听了五小时AI教育讲座,我发现教师最该补的不是技术课

今天在华东师范大学普陀校区和团队伙伴们一起听了两场讲座，上午是闫寒冰教授讲"数字赋能教育创新：生成式人工智能在教育中的应用路径"，下午是一场"人工智能赋能教育——教材研究与教学设计方法实践"。两场加起来五个小时，信息量很大，但回到住处安静下来一想，两场讲座其实主要说了一件事：

AI能帮你干活，但干得好不好，得你自己来判断。

这个判断听起来朴素，但它是今天所有案例、方法论和政策解读的底层逻辑。顺着这个逻辑往下走，会得到一个更扎心的结论：教师最该补的课，不是技术操作课。至于具体该补什么，后面会说到。

一、教师的四大焦虑，讲座没回避

闫寒冰教授很直接，一上来就列了教师使用AI的四个核心挑战：

垃圾进、垃圾出——你给AI的提示词太模糊，出来的东西就是废料；

幻觉出、误导深——AI一本正经地编造，你信了就麻烦了；

今天记、明天忘——知识获取太容易，学生记不牢；

有成果、无成长——AI帮你出了成果，但能力没长在你身上。

第四条最扎心。闫教授打了个比方：唐僧成为唐僧，不是因为经书，是因为取经的路。AI直接把经书递到你手里，却拿走了取经的路。教案是出来了，但设计能力长进了吗？学生作业交了，但思维锻炼到了吗？

这个问题，每个用AI的教师都得面对。

二、两把钥匙和一句话

怎么解决？闫教授给了两把钥匙。

第一把：思考模型。

简单说，就是给AI嵌入结构化的专家框架。比如批改作文，不要让AI"帮我改改"，而是嵌入分层评分标准——内容、结构、语言、创意各占多少分，每一档什么表现。这样AI输出的就不是模糊评价，而是学生写作能力的分项画像。

再比如改编习题，嵌入SOLO分类理论，AI就能生成从单点结构到抽象扩展不同层次的题目，实现分层练习。

关键点在于：

你得先懂这些模型，才能用对。

选错了模型，反而引入专业偏差。

第二把：流程思维。

复杂任务不要一次性丢给AI，要拆成步骤。这个我之前用 Workbuddy 整理书稿的时候深有感触，直接执行一团乱麻，先规划想清楚了，再执行效率极高。大单元教学设计，先让AI出整本教材分析，再聚焦到单元，最后落到课时。一步一步来，每步都有明确的输入和输出要求。

两把钥匙合在一起，指向一个结论：

AI输出的质量，取决于教师自身的专业框架。

你脑子里有什么，AI才能帮你放大什么。

三、下午的讲座，把这句话说得更狠

如果说上午的讲座是"AI怎么用好"，下午的讲座直接把问题推进了一层——"你有没有资格用好"。

人没有能力，人工智能无法真正赋能。必须坚持智能共生，人是主体，专业智慧是核心。

下午的讲座聚焦在教材研究和教学设计上，李宝敏教授现场演示了用AI做教材分析的路径：

路径一：多轮对话模式。

从整本到单元到课时，分层提问，每一步给AI明确的分析框架和标准。李教授让几位教师分享自己的提示词设计，然后一一点评——有人一次性把所有任务丢给AI，生成质量很一般；有人分层拆解、结构化提问，效果好得多。核心原则就一句：

输入决定输出。

路径二：Skill封装模式。

把完整的教材分析流程预先封装成一个"技能模块"，后续只要输入教材信息，就能自动跑完全流程。一次开发，团队共享，结果稳定可控。

李教授还分享了一个已经开发好的教材分析Skill，现场导入演示。说实话，看到AI在几秒钟内完成从整本教材到课时设计的全流程分析，大家都感受到了技能的价值。

但李教授紧接着提醒：

AI生成的教学设计好不好，最终靠教师的评价力。

你得知道什么是高质量的教学设计——目标是否明确、环节是否连贯、内容是否适配学情、活动与目标是否一致。这些判断能力，AI给不了你，只能靠你自己长年累月地研究和实践。

四、一个让人动容的案例

上午讲座里分享了一个案例，让我印象很深。

霍特国际商学院做了一个数字营销模拟智能体：大模型扮演虚拟客户，学生扮演营销经理设计广告方案，实时分析数据、优化方案。实证数据显示，使用这个工具的学生，期末成绩比对照组高出40%。

这个数字很亮眼，但更值得想的是背后的逻辑：AI不是替代了教师，而是做了一个教师做不到的事——给每个学生一个可以反复试错、实时反馈的练习场景。教师设计了这个场景的规则和评价标准，AI负责执行。

还有一个"可教智能体"的案例更有意思：让大模型扮演一个"小傻瓜"，学生需要不断教它知识让它变聪明。学生在教的过程中，自己反而学得更深了。这其实是"费曼学习法"的AI版本——教别人是最好的学。

五、避免"有成果无成长"的五条策略

这是今天最实用的部分，闫教授给了五条具体策略，我觉得每一位用AI的教师都应该贴在电脑旁边记下来：

控节奏

——没搞清楚设计逻辑的课，不要贸然用AI。导入和讲解环节用AI问题不大，讨论、探究、输出环节要谨慎，别让AI替代学生思考。

强评价

——不能完全靠项目式作业给分，必须保留对学生真实能力的检测，结合标准化测试确认学生真的掌握了。

提难度

——设计原创性、开放性的高难度任务，AI无法直接生成答案，只能做辅助工具。

重迁移

——设计真实情境任务，要求学生把AI生成的方案落地实践，在操作中验证和修正。

变角色

——让学生从AI的使用者变成AI的"老师"，比如"可教智能体"模式，教AI的过程本身就是深度学习。

五条策略的共同指向只有一个：

把AI放在辅助位，把人放在主体位。

六、回到那个根本问题

今天两场讲座，从不同角度回答了同一个问题：AI时代，教师最该补的是什么课？

不是技术操作课。闫教授的数据很说明问题——中国企业员工持续参加AI培训的比例是63%，跟AI领导者企业的62%几乎持平，但只有54%的中国员工愿意根据AI的判断采取行动。不是不会操作，是不敢信、不敢用。

为什么不信任？因为心里没底。没有专业框架做支撑，你无法判断AI说的对不对、好不好、该不该用。

所以答案很清楚：

教师最该补的，是学科本体知识的课、教学设计标准的课、课堂评价方法的课。

这些东西AI给不了你，但有了这些东西，AI能帮你放大十倍。

下午讲座的讲师李教授说了一句话，我觉得可以作为这篇文章的结尾：

技术一直在迭代发展，我们不是跟着技术的脚步而走，要善用技术为我所用。从学工具、用工具到创工具，底层最重要的一是思维方式，二是方法，专业能力才是核心竞争力。

AI能帮你出教案草稿，能帮你分析教材，能帮你生成习题，能帮你模拟教学场景。

但拍板的，还是你。

这个"你"，不是靠工具堆出来的，是靠一堂一堂课、一次一次反思、一个一个课题，慢慢长出来的。