ARTICLE · 1193734

李秋芬、冯春艳:教师AI应用能力发展——从技术适应到教学引领

发布时间：2026-10-16 15:43:22 最近访问：2026-10-16 15:43:24

摘要

人工智能技术的迅猛发展正在重塑教育生态，教师人工智能应用能力面临从“技术辅助”向“人机协同”转型的发展趋势。立足人工智能时代的新要求，借鉴联合国教科文组织、欧盟委员会、韩国及新加坡等教师素养和能力发展模式经验，结合关注阶段论、教师发展阶段论、适应型专家理论等，构建由适应与探索、内化与应用、创新与重构、引领与辐射四阶段组成的教师AI应用能力发展“适应—引领”模型。通过开发基于证据的自我诊断机制、打造分阶资源供给包、创建全周期阶梯式培训体系以及优化区域发展生态，推动教师从被动适应技术走向主动引领教育变革。

人工智能（Artificial Intelligence，AI）的快速发展，推动着教师与AI的关系从“是否使用AI”转向“如何有效且负责地使用AI”。这一变革与《教育强国建设规划纲要（2024—2035年）》中“促进人工智能助力教育变革”的战略导向高度一致。然而，传统的教师AI应用能力发展模式普遍存在活动碎片化、缺乏证据导向以及进阶缺乏序列性等结构性问题。基于此，本研究借鉴国际经验、参照相关理论，构建教师AI应用能力发展模型，为教师自我诊断、教师培训提供参考，驱动教师从对数字工具的外部依赖，转向未来教育范式的主动蜕变。

1.联合国教科文组织的教师AI能力框架

联合国教科文组织教师AI能力框架（UNESCOAICFT），为全球教师AI能力的培养提供了基础参考。该框架定义了教师能力发展进度（见表1），包括以人为本的心态（Human-centredMindset）、人工智能伦理（EthicsofAI）、AI基础和应用（AIFoundationsandApplications）、AI教学法（AIPedagogy）和AI助力专业发展（AIforProfessionalDevelopment）五大方面，以获取、深化、创建为阶梯式发展进度。其中，“获取”阶段侧重于获取基础知识、评估和有效利用AI工具，并强调AI伦理和基础应用；“深化”阶段要求教师熟练地将AI融入实践，基于人本问责和安全负责的原则使用AI工具；“创建”阶段要求教师在AI教学法和专业学习方面进行创造性、系统性的设计和变革。UNESCOAICFT的核心价值在于对教师专业发展终极目标的设定，要求教师具备利用AI驱动专业转型的能力，并强调保护人类能动性及确保人类和社会价值观优先，将教师专业发展上升至对教育伦理和人文价值的深刻理解与主动守护层面。UNESCOAICFT对伦理治理的强调，为模型的最高阶段生态领导力提供了明确的价值锚定。

2.欧盟委员会教育工作者数字能力框架

欧盟委员会联合研究中心发布了《欧盟教育工作者数字能力框架》（European Frame work for the Digital Competence of Educators），包含专业能力（Professional Engagement）、教学资源（Digital Resources）、教学与学习（Teaching and Learning）、评估（Assessment）、赋能学习者（Empowering Learners）、提升学习者的数字能力（Facilitating Learners’ Digital Competence）6个核心能力领域，每个领域下又细分为若干具体能力，总共包含22项具体能力。纵观欧盟及其6个成员国已有的教师数字素养框架，它们在结构与内容上有三大特点：一是强调教师数字素养是一个整体，从知识、技能和态度维度对二级素养指标和具体的绩效行为进行描述，构成教师数字素养的总和；二是重视教师数字素养受社会发展影响，强调与时俱进，不断修正与完善；三是欧盟的教师数字素养框架主要包含数字化教学、数字化内容创造、数字化交流协作、数字化安全、数字化评估等核心构成要素。在实施与协作上，强调学习共同体，欧盟《数字教育行动计划（2021—2027年）》指出，要通过创建新的欧洲数字教育中心，连接各个国家或地区的数字教育计划参与者，支持跨部门协作和共享数字教育资源，打造“智库与实干机构”（Think-and-do-tank）。

3.发达国家的教师AI应用能力发展

发达国家在推动教师AI应用能力发展方面展现出角色进阶的趋势。例如，美国以国际教育技术协会（InternationalSocietyforTechnologyinEducation，ISTE）标准为引领，基于教师角色的进阶，要求教师从技术使用者进阶为具备数据素养的“分析师”（Analyst）和能够利用AI重构课程的“设计师”（Designer），并强调技术和教学实践二者结合发挥的学习进步作用；韩国则结合“2025AI数字教科书”的国家战略，遴选深刻理解数字驱动教育改革、兼具数字技术专长，并能够引领教学创新的教师，组成高科技赋能课堂的教师团队（TeacherswhoUpgradeClasswithHigh-tech，TOUCH)，引领教学创新与技术整合；新加坡在“教育科技计划2030”中明确将教师定义为“技术娴熟的协作学习设计师”（Technologically-adept，collaborativelearningdesigners）与“协作贡献者”（Collaborativecontributors），通过团队合作、分享、采用和改进数字资源以及利用技术，进行最佳教学实践，完成从工具操作到教学生态构建的专业进阶。

国际经验表明，教师AI素养的培育已超越单纯的技术技能习得，转向思维重塑与教学生态的深度融合。这对我国的启示在于，应构建分层级、进阶式的专业发展路径，引导教师从AI工具的被动接受者，逐步成长为通过人机协同引领教育变革的智慧型教育者。

弗朗西斯·富勒的关注阶段论认为，教师的关注点是一个经历阶段性的发展过程，包括无关注（NonConcern）、自我关注（ConcernwithSelf）和学生关注（ConcernwithPupils）三大阶段，关注重点从非教学问题到自我教学能力的提升，再到学生的习得。大卫·伯纳德的教师发展五阶段论表明，教师发展历经新手（Novice）、高级初学者（Advancedbeginner）、胜任者（Competentteacher）、精通者（Proficientteacher）及专家（Expertteacher）五阶段，完成从注重教学技能到有独到见解的认知跃迁。波多野的适应型专家理论强调，常规型专家虽速度与精度极佳，但面临新问题时缺乏适应性；而适应型专家兼具程序性技能与概念性知识，能在变动中灵活创新。约翰·霍兰的复杂适应系统理论阐述了“自组织”原理，强调系统中的主体通过与环境的持续交互及规则的动态调整，实现从局部有序到整体复杂性的进化。

基于上述理论，参考国际经验，笔者构建了教师AI应用能力发展的“适应—引领”进阶模型（见图1）。一是在纵向维度上，参照UNESCOAICFT中“获取—深化—创建”的阶梯式路径，同时融合富勒关于教师的关注焦点从非教学问题到自我教学能力的提升，再到学生习得的情感演进逻辑，以及伯纳德关于从“注重教学技能的新手”到“有独到见解的专家”的认知跃迁规律，确立了适应与探索、内化与应用、创新与重构三个阶段。借鉴韩国TOUCH的教师团队和新加坡的“协作贡献者”合作、分享、采用、改进数字资源以及利用技术的经验，增加了“引领与辐射”作为第四阶段，将发展终点从个体教学创新提升为组织变革领导，从而进一步扩展教师专业发展的层级。二是在横向维度上，吸收适应性专家理论中关于“效率”与“创新”的动态平衡观点，将“适应与探索”“内化与应用”两个阶段界定为：通过建立常规型专长以提升技术效率；“创新与重构”“引领与辐射”两个阶段界定为：发展适应型专长以实现生态创新。三是在整体生态运行机制上，遵循复杂适应系统的“自组织”原理，构建新手—胜任者—精通者—专家四阶进路，打破传统培训的碎片化模式，强调前一阶段是后一阶段的必要锚点，构建了一个连贯、层层递进的闭环系统。

1.阶段一：适应与探索

在起步阶段，教师的核心任务是实现UNESCOAICFT“获取”水平的跃迁，聚焦AI技术本身，处于富勒的“无关注”阶段与伯纳德的“新手”阶段，因而表现为“适应与探索”。此阶段的教师主要可体现为：一是基本了解《中小学人工智能通识教育指南（2025年版）》《中小学生成式人工智能使用指南（2025年版）》等政策文件内容，构建基础数字素养与伦理底线；二是能够使用现成的AI阅卷工具来批改客观题，完成备课基本资料的收集、整理，并掌握生成式AI的基础操作，以提升教育工作效率；三是能够使用AI技术自动化处理重复性的事务性工作，如处理学生档案管理、课程安排以及财务报销等流程，提升行政工作效能。

2.阶段二：内化与应用

渡过初步适应期后，教师的工作重心从单纯的技术使用，转移至能“快速、精准、流畅使用程序性知识”以优化现有教学的阶段，成为波多野所描述的“常规型专家”，到达UNESCOAICFT“深化”水平。

在发展阶段上对应富勒的“自我关注”及伯纳德的“高级初学者”和“胜任者”阶梯，实现内化与应用。例如，在课前备课阶段，教师借助备课系统的“一键备课”功能，利用其推理功能，基于学生薄弱点快速生成涵盖多维教学目标的大纲、教案及PPT，拓展备课思路与方法。在课后评估阶段，教学重心转向利用学生上课所生成的数据改进教学设计。例如，上海市杨浦区平凉路第三小学的教师用智慧作业系统基于AI分析软件，对学生的作业数据和学习轨迹进行分析，既能实现作业布置的分层化与个性化，杜绝无效作业，又能帮助教师精准识别共性错误，从而在后续教学中定向调整教学的重点。

3.阶段三：创新与重构

当教师既能够应用成熟经验解决常规问题，又能对课程和评价进行创新与重构，就进入了“适应型专家”阶段，实现UNESCOAICFT“创建”水平的初级跃迁，在发展阶段上对应富勒的“学生关注”和伯纳德的“精通者”阶段。一方面，课程重构的核心在于引入“智能体”作为个性化助教，实现“千人千面”的实时辅导。以“牛奶包装盒的秘密”跨学科项目化学习为例，AI智能体能根据探究进程动态切换角色—在数据处理时提供问卷设计与透视表指导，扮演“数据分析教练”；在探究长宽比时，结合美学案例阐释黄金分割，成为“美学启蒙者”；在函数建模遇阻时指导操作，担任“可视化建模助手”，让学生在每个关键节点都能获得适切的专业引领。另一方面，评价重构要求从单纯关注知识记忆，转向考查学生信息整合及与AI协作解决复杂问题的能力。在上述项目中，可以通过引入AI全过程分析工具，记录并评价学生利用AI收集素材、构建证据链直至产出报告的完整轨迹，从而建立起关注过程、重视高阶思维的新型评价体系。

4.阶段四：引领与辐射

复杂适应系统理论指出，个体在适应环境后将反作用于环境，“教师领导力”亦强调卓越教师的影响力必然“溢出”课堂。当教师不仅对教育教学有着自己独到的见解，还能“引领和辐射”教育教学改革系统时，便处于伯纳德所谓的“专家”阶段，实现UNESCOAICFT“创建”水平的高级跃迁。在此阶段，教师将前三个阶段积累的成功经验进行提炼与转化，由点及面地重塑同伴、学校、社会三个层面的教育生态。在同伴层面，教师通过开设工作坊、成立名师工作室等形式，手把手指导教师同人安全、高效地应用AI工具，实现经验与技术的共享；在学校层面，教师积极参与规则制订与制度建立，如协助学校管理者出台《AI学术诚信指南》《教师AI使用规范》等文件，将个人隐性经验转化为显性的组织制度；在社会层面，教师则通过在区域或全国性会议上分享创新案例及发表学术文章，将影响力扩展至更广泛的教育共同体，真正实现从“适应环境”到“引领变革”的跨越。

为更深入、全面地实践“适应—引领”进阶模型，还应关注开发基于证据的自我诊断机制、打造分阶段的技术资源供给包、创建全周期的阶梯式培训体系以及优化数据驱动的区域发展生态四个方面，以确保教师的AI应用能力在AI时代既符合技术发展规律，又能够在坚守教育本真的同时实现高效发展。

1.开发基于证据的自我诊断机制

实施的首要前提是“精准定位”。本模型强调基于证据的自我诊断，通过工具化手段帮助教师明确当前站位与“最近发展区”，助力教师实现专业发展进阶。首先，学校或区域需开发基于四阶段模型的“AI教学能力自诊系统”。该系统的测试应包含具体的行为描述，参考UNESCOAICFT各指标，覆盖技术操作、教学法融合、伦理意识等维度。例如，“适应与探索”阶段的行为表现为“能使用AI批改作业”，而“创新与重构”阶段则表现为“能设计AI融合的跨学科项目式学习”。其次，教师完成自评后系统应自动生成“能力雷达图”，直观展示其当前所处的阶段及能力缺口，帮助教师建立清晰的专业认知。最后，学校或教师制订个人发展周期计划。例如，处于“适应与探索”阶段的教师，其目标可设定为“本学期内，在作文反馈场景中建立稳定的人机协同工作交流”。

2.打造分阶段的技术资源供给包

在明晰AI应用能力的站位后，教师跨越能力鸿沟的关键是，获得与自身能力相匹配的“进化脚手架”。为此，需针对不同阶段，提供分层分类“资源工具包”（见图2），赋能学习者突破时间和空间的限制来提升自我。对于“适应与探索”阶段的教师，资源供给包应侧重于降门槛、提信心，提供生成教案大纲、润色邮件等常用提示词模板库，教育数据安全入门微课以及经典教学案例集，帮助初学者快速获得自我效能感，降低探索成本。对于进入“内化与应用”阶段的教师，资源供给包应侧重懂数据、重证据，提供数据解读指南和差异化教学策略卡，帮助教师读懂AI生成的学情分析图表，并据此调整教学。针对“创新与重构”阶段，资源供给包则应注重激创意、赋设计，如提供项目化学习与AI融合的课程设计框架、智能体使用手册等，激发教师对课程设计的热情和创意。而对于“引领与辐射”阶段的教师，则需要扩影响、显引领，如提供工作坊设计工具箱、政策制定参考模板及导师指导手册，赋能教师发挥领导力。

3.构建全周期的阶梯式培训体系

教师对于资源供给包的自主学习还不足以支撑教师的进阶式发展，需构建从基础工具操作到高阶领导力发展的完整培训路径，促进教师的系统进阶发展。在“适应与探索”阶段，培训重点是基础工具使用与伦理认知。学校可依托教育部发布的《教师数字素养》标准，开展AI工具操作培训，如AI阅卷系统、智能备课平台等基础工具的使用方法。进入“内化与应用”阶段后，培训重心转向AI与教学的深度融合。可借鉴韩国根据教师的能力和水平完成中央及市道单位的标准化培训课程的经验，组织教师参与AI教学法工作坊，学习如何利用AI工具进行数据驱动的教学决策。在“创新与重构”阶段，培训应聚焦AI教学的创新应用与课程设计。可参考新加坡“教育科技计划2030”中的AI4K教师培训课程，帮助教师掌握机器学习、数据科学、智能体创建等进阶AI技术，并将其融入学科教学。在“引领与辐射”阶段，培训应注重教师领导力的培养与经验共享机制的建立，内容应包含AI教育政策解读、AI伦理审查机制设计、AI教学资源共建共享等高级能力。培训体系的可持续性保障是关键，考虑到人工智能领域知识高速变化的特征，需建立教师AI素养的定期评估与认证机制，如新加坡的AI4K认证讲师证书有效期为2年，确保教师能力与时俱进。

4.优化数据驱动的区域发展生态

教师的AI应用能力发展并非孤岛式的前行，其广度与深度在很大程度上取决于外部生态系统的支撑强度。区域应搭建共建共享的“AI+教育”云平台，打破校际围墙。该平台一方面可以作为教学资源中心，汇集并动态更新各校、各阶段的优秀教学实践案例、研修课程资源与工具评测报告，降低学校的资源包成本；另一方面可成为数据驱动的治理工具，通过在严格遵循伦理和匿名原则前提下收集的数据，绘制区域教师AI能力发展图谱，识别区域内处于各发展阶段的教师的比例及普遍性的能力短板。这些实证数据将成为制定区域政策、调配培训经费和专家资源的重要依据，实现从经验治理向“数据驱动的精准治理”转型。

为了带动区域整体发展，需要建设专业的引领网络。一方面，选拔区域内处于“引领与辐射”阶段的卓越教师与教研员，组成区域AI教育智库，负责开发区域级标准课程、攻关共性教学难题并参与政策咨询。通过给予专项津贴和课题优先权，维持其持续创新的动力。另一方面，构建校际协同网络，鼓励并资助建立基于共同课题或发展需求的校际联盟。通过强弱结对模式，由标杆学校带动薄弱学校共享设施与资源；或通过项目驱动模式，围绕特定主题进行跨校共创，促进优质经验和智慧在区域内的广泛流动。