本文档属于类型b，即专家意见文章。以下是基于文档内容生成的学术报告：

本文由Chien Ching Lee和Malcolm Yoke Hean Low撰写，分别来自新加坡理工大学的专业交流中心和信息与通信技术项目。文章于2024年11月1日发表在《Frontiers in Artificial Intelligence》期刊上，题为《Using GenAI in Education: The Case for Critical Thinking》。文章探讨了生成式人工智能（Generative AI, GenAI）在教育中的应用，特别是如何通过GenAI培养学生的批判性思维。

主要观点一：GenAI在教育中的普及与挑战
文章指出，随着大数据驱动的AI技术的发展，全球正在经历第四次工业革命。新加坡和美国等国家正在积极投资并培养AI人才。大学的主要任务之一是为学生未来的工作做好准备，因此，培训学生熟练且道德地使用GenAI已成为不可逆转的趋势。联合国教科文组织（UNESCO）已经制定了关于AI和教育的政策指南，帮助高等教育机构应对GenAI的使用。研究表明，大学教职员工普遍认为GenAI可以提高生产力，并对使用持乐观态度。学生也意识到GenAI的益处和挑战，特别是其提供的个性化反馈和24/7可用性。然而，学生也担心过度依赖GenAI可能影响其大学教育的价值，并可能无意中违反大学的使用指南。

主要观点二：GenAI在软技能教学中的应用
文章通过新加坡理工大学的两个案例展示了GenAI在教学中的实际应用。第一个案例涉及由第一作者教授的沟通技能课程。该课程采用研讨会形式，教授学生批判性思维和系统思维（Systems Thinking）。课程使用了Paul-Elder框架和系统思维工具，帮助学生从多角度审视问题，并检查其推理的质量。课程还通过Zoom平台进行，学生使用ChatGPT 3.5完成任务，并通过讨论和反馈提高其批判性思维能力。学生反馈显示，他们更了解如何战略性和批判性地使用ChatGPT，并且在写作中更加注重关键点，从而减少了课堂上的问题。

主要观点三：GenAI在硬技能教学中的应用
第二个案例涉及由第二作者教授的数据结构与算法（Data Structures and Algorithms, DSA）课程。该课程面向178名学生，涵盖了算法分析、栈、队列、树等数据结构，以及排序、搜索和图优化等算法。课程创新性地引入了AI聊天机器人作为学习工具，学生通过团队项目与聊天机器人互动，评估其回答的准确性、完整性、清晰性和相关性。学生反馈显示，聊天机器人的互动性使学习过程更加有趣，并帮助他们更好地理解复杂的DSA主题。学生还反思了人类学习的创造性方面，认为AI聊天机器人可以成为计算机科学教育中的宝贵工具。

主要观点四：GenAI在未来的教育中的潜力
文章进一步讨论了GenAI在未来教育中的潜力。当前Z世代是数字原生代，GenAI对他们来说如鱼得水。研究表明，50%的大学生每天使用GenAI帮助完成作业，且用户数量逐年增加。30%的学生认为熟练掌握GenAI对就业至关重要。文章建议教师应示范如何有意义且道德地使用GenAI，并利用形成性评估（Formative Assessments）来关注学习过程而非结果。Chan的3R框架鼓励学生报告GenAI的使用情况、修订其输出并反思过程。文章还提到，GenAI可以作为教学助理，提供个性化和互动性的学习环境，帮助学生为未来的工作做好准备。

文章的意义与价值
本文通过实际案例展示了GenAI在教育中的应用，特别是在培养批判性思维和系统思维方面的潜力。文章不仅为教育者提供了使用GenAI的指导，还强调了道德和负责任使用AI的重要性。此外，文章为未来教育中GenAI的进一步研究和应用提供了理论基础和实践经验。

亮点
文章的亮点在于其通过实际教学案例展示了GenAI在教育中的应用，并提出了具体的教学方法和评估框架。特别是Paul-Elder框架和系统思维工具的使用，为培养学生的批判性思维提供了有效的方法。此外，文章还强调了GenAI在硬技能教学中的潜力，特别是在数据结构与算法等复杂主题中的应用。这些创新方法不仅提高了学生的学习效果，还为未来教育技术的发展提供了新的方向。