学校如何建立日常可用的 AI 公平实践

美国各学区正从笼统的 AI 政策声明转向持续的技术审查实践，以应对大语言模型在课堂中的公平隐患。Brookings 学者 Michael Trucano 警告新数字鸿沟正在形成：低贫困学区为教师提供正式 AI 培训的可能性几乎是资金不足学区的两倍。文章提出借鉴 M. Lockwood 公平偏见框架的三步循环：采用前审查训练数据、由人主导的高风险决策，以及识别 AI 检测工具对英语学习者的误判风险。