热闹背后，这个问题没人回答—新闻—科学网
在传统模式下，热闹背后这个框架曾被广泛采用，个问但这张地图也提示，题没他们有机会将以前只能停留在纸面上的答新商业计划书付诸实践。
回到本文开头的闻科问题，教师的学网角色发生了根本性转变，
在“重构”层，热闹背后并从“读懂并复述历史”变成“在争论中构建和捍卫历史判断”。个问都是题没无法想象的。AI的技术特点让教学任务的重大革新成为可能。学生在课程中的主体性越强。培训后，这条线依然清晰可辨。在这种场景下，如今他只要把教材段落扔给AI，这些改善值得认可。“提升”意味着用技术把已有的事情做得更好、4个层次描绘的不只是技术使用程度的变化，虽然考核任务没有变化，覆盖4个层次的培训可使教师不仅学会用工具，在培训中应留出时间，撰写分析报告。工具换了，层次越高，对于教师而言，调整论点、无论是课程规划还是实际教学，
在笔者看来，要求学生围绕某一历史决策与历史人物展开辩论，客服、每隔几个月，教师越需要放弃对课堂的掌控感，教师检查一遍就可以用了。
从第三层“改变”开始，有真实的对手、
认真观察SAMR模型的4个层次，就会出现一轮“AI赋能教学”培训的新热潮。
工具在升级，找出一个以前觉得理所当然的任务，大多都熟悉几个培训中演示的工具，重心从“怎么把知识教好”转向“怎么设计让学生真正思考的任务”；至于重构层，因为任务的类型和目的都没有改变。
在“替代”层，通义千问、一位大学英语教师此前会在课前自己拟好20道填空题，
同样的逻辑也应该成为AI赋能培训的出发点。用户、到底赋的是哪种能？
但凡参加过AI赋能培训的教师，仍然是课堂的主导者和知识的权威来源；增强层的教师通过运用AI，传递知识、院系工作坊、认真问一问——这个任务在AI时代还有多少训练价值？能不能重新设计，美国学者鲁宾·普恩特杜拉提出了一个分析框架，对于他们来说，而且没有标准答案，这也许才是真正推动AI赋能教学从热闹走向有意义的培训方式。减重复、AI承担产品设计、生成式AI第一次让“一人公司”成为可能，解决学生在学习上的痛点和难点，论据支撑、帮助教师进入替代层和增强层，减少重复劳动。
当前，学生提交草稿，
具体而言，提高制作PPT的效率。这个问题没人回答
图片来源：摄图网
■夏令 张晓军
最近几年，更快；“转型”则意味着借助技术做出对教学的重大改变，他们需要面对真实的市场、从低到高依次是替代（Substitution）、回应质疑。也不需要把整门课推倒重来。没有统一进度，学生只承担一个角色——创始人。究竟如何用AI赋能才算真正对教学有价值？
对于一名普通教师而言，文心一言、也第一次让这种教学设计成为可能。真实的立场冲突，教师把课程目标重新设定为学生独立创建并运营一家真实的“一人公司”（One Person Company）。让学生做到原本做不到的事？有余力的教师还可以进一步设想：我的课程有没有可能被重新构想，数据分析、
| 高校AI赋能教学培训： |
| 热闹背后，让学生能运用AI更好地解决真实的实践问题。一个可行的切入点很小，几秒钟就能列出一份格式整齐的题目，SAMR模型提供的是一张有方向感的地图。它的价值是真实的——节省时间、它要求学生做完全不同的事情，让教师尝试为自己的课程设计改变层或重构层的教学任务。批改一轮作文就要花掉整个周末， AI赋能教学：从“替代”走向“重构” 从替代到重构，此时，前两层的价值真实存在——省时间、它把技术融入教学的程度分成4个层次，工具带来了学习体验上的提升。近现代史课程的常规教学方式是让学生阅读史料、换来的则是学生真正的成长，教师的精力可以集中在更有深度的面批和讨论上。以前完全无法设想的教学任务，DeepSeek、 上述两种方式其实是同一件事，带不走重新思考教学目标的能力。西交利物浦大学未来教育学院执行院长） 《中国科学报》 (2026-06-02 第3版 大学观察)引入AI写作反馈工具后，大多数培训的重心放在工具使用和操作演示，只是AI替换了人力。评分排名，甚至重新定义教学本身的目标。并作出真实的商业判断。但迭代修改的机会增加了，从前两层走向后两层，这是增强最典型的形态。一门商科创业课，改变（Modification）和重构（Redefinition）。 这已经不是原来那个任务的改良版本，没有可以套用的评分量表。教师的角色从知识传授者变成了陪跑的创业导师。学生的思维是活跃的，在AI的加持下，其框架几乎没有变化， 这种氛围本身当然是好事。线上打卡课程……一场接着一场。SAMR把4个层次分为两组：前两个层次叫“提升”，学生的任务没有变，国内高校的教学培训工作几乎都离不开“人工智能（AI）赋能”这个关键词。学生的主体性在这里达到最高， 在这一序列中， 这样的创业课要求教师彻底重新设计所有教学内容，后两个层次叫“转型”。不难发现有一条暗线贯穿始终——层次越高，比如，学习质量也随之提升。仍然是写作，当下，比如，也十分容易上手。这当然是有意义的基础培训工作。更是真实问题的参与者。但反馈的速度和频率发生了实质性改变。校级培训、技术对原有教学实践的改变也越深刻，市场调研等需要专业分工的工作。但热闹背后，包括原本做不到的事情，收支，在此前移动设备和互动白板进入高校课堂的浪潮中，学生不只是课程里的练习者，但使用AI后，因为任务本身就要求其必须主动思考，教师带走的只是一批工具，而且反馈往往来得很迟，AI会根据历史背景和这个人物的立场作出回应，比如，教师群里每天都有新工具分享，“龙虾”……轮番登场。 SAMR模型：一把20年前就有的尺子 2006年，大多数人还没有真正探索过后两层的可能性。这一层最典型的例子是用AI出题。但怎样的“赋能”才真正有价值？这个问题值得我们思考。Kimi、学校管理层也频繁发出信号——要拥抱AI， 在“增强”层，即在自己的课程中，他们要和学生一起面对没有标准答案的真实问题。有个问题却很少有人解答：AI赋能， 在这一层，教师可以尝试引入一个经过大量史料知识库“投喂”的AI智能体，但如果认真看这些课堂的教学逻辑，生成测验题目、但培训如果仅仅止步于此，任务没变。一门大学写作课的教师往往要面对几十名学生，提升学生的学习体验；改变层的教师开始更多地扮演“任务设计者”角色， 这样的课程在生成式AI出现前，用以帮助教师判断自己的技术使用究竟停留在哪个层次。更是学生学习体验的根本性转变——替代层的学生感受不到任何不同；增强层的学生得到了更好的支持；改变层的学生开始主动批判和比较；重构层的学生则面对真实的复杂性，你会发现这一类被AI赋能过的课程， 这条暗线在教师身上同样成立——替代层的教师角色几乎没有变化，甚至真实的后果。当天就能获得关于逻辑结构、而不只是被动接收信息。但学生的学习体验几乎感受不到任何变化，也知道如何更好地撰写提示词。修改的动力已经大打折扣。还能思考后两层的教学设计在自己的学科里如何实践。检验记忆、增强（Augmentation）、很多教师也能让AI帮自己写教学大纲、学生要等到下节课才能看到评语。当然不需要一次完成，要把AI带进课堂。 （作者分别为西交利物浦大学未来教育学院副教授、提高反馈质量，因为AI的存在而得以实施。
|
评论
发表评论