ARTICLE · 1118357
老师该学会用AI,还是先教学生质疑AI?
教育 × AI × 判断
会用工具，也要会追问答案。
设想一位老师给学生布置作文，第二天收到一篇结构整齐、论据充分的文章。她没有马上追问“是不是AI写的”，而是问学生：你最同意哪一段？哪条材料你亲自查过？如果其中一句错了，你会怎样改？
这样的课堂还没有一套放之四海皆准的做法。AI能帮人整理资料、拟提纲，也能自信地给出不可靠的答案。学校真正要教的，不能只剩下“会不会操作工具”，更包括如何提出问题、核对信息，以及对自己的作品负责。
9月末，联合国教科文组织教育信息技术研究所发布一份教师AI能力分析报告。研究者梳理了36份公开框架，讨论教师需要理解什么、怎样把AI放进教学，以及如何评价相关能力。它不是对全球所有学校的实测成绩单；被纳入的材料截至2025年4月，报告本身也说明样本受语言和公开程度限制。
报告提醒我们：老师该先学会使用AI，还是先教学生质疑AI？这个问题本身不必二选一。能用，才更知道它哪里会错；会质疑，使用才不至于变成照单全收。
01 ／ 先问学习目标
工具熟练，不等于教学有效
教学目标先于工具操作。
一场教师培训很容易被设计成软件演示：输入指令，生成教案，完成一页漂亮的课件。屏幕上的速度看得见，学生有没有理解却不一定。把备课时间缩短一半，也不自动意味着课堂质量翻倍。
报告把“理解AI”“教学实践”“政策与治理”“实施与变化管理”视作相互关联的维度。它特别强调，教师并非人人都要成为算法专家；更紧迫的是有能力做教学设计，知道何时让AI参与，何时让学生自己思考。
例如教一篇散文，AI可以给出几种解读。老师若只让学生选“标准答案”，讨论可能更窄；若让学生比较不同解读，回到原文找证据，AI反而成了可供检验的对话对象。两种课堂用的是同类工具，学习发生的地方却不同。
这意味着培训不能只统计老师创建了多少账号、试用了多少功能。更值得看的，是任务有没有清晰目标，学生是否能解释自己的判断，错误出现后能否追溯和修正。技术进入课堂之前，教学目的需要先站稳。
02 ／ 练习核查证据
教会质疑，也不是教会拒绝
质疑不是拒绝，而是回到证据。
不少人一谈到AI教育，就走向两个极端：要么把它当成万能助教，要么因为担心抄袭而全部禁止。前一种忽略了错误和依赖，后一种则可能让学生把真实使用藏到课外，失去共同讨论的机会。
质疑AI，首先是理解它的能力边界。一段流畅说明可能混入虚构来源，一份解题步骤也可能在关键处跳过前提。老师可以让学生比较机器给出的两种答案，找出需要证据的句子，再核查原始材料。重点不是“抓到AI出错”，而是练习怎样从表达走到证据。
质疑还包括自己的使用方式。学生为什么想把某项任务交给AI？是为了腾出时间思考，还是为了跳过本应经历的练习？若练习的目标就是形成观点，代写会拿走学习过程；若目标是比较观点，用AI生成一份可批评的初稿，反而可能帮助学习。
2024年联合国教科文组织发布的教师AI能力框架，把以人为本、伦理、基础知识、教学法和教师持续学习放在一起。它没有把“会写提示词”当作全部。新报告进一步比较各类框架，也建议从贴合课程、贴合学科的具体用例开始，小范围试验、评价，再决定是否扩大。
03 ／ 支持教师选择
把老师放回决定的位置
老师需要时间、同伴和选择的权利。
如果一所学校只购买系统，却不给教师时间试错、讨论和修改，所谓“赋能”很可能变成额外工作。老师白天照常上课，晚上还要给机器整理数据、检查幻觉，最后被要求证明自己用了足够多的AI。
真正的支持应该回答更朴素的问题：哪些学生资料可以输入？谁能看到结果？出现偏差如何纠正？不同学科和年龄段是否需要不同做法？一节课失败了，老师能不能停用工具，换回更合适的方法？这些都是教学条件，不是个人操作技巧。
报告建议把教师培养与课程、学校支持和评价机制连起来；也承认没有一份现成框架能完整解决所有问题。对资源较少的学校尤其如此：如果设备、培训和时间差距没有被看见，AI课程可能先扩大原有差距。
所以评价一位老师的AI能力，不该只看他能否迅速产出材料。还应看他能否解释选择某个工具的理由，能否保护学生的参与和隐私，能否发现工具让谁受益、让谁更难跟上。
04 ／ 做一节课实验
从下一节课做一次小实验
从一节能复盘的小实验开始。
改变不一定要从采购开始。设想一节普通的阅读课：老师先选一个真实的学习难点，比如学生总把“观点”当成“事实”。她准备两段关于同一主题的短文，一段来自可核查材料，一段由AI生成但不标明来源，让学生逐句标出判断和依据。
接着，老师与学生一起核查最有争议的一句，讨论机器为什么能写得像真的，却不能替人承担查证责任。最后请学生自己改写一段，注明用了什么资料、作了什么取舍。能否改进理解，再由课堂反馈检验，而不是预先宣称AI有效。
这只是一个可调整的教学设想，不是某所学校已经验证的案例。它的价值在于把“使用”和“质疑”放进同一个过程：让工具提供材料，让学生练习判断，让老师守住教学目标。
当AI越来越会回答，老师最难替代的工作，也许是帮助学生明白：一个答案为什么值得相信，以及在发现它不可靠时，自己有能力重新寻找答案。
资料与延伸阅读
01 Analytical Report: Teacher AI Competency Frameworks
02 Teacher AI Competency Frameworks: Analytical Report (full text)
03 AI competency framework for teachers
本文由AI辅助创作并核对资料。36份框架的纳入材料截至2025年4月；课堂场景为设想，不对应真实学校或已验证教学效果。插画为概念表达。