AI已经能生成教案、能分析学情了,教研未来会变成什么样?

欢迎来到「AI 时代・千行百业何去何从」栏目。

每一期，我们拆解一个真实职业：AI 已经能做什么，哪些工作仍然离不开人？未来变化有多快，会怎样影响工作机会和收入？普通人又该往哪里发展，提前做哪些准备？

第三十期，我们从 教研 讲起。

AI已经开始进入教案生成、资源整理、题目设计和学情分析这些教研日常。

备课、出题、看作业、复盘课堂，这些原本很花时间的教研工作，现在都开始有AI参与。

过去，教研人员要花很多时间翻教材、查资料、设计活动、做题目、看学生错在哪里。现在，工具可以先给出一版教学设计，也能把作业数据整理成图表。

这就带来一个问题：如果AI能快速产出教案和题目，教研还会不会变成“改改机器稿”的工作？

这个职业值得看，是因为教研并不只存在于办公室。它连接教材、课堂、教师成长和学生学习结果，是课堂背后的那套专业判断。教育部2019年文件把教研工作概括为服务学校教学、教师成长、学生发展和教育决策。 [1]

教研值得研究，因为AI已经能做很多资料和初稿工作，但一节课该怎样真正帮助学生学会，仍然需要专业判断。

要判断教研会怎样变，先要看清一项教研任务到底怎么完成。

教研不是简单写教案，而是围绕课程目标、学生表现和课堂效果反复打磨。

假设一个初中语文教研组要设计一节阅读课。教研人员要做的，不是把课文讲完就结束。

这节课要让学生学会什么？学生现在卡在哪里？课堂上用什么问题引导？课后用什么作业检查？这些都要先想清楚。

大致流程是：

所以，教研既像课程设计，也像教学诊断。它要回答的不只是“这节课怎么讲”，还包括“学生有没有学会”“教师下一次怎么改”。

教育部文件也要求市、县级教研机构重心下移，深入学校、课堂、教师、学生之中，形成备、教、学、评一体化的教学格局。 [1]

教研的核心不是产出一份教案，而是把课程目标、课堂过程和学生学习结果连起来。

这也是AI介入时，最容易被改变和最不容易被替代的地方分开的原因。

AI会先进入资料整理、教案初稿、题目生成和作业结果分析。

最先被改变的，是资料和初稿。

比如让AI根据课文生成教学目标、课堂提问、练习题和拓展材料。过去这些内容要一项项查找和整理，现在可以先得到一版，再由人判断是否合适。

AI也能帮助分析作业和测验结果。哪些题错得多，哪些知识点连续薄弱，哪些学生需要补充练习，工具可以先做统计和归类。

教育部等五部门2026年印发的《“人工智能+教育”行动计划》明确提出，AI要支撑教师课前备课、辅助学情分析、支撑多模态教学资源自动生成、方案优化和教学过程模拟，实现人机共创备课。 [2]

这说明，教研里最容易被工具接手的不是“专业判断”，而是那些需要大量搜索、整理、生成初稿的工作。

AI最先改变的是教案、题目、资源和数据整理；人的工作会更多转向筛选、改写、验证和解释为什么这样教。

这种变化已经不是学校里零散试用工具，而是进入政策和平台建设的方向。

教育数字化平台和AI工具，正在把教研从经验交流推向数据和资源协同。

国内教育系统已经把AI和数字化放到明确位置。

《“人工智能+教育”行动计划》提出，到2030年，人工智能与教育深度融合格局基本形成，教育教学模式、科研范式、治理模式实现系统性变革。 [2]

对教研来说，这不只是“老师用不用AI”的问题，而是备课、课堂、作业、评价、教师研修这些环节，都可能被数字工具重新连接。

国家中小学智慧教育平台已经提供多种应用场景。教育部2023年介绍，平台可服务自主学习、教师备课、双师课堂、作业推送、答疑辅导、课后服务、教师研修、家校交流和区域管理等九大应用场景；截至2023年1月31日，注册人数7251万。 [3]

但变化不会一夜之间完成。学校的数据基础、教师使用习惯、平台能不能真正贴近课堂，都会影响AI进入教研的速度。

国内教研正在进入数字化和AI协同阶段；变化快慢取决于学校有没有真实数据、可用资源和愿意改进的教学共同体。

工具越来越多以后，真正需要人做的事情反而更清楚。

听课、评课和课堂证据判断，仍然需要人进入真实教学现场。

AI可以生成一份看起来完整的教案，但它不知道这所学校的学生为什么在这里卡住。

同样一节课，重点班、普通班、乡村学校、刚换教材的年级，真正需要解决的问题可能完全不同。教研人员要判断：学生听不懂，是因为概念太抽象，还是问题设计太跳？

教研还要看课堂。一个问题抛出去，学生是沉默、抢答，还是答偏了？小组活动看起来热闹，实际有没有推进学习？这些不是只看教案就能知道。

教育部2019年文件要求教研员开展听评课、说课、示范课、公开课等活动，并到乡村学校、薄弱学校持续开展教学指导。这个要求提醒我们，教研不能只停在材料层面。 [1]

还有责任边界。AI给出的题目可能过难、偏题，甚至强化刷题；学情分析也可能只看到分数，看不到学生的学习动机和课堂参与。

人要负责课程目标、课堂证据、学生差异和教学伦理；AI能生成材料，但不能替教研判断这堂课是否真正有效。

岗位会不会减少，也要从这个分工里看。

教研岗位的压力会先落在低水平资料整理和模板化课程生产上。

最先承压的，是只做资料拼接和模板化教案的人。

如果一份工作的主要内容是找素材、套模板、改题目格式、整理课件，AI会让这些环节变快，也会让岗位价值被重新估价。

但真正的教研不会因此消失。学校和区域仍需要有人研究课程、指导教师、诊断课堂、推广教学成果。教育部文件明确提出，要健全国家、省、市、县、校五级教研工作体系。 [1]

海外可以提供一个参照。美国劳工统计局把“教学协调员”定义为课程和教学标准的管理者，负责开发教学材料并评估效果；该职业2025—2035年预计增长2%，慢于所有职业平均水平，2025年年薪中位数为77440美元。这是美国分类，不能直接套到国内，但它说明课程与教学支持岗位不是高速扩张型岗位，要求的是专业经验和评估能力。 [4]

对国内普通从业者来说，更实际的判断是：教育机构里的课程研发、题库编辑、资料整理会更早感到压力；学校和区域教研则会更强调课堂证据、教师发展和质量改进。

教研不会整体消失，但低水平材料生产会被明显压缩；越能进入课堂、理解课程、指导教师，越不容易被简单替代。

这也决定了教研往哪里发展更值得投入。

更有价值的教研，会把课程理解、课堂证据、数据工具和教师支持结合起来。

如果AI能生成一份教案，教研人员更要证明：自己能判断这份教案为什么可用，哪里必须改。

第一，吃透课程标准和学科逻辑

一节课不是活动越多越好，题目也不是越难越好。教研要知道这个年级、这个单元、这个知识点，到底要培养什么能力。

第二，学会看课堂证据

听课不能只说“氛围好”“设计新”。要能看见学生哪里没懂、教师哪里问得太快、活动为什么没有真正推进学习。

第三，补上评价和数据能力

作业、测验和课堂表现都能成为证据。懂一点数据分析，不是为了把学生变成分数，而是为了更准确地发现教学问题。

第四，把AI当成共研工具

让AI生成多个教案版本、出不同难度题目、整理听课记录，再由人比较、筛选和改写。工具越强，人越要有判断标准。

更值得积累的，是课程理解、课堂诊断、评价设计、数据分析和教师支持能力。

这些能力不是靠多收藏模板长出来的，而是在真实课堂和真实学生问题里磨出来的。

未来的教研会更像课程质量、课堂改进和教师成长的连接者。

教研当然还能做，但不能再把“会写教案、会整理资料”当成长期优势。

变化离你多远？如果你已经在用AI做教案、题目、课件、作业分析，变化就在眼前。如果你所在学校还没有系统使用，政策和平台建设也会慢慢把这些工具带进来。

影响有多大？模板化材料越多，压力越直接；越能进入课堂、理解学生、指导教师，越能避开低水平重复生产。

现在怎么准备？不要只问哪个工具能生成教案。更应该问：这份教案的目标对不对，活动有没有用，题目能不能检查学习结果，学生没学会时下一步怎么改。

教研仍然有未来，但发展不能停在资料整理和模板产出上；越能判断课程、诊断课堂、解释学情和支持教师，越能把经验变成长期价值。

SECTION 09

参考资料

本篇结论来自教育部教研文件、人工智能教育行动计划、教育数字化材料和职业资料的交叉核对。

下期预告

下一期，我们看 内容运营。

一篇内容能不能被看见、被点击、被记住，背后不只是写得好，还要有人持续判断选题、节奏、数据和用户反馈。

AI已经能写文案、能分析数据了，内容运营未来会变成什么样？