AI帮你上课还是替你上课?关键看谁先动

你可能经历过这种时刻——

接到通知，要上一节“AI+公开课”。你打开DeepSeek，输入课题，三分钟拿到一份教案。课上，你让学生跟AI对话、让AI提问、让AI评价学生作品。下课了，听课的教研员说了句：“这节课，AI比你会上课。”

这不是段子。我带老师磨公开课时见过太多次了——AI进了课堂，老师反而退场了。

今年4月，教育部等五部门联合印发《“人工智能+教育”行动计划》，明确AI要全面进课堂。AI+公开课已经不是“要不要做”的问题，而是“怎么做”的问题。

但我想说一个被忽略的关键问题：AI在课堂上什么时候出场，比AI能不能出场重要得多。

是AI先提问让学生回答，还是学生先思考让AI回应——这个顺序，决定了课堂的主语是谁。

上过AI+公开课的老师，用这四个问题检一下自己的课：

这节课最关键的那个问题，是AI提的，还是学生自己想问的？
AI出场之前，学生有没有独立思考的时间？
AI给出的结果，学生能判断对不对吗？
课堂上最关键的那个追问，是你问的，还是AI问的？

今天我就用这四个问题，帮你把AI+公开课的“对”和“错”看清楚。

一、三个“AI替你上课”的信号

我帮老师打磨AI融合课时，常见三种“替你上课”的误用。你对照着自检问题1和4看看，自己中过没有。

信号一：AI提问题，学生回答

这是最常见的。老师用AI生成了3个驱动性问题，上课抛出来，学生分头回答。看起来热闹，但仔细想——问题是谁的？是AI的。学生只是在回答一个别人替他们想好的问题。

这种课的典型表现是：学生回答质量不低，但追问下去，“你为什么选这个角度”，学生说不出来。因为问题不是他们自己想问的，回答只是完成任务。

用自检问题1检一下：这节课最关键的那个问题，是AI提的，还是学生自己想问的？如果是AI提的，学生没有真正的探究动力——他们只是在完成AI布置的作业。

信号二：AI出方案，你照着上

老师把课题输入AI，拿到一份完整教案，略作修改就上讲台。上课时环节流畅，但你问老师“为什么第二步要设计小组讨论而不是独立思考”，老师说“AI建议的”。

这就是AI替你做了教学决策。你执行的是AI的教学逻辑，不是基于学情的专业判断。

用自检问题4检一下：课堂上最关键的那个追问，是你问的还是AI问的？如果连教学设计都是AI出的，你的追问大概率也只是AI教案里写好的台词。

信号三：AI和学生对话，你退场

前两个信号各对应一个自检问题，但最危险的是第三个——两个问题一起爆。

课上让学生跟AI对话、让AI批改、让AI反馈，老师变成了“巡场员”。学生有问题先问AI，AI回答不了的才找老师。听起来很“以学生为中心”，但课堂上的关键追问、认知冲突的制造、思维拐点的点拨——这些只有老师能做的事，都被AI接管了。

结果就是：课堂看起来很先进，但学生的思维在原地踏步。

用自检问题1+4一起检：最关键的问题是AI提的，最关键的追问也是AI问的——那你的专业价值在哪里？

三个信号，根子都是同一个问题：AI先动了，学生和老师都在回应AI。谁先动，谁就是课堂的主语——而你的课堂，主语不应该是AI。

二、时序法则：先让学生想，再让AI帮

说了三种误用，不是说AI不好用。恰恰相反——AI太好用了，所以才容易用错。

我的原则很简单：AI最好的位置是在学生思考之后，而非之前。

我把这叫“时序法则”。它的核心逻辑是：

AI先动→学生回应：课堂的主语是AI，学生是应答者
学生先动→AI回应：课堂的主语是学生，AI是支架

举个真实的例子。

今年5月，成都市教育科学研究院主办了一场“AI赋能·数智启思”小学数学教研活动。四川大学附属实验小学南区学校的杨梦老师，上了一节《三角形三边关系》的AI融合公开课。

这节课的亮点在于AI出场的时机。

杨梦没有一上来就打开“AI数学实验室”。她先让学生用实物操作——摆小棒，猜一猜“什么样的三条边能围成三角形”。学生在动手过程中产生了猜想，也遇到了困惑。

然后杨梦做了一件关键的事——她追问学生：“你准备怎么验证？你想选择怎样的数据？”

这个追问，把学生从“直接动手做”推向了“做前动脑想”。因为学生已经想过了，他们知道自己在验证什么，AI给的数据才有意义。

用自检问题2检一下：AI出场之前，学生有没有独立思考的时间？有——学生先猜想、先困惑、先想验证方法。时序对了，AI就是支架；时序反了，AI就是替身。

如果先打开AI让学生随意操作，学生会变成“点鼠标的”，而不是“想问题的”。

三、三种AI的正确出场方式

知道了“时序法则”，具体怎么落地？我给你三种AI在公开课中的正确出场方式。

方式一：AI做验证支架——学生先猜想，AI再验证

这是最推荐的方式，适用于探究类课堂。

流程：学生基于已有经验提出猜想→动手操作发现证据不够→AI出场提供海量数据和可视化验证→学生基于验证结果修正猜想

还是杨梦老师那节课。刚才只讲了AI出场前学生做了什么，现在看完整流程：学生先摆小棒、猜一猜→杨梦追问“你准备怎么验证”→学生带着猜想和验证思路进入“AI数学实验室”→用AI动态调整边长，观察什么时候能围成、什么时候不能→学生基于验证结果修正猜想。

课后解读时，副校长杨柳说了一句很关键的话：传统探究课的痛点是“数据有限、归纳不充分”，AI的价值是“海量验证、数据自动汇总”——但前提是学生已经有了需要验证的猜想。

用自检问题2检：AI出场前，学生有没有独立思考的时间？有——学生先猜想、先困惑、先想验证方法，AI才出场。时序对了，AI就是支架；时序反了，AI就是替身。

适用场景：数学规律探究、科学实验验证、语文文本细读中的假设验证

方式二：AI做反馈工具——学生先产出，AI再反馈

适用于写作课、口语课等需要即时反馈的场景。

流程：学生先独立完成写作或口语任务→AI出场提供多维度反馈（结构、逻辑、语言）→学生基于反馈自主修改→老师做最终点拨和思维升华

注意：AI的反馈是“参考意见”而非“标准答案”。老师要在AI反馈之后追问：“AI说你的论证不够充分，你同意吗？你打算怎么改？”这个追问才是学习真正发生的地方。

用自检问题3检：AI给出的结果，学生能判断对不对吗？如果学生先写了自己的东西，他们就有判断的基准——“AI说的跟我写的不一样，谁对？”这种认知冲突才是AI反馈的价值。如果学生什么都没写就让AI给答案，他们连判断的能力都没有。

适用场景：作文批改与升格、口语表达反馈、解题思路优化

方式三：AI做学情诊断——学生先暴露问题，AI再帮老师精准干预

适用于作业讲评和复习课。

流程：学生先完成作业→AI扫描批阅生成学情报告→老师基于数据精准讲评→AI生成个性化变式题→学生分层练习

武汉市第六十四中学八年级物理老师张文虎就是这么做的。一个班50人，答题卡放入扫描仪不到三分钟，全班错题分布与个人知识盲区一目了然。他的定位概括起来就是：AI负责初步识别、数据整理和错情归类，他负责复核判断、课堂设计和分层指导。教学决策从“凭经验”转向“靠数据”，但做决策的始终是老师。

用自检问题2+3一起检：学生先做了（暴露了问题），AI再分析（给出数据），老师最后决策（精准干预）。时序是学生→AI→老师，每个环节都有明确的角色。

适用场景：作业讲评、复习课、单元诊断

你看，三种方式，AI出场的时机都一样：在学生思考之后。AI做验证，前提是学生有猜想；AI做反馈，前提是学生有产出；AI做诊断，前提是学生先暴露了问题。先有学生，再有AI——这就是时序法则的落地。

回到开头的四个自检问题，你现在应该不陌生了。记住“四个先”：

问题谁先想？——最关键的问题是AI提的，还是学生想问的？
学生先想了吗？——AI出场前，学生有没有独立思考的时间？
学生先有判断了吗？——AI给出的结果，学生能判断对不对吗？
追问谁先问？——最关键的追问，是你问的，还是AI问的？

四个问题，都指向同一个判断：课堂上谁先动，谁就是主语。你的课堂，主语应该是学生。

你上过AI+公开课吗？AI在课堂上扮演了什么角色——是“帮手”还是“替身”？评论区说说你的经历，我挑典型的来分析。

欢迎入群，与更多教师一起交流困惑