AI时代思考(三):怎么学?老师应该怎么教?

在前两篇文章中，我们讨论了两个问题：第一，AI 时代的职业结构正在发生怎样的变化；第二，学生在 AI 时代究竟应该学什么。

如果说第一篇关注的是“未来社会需要什么样的人”，第二篇关注的是“学生应该具备什么样的核心能力”，那么第三篇就必须进一步追问一个更现实的问题：这些能力到底怎样培养？学校应该怎样教？

能力不会凭空发生。提问力、创造力、批判性思维、沟通能力、自驱力和决策能力，都不是靠听几场讲座、背几条定义、完成几张试卷就能自然形成的。它们必须在真实的问题情境中，在持续的探究、表达、合作、反思和改进中逐渐生长出来。

这也正是近几年国家课程改革不断强调跨学科主题学习、项目学习、问题探究、任务驱动、实验教学、综合实践活动和大单元教学的重要原因。根据《义务教育课程方案（2022年版）》及相关课程标准，义务教育阶段强调核心素养导向，注重学科间关联和课程综合化实施，并提出原则上各门课程用不少于 10% 的课时设计跨学科主题学习。需要说明的是，这一表述主要属于义务教育课程改革语境，不能简单扩大为所有学段、所有学校、所有课程的一刀切要求。

一、AI 时代，“怎么学”比“学什么”更加重要

在传统学习中，学生常常把学习理解为“掌握知识点”和“获得标准答案”。这种学习方式在考试导向明确、知识更新相对缓慢的时代，但在 AI 时代，仅仅掌握现成知识已经远远不够。

今天，AI 可以快速生成文本、整理资料、解释概念、提供思路，甚至可以完成一部分代码、图像、报告和方案设计。如果学习仍然停留在“记住答案”和“模仿步骤”的层面，学生很容易发现：自己花很长时间训练出来的低阶技能，机器可以在几秒钟内完成。

这并不意味着知识不重要。相反，知识仍然是能力的载体。没有基础知识，所谓批判性思维和创造力很容易变成空想；没有学科根基，跨学科学习也会变成热闹但浅薄的拼盘。问题在于，我们不能再把知识本身当作学习的终点，而应该把知识作为学生发展能力、形成判断、解决问题的工具。

也就是说，AI 时代的学习，需要从“知识获取”转向“能力生成”，从“答案训练”转向“问题解决”，从“被动接受”转向“主动建构”。

二、政策倡导的学习方式，本质上都指向真实问题解决

近几年，国家课程政策中出现了许多关键词：跨学科主题学习、项目化学习、探究式学习、任务驱动式学习、实验教学、综合实践活动和大单元教学。表面看，这些概念很多，容易让一线教师觉得又多了一堆新名词。但如果把这些概念放在一起看，它们背后的方向其实是相通的：让学生在真实或接近真实的情境中，综合运用知识，经历发现问题、分析问题、解决问题和表达成果的过程。

从上表可以看出，虽然不同政策文件中使用的概念有所不同，但它们背后的共同方向是一致的。因此，AI 时代的课堂改革，并不是简单地增加几个新名词，也不是把所有课堂都改造成热闹的项目展示，而是要通过更真实、更综合、更开放的学习方式，帮助学生发展那些难以被 AI 替代的核心能力。

三、八大核心能力如何在课堂中真正发生？

在第二篇文章中，我们提到，AI 时代学生尤其需要发展八项核心能力：提问力、创造力、批判性思维、个性力、高感性力、沟通能力、自驱力和决策能力。这些能力听起来都很重要，但如果不落实到具体学习方式中，就很容易变成漂亮但空泛的词。真正的问题是：课堂怎样设计，才能让这些能力发生？

1. 提问力：从“回答问题”走向“发现问题”

传统课堂中，学生最常做的是回答老师提出的问题。但在AI 时代，更稀缺的能力不是回答，而是提出真正有价值的问题。

提问力适合在探究式学习和项目化学习中培养。比如，面对“校园午餐浪费”这一真实情境，学生不应只是计算浪费了多少食物，而要进一步追问：浪费发生在哪些环节？是口味问题、份量问题、管理问题，还是学生对食物来源缺乏理解？有没有可能设计一种更合理的反馈机制？

AI 可以帮助学生查找资料、整理数据、生成问卷初稿，但“什么问题值得研究”“哪个问题真正重要”“这个问题背后是否还有更深层原因”，仍然需要学生自己判断。

2. 创造力：从“模仿答案”走向“生成方案”

创造力不是天马行空地随便想，而是在一定知识基础上，提出新颖而有价值的方案。

项目化学习和跨学科主题学习特别适合培养创造力。比如在“设计未来校园”这一项目中，学生需要综合数学、科学、艺术、信息技术和社会学知识，思考校园空间如何更环保、更安全、更有利于学习和交流。

AI 可以生成很多看似不错的设计方案，但真正有价值的创造，往往来自学生对真实需求的观察、对使用者感受的理解，以及对审美和价值的选择。换句话说，AI 可以给出许多“平均正确”的方案，但学生要学会提出“真正有个性、有温度、有判断”的方案。

3. 批判性思维：从“相信答案”走向“审查证据”

AI 时代的信息更多了，但可靠性未必更高。学生不仅要会搜索信息，更要会判断信息。

批判性思维适合在探究式学习、实验教学和资料研究中培养。比如学生研究“网络谣言为什么会传播”，可以利用 AI搜集案例、整理观点、生成初步分析框架。但接下来，学生必须判断信源是否可靠，数据是否充分，论证是否存在偷换概念、以偏概全或因果倒置。

在实验教学中，学生也要学会面对不完美的数据。实验结果不符合预期时，不是简单说“做错了”，而是追问：变量是否控制？测量是否准确？样本是否足够？假设是否需要修正？这才是真正的批判性思维。它不是为了反驳而反驳，而是为了让判断建立在证据和逻辑之上。

4. 个性力：从“标准模板”走向“独特表达”

AI 最擅长生成标准化、流畅化、平均化的内容。它能写出一篇结构完整的文章，也能做出一份看起来不错的方案。但正因为如此，未来越是容易被 AI 批量生成的表达，越缺乏个人价值。

个性力需要在大单元教学和综合实践活动中慢慢形成。比如同样是“我的家乡”主题学习，所有学生都可以用AI 查资料，但最终呈现出来的作品不应该一模一样。有的学生可能关注城市变迁，有的学生可能关注老人记忆，有的学生可能关注一条河流的污染与治理，有的学生可能用摄影、访谈、纪录片或数据可视化来表达。

这种差异，不是装饰性的差异，而是学生价值观、兴趣、审美和观察方式的体现。AI 可以辅助表达，但学生必须逐渐形成自己的眼光和声音。

5. 高感性力：从“知道他人”走向“理解他人”

高感性力包括情绪感知、共情能力、关系理解和情感连接。它不能只靠讲解培养，必须在真实的人际互动中发生。

跨学科主题学习和综合实践活动为这种能力提供了重要场景。比如在“社区助老”项目中，学生可以用 AI 分析老龄化数据、设计访谈问题、整理服务方案，但真正面对老人时，学生需要观察对方的语气、表情、沉默和需求，需要理解对方没有直接说出口的感受。

这种能力不是 AI 生成几句温柔的话就能替代的。人与人之间的信任，往往来自长期真实的互动、责任和陪伴。学生只有进入真实关系，才可能真正理解“人”不是数据点，而是有经历、有情绪、有尊严的生命。

6. 沟通能力：从“表达信息”走向“建立关系”

沟通不是把话说清楚那么简单。真正的沟通包括倾听、表达、协商、说服、反馈和建立信任。

项目化学习和任务驱动式学习都能为沟通能力提供训练场景。在一个项目小组中，学生需要分工，需要讨论方案，需要处理分歧，需要向同伴解释自己的想法，也需要在公开展示中面对提问和质疑。

AI 可以帮助学生制作 PPT、润色讲稿、模拟提问，但它不能替学生完成真实的眼神交流、临场回应和关系协调。一个学生能不能说服别人，能不能在冲突中保持理性，能不能把复杂问题讲清楚，这些能力都必须在真实交流中训练。

7. 自驱力：从“被要求学习”走向“主动投入”

AI 时代最重要的学习能力之一，是自驱力。因为知识和工具更新太快，外部监督不可能永远跟着一个人。真正能够持续成长的人，必须有内在动机。

项目化学习和探究式学习能够激发自驱力，前提是学生对问题真的感兴趣，并且在学习过程中拥有一定选择权。比如一个学生选择研究“校园植物图谱”，AI 可以帮助他识别植物、整理资料、生成记录表格，但持续观察、拍摄、比较、修改和完善作品，需要学生自己投入。

当学生意识到“这是我的项目”“这个问题和我有关”“我的作品真的会被别人看到和使用”，学习就不再只是完成任务，而会变成一种自我驱动的成长。

8. 决策能力：从“寻找标准答案”走向“权衡后果”

决策能力必须在复杂情境中培养。因为真正的决策往往没有唯一正确答案，而是在信息不完整、结果不确定、资源有限的情况下做选择，并承担后果。

复杂情境下的 PBL 和大单元教学可以训练这种能力。比如在模拟企业经营、城市规划、环境治理或校园制度改进项目中，学生需要面对不同方案的成本、风险、收益和影响对象。

AI 可以提供预测、比较和建议，但最终选择哪一种方案，为什么选择，可能牺牲什么，需要承担什么后果，这些都必须由学生自己思考。决策能力的核心不是“算出最优解”，而是在不确定中进行价值权衡。

四、老师应该怎么教？

如果学生的学习方式要改变，教师的教学方式也必须改变。教师真正不可替代的地方，在于设计学习、组织探究、判断学生状态、提供个性化反馈、建立信任关系，并引导学生形成价值判断。

第一，教师要从“讲知识”转向“设计问题”

好的课堂不只是把知识讲清楚，而是让学生遇到值得思考的问题。教师要学会设计驱动性问题，让学生在问题中产生学习需要。知识仍然要教，但最好嵌入到问题之中。这样学生学到的就不只是知识点，而是知识如何被使用。

第二，教师要从“控制过程”转向“搭建脚手架”

项目化学习和探究式学习并不意味着把学生放出去自由发挥。没有结构的“开放”，往往只会变成混乱。学生需要结构，需要支架，需要阶段性反馈。教师要帮助学生明确研究问题、制定计划、寻找资料、判断证据、形成作品、进行展示和反思。教师不是替学生完成任务，而是在关键节点提供支持，让学生能够走得更远。

第三，教师要从“评价答案”转向“评价过程”

AI 时代，如果评价仍然只看最后答案，学生很容易把任务外包给 AI。真正有意义的评价，必须关注过程。

学生的问题是怎样提出的？资料是怎样筛选的？方案经历了几轮修改？团队如何协作？展示后是否根据反馈进行了改进？学生是否能说明自己为什么这样选择？这些过程，才最能体现学生的真实能力。表现性评价、项目档案袋、学习日志、公开展示、同伴互评和反思报告，都可以成为评价的重要方式。

第四，教师要教学生负责任地使用 AI

学生需要知道，AI 可以帮助他们查找资料、解释概念、生成思路、修改表达，但不能替代他们的思考、判断和责任。教师可以要求学生在项目中说明：哪些部分使用了 AI？AI 提供了什么帮助？学生如何验证 AI 的内容？哪些结论是自己判断得出的？这样，AI 就不会只是偷懒工具，而会成为训练提问、验证、表达和反思能力的工具。

第五，教师要保留教育中最“人”的部分

学生很多时候需要的，不只是一个答案，而是被看见、被理解、被鼓励，也是在困惑和挫败中有人陪他一起走一段。真正的好老师，不只是会讲课的人，更是能够影响学生的人。教师的热爱、好奇心、幽默感、判断力、坚持和人格，会在潜移默化中塑造学生。这也是 AI 时代教师最不可替代的地方。

五、AI 时代的课堂，应该是什么样的？

理想的课堂，应该是这样的：学生面对一个真实问题，产生好奇和疑问；教师帮助学生把模糊的问题转化为可以研究的问题；学生利用教材、实验、访谈、数据和 AI 工具收集信息；在教师引导下，学生判断信息是否可靠，分析证据是否充分；随后，学生形成自己的方案、作品或观点，并通过展示、讨论和反馈不断修改；最后，学生回到自身，反思自己学到了什么、如何学到的、下一步还能怎样改进。

AI 时代的教学，不是简单地让学生多学一点 AI 工具，也不是把所有课堂都改造成项目展示。真正重要的是，我们要重新理解学习的目的。

参考政策与文件：

《义务教育课程方案（2022年版）》及相关课程标准。

《教育部关于加强和改进中小学实验教学的意见》（教基〔2019〕16号）。

《教育部等十八部门关于加强新时代中小学科学教育工作的意见》（教监管〔2023〕2号）。

《中小学科学教育工作指南》（教监管厅〔2025〕1号）。

《中小学综合实践活动课程指导纲要》。