出乎意料:AI 培训后进步最大的,是 54 岁以上的老教师

研究有话说  |  课堂手记  |  教育风向标  |  国际前沿

学校推广 AI 时，常有一个不言自明的判断：年轻教师上手快，年长教师跟不上。

在秘鲁，教师早已在用 AI，秘鲁教育部 2025 年全国学业评估的教师问卷显示，约七成教师用 AI 编写数学教学材料。用的人很多，用得好不好、谁用得好，却少有人研究过。

年长教师真的跟不上 AI 吗？一次培训，能让他们走多远？

如果这个默认的判断错了，学校最该培训的人，可能正是被跳过的那一部分。

培训组与未培训组，教师写给 AI 的指令得分（5 分制）

01

年长教师的进步有多大？

世界银行的研究人员在秘鲁首都利马做了这项试验（Glave et al., 2026）。1269 名公立小学六年级教师按学校抽签分成两组：培训组参加一天的 AI 培训，并在随后八个月里每周收到使用提示；未培训组不参加。试验结束时，研究者让两组教师各写一条给 AI 的备课指令，请不知道分组情况的评分者打分，再按年龄中位数 54 岁把教师分成两半比较。

这里的"指令"，就是教师写给 AI 的要求。一条好的指令，要说清楚面向哪些学生、要达成什么学习目标、需要什么形式的材料，以及对应课程标准的哪项要求。

先看未培训组，年龄差距很明显：54 岁及以下的教师平均得 3.57 分，54 岁以上的教师只有 3.08 分。这与人们的直觉一致，没有经过培训的年长教师，写的指令确实更弱。

再看培训组，情况变了。与同龄的未培训教师相比，54 岁以上的教师高出 0.66 分，54 岁及以下的教师高出 0.25 分，前者约为后者的 2.6 倍。按论文数据推算，培训组的年长教师得分约 3.74 分，超过了未培训组的年轻教师，与培训组的年轻教师（约 3.82 分）相差无几。两个年龄组之间约 0.5 分的差距，在培训组中缩小到不足 0.1 分。

研究者对这一差别做了专门检验，在多数评分指标上，它都不是偶然的波动。

02

为什么进步最大的是年长教师？

论文给出的解释是：起点最低的人，提升的空间最大。培训的设计也有意降低使用门槛，研究者希望把陌生的人机对话，变成一套可以反复套用的固定流程。对原本最不熟悉 AI 的教师来说，这套流程帮他们跨过了最难的起步阶段。

还有一种可能的解释，论文没有专门检验。培训教给教师的四个要素，学生是谁、目标是什么、要什么材料、对应课标哪一条，恰恰是有经验的教师最熟悉的内容。参加试验的教师平均教龄约 24 年，年长教师对学生和课标的了解更深。若此说成立，他们缺的可能只是把这些判断写成 AI 能看懂的指令的格式；格式一旦掌握，多年的教学经验就能派上用场。年长教师在 AI 面前的弱势，可能更多来自没有人教，而不是学不会。

03

培训还改变了什么，没改变什么？

从整体上看，培训组教师更会判断 AI 的回答：面对一份不合格的 AI 练习单，未培训组约 14% 的教师认为"挺好"，培训组的这一比例几乎减半。培训组教师也更多地把 AI 用在工作上。

没有改变的是时间。备课、批改、家长沟通等七项工作，培训组教师花的时间都没有减少。研究者的看法是，对于备课这类没有标准答案的工作，AI 先改变的是教师能让它做出什么，而不是做得多快。

04

谁最该参加 AI 培训？

年长教师真的跟不上 AI 吗？至少在这项试验中，答案是否定的。没有培训时，他们的得分最低；参加培训后，他们进步最大，几乎追平了年轻同事。他们缺的，可能只是一套把教学经验转成 AI 指令的方法。

学校安排 AI 培训时，那些被默认"跟不上"的教师，也许正是最该坐在前排的人。

参考资料

1. Glave, C. Z., Lopez, C., Molina, E., & Zárate, R. A. (2026). Not Faster, but Better: Generative AI and Teacher Skill in Peru. Policy Research Working Paper 11476, World Bank. https://doi.org/10.1596/1813-9450-11476。转述依据 CC BY 3.0 IGO 许可，与原文如有出入，以原文为准。