. 结论

在《人工智能系统综合设计》课程中引入对分课堂，成功地将 AI 伦理教育从外在的、附加的知识传授，转变为内在的、嵌入的思维训练与能力培养。该模式通过“精讲 - 内化 - 讨论”的闭环，有效激发了学生的学习主体性，促进了伦理原则与技术设计的深度融合，为培养具备高度社会责任感和伦理自觉性的新一代AI 工程师提供了行之有效的实践方案。

参考文献：

[1] 张学新. 对分课堂： 大学课堂教学改革的新探索[J]. 复旦教育论坛，2014，12（5）：5-10.

[2] Jobin， A.， Ienca， M.， & Vayena， E. （2019）. The globallandscape of AI ethics guidelines. Nature Machine Intelligence， 1（9），389-399.

[3] 陈勤 ， 郑小林 . 新工科背景下人工智能伦理教育融入专业课程的探索与实践 [J]. 高等工程教育研究 ， 2021（S1）： 50-53.

[4] Mittelstadt， B. D.， Allo， P.， Taddeo， M.， Wachter， S.， &Floridi， L. （2016）. The ethics of algorithms： Mapping the debate. BigData & Society， 3（2）.

[5] 中华人民共和国教育部. 高等学校人工智能创新行动计划[Z]. 2018.

[6] 闫宏飞，王千祥. 计算机类专业课程思政教学指南[M]. 北京：高等教育出版社，2021.

课题基金项目：教育部产学合作协同育人项目231007027134934