AI 赋能下的高中历史教学：范式转型、现实挑战与师生重塑

摘要

       随着数字革命向人工智能时代纵深演进，教育正经历从标准化批量培养到个性化精准育人的范式重构。作为以唯物史观为引领、聚焦时空观念与史料实证素养培育的基础性学科，高中历史教学在AI 技术驱动下，从目标、内容到实施路径均发生系统性转型。

       本文以全球数字化变革与国内教育新政为背景，以建构主义、多元智能理论及历史学科核心素养框架为底层支撑，系统阐述AI 赋能历史教学的价值逻辑与实践形态，深入剖析技术给教师专业能力带来的多重挑战、给学生学习方式带来的颠覆性改变，并重构二者在全新教学生态中的职责边界，形成 “教师引领、AI 支撑、学生中心、素养导向” 的新型教学关系。结合国内外观测数据与典型落地案例，本文提出 “四环一体” AI 赋能教学模式，为高中历史学科的智能化转型提供可落地、可推广的实践框架，助力历史教学真正实现 “培根铸魂、启智增慧” 的育人目标。

关键词：AI 赋能；高中历史教学；核心素养；教学转型；师生职责

一、引言：数字时代的历史教学与AI 赋能

1.1 世界数字化、信息化背景下的教育新态势

     当前，全球数字化进程正从“技术辅助” 的初级阶段，向 “人工智能赋能” 的高级阶段深度跃迁。经济合作与发展组织（OECD）在《2026 年数字教育展望：探索生成式 AI 在教育中的有效应用》报告中指出，Generative AI（生成式 AI）已成为驱动教育系统性变革的核心力量，其对教学流程的重塑、学习数据的挖掘以及个性化需求的适配，深刻触及教育理念、教学模式和评价体系的底层重构。2026 年世界数字教育大会以 “人工智能 + 教育：变革 发展 治理” 为主题，进一步吹响全球教育协同转型的号角：据大会发布的《全球数字教育发展指数（GDEI）2026》显示，目前全球已有 43% 的国家将 “AI + 教育” 纳入国家级教育发展战略规划，78% 的国家在课程标准中明确提出，要将高阶思维能力培养作为技术赋能的核心目标。

        从国内布局看，教育数字化战略行动已从宏观政策层面加速转化为基础教育领域的实际应用成果。截至2026 年，国家智慧教育公共服务平台已汇聚 4.4 万条优质基础教育资源、2.7 万门高等教育慕课课程、6700 余门职业教育精品课，形成覆盖课前备课、课中上课、课后评价全流程的一体化服务支撑；平台的全国中小学教师应用覆盖率超过 90%，学生应用覆盖率突破 80%，为 AI 技术与学科教学的深度融合筑牢了基础设施壁垒。

      在此背景下，历史教育的数字化转型不再是“可选选项”，而是贯彻国家教育战略、落实课程标准要求、顺应时代发展的 “必答题”。《普通高中历史课程标准（2017 年版 2025年修订）》在实施建议部分明确提出，“要充分运用现代信息技术，提高教学手段的多样化和信息化水平”，以技术革新推动人才培养模式的根本性转变，强调历史教学要 “关注信息化环境下的教学改革，关注学生个性化、多样化的学习和发展需求”，将技术赋能与核心素养培育直接绑定。可以说，全球技术变革的潮流、国家教育新政的引领以及学科育人的现实需求，共同构成了 AI 赋能高中历史教学的时代底层逻辑。

1.2 AI 赋能的内涵及其与历史教学的契合性理解

     “AI 赋能教育” 并非简单地将 AI 技术作为教学工具的补充，而是以数据为核心要素、以智能设备为技术支撑，对传统教学流程进行系统性重构 —— 在理念层面，坚守以学生为中心的育人导向；在实践层面，兼顾学生个性化发展需求与班级集体化教学的现实场景，最终实现教与学的双向、高效互动。从教学逻辑维度看，AI 技术的核心优势，恰好精准切中高中历史学科的教学痛点，二者在三个核心维度上形成深度契合：

        第一，突破历史学科的时空限制。历史是过去的现实，现实是未来的历史—— 历史教学的本质，是引导学生跨越时间与空间的隔阂，建立对人类社会发展进程的共情与认知。传统教学依赖教科书、地图和教师语言描述，难以让学生真切感知不同时代、不同地域文明的并存与互动；AI 技术的虚拟仿真、场景还原与动态可视化功能，恰好能将抽象的历史时空转化为可感知、可交互的沉浸式场景，帮助学生建立清晰的历史时空坐标。

       第二，破解史料研习的现实困境。史料是历史研究的基础，也是历史学科核心素养的落脚点—— 但面对海量、繁杂、分散的历史资料，学生往往面临 “不会找、读不懂、辨不清” 的现实困境，教师也难以在有限课时内，为不同层次的学生提供适配的史料资源。AI 技术的海量资源整合、智能检索与数据分析能力，可以将分散在数字博物馆、档案馆、专业文献库的多元史料进行系统化分类、层级化标注，为学生提供精准的史料研习支撑；更重要的是，通过对学生学习数据的采集分析，AI 可以实现史料资源与学生认知能力的个性化匹配，打通 “史料研习” 与 “历史解释” 之间的桥梁。

     第三，实现教学评价的精准闭环。长期以来，历史教学评价存在“重结果、轻过程”“重分数、轻素养” 的行业痛点 —— 教师往往只能通过课后作业、单元测验和期末考试，阶段性地掌握学生的学习情况，难以捕捉学生在课堂互动、史料探究、历史论述中的动态化成长过程；AI 的全过程数据采集与分析能力，能将评价维度从单一的 “知识掌握” 拓展到 “思维过程、探究能力、情感态度” 等多个维度，实现从 “结果性评价” 向 “过程性评价” 的重心转移。

      需要强调的是，AI 与历史教学的契合性，本质上是 “技术优势” 与 “学科育人目标” 的同频共振 —— 技术是实现学科育人价值的手段，而非目的；这一底层逻辑，也界定了 AI 在历史教学中的辅助性定位，为后续师生职责重塑提供了基本前提。

1.3 研究理论基础

     AI 赋能高中历史教学，并非技术应用的简单尝试，而是有着成熟的教育理论体系作为底层支撑，其核心架构由三大理论维度筑牢：

      一是建构主义学习理论。作为AI 赋能教育的核心支撑理论，建构主义认为，知识不是被动接受的，而是学习者在与环境的互动过程中主动建构的；这一观点的核心逻辑，恰好与 AI 技术的自适应能力、交互性特征形成完美契合。在历史教学场景中，AI 不再是 “知识灌输的工具”，而是支撑学生主动探究的 “认知中介”：通过构建沉浸式历史场景、提供交互式史料探究载体，AI 为学生创造了与历史时空、历史人物 “直接对话” 的互动环境，引导学生在体验、探究、反思中主动建构历史认知，实现从 “被动聆听” 到 “主动体验” 的学习转变。

      二是多元智能理论。由哈佛大学心理学教授霍华德・加德纳于1983 年提出的多元智能理论，打破了传统智力理论的单一性观点，指出人类的智力结构由语言、逻辑、空间、肢体运作、音乐、人际、内省、自然探索等多维度能力组成，不同学生的智能优势组合存在显著个体差异。这一理论为历史教学的个性化转型提供了学理依据：AI 技术的智能诊断、资源个性化推荐和学习路径动态优化功能，能够精准适配学生的不同认知水平、学习风格和智能优势，真正做到 “因材施教”—— 对于偏重空间思维的学生，重点推送历史地图、VR 场景类资源；对于偏重逻辑思维的学生，重点推送史料辨析、历史论证类任务；对于偏重语言表达的学生，重点推送历史解读、论文写作类素材，让每一位学生都能获得适配其发展水平的学习支持。

      三是历史学科核心素养理论。这是引领当前国内高中历史教学转型的直接学科理论支撑。历史学科核心素养包括唯物史观、时空观念、史料实证、历史解释、家国情怀五大维度，是学生通过历史学习逐步形成的正确价值观、必备品格和关键能力；其背后的底层教学逻辑，是“论从史出、史论结合” 的学科思维，要求学生在真实的史料情境中，通过主动探究而非被动接受，形成对历史的理性认知。而 AI 技术的场景还原、史料整合、观点辨析等功能，恰好为核心素养的培育提供了可操作的实践路径：通过动态时空图谱助力时空观念素养培育，通过智能史料检索分析助力史料实证素养培育，通过沉浸式历史情境的价值引领，实现家国情怀的育人目标。

       基于上述背景与理论支撑，本文将结合最新的行业观测数据、国内外典型落地案例，系统分析AI 技术如何从教学理念、教学内容、教学模式到评价体系，实现对高中历史教学的全流程赋能，深入探讨技术给教师、学生和师生关系带来的多维影响，构建适配高中历史教学场景的智能化实施框架。

二、赋能与转型：AI 重构高中历史教学的现实审视

     在全球教育数字化趋势与国内教育新政的双重加持下，高中历史教学正处于由AI 技术驱动的关键转型期。这种转型并非教学媒体或工具的局部升级，而是从教学目标、内容、实施路径到评价体系的全维度重构，形成了素养导向、人机协同支撑的全新教学形态。

2.1 从 “知识灌输” 到 “素养引领”：教学目标的跃迁

      在传统应试导向下，高中历史教学目标长期聚焦于学生对具体知识点的记忆效率—— 以教师讲授历史事件的时间、地点、人物、过程、意义为核心，学生的学习效果基本以 “记住了多少知识点”“能否在测验中默写出来” 为衡量标准。这种模式下，历史学科承载的思维培育与育人价值被弱化，最终导致学生 “背得出知识点，读不懂历史逻辑” 的现状：学生能准确背诵《辛丑条约》的签订时间与具体内容，却难以理解条约背后折射出的近代中国民族危机演化逻辑；能准确列出文艺复兴的代表人物与核心观点，却难以分析文艺复兴运动对欧洲从封建社会向资本主义社会转型的深层影响。

      AI 技术的介入，彻底推动了教学目标的本质性跃迁：从 “知识导向” 转向 “素养导向”，从 “关注知识记忆的结果” 转向 “关注历史思维生成的过程”。这一转变，本质上是历史教学回归学科育人本质的体现 ——AI 技术将教师从 “知识点讲授” 的重复性工作中解放出来，将教学重心聚焦于历史学科核心素养的落地培育，以 “学生能否运用史料论证历史观点、能否梳理历史发展逻辑、能否形成对历史的正确认知” 作为衡量教学效果的核心标准。

      这一目标跃迁，也贴合了新高考改革的现实需求：在“3+1+2” 模式下，历史学科的考查重点已从 “知识记忆” 转向 “史料辨析能力、历史论证思维、家国情怀认知”。可以说，技术赋能与高考改革的双向叠加，共同推动着历史教学目标从 “低阶知识记忆” 向 “高阶素养培育” 的实质跃迁。

2.2 从 “静态单一” 到 “多元立体”：教学内容的重构

        教学内容是实现教学目标的核心载体。在传统教学模式下，历史教学内容基本局限于统编教科书的文字表述、配套历史地图与少量图片资源，呈现出“结论固化、场景静态、资源维度单一” 的显著特征 —— 学生接触到的历史结论是现成的，历史场景是平面的，史料资源是被筛选过的，很难真正理解 “论从史出” 的学科逻辑。而 AI 技术对教学内容的重构，从资源整合、呈现方式到内容逻辑，实现了全维度的从 “静态单一” 到 “多元立体” 的转变。

       首先，AI 技术打通了资源壁垒，将教学内容从 “教科书局限” 拓展为 “多元资源整合”。依托国家中小学智慧教育平台等数字化资源枢纽，AI 技术可以将教科书内容与数字博物馆、数字图书馆、官方档案馆、专业历史文献库的海量权威史料资源进行系统化整合 —— 其中既有《申报》、海关档案等一手原始文献，也有史学专家的最新研究成果；既有故宫博物院、中国国家数字博物馆等机构收藏的历史文物高清影像，也有近现代史相关的珍贵纪录片、口述史视频资源。更关键的是，AI 技术能根据教学目标和学生认知水平差异，对这些多元资源进行层级化筛选和适配：在讲授 “辛亥革命” 相关内容时，AI 不仅能呈现教科书的核心结论，还可以推送《中华民国临时约法》的不同版本原文、当时的报刊报道、历史人物回忆、当代史学研究的不同观点，甚至是辛亥革命相关遗址的高清实景照片；基础薄弱的学生，AI 会补充 “史料解读指南” 类的辅助资源，引导学生读懂史料内容；学有余力的学生，AI 则进一步推送 “史学界关于辛亥革命历史意义的不同观点” 类拓展材料，引导学生从多角度分析历史事件，真正将教学内容从 “单一结论灌输” 转变为 “多元史料支撑”。

      其次，AI 技术优化了内容呈现，将历史从 “静态结论” 转化为 “可交互的动态场景”。生成式 AI 的文生图、文生视频、VR/AR 场景还原技术，能够将抽象的历史时空概念，转化为直观、可交互的动态视觉场景 —— 这并非简单的图片或视频展示，而是可以让学生深度参与、互动探究的沉浸式场景。在讲授《中华文明的起源与早期国家》一课时，部分地区的教师借助 AI 工具，将抽象的考古文化遗存转化为可交互的动态场景：学生可以 “走进” 还原后的仰韶文化聚落，观察先民的房屋布局、农耕工具和生活场景；可以 “近距离观察” 红山文化的玉器、龙山文化的黑陶，对比不同文化遗存的器具造型、纹饰差异；甚至可以通过互动任务，尝试还原良渚古城的水利系统布局，理解早期国家形态的演进逻辑。

       最后，AI 技术重组了内容逻辑，将 “知识碎片化呈现” 转化为 “以大概念为核心的系统化体系”。传统历史教学内容的组织逻辑，往往以 “时间顺序、知识点条目” 为核心，导致学生难以建立知识点之间的横向、纵向关联 ——AI 技术则以历史学科大概念为核心，按照 “时空逻辑、因果逻辑、关联逻辑”，将碎片化的知识点串联成完整的知识网络。在讲授《影响世界的工业革命》一课时，教师借助 AI 可视化工具，将工业革命的技术革新、主要国家的产业布局变化、世界市场格局演变等碎片化知识点，整合成动态的时空关联图谱：学生可以清晰地看到，英国的技术革新成果是如何逐步向欧洲大陆、北美地区扩散的；工业中心的形成与铁路、港口等交通路线的拓展有何时空关联；不同国家的工业革命进程，对其城市化进程、阶级结构变化产生了哪些连锁影响。这一过程中，AI 技术将教学内容从 “知识点的简单叠加”，重构为 “有逻辑、有场景、有关联的完整历史叙事体系”。

2.3 从 “教师中心” 到 “人机协同”：教学过程的再造

      教学转型的核心落地环节是教学过程。在传统历史课堂教学过程中，教师是绝对的中心，学生处于被动聆听的位置，教学流程是“知识讲授 - 作业布置 - 知识巩固” 的线性闭环。AI 技术的介入，彻底打破了这一传统结构，推动教学过程从 “教师中心” 向 “人机协同中心” 转变，实现了教学流程的系统性再造。这一再造的典型落地形态，是合肥一中在长期实践中总结出的 “四环一体” AI 赋能教学模式 —— 以 “问题驱动 — 任务生成 — 智能支持 — 过程评价” 为核心逻辑，覆盖课前、课中、课后三个关键教学阶段，将 AI 技术、教师主导、学生主体进行有机融合，推动课堂从 “知识传递” 走向 “素养生成”。

     课前阶段，AI 的核心价值是 “智能学情诊断”，帮助教师精准把握学生的认知起点。在传统教学模式下，教师备课主要依据教学进度、教学经验和班级整体情况，很难精准掌握每个学生的预习盲区和认知疑点，只能 “凭经验备课”，难以兼顾个体差异。人机协同模式下，这一工作流程被彻底优化：教师首先借助 AI 学情诊断工具，如菁优网历史 AI 测评、中教云智慧平台，向学生推送定制化前置测评题和预习任务 —— 测评题并非简单的知识点默写，而是以 “历史材料分析、历史场景判断、知识点关联梳理” 为核心，重点检测学生对新授课内容的已有认知、史料分析能力和知识关联能力；学生完成测评任务后，AI 系统自动采集预习数据，通过多维度数据分析，精准定位班级学生的整体知识盲区和个体认知薄弱点 —— 在准备《古代世界的帝国与文明的交流》一课时，合肥一中的教师通过 AI 学情诊断数据发现，班级 65% 的学生薄弱点集中在 “技术扩散时空滞后性” 这一逻辑点上，40% 的学生对 “古代帝国的扩张与文明交流的双向互动” 存在认知偏差。基于这一精准数据，教师可以有针对性地调整教学方案，设计适配的探究任务，实现 “带着学情问题进课堂” 的精准教学。

       课中阶段，AI 的核心价值是 “打造沉浸式探究场景”，支撑学生的主动探究，将课堂从 “教师讲” 转变为 “学生探”。这一过程中，教师的讲授时间大幅压缩，学生的自主探究、合作讨论、互动展示成为课堂的核心环节；AI 则作为 “认知中介”，为学生的探究活动提供场景支撑和史料支撑。在《古代世界的帝国与文明的交流》一课的教学中，合肥一中的汪慧老师借助 AI 智能体对话工具，构建了沉浸式的历史探究场景：学生分成若干小组，以 “文明交流的见证者” 为探究身份，通过 AI 工具，“实地探访” 波斯帝国的驿站遗址、亚历山大里亚港的粮仓遗迹、罗马帝国的海运转运码头遗迹，观察不同遗址的建筑风格、功能布局；并与 AI 还原的历史人物进行 “跨时空对话”—— 通过询问波斯帝国的驿站长官、亚历山大里亚的埃及商人、罗马帝国的港口税务官，了解不同地区的交通路线、贸易商品种类、文化传播路径；在掌握足够史料和场景信息后，学生以小组为单位，合作绘制 “古代文明扩展时空路线图”，梳理古代帝国扩张与文明交流的双向互动逻辑；AI 工具则对学生的探究过程和成果，进行实时数据采集和点评，帮助学生及时纠正认知偏差。在这一课堂模式下，AI 替代了教师原本要开展的知识讲授、场景描绘、史料呈现等重复性工作；教师则从 “讲授者” 转变为 “探究引导者”，重点在学生探究过程中 “相机诱导、适时点拨”，引导学生对比不同帝国的扩张方式、思考不同地区的文明融合路径、辨析文明交流的历史影响，把课堂时间真正留给学生做深度探究。

        课后阶段，AI 的核心价值是 “个性化辅导与拓展评价”，补齐传统教学的 “个性化短板”。课堂教学结束后，AI 并非简单地推送标准化作业，而是根据学生的课前诊断数据、课中互动表现和探究成果，针对性地生成个性化课后辅导方案：对于基础薄弱的学生，AI 重点推送巩固类任务，如 “第二次工业革命重要史实时间线梳理” 基础训练题，以及对应的知识点讲解微课，帮助学生夯实基础知识；对于基础较好、能力突出的学生，AI 重点推送拓展类任务，如 “工业革命与近代中国的历史关联” 小论文写作，以及相关的史料文献、历史小论文写作框架支撑，引导学生进行跨单元的知识关联，开展深度探究。

       这一“人机协同” 的教学过程再造，既保留了班级授课制的现实优势，又解决了传统教学中 “难以兼顾个体差异” 的行业痛点，实现了 “精准施教、个性学习” 的双重目标。从国内外观测数据来看，这一模式的教学效果十分显著：西班牙瓦伦西亚地区的教师在历史课堂中开展 AI 教学实践后，参与试点的学生研究技能与批判性思维能力获得显著提升；学生的历史知识掌握程度和逻辑推理能力，也较传统教学模式下有明显进步。

2.4 从 “单一结果” 到 “数据驱动”：评价体系的变革

         教学评价是历史教学环节的重要组成部分，对教学过程具有诊断、反馈和导向作用。在传统教学模式下，历史教学评价存在“三个一” 的典型局限：评价内容 “重知识、轻素养”，评价方式 “重结果、轻过程”，评价主体 “单一化、片面化”—— 评价数据基本来源于课后作业、单元测验和期末考试，只能反映学生对历史知识的记忆掌握情况，无法捕捉学生在课堂互动、史料探究、历史论述中的思维成长过程，难以真正衡量学生历史学科核心素养的发展水平。

        AI 技术的介入，彻底打破了这一局限，构建起 “数据驱动” 的现代化评价体系，实现了从 “结果性评价” 向 “过程性评价”、从 “单一维度评价” 向 “多维度综合评价” 的重心转变。这一变革的核心逻辑，是 AI 技术对 “全过程数据” 的采集与分析：在教学过程中，AI 系统实时采集学生学习行为过程中的多维度数据 —— 不仅包括测验成绩、作业正确率等知识性数据，还包括课堂互动频次、史料检索的路径、历史观点论述的逻辑层次、小组讨论的参与度、对 AI 推送资源的学习时长和反馈情况等过程性数据；随后基于历史学科核心素养的评价框架，对这些多维度数据进行系统化分析，形成可视化、个体化学情诊断报告 —— 这种报告并非简单的分数排名，而是能精准反映学生的素养发展优势与薄弱环节，可以直观地看到学生在 “时空观念、史料实证、历史解释” 等核心素养维度的具体表现和变化趋势，以及在班级整体学情中的相对位置；甚至能精准定位学生的思维逻辑短板，比如 “在分析历史原因时，容易忽略经济因素对政治格局的影响”“在论证历史观点时，不擅长使用一手史料作为论据”。基于这些精准的过程数据，教师不再是 “凭经验” 评价学生的学习效果，而是 “凭数据” 开展精准评价和个性化辅导；学生也能通过数据报告，清晰了解自己的学习优势和不足，开展有针对性的自主学习。

       更关键的是，AI 技术推动了评价主体的多元化转变：除了教师评价，AI 可以引导学生开展多角度的评价活动 —— 在历史小论文写作、历史场景探究成果展示等环节，AI 工具先对学生的成果进行智能化预评价，随后组织学生之间开展互评、学生对自己的探究过程进行反思性自评；最后由教师结合 AI 数据、互评结果、学生自评情况，给出综合性评价和个性化的改进建议，让评价过程本身，成为学生深化历史认知、提升反思能力的重要路径。

       综上，AI 技术对高中历史教学的赋能，是从教学目标、教学内容、教学过程到教学评价的全维度、系统性重构 —— 这一重构，并非技术对教育的简单 “应用”，而是二者深度融合后的 “化学反应”，推动着历史教学范式的根本性转变。

三、技术冲击下的现实悖论：高中历史教师面临的内外部挑战

       AI 技术在为高中历史教学带来革命性赋能的同时，也对传统教学体系下的教师角色、专业能力、教学伦理和专业自主性，形成了全方位的冲击与挑战。这些挑战并非技术应用的暂时性问题，而是技术与教育融合到一定阶段后，暴露出的深层次矛盾，集中体现在以下四个维度：

3.1 角色冲突：从 “主导者” 到 “引领者” 的身份跨越

       在传统历史教学模式下，教师是课堂教学的绝对主导者，是学生获取历史知识的权威来源—— 教师掌控着教学目标制定、教学内容选择、教学过程推进、教学评价开展的全流程。而 AI 技术的介入，彻底打破了这一传统角色定位：AI 替代了教师原本承担的知识讲授、史料呈现、测验批改、学情分析等大量重复性教学工作，成为了 “知识传递、个性化辅导、过程性评价” 的主要承担者；教师则从 “知识传授的主导者”，转变为 “教学活动的设计者、学生学习的引导者、素养培育的引领者”。

        这一角色转变，是教育发展的必然趋势，但对部分高中历史教师而言，却构成了难以跨越的现实身份困境：一是认知层面的抵触情绪。部分教师受传统教学观念的长期束缚，对AI 技术的价值缺乏深度认同，认为 “历史教学就是要靠教师讲透知识点”，担心 AI 技术的广泛应用会削弱自身在课堂中的存在感，甚至产生 “教师被技术替代” 的认知偏差，进而对 AI 工具产生抵触情绪；据相关调研数据显示，约 45% 的受访教师存在 “AI 替代论” 的认知偏差，这种认知偏差直接导致技术使用意愿低下。二是能力层面的适配性不足。即使部分教师认可 AI 的价值，也希望将技术融入教学实际，但由于缺乏系统的技术应用培训，他们的技术应用能力与实际教学需求存在显著鸿沟：超过 40% 的教师仅能进行简单的课件制作操作，对复杂的历史数据可视化工具、智能史料分析平台、VR 场景创设工具的深度应用存在困难，难以将 AI 工具与历史教学内容进行有效融合，最终陷入 “有技术不会用、有资源不会整合” 的尴尬境地。

3.2 素养鸿沟：教师数字化胜任力的结构性缺失

        AI 与历史教学深度融合的核心前提，是教师具备 “技术 + 学科 + 教学” 的综合数字化胜任力 —— 这并非简单的 “会操作 AI 工具”，而是指教师能够精准识别技术的学科应用边界，熟练使用 AI 工具对历史资源进行专业化整合、对学情数据进行专业化解读，能够精准判断 AI 生成的历史教学内容的真实性、客观性，甚至要能掌握提示词工程的基本方法，实现技术与学科教学的深度适配。但从当前的实际情况来看，高中历史教师的数字化胜任力存在显著的结构性缺失，这也是 AI 赋能过程中面临的最突出、最核心的现实挑战。

       这一缺失主要体现在三个方面：一是技术应用能力的缺失。多数历史教师缺乏与学科教学适配的技术应用能力，对AI 工具的认知水平和操作能力偏低：部分教师仅能使用 AI 工具进行基础课件制作，对复杂的历史数据可视化工具、智能史料分析平台、AI 场景创设工具的应用存在明显困难，更谈不上熟练使用技术工具开展个性化教学设计。二是史料整合与真伪辨别能力的缺失。AI 技术在整合史料资源时，存在生成虚假历史史料、片面解读历史文献的潜在风险；这就要求教师具备扎实的史学素养，能够精准识别 AI 推送内容的真伪、判断史料的价值和适用场景。但部分历史教师的史学素养储备不足，缺乏对版本资料的溯源能力，无法辨别 AI 生成的史料真伪，难以对 AI 提供的史料进行逻辑性、系统性的整合和优化；更有甚者，部分教师直接将 AI 生成的未经核实的史料资源，作为教学素材直接应用于课堂，将错误的历史知识传递给学生，严重影响教学的科学性和严肃性。三是数据解读能力的缺失。AI 技术的核心价值之一，是通过数据采集分析为教师提供精准的学情支撑；但部分教师缺乏基本的数据分析能力，对 AI 系统生成的学情诊断报告、学生学习行为数据结果看不懂、读不透，无法将数据信息和历史教学内容、教学目标进行深度关联，导致数据结果难以有效支撑教学方案的优化调整，最终陷入 “有数据不会用、有资源看不懂” 的尴尬境地。

3.3 技术异化：历史教学的人文价值稀释与伦理风险

       这是AI 赋能历史教学过程中，最容易被忽略但影响最为深远的深层次独特性挑战，本质是技术理性与人文培养之间的矛盾。历史教学的本质，是依托具体的历史事件、历史人物和历史发展进程，对学生进行唯物史观、时空观念、史料实证、历史解释、家国情怀的培育 —— 这是一门充满人文性、思想性、情感性的学科，历史教学中至关重要的家国情怀培育、伦理反思、价值引领，是需要教师基于具体的史料内容、结合自身的历史理解，以情感共鸣、价值引领的方式传递给学生的；而这些具有浓郁人文色彩的教学目标，很难通过算法精准实现。

        在实际教学中，部分教师过度依赖AI 技术的场景还原、史料推送、观点总结功能，将历史教学简化为技术支撑下的史料分析、观点总结环节，省略了教师本人对历史场景的情感解读、对历史人物的共情分析、对历史事件的价值剖析，以及在教学过程中教师与学生的情感交流、价值对话。这就导致教学过程被技术 “异化”：原本有温度、有情感的历史解读，变成了 AI 生成的冰冷的史实结论；原本应该由教师通过史料分析、场景描述传递的价值引领和家国情怀培育，被 AI 的场景还原、史料展示替代；学生虽然通过 AI 场景获得了直观的历史体验，但缺乏教师的价值引导和情感共鸣，难以真正从历史学习中汲取价值认知，容易形成 “有知识无温度”“有数据无思想” 的教育异化。

        除此之外，AI 技术的应用还存在着诸多不容忽视的隐性教学风险：一方面，存在着历史史实的准确性风险。AI 技术在生成历史教学内容时，受训练数据的来源倾向性、算法逻辑等因素影响，会产生 “幻觉” 现象，可能生成虚假的历史史料、片面的历史观点，甚至是错误的历史结论 —— 如果教师缺乏辨别能力，将这些错误内容引入课堂，将会把学生的历史认知引入误区；另一方面，存在着学生的学习伦理风险。随着 AI 技术的普及，部分学生利用 AI 工具完成历史探究作业、撰写历史小论文，甚至在测验、考试中利用 AI 工具作弊；更有甚者，部分学生直接将 AI 生成的历史观点、历史结论，作为自己的学习成果提交，教师难以辨别学生作业的原创性，无法通过作业反馈精准掌握学生的真实学习情况；同时，AI 技术的应用还面临着数据安全与隐私保护的风险 —— 教学过程中产生的大量学生学习行为数据、学习档案信息，如何被安全存储、传输和应用，如何防止数据泄露滥用、保护学生隐私，都是教师需要面对的现实挑战。

3.4 思维依赖：学生 “去个性化” 与教师专业能力退化的隐忧

        AI 技术的核心优势是 “个性化推荐”，但在实际教学中，这一优势反而会催生新的 “去个性化” 风险，同时带来教师专业能力退化的隐忧。这一风险的逻辑是：AI 推送的史料资源、个性化学习路径，都是基于算法对学生学习数据的分析结果生成的；但算法本身是基于现有数据运行的，存在一定的局限性 —— 如果学生长期依赖 AI 生成的 “标准解读”、长期被动接受 AI 算法推荐的学习资源，就会被算法束缚思维，形成思维定式，弱化自主思考能力、想象力和创造力。在历史探究式学习中，学生的自主提出问题、自主分析史料、进行历史解释与价值判断的能力，是核心素养培育的关键；但部分学生过度依赖 AI 的辅助功能：遇到史料解读的难点时，第一反应是找 AI 给出解读结论，而不是自己结合已有知识去分析；需要进行历史论证时，第一反应是用 AI 生成观点框架，而不是自己结合史料去梳理论证逻辑；甚至在进行历史探究时，直接将 AI 生成的结论作为自己的探究成果，放弃了自主探究、思辨的过程 —— 这将直接抑制学生的历史思维发展，导致学生离开 AI 工具后，难以独立完成史料解读、历史论述，甚至会逐步丧失自主分析问题的能力，这与历史学科核心素养的培育目标是背道而驰的。

      更值得警惕的是，长期依赖AI 工具，还会带来教师专业能力退化的隐忧。在 AI 辅助教学模式下，教师的部分教学工作被 AI 替代 —— 但如果教师过度依赖 AI 的教学设计方案、史料整合成果、学情分析报告，长期缺乏自主梳理教学逻辑、自主整合史料资源、自主分析学情的实践机会，原本具备的教学设计能力、史料钻研能力、学情分析能力，都会出现不同程度的退化，逐渐丧失教学的主导性，最终沦为技术的 “辅助者” 而非 “掌控者”。

四、从被动接受到主动探究：AI 时代高中学生历史学习的转变

       AI 技术对历史教学的赋能，最终落脚于学生学习方式的根本性转变。在人机协同的全新教学模式下，学生在教学过程中的角色定位、学习路径、认知方式和思维训练，都发生了颠覆性变化。

4.1 学习地位：从被动聆听者到主动探究者

       这是AI 时代学生学习方式最核心、最本质的转变 —— 在传统历史教学模式下，教师是教学的中心，学生是知识的被动接受者，学习的主要方式是 “教师讲、学生听”，学生的学习效果基本以 “记住了多少知识点” 为衡量标准。而 AI 技术的介入，将学生从被动聆听的角色中解放出来，真正成为学习的主体：在人机协同模式下，教学过程的核心不再是教师讲授知识，而是学生主动开展历史探究活动 —— 学生不再被动接受教师灌输的历史结论，而是在教师的引领下，借助 AI 工具，主动参与到史料检索、场景体验、问题探究、观点论证的完整学习过程中。

       如在《中华文明的起源与早期国家》一课的教学中，学生不再被动接受教师讲解的“仰韶文化、龙山文化、红山文化” 等知识结论，而是在教师引导下，借助 AI 工具，主动参与到探究 “中华文明起源的特征” 这一核心问题的完整过程中：他们先通过 AI 生成的动态时空图谱，梳理不同文化遗存的时间先后顺序和地域分布；再通过 AI 还原的虚拟场景，“走进” 仰韶文化聚落，观察先民的房屋布局、农耕工具和生活场景；接着通过 AI 提供的考古资料文献，对比不同文化遗存的器具造型、纹饰差异，分析不同文化遗存的生产力水平；随后在小组内合作讨论，探究不同文化遗存之间的文化融合痕迹；最后结合自己的场景体验和史料分析结论，梳理出中华文明起源的主要特征和历史发展逻辑。这一过程中，学生完全是学习的主导者：他们自主设计探究路径、自主选择史料研究方向、自主推导历史结论；AI 和教师则是探究的 “支撑者”—— 当学生遇到史料解读、逻辑梳理的困难时，AI 会提供针对性的史料支撑或探究路径提示；教师会在学生的探究过程中适时点拨，引导学生调整探究方向、完善论证逻辑。国内多项教学实践数据显示，在 AI 支撑下，学生在课堂上的互动频次、探究的参与度较传统教学模式提升显著，学习兴趣与自主学习能力也有了明显进步。

4.2 学习路径：从 “线性封闭” 到 “泛在个性” 的时空变革

        传统历史教学的学习路径，是线性封闭的，局限于固定的课堂教学时间和教室空间内—— 教师按照预设的教学进度，全班同学同步学习同样的内容，完成同样的作业，很难兼顾不同学生的个体差异。AI 技术彻底打破了这一时空限制，为学生构建起 “泛在式、个性化” 的全新学习路径，将学习过程从课堂延伸至课前、课后，从教室延伸至任何有学习条件的场景，实现了 “处处皆课堂、时时可学习” 的泛在学习形态。

        这一转变的核心支撑，是AI 技术的 “个性化适配” 能力 —— 并非简单地给学生增加额外的学习任务，而是以学生为中心，基于学情数据的精准分析，为不同认知水平、不同学习风格、不同学习优势的学生，定制适配其发展水平的学习路径和资源支撑。课前阶段，学生不再是笼统地阅读课文、完成标准化预习作业，而是根据 AI 系统推送的个性化预习任务和适配性资源，开展有针对性的前置学习；基础薄弱的学生，AI 会重点推送基础知识梳理类的微课、史料解读辅助资源，引导学生先夯实基础知识；基础较好的学生，AI 则重点推送拓展性的史学研究资料、开放性的探究任务，引导学生提前开展深度思考。课中阶段，学生不再按照统一的进度学习，而是根据自己的预习情况、知识掌握进度，在教师的引领下，借助 AI 工具，开展适配的探究活动。课后阶段，学生不再完成统一的作业，而是根据 AI 系统生成的个性化辅导方案和针对性任务，开展适配的课后复习与拓展探究：对于课堂学习中存在知识漏洞的学生，AI 会重点推送巩固类的针对性训练题，以及对应的知识点讲解微课、史料分析案例，帮助学生补齐知识漏洞；对于学有余力的学生，AI 则重点推送跨课时的整合类探究任务，如 “结合明清经济发展的史实，分析近代中国落后的原因”“比较两次工业革命的不同特点”，以及相关的史料文献、历史小论文写作框架支撑，引导学生进行跨单元的知识关联，开展深度探究。

       这一全新的学习路径，既解决了传统教学中“部分学生跟不上、部分学生吃不饱” 的老大难问题，也真正实现了 “因材施教” 的教育理想。

4.3 认知方式：从 “机械记忆” 到 “沉浸式体悟” 的深度参与

      历史学科的特性，决定了其认知方式必须建立在具体、直观的历史情境之上—— 但在传统教学模式下，学生只能通过文字描述、静态图片或教师的语言想象，间接构建对历史的认知，无法真实感知历史事件的发生场景，难以理解历史事件的深层逻辑和发展必然性；这种认知方式，容易让学生产生历史学习 “枯燥、抽象、难理解” 的负面情绪，导致学习效果不佳。

      AI 技术的场景还原、虚拟仿真、交互性对话等功能，彻底优化了学生的历史认知方式，将抽象的历史概念，转化为直观、可交互的沉浸式场景，为学生提供了 “沉浸式体悟” 的认知载体 —— 这并非简单的图片或视频展示，而是可以让学生深度参与、互动探究的场景：学生可以 “走进” 还原后的历史建筑，观察当时的社会生活场景、历史人物活动细节；可以与 AI 还原的历史人物进行跨时空对话，从不同视角了解历史事件的发生背景；甚至可以通过互动任务，尝试还原历史事件的完整演进逻辑，在直观体验中建立对历史的感性认知，随后再基于史料探究，将感性认知上升为理性认知。

       在讲授“辛亥革命” 相关内容时，部分教师不再是先讲解辛亥革命的背景、经过、意义，而是先利用 AI 文生图、文生视频工具，输入详细的历史场景参数，生成沉浸式的历史场景：学生们 “穿越” 到 1911 年的武汉街头，直观感受当时的社会风貌、民众的精神状态；他们可以 “走进” 当时的湖北新军军营，查看士兵的训练情况、革命宣传资料；可以 “走到” 武昌城的中和门，观察当时的战场布防情况；甚至可以 “采访” AI 还原的新军士兵、武汉当地的市民，从不同身份、不同立场的历史人物视角，了解他们对这场革命的认知。随后，教师再引导学生基于场景体验，结合《中华民国临时约法》原文、当时的报刊新闻报道、历史人物回忆等多元史料，开展探究学习。这一过程中，学生不再是 “被动听故事”，而是 “主动去体验”—— 他们先通过沉浸式场景建立对辛亥革命的感性认知，再基于史料探究，从当时的社会矛盾、革命力量组织、世界局势等多个维度，理性分析辛亥革命爆发的历史必然性，深入理解辛亥革命的历史地位，真正实现了 “从情境中体悟、从史料中探究” 的深度认知。国内相关教学实践数据显示，通过沉浸式场景开展历史学习，学生的知识掌握程度和逻辑推理能力，较传统教学模式下有了显著提升。

4.4 思维训练：从 “被动接受” 到 “主动建构” 的素养提升

        在传统教学模式下，历史学习的核心是“记住历史结论”，学生的思维训练局限于 “理解教师讲授的历史逻辑”—— 教师往往会直接梳理好历史事件的背景、原因、过程、意义，学生只需要被动接受这些现成逻辑结论，并通过背诵、默写加以巩固即可。这一模式下，学生的思维活动停留在 “记忆、理解” 的低阶层次，很难实现 “史料实证、历史解释” 等高阶思维素养的提升。

         AI 技术的介入，彻底将学生的思维训练，从 “被动接受结论” 转向 “主动建构认知” 的高阶层次，真正落实了 “论从史出、史论结合” 的历史学科核心思维。在 AI 支撑下，学生的思维活动不再是 “理解教师梳理的现成逻辑”，而是 “像历史学家一样，主动运用史料验证假设、推导历史结论、建构历史认知”—— 这一过程中，AI 工具是学生进行思维训练的重要支撑载体：学生确定探究主题后，先通过 AI 智能史料检索工具，检索与探究主题相关的多元史料；随后在教师的引导下，对史料进行辨伪、分类、筛选和分析，结合史料内容提出自己的历史假设；再利用 AI 时空图谱工具，梳理历史事件的前因后果，验证自己的假设是否成立；并通过多轮 peer debate，完善自己的历史论证逻辑；最后再基于史料分析结论，梳理出自己的历史观点，建构属于自己的历史认知。在这一过程中，学生的思维始终处于高阶活动状态：他们需要辨别史料的真伪、判断史料的价值和适用场景，需要对比不同史料的差异，分析不同作者的历史立场，需要运用史料证据论证自己的观点，完整地体验了 “论从史出、史论结合” 的历史研究过程，将 “史料实证、历史解释” 等学科核心素养，从抽象的理念，内化为自己的实际思维能力。

       西班牙瓦伦西亚地区的一项AI 教学试点项目数据显示：在历史学习中引入 AI 工具后，学生的研究技能和批判性思维能力获得显著提升，学生在历史小论文写作中的 plagiarism incidents 较传统教学模式下降了 34%；这也侧面验证了 AI 对学生历史思维训练的正向支撑价值。

五、人机协同：AI 时代高中历史教学中的师生职责重塑

       教学是一种双向活动，AI 技术在重构学生学习方式的同时，也重构了师生关系。在全新的教学生态下，教师和学生的职责边界被重新定义，呈现出 “教师引领、AI 支撑、学生中心、素养导向” 的新型师生职责关系。

5.1 教师：从 “知识权威” 到 “价值引领者” 的职责回归

       在AI 赋能的人机协同教学模式下，历史教师的职责并非被技术替代，而是得到了进一步的聚焦与升华 ——AI 替代的是教师的重复性、机械性教学工作，如知识讲授、作业批改、学情分析等；但教学中最核心、最本质的工作，即对学生的价值引领、思维启迪、品格培育，是 AI 无法替代的，反而成为教师的核心职责。这一职责的核心内涵，由四个关键维度共同支撑：

       一是教学活动的顶层设计者。教师不再是课堂内容的单一讲授者，而是基于历史学科核心素养的要求，结合课程标准的教学目标、AI 精准诊断的学情数据，对教学目标、学习任务、探究活动、评价方式进行系统化的顶层设计。具体来说，教师要根据学情数据，确定学生的素养发展目标；根据核心素养的培育要求，设计适配的沉浸式探究任务；根据探究活动的需要，筛选、整合 AI 工具推送的史料资源、场景资源；并提前设计好学生探究过程中的引导问题，以及学生探究成果的评价标准；将 “教师讲解知识点” 的传统课堂，转化为 “学生合作探究、教师适时点拨” 的素养培育课堂。

       二是学习过程的智慧引导者。在学生利用AI 工具进行历史探究的过程中，教师不再是 “旁观者”，而是 “精准点拨者”—— 教师要充分发挥主导作用，在学生的探究过程中，基于学生的实时学习反馈，对学生进行精准点拨、巧妙启发、有效引导，引导学生调整探究方向、完善历史论证逻辑，掌握正确的历史研究方法。具体来说，在学生利用 AI 工具探究历史场景、进行史料分析遇到瓶颈时，教师要通过层层递进的问题链，巧妙引导学生从场景中寻找关键的历史细节、从史料中提取有效的历史信息，启发学生的历史思维；在学生对历史场景、历史人物形成片面认知时，教师要及时补充多元史料，引导学生从多个角度客观、全面地看待历史事件，修正自己的认知偏差；在学生探究活动结束后，教师要引导学生反思自己的探究过程，总结 “论从史出、史论结合” 的历史研究方法，实现 “做中学、悟中明” 的素养发展。

       三是教学内容的专业甄别者。AI 技术在整合史料资源、生成教学内容时，存在着生成虚假历史史料、片面解读历史文献的潜在风险；这就需要教师发挥专业优势，对 AI 推送的教学资源、生成的教学内容，进行专业化的筛选、甄别、整合和优化。具体来说，教师要提前建立 “校本化 AI 资源库”，与国家数字博物馆、官方档案馆、专业历史文献库等权威来源合作，引入经过专业校勘的权威史料资源、专业史学研究成果；在备课环节，教师要对 AI 工具推送的每一条史料、每一个历史观点进行溯源核实，辨别史料的真伪、判断史料的价值和适用场景，筛选出符合教学目标、契合学生认知水平的优质资源；并将这些资源与教学内容进行深度融合，设计成适配学生探究的学习任务包，从源头避免错误史实进入课堂教学，守住历史教学 “科学性、严谨性” 的底线。

        四是核心素养的价值培育者。这是教师最核心、不可替代的职责。历史教学的终极目标，是培育学生的唯物史观、时空观念、史料实证、历史解释、家国情怀五大核心素养，引导学生从历史学习中汲取价值认知，形成正确的历史观、民族观、国家观、文化观；而这一目标的实现，必须依托教师的情感共鸣、价值引领，而非技术可以替代。具体来说，在学生通过AI 沉浸式场景体验历史、通过史料探究得出历史结论后，教师要基于教学内容、结合学生的探究成果，通过有温度的历史讲述、对历史人物的共情分析、对历史事件的价值剖析，将历史学习从 “知识层面” 上升到 “价值层面”，引发学生的情感共鸣，培育学生的家国情怀，实现 “知识传授” 与 “价值引领” 的同步推进。

        合肥一中的“四环一体” AI 赋能教学模式实践，恰好验证了这一职责转型的逻辑：在人机协同模式下，教师从知识点讲授的重复性工作中解放出来，将主要精力聚焦于教学设计、资源甄别、探究引导和价值引领上，真正成为了学生历史学习的陪伴者、核心素养的培育者。

5.2 学生：从 “被动接收者” 到 “建构者” 的职责升华

       AI 技术与教师的双重支撑，将学生从被动接收的角色中解放出来，真正成为历史学习的主体 —— 学习责任从教师转移到学生身上，学生的职责从 “被动接收、记忆巩固”，升华为 “主动探究、主动建构”。这一职责的转型，并非简单的身份变化，而是要求学生在学习过程中，主动承担起探究历史、建构历史认知的责任。

      一是做历史学习的主动探究者。这是学生在AI 支撑下的最核心职责。在人机协同模式下，学生不再是被动接受教师灌输的历史结论，而是在教师的引领下，借助 AI 工具，主动参与到史料检索、场景体验、问题探究、观点论证的完整学习过程中。具体来说，学生要在课前，根据 AI 推送的个性化预习任务和适配性资源，开展有针对性的前置学习，主动梳理自己的知识疑问；在课中，积极参与沉浸式探究活动，主动与 AI 历史人物对话、与小组同学合作讨论，多角度观察历史场景、分析多元史料，主动探究历史事件的本质和发展规律；在课后，根据 AI 推送的个性化巩固任务，主动开展拓展性探究，进一步深化自己的历史认知；在这一过程中，学生不再是 “听故事的人”，而是 “像历史学家一样，主动运用史料验证假设、推导历史结论、建构历史认知” 的研究者。

       二是做历史思维的主动建构者。历史学习的核心，是掌握“论从史出、史论结合” 的学科思维；而这一思维的形成，无法靠教师灌输、靠技术支撑，只能靠学生自己在探究过程中主动建构。在 AI 支撑下，学生不再是被动接受教师梳理的现成历史逻辑，而是在探究过程中，主动辨别史料的真伪、判断史料的价值和适用场景，主动对比不同史料的差异，分析不同作者的历史立场，主动运用史料证据论证自己的观点，完整地体验 “论从史出、史论结合” 的历史研究过程；在这一过程中，学生不仅能掌握具体的历史知识，更能逐步建构起 “史料实证、历史解释” 的高阶历史思维，掌握正确的历史研究方法。

       三是做AI 工具的理性使用者。这是学生在 AI 时代，必须承担的新职责。AI 是支撑学生探究的重要工具；但工具的价值，取决于使用者的使用方式。在人机协同模式下，学生不再是 “遇到问题就找 AI 要答案” 的被动依赖者，而是在教师的引领下，学习如何正确、理性地使用 AI 工具，将其转化为支撑自己探究的辅助工具。具体来说，学生要学会用 AI 工具检索、整理史料，但不会直接将 AI 生成的史料解读作为自己的学习结论；学生可以借助 AI 工具提出历史假设，但会通过查阅原始文献、与同学开展辩论等方式，对 AI 的假设进行验证和修正；学生需要掌握 “人机双重验证” 的方法，学会辨别 AI 生成内容的真伪，对 AI 提供的史料、观点进行二次核实，坚决抵制直接将 AI 生成的结论作为学习成果、利用 AI 工具作弊的不良行为，养成独立思考、主动探究的学习习惯。

      四是做学习过程的自主反思者。在AI 赋能的评价体系下，学生不再是被动接受教师评价的对象，而是借助 AI 的全过程评价数据，主动开展学习反思，成为评价的重要主体。具体来说，学生要在教师的引导下，学会解读 AI 系统生成的学情诊断报告，结合自己的探究过程、课堂互动表现、作业反馈情况，客观分析自己的学习优势、知识漏洞和思维短板；主动对自己的探究过程进行复盘，总结自己在史料分析、历史论证逻辑上的不足；并基于反思结果，及时调整学习方法、优化探究路径，开展有针对性的查漏补缺，实现学习能力的持续提升。

5.3 人机协同：构建 “教 - 学 - 评” 一体的历史教学新生态

       综上所述，AI 赋能下的高中历史教学，并非 “技术替代教师”，而是 “教师、AI、学生” 三者的高效协同 —— 这是一种 “以教师为主导、以学生为主体、以 AI 为支撑工具” 的新型教学关系，三者在教学过程中各司其职、各尽其责，共同构建起 “教 - 学 - 评” 一体化的历史教学新生态。

       在这一生态中，AI 是 “支撑性工具”，承担着技术赋能的具体职责：为教师提供精准的学情诊断、充足的史料资源、自动化的评价数据支撑；为学生提供沉浸式的探究场景、个性化的学习资源、过程性的学习评价支撑；将教师从繁重的重复性工作中解脱出来，将学生从被动的接受者角色中解放出来。教师是 “主导者”，承担着教学活动的顶层设计、教学资源的专业甄别、学习过程的精准引导、核心素养的价值培育等不可替代的职责；在技术支撑的基础上，对学生进行情感共鸣、价值引领，守住历史教学的人文育人底线。学生是 “学习的主体”，在教师的引领下，借助 AI 工具，主动开展历史探究、主动建构历史思维、主动反思学习过程，将 “史料实证、历史解释” 等学科核心素养，从抽象的理念，内化为自己的实际思维能力。

       这一“人机协同” 的新型关系，既充分发挥了技术的高效、精准优势，又保留了教师的人文引领和价值培育不可替代的核心作用，实现了 “技术赋能” 与 “人指引技术” 的辩证统一。合肥一中的 “四环一体” AI 赋能教学模式，正是这一协同关系的典型落地形态：课前，AI 进行学情调查，教师基于数据进行教学设计；课中，AI 支撑沉浸式探究，教师适时点拨引导；课后，AI 进行个性化辅导，教师结合数据开展精准评价；通过 “问题驱动 — 任务生成 — 智能支持 — 过程评价” 的闭环，推动课堂从知识传递走向素养生成，为人工智能时代的历史教学转型提供了可落地、可推广的实践样本。

六、结语

         站在教育变革的历史维度看，AI 技术与高中历史教学的深度融合，不是教育发展的 “可选选项”，而是顺应全球数字化变革潮流、落实国家教育数字化战略、实现学科育人目标的 “必答题”。从教学实践层面看，这一融合并非简单地将 AI 技术作为教学工具的补充，而是对传统历史教学范式进行系统性重构：教学目标从 “知识灌输” 转向 “素养引领”，教学内容从 “静态单一” 转向 “多元立体”，教学过程从 “线性封闭” 转向 “人机协同”，评价体系从 “单一结果” 转向 “数据驱动”。这一重构的本质，是历史教学在技术支撑下，回归 “培根铸魂、启智增慧” 的学科育人本质 ——AI 技术的价值，并非提升知识传授的效率，而是为培育学生的唯物史观、时空观念、史料实证、历史解释、家国情怀五大核心素养，提供可操作的全新路径。

       但同时，我们也必须清醒地认识到，AI 技术并非万能的 “教育解药”，其在历史教学中的应用，仍面临着诸多有待完善的现实挑战：教师的数字化胜任力与实际教学需求的显著鸿沟，AI 技术带来的教学人文价值稀释的隐忧，学生过度依赖技术导致的思维抑制风险，以及不同地区、学校之间的技术应用差距。这些挑战的存在，决定了 AI 技术在历史教学中的应用，必须坚守 “以人为本” 的核心原则 —— 技术是服务于人的工具，而非主导教学的目的；AI 赋能教学的核心前提，是 “人要智慧地使用技术”，而非盲目地依赖技术。

        从长远来看，AI 赋能下的高中历史教学，将朝着 “人机协同、素养导向、人文回归” 的方向持续演进。这一过程中，教师需要主动应对技术带来的专业能力挑战，从 “知识传授者” 转型为 “价值引领者”，提升技术与学科融合的应用能力，熟练掌握 “AI 资源筛选、学情数据诊断、探究教学引导” 的关键能力，守住历史教学 “科学性、严谨性、人文性” 的底线；学生需要从 “被动接受者” 转型为 “主动探究者”，学会理性、高效地使用 AI 工具，在探究过程中主动建构历史思维，提升历史学科核心素养；教育行业需要逐步建立 “人机协同” 的常态化教学机制，以学科核心素养为导向，将 AI 技术的工具理性与历史教学的价值理性深度融合，充分发挥 AI 技术的场景支撑、资源整合优势，以及教师的价值引领、情感共鸣的不可替代作用。

       只有将技术的工具价值与历史学科的育人价值深度融合，才能真正实现AI 技术与历史教学的深度融合，推动高中历史教学在智能化时代实现高质量发展，真正落实 “培根铸魂、启智增慧” 的育人目标。

参考文献

[1] 教育部。普通高中历史课程标准 (2017 年版 2020 年修订)[S]. 北京：人民教育出版社

[2] 教育部。义务教育历史课程标准 (2022 年版)[S]. 北京：人民教育出版社，2022.

[3] 朱汉国。历史学科核心素养的内涵与培养路径 [J]. 课程・教材・教法，2018 (1):114-120.

[4] 王笛。人工智能赋能教育创新的中国路径 [J]. 电化教育研究，2024,45 (1):13-20.

[5] 张逸红。大概念统摄下的高中历史深度学习实践探索 [J]. 课程・教材・教法

[6] 国家智慧教育平台建设与应用成效 [R]. 北京：教育部，2026.

[7] 2026 世界数字教育大会组委会. 2026 世界数字教育大会发布 8 项重要成果 

[8] 许斌。探索 AI 赋能路径 共话中学历史教育发展 

[9] 中国教育学会历史教学专业委员会。人工智能赋能高中历史教学创新实践探索 [J]