夜雨聆风我教老师用AI，从不劝人“一键生成教案就用”！
因为这件事，错的不是技术，错的是把教学当成了信息传递。
上个礼拜，一个老师给我发微信。她说她试了一下某平台的AI备课功能，输入了“人教版八年级《背影》教学设计”，二十秒钟，出来一份结构工整、步骤清晰、连板书设计都带了的教案。
她说：“看得我后背发凉。”
不是写得不好。是写得太好了——好到让她觉得自己读了四年师范、带了八年班的那些东西，好像一下子不值钱了。
我没有安慰她。我说：“你试试拿它去上课。”
过了两天，她又发消息。她说上了，上到一半就不想上了——因为那份教案跟她的学生没关系。“它不知道我的班上有个叫陈一鸣（化名）的男生，读《背影》读到'我看见他戴着黑布小帽'那一段，突然跟我说他想起他爸送他去车站的样子。它也不知道坐在第三排的刘佳音（化名），作文里写过她跟她爸半年没说过话了。”
“那份教案里，没有陈一鸣，没有刘佳音。它教的是一群不存在的学生。”
——这句话，就是我这篇文章想说的全部。
◆ ◆ ◆
一、AI没做错什么，是我们把教学这件事想错了
这两年，到处都在说“AI赋能教育”。你打开任何一个教育科技展的报道，关键词翻来覆去就是那几个：一键生成教案、智能组卷、自动批改、互动课件。配上“把老师从重复劳动中解放出来”的文案，听起来美好极了。
但这里藏着一个非常隐蔽的假设：备课，被归到了“重复劳动”这一类。
备课是重复劳动吗？
如果你理解的备课是“把课程标准抄一遍，把教学目标列三行，把教学步骤写八步，把课后作业布置两道”——那它确实是重复劳动。而且是非常容易交给AI的重复劳动。AI写这些跟写会议纪要差不多，百分之百胜任。
但如果备课是“理解我的学生此刻在哪里、决定接下来带他们去哪、设计一条适合他们的路”——那它就不是重复劳动，而是整个教学中最需要专业判断力的环节。
前者是写教案，后者是做教学设计。
这两件事长得像，但根本不是一个东西。可惜的是，目前绝大多数“AI一键生成”的产品，瞄准的都是前者——然后告诉你这就是后者。
杜威在《民主主义与教育》中有一个根本性的论断：“教育就是经验的改造或改组。”他说的是“经验”，不是“知识点”。经验是学生在具体情境中、通过具体行动获得的、连续生长的理解过程。而AI生成的教案，从头到尾都在处理知识点——它不知道什么是经验，因为它自己没有经验。它只有语料。
◆ ◆ ◆
二、你的教室不是AI训练语料里的那间“标准教室”
2025年10月，马萨诸塞大学的Torrey Trust教授和Robert Maloy发表了一项研究，对AI生成的教案做了系统分析。结论非常直白：AI生成的教案“缺乏课堂细微差别，产出的是通用型方案”，“无法像教师那样考虑真实的学生或实际的课堂环境”。
翻译成大白话：AI写的教案不针对任何人。
但教学永远是对“这一群人”的教学。你把同一个AI教案拿到不同教室去试，就会发现它对不上任何一间真实教室的频率。因为真实教室里的变量，每一个都足以让一份“标准教案”当场失效。
教材版本——同一个知识点，教法完全相反
以数学为例。人教版与苏教版，两个版本的引入顺序不一定相同，教学逻辑也不一定相同。AI生成的教案，如果你不在提示词里明确写清楚“苏教版，八年级上册，第三章”，它大概率给你一个“人教版+部编版+网络流行教案”的混合体——看起来都对，拿给苏教版的学生用，逻辑全乱。
最近发展区——AI不知道你的学生卡在哪
维果茨基说，教学不应盯着学生“已经会的”，而应瞄准“在帮助下才能会的”那个区域。这需要教师在日常互动中积累一种极其精细的判断：谁今天状态不对、谁这段时间在哪个环节反复犯错、哪种讲法上次对三班有效这次对二班不行。这些判断从来没有被写成文档，不存在于任何知识库里。唐纳德·舍恩把这叫作“行动中的知识”——隐含在行动中、无法用语言清晰表述。AI的训练语料里没有这种东西，因为它从来没被写下来过。
考评机制——海淀卷和县城卷不是同一张卷子
北京海淀的期末考试可能在考查迁移应用和开放性思维，而四川某县城的期末考试更侧重基础知识的准确再现。AI生成组卷如果不知道你面对的是哪种考评机制，就只能给你一个“平均难度+通用题型”的折中方案。考试测量学里有两个核心概念——信度和效度。AI自动组卷如果缺乏对二者的建模，可能过度集中在某一知识点上出题，导致内容效度偏低：试卷看起来像样，但测不到你想要的东西。
学校条件——AI假设的那间教室根本不存在
某教育科技公司调研过一个案例：AI生成的“互动网页”要求学生在课堂上扫码填问卷，实时生成词云。但那个班级所在的学校，教室里根本没有WiFi。教师把网页发到家长群，只有三分之一的家长在当天打开了链接。AI默认你的教室和它训练语料里的“理想教室”一样——但它从来没见过一间没有WiFi的教室。
你的风格——谁用都不像自己
有些老师善讲故事，历史课像评书；有些老师善追问，一堂课能连问十几个“为什么”，把学生逼到思维的墙角。同一节《背影》，善讲故事的老师从“父亲爬月台”的画面感入手；善追问的老师从“为什么作者当时觉得父亲说话不大漂亮”入手，讲回忆性散文的双重视角。AI不管这个——它给你的是一个“平均好老师”的教案。谁用都可以，但谁用都不像自己。保罗·弗莱雷说得透彻：教育不是“储蓄”，是“对话”。而对话的前提，是两个真实的人在场。
◆ ◆ ◆
三、不是AI不够好，是它根本没在做“教学”这件事
如果说上一节讲的是“现象”——为什么AI生成的教案对不上你的教室——那这一节我们追问更根本的问题：为什么AI不可能做好这件事？
答案不在教育学里，而在计算机科学里。
Trust和Maloy的研究说得很直白：“从技术角度看，这些聊天机器人只是基于海量文本预测下一个词。”大语言模型——不管是ChatGPT、Claude还是文心一言——本质上是一个“下一个词预测器”。它不是思考者，不是决策者，不是理解者。它只是根据训练语料中的统计规律，生成在给定上下文中“最可能”出现的那一串词。
这意味着AI生成的教案，本质上是对互联网上已有教案的统计平均。它不是针对你的班级、你的学生、你的教学风格做的决策——它做不出决策。它能做的只是“在类似上下文中，教师通常怎么写”。
所谓“教育知识库”方案——那些内置了新课标、学科知识图谱、海量题库的RAG系统——看起来比裸模型更专业。但逻辑是一样的：它只是在更大规模的已有文本中进行检索和重组。它不知道四川成都的初二（3）班和北京的初二（3）班需要两套完全不同的方案——因为它的训练语料中，绝大部分教案都没有标注“适用于哪个地区、哪个版本、哪个班型、哪个教师”。这些变量在语料里是缺失的。
一个更深的危险：教师在“去技能化”
海德格尔在《技术的追问》中提出了一个影响深远的概念——“座架”（Gestell）。他的洞察是：现代技术不只是工具，它会反过来重新定义使用它的人。当你习惯了用AI一键生成教案，你就不再锻炼自己分析学情的能力，不再锻炼自己设计教学逻辑的能力，不再锻炼自己判断课堂节奏的能力。久而久之，不是AI在辅助教师，而是教师变成了AI的输出终端。你的工作是“输入提示词→获取结果→微调→执行”。你不是在设计教学，你是在审稿。
2026年1月，《黑龙江高教研究》发表了一篇论文，直接运用海德格尔的框架分析AI对教育的影响，结论是：AI技术通过认知、能力、伦理、制度四重机制消解教育的主体性，“教师出现'去技能化'现象，学生的元认知能力被侵蚀弱化”。
（文章截屏来自知网）
◆ ◆ ◆
四、这些不是危言耸听，数据已经说明问题了
我找了几组公开数据，每一个都在说同一件事：教师用AI“一键生成”的体验，远没有宣传文案那么美好。
311个AI教案，90%只有低阶思维。一项发表于2025年的研究分析了311个AI生成的公民教育教案，发现90%的活动仅促进学生基础思维（填空、选择、判断），缺乏批判性思维、创造性思维和元认知层面的设计。而新课标最强调的，恰恰是后者。
86.0%担忧学生过度依赖技术。教育部教育技术与资源发展中心（中央电化教育馆）组编的2026年《中国教师生成式人工智能应用报告》显示：86.0%担忧学生过度依赖技术导致独立思考能力丧失。
（文章来自《中国教师生成式人工智能应用报告》）
教育部2025年发布的《教师生成式人工智能应用指引（第一版）》。2025年11月28日，教育部教师队伍建设专家指导委员会发布了这份文件。调子不是“鼓励教师全面使用”，而是引导教师“科学、安全、合规、理性”地应用。这种措辞背后的政策意图很清楚：放任教师大量使用AI一键生成，已经被视为一个需要被“引导”和“规范”的问题。
提示词悖论：能写好的不需要，需要的写不好。Trust和Maloy的研究给出了一个经典对比。无效提示词：“为制宪会议设计一份教案”。有效提示词则需要指定：年级、地区、课程标准层级、教学模型、特殊要求——这些涉及对课程标准、教学法、多元文化教育理论的深度理解，恰恰是教师专业性的核心。一个非教育专业的AI使用者根本写不出这种提示词。而一个能写出这种提示词的教师，在写的过程中已经完成了教学设计的大部分思考。AI在这里不过是一个高级文本扩展器。
◆ ◆ ◆
五、那AI到底该用在哪？一张清单说清楚
这篇文章不是反AI的。我每天都在用AI。但“用AI”和“让AI替你做决策”是两件完全不同的事。
一句话总结：你做教学设计，AI帮你执行。不要反过来。
不可外包的四件事
① 学情判断。谁懂了、谁没懂、谁快懂了——这个判断只能由坐在教室里的你来下。
② 目标设定。教什么、不教什么、优先教什么——这需要对课标、教材、学情、考评的综合权衡。不要让概率模型代劳。
③ 策略选择。用讲授还是探究？用类比还是反例？小组讨论还是独立练习？这些选择依赖的是你对这群人的了解。
④ 情感互动。什么时候严肃、什么时候幽默、什么时候停下来——这不是内容问题，是关系问题。
AI真正能用好的五件事
① 素材搜集。“帮我找五篇适合初三的环保主题说明文，难度递增”——信息检索，不涉及教学决策。
② 出题辅助。你已经设计好了考试的知识分布和难度结构，让AI帮你生成符合约束的题目变体。
③ 格式整理。你已经完成了教学设计，让AI帮你排版成学校要求的格式，板书转PPT——格式转换，不是内容创作。
④ 语言检查。你已经写好了导学案，让AI帮你检查措辞是否清晰、有没有歧义、知识性错误。
⑤ 反思对话。上完课，把你记录的课堂实录（你记的，不是AI虚构的）输入AI，让它提醒你可能忽略的模式——比如“你说了'对不对'17次，而学生回答后的平均思考时间只有0.5秒”。
使用AI的能力悖论
Trust和Maloy的研究有一个扎心的发现：“教师应成为批判性的使用者，而非快速的采纳者。”能从AI中获得最大帮助的教师，恰恰是那些本来就不需要AI来替他们做教学决策的教师——因为他们有清晰的判断力，知道AI的产出哪些能用、哪些不能。而那些最需要“一键生成”来减轻备课负担的新手教师——恰恰是最容易被AI带偏的。
◆ ◆ ◆
六、最后讲一个你们所有人都懂的道理
有一个逻辑谬误我还没提，因为它太简单了，简单到像在侮辱你的智商——但在“AI赋能教育”的讨论里，它几乎无处不在。
它的推理链是这样的：AI可以快速生成结构完整的教案→教案是教学的核心准备工作→因此，AI可以承担教学设计的核心工作。
看出来了吗——“教案”这个词被偷换了两次。第一句里的“教案”，是“符合格式规范的文本”。第二句里的“教案”，是“基于学情分析的教学决策过程”。把这两件事叫做同一个词，不等于它们是同一件事。
AI可以很好地生成前者。后者——那个在教师大脑里发生的，涉及学情分析、目标权衡、策略选择、资源适配的复杂认知过程——AI根本就没参与。
这就是为什么我不劝任何老师用“一键生成教案就用”。
不是因为AI不好用。恰恰相反，它太好用了——好到你很容易就会把手伸出去，把本该你自己想的事情也交给它。然后某一天你站在讲台上，看着底下的陈一鸣（化名）和刘佳音（化名），突然发现自己不知道该怎么教他们了。
因为你已经很久没有自己想过这个问题了。
不要让技术替你做决策，然后告诉自己这叫“效率”。那不是效率，那是放弃了做教师的根。
