夜雨聆风
作者丨张磊
新校长传媒系编辑
这周闭幕的世界数字教育大会，发布了《中国教师生成式人工智能应用报告（2026）》。教育部这份报告覆盖来自30个省（自治区、直辖市）8.6万名教师的调查数据，首次系统呈现出中国教师人工智能素养的现状图景和现实挑战。
报告显示，69.4%的教师清晰认识到AI时代教师角色的变化，96.1%的教师选择“学习并尝试更多AI工具”，92.3%的教师选择“将AI融入课堂教学”。同时，86%的教师担忧“学生过度依赖AI导致独立思考能力丧失”，69.1%的教师关注“引导学生正确使用AI”。
在中小学，教师逐步形成从理念到实践的整体认知，将AI 融入日常教学以提升效率与质量。尽管教师人工智能素养整体有所提升，但仍面临以下挑战。
AI日益强大，教师最先担心的，是AI会不会影响教育本质、学生发展。
在教师对AI教学应用的主要担忧中，86.0%的教师最关注“学生过度依赖导致丧失独立思考能力”，57.2%的教师担忧“削弱教师与学生之间面对面的情感交流”。
教师更担心的，是AI可能把学生带进一条更省力也更少思考的学习路径。
AI进课堂后，效率会提高，错误信息的影响范围同步扩大，偏差和依赖也可能一起进入学习过程。工具越强，学生越容易把原本应该自己经历的判断、推理、组织和表达交出去。学习进程看似“加快”，思维的摩擦力却越来越小。
避免学生把认知外包出去，关键问题在“哪个环节用AI”和“怎么用AI”。AI更适合进入复杂任务和真实任务，成为学生思考的支架，而不是答案机器。
把AI放进复杂任务。让学生用AI拆解问题、搜集材料、比较方案、发现矛盾、修正表达，但观点、论证和结论必须由学生自己完成。甚至，随着工具使用门槛降低，教师应该逐步提高任务设计要求。
课堂规则从“能不能用”转向“怎样用才算有效学习”。学生用AI前，要先形成自己的初步判断；使用AI后，要说清楚采纳了什么、质疑了什么、修改了什么。
作业评价不要只看最终作品。思考日志、AI交互记录、修改痕迹和反思说明，都应成为判断学习过程是否发生的依据。
还有教师最不可替代的部分：守住教育价值方向，激发学生思考，把学生带回真实交流。AI擅长提供答案，却无法判断“为何做”以及什么更有意义；它可以模拟关怀理解的语气，却不能切身感受学生的情绪。
教师愿意尝试AI，并不等于AI能够顺利进入课堂。
调查显示，教师在应用AI时遇到的前三个问题分别是：“没有合适的资源”，占67.4%；“技术不稳定、经常出故障”，占62.9%；“不会用，学习成本高”，占44.8%。
没有资源，指向通用工具和真实教学任务之间的距离；技术不稳定，暴露出工具和真正进入课堂之间契合度不够；学习成本高，则把教师个人探索的现实负担推到台前。
教师在应用AI时遇到的主要问题
有教师说，满心期待地向AI提需求，但结果常常不尽如人意，要么空洞，要么跑偏，感受不到它带来的便利。也有教师直言，免费的工具就那么几样，专业的工具通常费用高或者门槛高，缺乏专门适用于教育教学且错误率低的AI。
国家智慧教育公共服务平台设置“AI试验场”，国家中小学智慧教育平台和一些区域教育平台也自建或集成第三方AI工具，支持教学资源生成、学情分析、教案优化、智能问答等应用。
但只有资源入口和工具基础还不够，从“有工具”到“能上课”，学校还可以往前一步，推动校本转化。
由教研室或学科组先筛工具，形成“可用、慎用、暂不建议使用”的工具清单，降低教师试错成本。
围绕备课、导入、练习、评价等高频环节，建立资源池和提示词库、技能库，不让教师（尤其新教师）每次都从零开始。
资源池不能只是材料存放文件夹，可以注明适用课型、操作步骤、常见风险和二次加工要求。分门别类，便于快捷取用。
把培训改成即插即用的课堂支持。教师听完培训后，手里就有一个能直接试课的初步模板。
教师缺的往往是低成本、可复用的课堂路径：备课时怎么用，课堂中怎么用，作业和评价中怎么用，学生使用时怎么引导，生成内容如何核验，哪些材料不能直接拿来用。一旦把这些环节设计为课例、流程和教研资源，AI才可能从教师个体尝试进入常态教学。
教师并不缺少接触AI的入口。
调查数据显示，通用对话式或生成式AI工具的使用率最高，达到96.9%；国家智慧教育平台相关模块使用率为77.7%。
但越往具体教学场景走，使用率就明显下降：多模态创作类AI使用率为50.4%，学校平台AI模块为35.7%，本学科AI教学软件为35.2%，自建AI工具为25.3%。
造成落差的原因很直接。通用工具好上手，所以用得多；学科工具、学校平台和自建工具使用率明显降低。这也指向一个现实的技术短板：AI教育资源还没有充分进入具体学科、具体学段、具体教学环节。
教师常用的AI工具
有教师提到，乡村教师苦于找不到适合课堂的AI资源。也有教师说，音乐本身比较抽象，目前还没有发现合适好用的音乐学科AI工具。
AI教育资源如果长期停留在通用层面，就很难真正深入课堂、支撑具体教学。对此，学校可以沉淀一套能被学科教师反复调用的必备场景资源：
学科应用清单要回答具体问题。适合哪个学段、哪类课型、哪个教学环节，教师需要做什么二次判断或加工。
提示样例围绕真实教学任务来设计。比如，怎样帮助学生比较观点，怎样追问证据，怎样设计分层练习，怎样把一个开放任务拆成可执行步骤。
课堂案例要写清任务目标、AI介入环节、教师保留判断的环节、学生输出要求和评价方式。
作业评价模板和学生使用规则要跟着课例一起走。教师不能只有工具入口，还要知道学生用了AI之后该怎样评价。
只有这样，AI应用才会从个别教师的经验，变成学校可以复用、迭代的公共资源。
教师用AI，会输入提示词、会生成课件，只是起点。
更关键的是，教师能不能判断AI生成的内容是否可信，是否适合本班学生，是否偏离教学目标，是否会削弱学生原本应该经历的思考过程。
报告显示，不少教师对AI辅助教学的卡点，是在复杂教学情境中，与教学目标和学生个性化需求的深度结合有困难。关键不是会用，是要能从减负使用走向提质使用。
“减负”相对容易：更快捷生成资料、更精准批改作业、更熟练整理文本。提质则要回答的是“好在哪里”：学生是否因此更会提问，更会验证，更懂表达，更能在复杂任务中形成自己的思考与判断。
教师需要根据教学目标拆解任务，判断哪些工作可以交给AI完成，哪些育人环节必须由教师亲自承担。更进一步，教师还要学会引导和训练AI，使其更贴合自己的教学风格和班级学情。
因此，学校做AI培训，不能停在工具介绍和功能演示，更应该把真实课例带进现场：
这节课的难点在哪里，AI介入后有没有削弱学生的必要思考？
哪个环节适合让AI辅助，哪个环节必须由师生自行完成？
生成内容如何改写、追问，才更贴合本班学情？
学生用了AI，教师怎样判断他是理解，还是只收获了答案？
AI给出一段材料、一套题目、一份教案，教师不能只判断“能不能用”，还要判断“该不该用”“怎样改后才能用”“学生用了之后会不会少想一步”。把技术结果转化为教育判断，也是未来教师的必备能力。
AI进入课堂越来越广泛，规范问题会越来越具体。
调查表明，在东部、中部、西部教师的比较中，“使用AI教学时优先保障师生真实互动”这一项得分都处于全项最高水平，且差距较小。无论身处哪个区域，教师都清楚教学不能失去人的在场。
但在数据安全风险判断、版权或知识产权识别上，参与调查的教师得分整体偏低。在教学材料中清晰标示AI生成内容方面，东部与中部表现较好，西部相对较弱。
东部、中部和西部教师人工智能的合理规范使用
教师AI素养不能只理解为会提问、会生成、会制作资源。学生数据会上传到哪里，引用外部材料是否涉及版权，学生作业中AI参与到什么程度等需要说明，这些事项的边界都将逐渐进入教师的日常判断。
对此，AI使用规范要写得具体，教师和学生才知道边界在哪里：
使用场景要分级。哪些场景禁止使用，哪些必须在教师监督下使用，哪些可以鼓励使用，哪些可以开放使用，都要有清楚边界。
高风险场景列入负面清单，低风险场景也要经过工具审核和使用说明，不能因为“大家都在用”就默认安全。
作业中的AI参与程度要标明。学生参考了什么工具，用在资料搜集、语言润色、结构调整还是观点生成，都应有说明。
数据和隐私要设底线。学生个人信息、家庭信息、敏感数据不能随意上传；教师分析学生数据前，应明确授权、用途和保存方式。
平台可以提供资源合规和内容校验的基础支撑，但数据归属、生成内容使用边界、学生作业中的AI识别，仍是学校自己的问题。没有校内规则，教师只能靠直觉行事，这就可能为未来的学校治理埋下安全隐患。
教师AI应用的差异，最后会落到区域和学校系统支持能力上。
东部、中部和西部教师在不同能力项上的平均得分，总体呈现“东部领先、中部居中、西部相对滞后”的格局。这个差异不能简单理解为教师个人努力程度不同，它主要集中在更复杂的能力层次上。
在基础环节，教师已经能够判断AI是否有助于当前教学任务、哪些环节适合引入AI，也开始反复核验AI结果、识别学生作业中的AI痕迹。区域差距拉开的地方，是能否把多种工具组合起来，设计更有突破性的教学活动，而不是基础的工具使用和结果判断。这个差距，很难只靠教师个人努力补上。
东部、中部和西部教师AI融入教育教学实践
对学校来说，系统支持不能只是多组织几场培训，也不能只是把工具链接发给教师。更有用的支持，是把教师个人学习变成组织能力：
有人筛工具，明确哪些能用、哪些慎用、哪些暂时不用。
有人做整合，突破单一环节或个别课程，进行跨课程、跨学科的系统化尝试
有人做课例，把有效提示词、课堂流程和作业评价方式沉淀下来。
有人组织试课、复盘和再修改，让一次尝试变成可迭代的经验。
有人把数据、版权和学生使用规范与规则讲清楚，守住学校的底线。
更深一层看，采购一套AI系统不等于完成学校转型。学校应同时理解技术的可能和人性的边界，持续回答一个问题：AI时代，学校到底要培养什么样的人？这个问题不回答清楚，工具越多，学校越容易被工具牵着走。
教育技术正在进入一个重构周期，学校需要建设的不应只是单个爆款工具，要关注可复用的工具生态：资源池、提示词库、课例库、评价模板、数据规范和复盘机制要接起来。
再往下探，学校系统可能会被重新拆解为数据层、工具层和Agent层。数据层要能沉淀学生学习过程和教师教学经验，工具层要能支持不同学科和任务调用，Agent层要能在具体学习场景中承担导学、反馈、提醒和协作角色。学科组也需要从单一教研，走向围绕任务链、跨学科项目和学生真实问题的协同。
