刊登日期 : 2026-10-16
編按：AI走進課堂多時，成為教學新常態。科技浪潮下，教師應如何轉型，善用AI因材施教？騰訊研究院的專家及研究員認為，如今教育界中能判AI真假、指揮AI幹活的老師很多，但能用AI重新設計一門課、重新決定這門課怎麼走，甚至能辨認每個學生該走哪條路的老師卻不多。新時代下，甚麼才是「好老師」？為甚麼說「AI愈強，愈需要教師在場」？以下一一拆解。
教師的AI素養 由用工具走到造工具 4點思考課堂結構
有關「好老師」的新判據是甚麼？騰訊研究院和中國教育科學研究院在聯合研究中提出過一個教師AI素養3層框架，可以當作一把尺子。
第一層，知道AI靠不靠得住。能判斷它給的答案對不對，知道它會一本正經地編，也能向學生把這件事解釋清楚。
第二層，能指揮AI幹活。備課、批改、出題、做學情分析，讓AI做初稿，自己做審稿人。
第三層，能用AI重新設計一門課。重新決定這門課怎麼走、每個學生走哪條路、用甚麼方式評價，而非讓AI把舊教案重新排一遍版。
分層本身不算新鮮。真正值得說的是我們在調研中反復確認的一個判斷：大多數教師培訓停留在前兩層，第三層的培訓幾乎是空白。市面上絕大部分AI賦能教師的課程教的也都是第二層：怎麼寫提示詞？怎麼在10分鐘內產出課件？
第三層長甚麼樣？我們通過調研看到了4個側面：動機上要先想清楚課怎麼上，能力上要從用工具走到造工具，權力上要肯把提問權讓渡給學生，視野上德育和心理也要併入課程結構。難度依次遞增，而它們都不是技術問題。
AI輔助教學省出來的時間 應該做甚麼？
AI省出來的時間，是一個岔路口。省時間這件事本身沒有立場。同樣用AI十分鐘出完一份課件，剩下的兩個小時，有人去找那幾個從來不舉手的孩子聊聊天，有人再出5份課件。「拐杖」效應不只發生在學生身上。
經合組織在《2026數位教育展望》中綜述了幾項研究，提到一個現象叫「元認知懶惰」（metacognitive laziness）：向人類專家求助的學生會走完「診斷問題→求助→評估幫助→反覆運算→實施」的完整鏈條；面對聊天機器人時，不少人直接要答案、直接照用，跳過了診斷、評估和反覆運算3步。
老師會掉進一樣的坑：讓AI出的題不看就發，讓AI寫的評語不改就送出去。工具省了力，也順手掉了判斷。
我們在調研中觀察到一個現象，姑且叫「超級教師」：AI讓少數優秀教師的影響半徑極大擴張——一位頂級教師的教學設計、講評思路、診斷方法，可以通過AI複用到遠超過去的學生身上。由此形成一把剪刀差：對「平均水準教師」的替代風險在上升，「超級教師」的稀缺性也在不斷增加。
被稱作「超級教師」的永遠是少數，每一所學校真正的地基，是成千上萬默默無聞、把每一屆學生認真送走的普通老師。AI不該成為懸在他們頭上的一把刀，而應該是遞到他們手裏的一把梯子——讓更多認真盡責的好老師，有機會被更多孩子看見，值回他們本就該值的分量。
好老師能讓學生終身收入 增加25萬美元？
好老師究竟值多少錢，經濟學給過一個具體數字。
哈佛大學RajChetty等3位學者追蹤了超過100萬名兒童的學區與稅務記錄，發現被分配給高增值教師的學生更可能上大學、成年後收入更高。他們給出的量化結論是：把一位增值水準處於末位5%的教師換成一位平均水準的教師，能讓這個班級學生終身收入的現值增加約25萬美元。
AI的到來只會讓這個差距傳導得更快、覆蓋得更遠。差距並非AI造成的。AI只是把原來看不見的選擇，變成了看得見的結果。AI給每位老師發了同樣多的時間紅利，卻沒有規定這筆紅利怎麼使用。
美國教育科技領域累計燒掉約290億美元，2025年該領域風險投資跌至10年最低，能穩定盈利的公司「兩隻手數得過來」。原因很多，其中很關鍵的一條是學區把工具買回去了，老師不用。誠然，工具從來不是變數。人才是。
人類老師在AI時代的終極價值是？
行筆至此，我們其實撞上了教育學裏一個很老的問題。1984年，芝加哥大學的教育學家本傑明·布魯姆發表了一篇著名論文。
他的兩名博士生做過一組對照實驗，比較常規班級授課、掌握學習、和一對一輔導3種條件。結果是：接受一對一輔導的普通學生，最終成績比常規班級的平均水準高出約兩個標準差，超過了常規班級中98%的學生。
由此他提出那個被追問40年的「兩個標準差問題」：一對一輔導對大多數社會而言成本太高，無法大規模承擔……研究者和教師能否設計出這樣的教學條件，使得大多數學生在集體教學中，也能達到目前只有在輔導條件下才能達到的成就水準？
今天，AI第一次讓「每個孩子一個輔導者」在成本上變得可能。而賓夕法尼亞大學的實驗補上了布魯姆當年未必預料到的一個前提：便宜的一對一輔導，並不自動等於有效的一對一輔導。
於是布魯姆的問題有了新版本：我們不缺輔導者了，缺的是知道輔導該怎麼做的人。這個人，就是老師。
這也正是「AI愈強，愈需要教師在場」的全部含義。機器把從30分到70分的路鋪平了，而那決定一個孩子究竟能走到哪裏的最後20分，仍然需要一個人站在旁邊，判斷何時該出手、何時該退後。（二之二）
（轉載自騰訊研究院，作者為騰訊研究院研究員張鴻茹、呂嘉怡及騰訊研究院資深專家王鵬，標題和內文經編輯整理）
延伸閱讀：
