ARTICLE · 1300422
全员配备人工智能助理,课堂就会变好吗?别把账号覆盖当成教育成果
全员配备人工智能助理,课堂就会变好吗?别把账号覆盖当成教育成果
说起最近红透半边天的 WorkBuddy，我算是比较早接触这类工具的用户——早在它正式上线之前，就已经从 CodeBuddy 转到了 WorkBuddy。它 3 月 9 日才正式发布，而我 2 月 20 日就通过体验版积分完成了订阅。 
很多人可能没注意过界面左下角的“意见反馈”入口，而我已经用过不下十次。从最初尝鲜、付费订阅，到投入实际使用，再到反复提交问题与建议，我算是完整经历了它的成长过程。我的一个基本认识是：人工智能工具确实能够改变工作方式，但工具的普及从来不等于教育的进步。 最近看到某区高调宣布为全体教师标配WorkBuddy教学助理还是颇有些愕然。一人一号，每月两千积分，这样的做法有其积极意义。从教育行政的视角看，这是一份值得写入年度总结的数字化成绩单；但从我一个AI老饕的视角看，它提出的问题远比它回答的问题要多。 仔细审视当前区域人工智能教育的推进方式，可以发现四个容易被混淆的等号。 第一个等号，配发即公平。 统一配置账号，解决了教师能否获得工具的问题，却没有自动消除使用能力和实际收益上的差距。 数字鸿沟不只存在于资源能否获得，还存在于不同教师能否用好资源，以及能否从使用中获得真实收益。 一位熟悉数字技术的青年教师，可能很快就能开发出适合课堂的应用；一位长期扎根乡村学校、教学经验丰富却缺少技术支持的教师，可能连从哪里开始都不知道。 两人拿到的是同样的账号，获得的却未必是同样的支持。 人人有账号，是资源普惠；人人都能从中受益，还需要专业支持。 第二个等号，接入即改进。 过去，投影仪、电子白板、智慧课堂也曾被寄予改变教育的厚望。设备不断更新，课堂却没有因此自动改变。 原因并不复杂。教学质量取决于教师如何理解课程、认识学生、设计学习活动，而不是设备拥有多少功能。 人工智能同样如此。 如果教师只是用它生成教案、课件和练习题，原来的教学流程可能只是换了一层数字外壳。工具更新了，教学逻辑依然没有变化。 第三个等号，产出即效果。 5787个应用案例当然值得关注，但应用被开发出来，和应用真正产生教学效果，中间还隔着课堂试用、教师判断、学生反馈和反复改进。 从平台公开展示的分类数据看，学前教育案例1844个，约占31.9%；学科教学案例2014个，约占34.8%；课堂互动976个，约占16.9%。这些数字反映了应用开发的场景分布，却无法说明应用对学生学习产生了多大影响。 对平台首屏六个案例的展示数据进行统计，还可以看到，“组织”和“资源”两栏均为零，展示的人次最高为7次。这只是特定页面的统计情况，不能代表所有应用的实际使用状况，却足以提醒我们：作品数量与实际使用之间存在距离。 一个应用被创建出来，不等于教师愿意长期使用；教师使用过一次，也不等于它已经改善了教学。 5787个应用能够证明创作活动的规模，却不能直接证明5787次教学创新。 第四个等号，使用即创造。 会使用人工智能，不等于会创造教育应用；会创造应用，更不等于能够创造好的教育。 教师专业能力有不同侧重。有人擅长观察学生，有人擅长研究教材，有人擅长设计实验，有人具备较强的技术开发能力。区域可以鼓励教师发挥特长，却不能把少数技术骨干的能力变成全体教师的义务。 尤其需要警惕，当应用开发数量成为隐性任务时，教师可能从研究学生转向研究怎样完成作品，从解决教学困难转向制造可展示的数字成果。 过去，教师为了公开课制作精美课件；现在，又可能为了应用展示开发各种程序。 工具换了，任务的性质却没有改变。 最怕的不是教师不会使用人工智能，而是教师为了证明自己会使用人工智能，开始为使用而使用。 还有一个问题值得单独提出：WorkBuddy不是唯一的人工智能工具，更不应该成为教师理解人工智能的全部。 我自己较早接触这类工具。使用得越多，越能感受到不同工具的能力特点和适用范围并不相同。 有的工具适合资料研究，有的擅长文本分析，有的在图像处理、数据整理或者应用开发方面更有优势。工具各有所长，也各有局限，技术产品还在不断变化。 统一配置WorkBuddy本身没有问题。集中采购能够降低使用成本，方便区域提供技术支持，也有利于教师熟悉基本操作。 但必须明确：统一配置一种工具，不等于要求所有教师只能使用这一种工具；建设一个应用平台，也不等于建立了完整的人工智能教育生态。 这里有一种值得警惕的倾向。 当某种工具被确定为全员标配，随后围绕它组织培训、应用开发、成果展示和考核评价时，教师很容易把使用这一工具当成学习人工智能的主要任务。 于是，原本应该由教师根据教学问题选择技术的过程，变成了教师围绕指定工具寻找使用场景。 顺序一旦颠倒，教学就容易受到工具功能的牵引。 例如，一位小学科学教师发现学生实验数据记录存在困难，首先应该考虑怎样帮助学生准确记录、比较和解释数据。至于使用WorkBuddy、其他人工智能工具，还是普通电子表格，应该由具体任务决定。 如果一张简单的记录表已经能够解决问题，就没有必要为了体现人工智能应用而开发一个程序。 这涉及教育技术应用中的一个基本原则：技术选择必须服从教学目的。 教师需要具备的是识别不同工具功能、判断适用条件、比较使用效果和合理组合技术的能力。 如果一种工具生成的内容不准确，教师应该能够换一种工具进行验证；如果某项任务根本不需要人工智能，教师也应该有权不用。 更不能形成对单一平台的长期依赖。平台功能调整、服务中断、积分规则变化、数据迁移困难，都可能影响已经形成的教学应用。区域建设应当保留工具的可替换性，避免把教师的教学资源和专业实践过度绑定在某个产品上。 人工智能教育需要教师拥有更多技术选择，而不是所有教师被同一种工具定义。 WorkBuddy可以是一个很好的起点，但不能成为终点。真正应该普及的，是教师运用人工智能解决问题的能力，而不是对某一个产品的熟练程度。 比工具选择更值得关注的，是人工智能究竟改变了什么。 我一直认为，人工智能最容易制造的一种假象，就是让课堂看起来发生了变化，实际上学生的学习方式并没有改变。 一个互动程序，可以让学生不停地点选、回答；一份学情报告，可以把学生分成不同层次；一个模拟实验，可以让学生在屏幕上完成各种操作。 课堂看起来热闹了，教学流程也更加丰富了。但学生真的学得更好吗？ 这里需要区分认知卸载与认知外包。 认知卸载，是把重复、机械的工作交给工具，为更重要的思考腾出精力。比如让人工智能整理实验数据，教师和学生就可以把更多时间用于分析实验结果。 认知外包，则是把本应该由自己完成的理解、判断和决策也交给机器。 教师让人工智能整理资料、生成教学设计初稿，是把机械性劳动交给工具；如果连教学问题、课堂活动和学生的思维过程也由工具决定，就把专业判断外包了。 学生也是如此。整理资料可以借助人工智能，提出问题、解释证据和形成结论，却需要亲自经历。 舒尔曼提出的学科教学知识，强调教师要把学科知识转化为适合具体学生理解和学习的形式。它体现的正是教师对教材、学生和教学情境的综合判断。 一位教师知道学生为什么容易把某个概念理解错，知道什么时候应该追问，什么时候应该等待，知道一个看似错误的回答背后可能藏着怎样的思维。这些能力来自长期的课堂观察和教学实践。 人工智能可以提供建议，却无法仅凭一份生成的学情报告，就准确理解一个班级的学生。 这种问题在小学科学课堂尤其突出。 例如，水位报警器完全可以用塑料瓶、吸管和简单电路制作出来。如果教师为了追求课堂展示效果，直接使用动画模拟水位变化，学生虽然看到了工作原理，却失去了动手连接、观察装置变化和发现故障的机会。 模拟实验有明确的适用条件。当自然现象无法直接观察，或者实验受到客观条件限制时，模拟才能发挥不可替代的作用。真实装置能够制作、真实现象能够观察，却用屏幕模拟替代亲身操作，就需要重新审视教学设计。 再比如，学生观察植物生长，发现同样浇水的两盆植物生长速度不同。人工智能可能根据已有知识，迅速给出光照、温度、水分等解释。 但学生真正需要做的，是保留这组差异，检查测量记录，比较生长条件，寻找可能影响结果的因素。 科学学习最有价值的时刻，有时恰恰是结果不符合预期的时候。 学生需要学会面对异常数据，判断证据是否可靠，修正原来的猜想。如果人工智能直接给出解释，学生就可能只记住答案，却没有经历科学推理。 课堂互动也有类似问题。 学生点击一次程序，完成一道选择题，属于操作上的互动。学生解释自己的判断，与同伴争论证据，根据新的信息修正观点，才真正涉及认识过程的变化。 维果茨基提出的最近发展区理论，强调教师应根据学生现有水平和潜在发展水平，提供恰当的学习支持。这种支持需要适时，也需要逐渐撤除。 人工智能可以提供提示、整理资料、反馈错误，但不能让学生形成对即时答案的依赖。 课堂可以少一点操作上的麻烦，却不能少掉学生思考时必经的困难。 还有一种更隐蔽的风险，是学生看起来越来越自主，实际上越来越依赖系统安排。 佐藤学批判过一种课堂中的“主体性神话”，即把学生的自主简单理解为教师放手，把主体性理解为学生独立完成任务。 人工智能进入课堂后，这种现象可能出现新的表现。 学生按照系统推荐的路径学习，完成程序生成的任务，接受系统给出的评价，看起来一直在主动操作，实际上思考路线和判断标准都可能已经被预先设定。 操作上的主动，不等于认知上的主动。 真正的学习主体性，体现在学生能否提出自己的问题，能否根据证据作出判断，能否在发现原有认识存在问题时主动修正。 工具可以提供帮助，却不能替学生完成这些认识活动。 谈人工智能减负，不能只看工具替教师节省了多少时间，还要计算它带来了多少新增工作。 我认为，一线教师至少要面对四张账单。 第一张是时间账单。 应用开发看起来很容易，输入需求、生成程序、修改功能、发布作品，好像几分钟就能完成。 但真正有教学价值的应用，必须经历问题分析、反复测试、课堂试用和持续改进。一个源于本班真实问题的应用，从构想到真正投入使用，教师可能需要花费多个晚上。 如果开发应用之后还要提交案例、制作展示材料、参加评比，时间成本就会进一步增加。 过去，教师可能为了公开课制作精美课件；现在，又可能为了应用展示开发各种程序。 判断人工智能有没有减负，不能只看节省了多少时间，还要减去开发、调试、维护和展示所增加的时间。 第二张是学习账单。 学生使用人工智能，可能获得更多即时反馈，却也可能失去独立思考的机会。 尤其是在小学阶段，观察、操作、交流、试错和反思，都是学习过程的重要组成部分。学生在实验中的一次失败，在数学题上的一次卡顿，在阅读中的一次误解，都可能成为重新理解知识的起点。 如果应用总是迅速给出提示、答案和标准路径，学生看起来完成任务更顺利，实际上可能越来越缺少独立面对问题的能力。 一项应用有没有价值，不能只看它让学生完成了多少任务，还要看学生是否因此形成了原来不具备的认识和能力。 第三张是证据账单。 人工智能生成的学情分析报告，究竟凭什么让教师相信？ 一份报告指出某个班级第三单元掌握较差，教师不能因为数据图表清晰、分类整齐，就直接调整教学计划。 至少要进行抽样核对，查看学生的真实作业和错误过程；要追问系统作出判断的依据；还要结合课堂观察和学生交流，判断结论是否符合自己对学生的长期了解。 例如，同一道数学题做错，有人是概念理解错误，有人是计算失误，有人只是审题不充分。把这些情况统一归为知识掌握不足，后续教学就可能出现偏差。 数据能够帮助教师发现线索，却需要经过专业核验才能成为教学证据。 第四张是责任账单。 学情评价、成绩分析、班级管理和家校沟通，都可能涉及学生姓名、照片、成绩和家庭信息。 谁审核应用？学生信息如何保存？谁可以访问？生成内容出现错误由谁负责？应用长期运行由谁维护？ 这些问题不能只靠教师个人谨慎来解决。 区域平台建设者、学校管理者和一线教师，需要分别承担清晰的责任。平台建设者负责技术安全和权限管理，学校负责审核制度和使用规范，教师负责具体教学内容的专业判断。 对于涉及学生评价和成长指导的内容，必须保留教师审核和最终决策的权利。不能让教师在没有足够技术支持的情况下，独自承担所有应用风险。 技术可以降低教师的工作门槛，不能把技术管理和风险治理的责任全部转嫁给教师。 
批评全员配置中的问题，不等于否定人工智能进入教育的价值。统一配发降低了资源获取门槛，应用开发也为教师将教学经验转化为可用工具提供了可能。 真正需要改变的是区域推进的着力点。 首先，教师培训应该从功能教学转向教学问题研究。 不要一上来就教教师怎样开发应用。可以从课堂中的具体困难出发：学生为什么不会观察？为什么不能解释实验现象？为什么总是在某个知识点上出现错误？ 先把问题想清楚，再判断人工智能能否提供帮助。 如果教师连学生的学习困难都没有弄明白，生成的应用再精美，也很难产生真正的教学价值。 其次，建立分层发展的教师支持体系。 普通教师首先需要掌握安全、可靠、简单实用的基本方法；学科骨干可以围绕真实教学问题进行应用设计；少数具备较强专业能力的教师，可以承担应用开发、评估和推广工作。 不必要求每个人都成为开发者，更不能用统一的应用数量衡量教师的专业水平。 培训的成果也不应只是提交多少作品。教师应该带着真实课例参加研修，说明工具用在什么环节，学生发生了什么变化，哪些设计经过试用后被修改或放弃。 再次，让教研共同体参与应用开发。 教师负责发现问题、提出需求、判断教学价值；技术人员负责技术实现、数据管理和系统维护；教研人员负责课程标准对照、教学指导和效果评价。 一款值得推广的应用，至少应该经过学科论证、课堂试用和同行评议。真正有价值的应用，不仅要能运行，还要能说明为什么这样设计、适用于什么情境、学生因此获得了什么学习支持。 区域评价也必须从应用数量转向学习证据。 5787个案例可以保留为建设数量统计，但不能直接作为教学创新成果的认定依据。对于重点推广的应用，应该持续追踪三个问题： 它解决了哪个学生在什么学习环节遇到的真实困难？ 使用之后，学生的学习行为、思维过程或者学习成果发生了什么变化？ 教师因此少做了哪项重复劳动，应用又增加了多少开发和维护成本？ 评价时还要关注应用是否被其他教师复用，是否根据课堂反馈持续改进，是否真正进入日常教学。 失败案例也应该进入教研记录。那些开发后无人使用的应用、进入课堂后反而增加学生操作负担的应用、经过试用发现不适合某个学段的应用，都有研究价值。 最后，必须给教师保留工具选择权和使用自主权。 全员配备可以统一进行，使用方式却应该允许差异。不能把指定平台的使用频率、积分消耗量、应用开发数量变成隐性考核任务。教师可以根据不同教学任务选择WorkBuddy，也可以选择其他适用工具；对于暂时找不到适合场景的教师，可以先观望；对于经过实践发现没有必要的应用，可以停止使用。 技术推广有自己的节奏，课堂改进也有自己的规律。教师需要时间熟悉工具，更需要时间研究学生、打磨教学。这两种时间不能相互挤占。 全体教师拥有人工智能助理，是一项区域资源建设成果。接下来真正需要检验的，是这些资源有没有进入真实课堂，有没有帮助教师解决教学问题，有没有让学生获得更好的学习经历。 评价一款人工智能应用，我更愿意先问三个具体问题：它解决了哪个学生的什么困难？教师因此少做了哪项重复劳动？学生又获得了什么原来没有的学习经历？ 这三个问题回答不清楚，就暂时不要急着把它评为教学创新成果。 人工智能工具可以不断更新，WorkBuddy可以用，其他工具也可以用，暂时不用同样可以。教师真正需要掌握的，是根据教学问题选择工具、判断工具和合理使用工具的能力。 人工智能已经能够快速生成应用，教育者更需要保留慢下来研究课堂的耐心。 账号可以统一配发，应用可以批量生成，但一堂课究竟教得怎样，最终还得回到学生的表现、教师的判断和真实的学习证据上来。 本版编排：后二楼 📖推荐阅读： 为什么AI泡沫终将破灭——政治经济学视角的回答 学历与热爱，哪个决定成败？
来源：老苦禅师
摘要：全体教师配备人工智能账号，每人每月2000积分，87所学校参与，累计形成5787个应用案例。这些数字足够亮眼，却不能直接证明课堂质量已经提高。人工智能进入教育，真正需要警惕的，是把工具普及当成教育变革，把应用数量当成教学成果，把教师创作变成新的工作任务，甚至把某一种工具当成人工智能教育的全部。当技术热闹取代教学研究，最后为这场伪创新买单的，可能是一线教师，也可能是学生失去的真实学习经历。
关键词：人工智能教育；教师专业发展；课堂教学创新；数字形式主义；学习证据
一、四个等号：从工具普及到教育政绩，中间究竟缺了什么？
二、WorkBuddy不是唯一的工具：别让教师从平台使用者变成平台依赖者
三、课堂伪创新：教师忙着造工具，学生却可能没有真正学习
四、四张账单：技术带来的成本，为什么总让一线教师承担？
