《Frontiers in Public Health》：Investigating the use of generative AI policies among ASPPH member schools and programs of public health
编辑推荐：
这篇文献综述深入剖析了美国公共卫生学院和项目协会（ASPPH）成员单位生成式人工智能（AI）使用政策的现状。研究采用混合方法，对155所院校的公开文档进行筛选与分析，发现仅18所具备可视为正式政策的AI使用指南。分析揭示了当前政策主要聚焦于课堂应用、学术诚信、数据隐私与伦理考量，表明在高等公共卫生教育领域，对AI的治理仍处于发展初期，且范围相对有限。该研究为未来制定更全面、一致的AI整合与治理框架提供了关键证据。
生成式人工智能（Generative AI, GenAI）的迅猛发展，正在重塑包括高等教育在内的各个领域。在公共卫生教育中，如何负责任地采纳这项技术，同时平衡创新需求与学术规范，成为一个紧迫而复杂的议题。一项针对美国公共卫生学院和项目协会（ASPPH）成员单位的系统性研究，为我们揭示了当前高等教育机构在AI治理道路上的探索、聚焦与尚存的空白。
研究背景与方法：捕捉政策发展的脉搏
人工智能，特别是生成式AI，能够以最小的人力输入生成文本、图像、代码和分析结果。这种能力迅速渗透到高等教育的教学、学习和研究实践中，促使大学重新思考数字技术与传统学术规范（如作者身份、原创性和评估诚信）的互动方式。然而，技术的扩散速度常常快于机构治理结构的建立，导致了政策响应的碎片化与滞后。
为了解公共卫生教育领域的具体情况，研究团队对ASPPH成员单位进行了一项混合方法研究。他们系统检索了155所院校的官方网站，收集关于AI使用的公开文件。通过一套严格的筛选标准（基于威斯康星大学麦迪逊分校政策库框架），研究团队从128份可用文件中，最终鉴定出18份达到了“政策”级别的文件。随后，研究综合运用了描述性分析、内容分析、TF-IDF（词频-逆文档频率）文本挖掘和主题分析等多种方法，对这18份政策文件进行了深入剖析。
核心发现：聚焦课堂，初探伦理
分析结果描绘了一幅清晰的图景。首先，政策覆盖范围非常有限，在155所可能的院校中，仅有18所（约11.6%）拥有可被认定为正式政策的生成式AI使用指南。这本身就表明，美国公共卫生教育领域的生成式AI治理仍处于相对初级的阶段。
文本分析（TF-IDF）直观地反映了政策的关注焦点。整个政策语料库中出现频率最高的五个词是“使用”、“学生”、“工具”、“生成式AI”和“课程”。这证实了现有政策的核心关切在于AI在课堂教学环境中的应用与管理。
内容分析进一步将政策的关注领域细化为七个方面，并统计了其出现频率：
- •
使用政策/教学指导（83.3%）：指导教师如何将AI工具整合到课程中，通常提供“完全禁止”、“限制使用”和“无限制使用”等分层选项。
- •
学术诚信/不当行为指导（77.8%）：明确界定何种AI使用可能违反学术诚信，大多数政策要求学生使用AI前需获得教师许可。
- •
数据隐私/安全指南（50.0%）：规定哪些信息（如受保护的健康信息PHI、学生可识别信息）不得输入大型语言模型（LLM）。
- •
软件获取指导（38.9%）：概述获取或批准新AI工具的程序。
- •
伦理考量（27.8%）：提及算法偏见、输出不准确、知识产权侵权等风险。
- •
法律政策合规（22.2%）与AI检测/纪律处分指导（22.2%）：要求遵守HIPAA、FERPA等外部法律，并对AI检测软件的使用及不当行为处理流程做出规定。
主题分析则从不同受众（教师、学生、教职工/管理员、研究人员）的责任角度，提炼出六大主题：
- 1.
课堂中的AI使用：涉及分级使用政策和教师责任（如透明度、实用性、隐私风险告知）。
- 2.
涉及AI的不当行为：包括纪律处分指南和AI检测软件的使用政策。
- 3.
AI使用与学术诚信：规定未经批准使用AI或缺乏人工参与可能构成剽窃，并要求引用AI生成内容，学生需对提交的作品承担最终责任。
- 4.
敏感数据治理：通过完全禁止或分级禁止敏感数据输入来保障数据安全，并管理AI软件采购。
- 5.
大学环境中AI使用的伦理影响：关注研究诚信、知识产权问题以及遵守资助机构（如NIH）的指南。
- 6.
机构外考量：强调与联邦和州法律对齐，并关注以人为本的伦理，如个人责任和AI使用可能造成伤害的风险。
讨论与启示：从规范使用到构建全面框架
研究发现与现有文献相互印证。当前政策明显侧重于规范AI在教与学场景中的应用，尤其是维护学术诚信。许多政策鼓励教师通过调整课程设计来促进AI的有效、伦理使用，而不仅仅是被动禁止。ChatGPT是被提及最多的AI工具，反映了其在校园中的普遍使用。
然而，分析也揭示了当前治理的局限性。首先，政策范围相对狭窄，对于AI在研究伦理、知识产权、数据隐私及避免伤害等更广泛的伦理议题上，虽然有所提及，但往往缺乏清晰、可操作的具体指南。这种模糊性部分源于国家层面AI法规尚不成熟，导致学术机构难以做出明确决断。其次，关于如何处理AI不当行为、如何定义“不当使用”，许多政策也缺乏明确指引。随着AI功能日益融入通用软件，这种定义的缺失可能阻碍有效的整合。
此外，研究发现评分者间信度仅为中等水平（Krippendorf's Alpha = 0.514），这说明即使是研究团队内部，对于一份文件是否算作“政策”也存在不同判断，这侧面反映了当前AI治理文件在形式、严谨性和执行力上存在显著差异，标准化程度较低。
结论：前路漫漫，呼唤更深入的探索
综上所述，这项研究首次系统刻画了美国公共卫生教育项目中AI使用指南的现状。结果表明，当前的AI治理生态以课堂为中心，重点关注教学整合、学术诚信和维护基本伦理。尽管ASPPH等组织正在推动负责任的AI使用，但现有政策在全面性、一致性和对深层伦理挑战的应对上仍有明显不足。
公共卫生领域肩负着保护人口健康、坚持伦理责任的特殊使命，其教育项目在整合新兴技术时更需要审慎的框架。未来的发展需要在教学法、法律指南和伦理使用框架等方面进行更深入的探索，以制定出既鼓励创新又能有效管理风险、符合公共卫生核心价值观的综合性AI治理策略，从而更好地应对将生成式AI融入高等教育乃至未来公共卫生实践日益增长的需求。
