不是让教师直接用 AI 写教案:Shiksha Copilot 怎样把审核与定制放进流程?

01核心选择：把“生成”放在审核流程里

论文面对的不是缺少一个会写教案的模型，而是拥挤班级、师资短缺、行政记录与多语环境并存的工作条件。通用 LLM 可以生成流畅文本，却可能在事实、文化语境和地方语言上失准。Shiksha Copilot 因此将 AI 定位为协作基础设施：模型提出草案，人类策划者审核，教师再作本地化选择。这里的关键不是多一个聊天框，而是决定谁能生成、谁能修改、哪个版本可以进入教师库。

系统首先通过 RAG 从课程索引取回材料。教案生成代理按 5E（Engage、Explore、Explain、Elaborate、Evaluate）逐段构建内容；问题生成代理依据 Bloom 分类法创建测评；Lesson Chat 回答某一教案相关问题，Edu Chat 处理更一般的教学问题。英文教案经策划者审核后，由基于 Sarvam-1、使用 LoRA 微调的翻译组件转为卡纳达语，再交给卡纳达语策划者复核。验证代理检查格式、完整性和生成失败后的回退。

02两阶段分工让“人类在环”有了具体位置

策划阶段有 23 名教育工作者，其中 15 名英语媒介、8 名卡纳达语媒介。模型先产生学习目标，策划者补充并检查课程标准；这些目标驱动 RAG 教案生成。每份教案被拆成 5E 环节、活动、评估题和现实应用等内容块，策划者逐块评分、修改后再组装。论文分析了 991 份策划教案，其中 965 份英文、26 份卡纳达语。人类工作不是点一次“批准”，而是处理准确性、课堂可行性、术语和文化相关性。

分发阶段向 1,043 名公立学校教师开放，覆盖 757 所学校、35 个教育区。所有人可查看和手工定制审核过的教案，并使用题目生成；根据使用参与度，146 名教师被逐步赋予 power user 权限，才能生成新教案、AI 辅助修改及使用两类聊天功能。这种权限安排既是成本管理，也是研究设计条件：不同功能的使用者并非随机分配，不能把 power user 与普通用户的差异直接解释为 AI 功能造成。

教师总共创建了 5,544 份教案（4,064 英文、1,480 卡纳达语）。这个数字说明系统被用于复制、调整和文档工作，但并不告诉我们每份是否在课堂实施、学生是否理解，或哪个编辑来自 AI。日志适合观察工作流，不能独自回答教学成效。

03混合方法记录了工作实践的变化

研究做了 43 次半结构访谈：17 名策划者、22 名教师和 4 名导师；访谈编码形成 28 个代码、归入五个主题，包括教案质量、实施约束、教学实践影响、文化相关性与偏见、AI 认知。作者也进行了前后调查：前测有 601 份完整回应，后测 406 份，定量分析使用 406 名配对教师。量表包含教学需求压力、学校支持、资源获取、时间使用和对教育 AI 的信任；部署在教师培训后持续数月。

论文报告教师把工具用于教学和行政两类任务：一方面减少准备和记录负担，缓解压力并获取活动、评估和真实情境资源；另一方面，课堂中的人手、时间、设备和课程调整约束了教案能否转化为更活动化的教学。质性主题中既有“减轻工作量”“减少压力”“提高创造性”，也有“依赖教师”“资源限制”“文化语境不足”。这正是该研究比单纯满意度调查更有价值之处：它把工具放进组织条件中，而非把采用归因于模型本身。

04结果的边界：相关变化不等于学生学习因果

前后问卷和日志提供了规模化的教师工作证据，但没有随机分配或学生学习对照。活跃用户可能本来就更愿意尝试新资源；power user 权限也按参与度逐步发放。再加上学期节奏、考试季和导师支持同时变化，备课时间或压力的变化不能被简单归为系统的单独效应。论文将其解释为在既有社区实践中发生的协作与工作重组，而非“AI 自动提高教学质量”。

双语结果尤其提醒我们不能把“已翻译”误作“已本地化”。英文教案可靠性较高，卡纳达语内容需要较多语言编辑；策划者和教师仍要用本地知识修正术语、材料可得性和班级活动。低资源场景的质量控制不只是减少幻觉，还包括谁拥有修改权、谁的教学经验进入系统，以及缺乏网络、设备或时间时功能是否可用。

对产品设计而言，最可迁移的原则是把 AI 草案、人工修订、版本库和教师定制区分开保存；让教师看见来源和可编辑边界；以培训、同行支持和本地审核补足模型弱点。对研究而言，下一步应同时追踪教案实际使用、课堂互动和学生结果，并采用能处理自选择的比较设计。只有那时，教师工作负担的改善才可能进一步连接到学习机会的改善。

平台中的角色差异也说明功能公平不是简单的“人人都能用同一个模型”。标准用户、power user 和策划者看到的工具不同：有些人只能手工改教案，有些人可用 AI 改写与聊天，策划者拥有完整的生成、审核和翻译权。这样的分层有助于控制费用并逐步培训，却会影响谁从自动化中获益、谁承担额外编辑劳动。评估时应同时报告权限、培训和支持差异，而非只用总注册人数说明覆盖规模。

研究的问卷在统计上也需要谨慎阅读。前测与后测通过电话号码和账号匹配，最终使用 406 名配对回应；缺失值采用 miceforest 填补，数值离群值在第 95 百分位截尾。这些处理使分析可进行，但不会消除未回应教师、选择使用频率或学校资源条件带来的偏差。量表的内部一致性较高，说明同一构念题项在样本中较一致，却不等同于量表测得了由系统造成的变化。

最值得保留的并非某个提示模板，而是把生成后的人类工作显性化：哪些块被修改、为什么被修改、哪些语言和文化问题反复出现。若未来模型能力提高，这条审核链仍然重要，因为教学材料的正确性、可执行性与归属感不能仅由流畅度判断。

对于低资源环境而言，真正可持续的方案还要考虑离线支持、设备共享、教师时间和地方组织的维护能力。若这些条件缺失，内容生成再快也可能只增加新的记录与筛选负担。因而“以教师为中心”不是界面上多一个编辑按钮，而是让技术安排适应教师既有的协作网络、语言实践与课堂现实。