本文引用 方海光,李文雅.人机协同下教师角色重塑的基本逻辑与实践路径[J].中小学信息技术教育,2026(11):5-8. 生成式人工智能正由教学工具转变为目标理解、资源生成、过程反馈与学习支持的参与者,由此引发教师专业主体性、课堂关系与教育责任的重新界定。本文面向中小学人机协同教学,从价值、关系、职能三个维度构建教师角色重塑的分析框架。研究认为,教师的不可替代性不在于与人工智能竞争信息处理效率,而在于承担育人价值判断、情境化专业决策和教育责任。基于这一判断,教师应担负起学习体验设计者、人机协同过程编排者、思维与对话促进者以及数据循证教研者四类相互关联的角色职能。实践层面,学校需要通过典型场景嵌入、分层分类能力发展、“教师在环”的流程重构、教学资源持续迭代和分级分类的边界治理,将教师角色定位转化为可执行的行动。文章最后就审慎使用与负责任使用展开讨论,重点涉及决策权归属、应用边界以及专业自主等问题。 生成式人工智能的发展正在重塑着教育的形态,当智能系统不再只是由教师单向调用的辅助工具,而是以能够理解教学目标、生成学习资源、提供过程反馈并伴随学生学习的技术参与者进入课堂时,传统二元课堂便开始向“师-生-机”三元课堂演进。在知识讲授、教学设计、学情判断、学习评价与价值引导等教育过程中,哪些可以由人工智能提供支持、哪些必须由教师承担最终责任,已成为人工智能融入教育实践过程中亟需回应的基本问题。围绕教师角色重塑,现有研究和实践讨论多集中于单一工具的应用策略、具体课例或局部经验,而较少从教学关系结构变化的视角系统解释教师角色重塑的内在逻辑,也较少将角色定位、实践路径与风险边界置于同一分析框架中加以考察。基于此,本文立足相关政策导向与教育实践中呈现的现实问题,重点探讨以下问题:在人机协同情境中,教师角色重塑应依据何种逻辑展开;教师应承担哪些区别于智能系统的核心专业角色;这些角色应通过何种实践路径转化为日常教学行动,又应遵循何种边界以防止技术异化及其带来的教育风险。 生成式人工智能的快速发展正推动中小学教学场域发生深层变革,教师角色重塑也从技术应用的适应性问题,转向育人方式变革的关键议题。政策层面,《关于深入实施“人工智能+”行动的意见》提出,推动育人从知识传授为重向能力提升为本转变;《教师生成式人工智能应用指引(第一版)》强调,在价值观引导、情感培养等关键育人环节,教师必须发挥主导作用。理论研究层面,2022年,方海光等首次提出“人机协同教育理论”的概念,随后在《人机协同教育理论与应用》中系统阐释这一理论,系统提出“师-生-机”三元系统,并以“三元课堂”呈现人机协同的课堂形态。技术层面,沿着“理论建构-课堂范式-学习支持”的脉络,教育智能体支持的个性化学习成为“三元课堂”向学习过程延伸的实践路径:智能体可依据教学目标与学生表现推送分层资源、发起针对性追问,以数字助教或学习伙伴的形式持续参与师生互动。实践层面,教师已普遍感知人工智能在资源拓展和备课减负方面的价值,但日常使用仍以浅层辅助为主,能够将其贯穿教学全过程并据此创新教学模式的比例有限。在应用深度上,多数教师仍处于探索阶段,能够将人工智能贯穿教学全过程的教师比例不足两成,能够据此创新教学模式的比例仅约一成,人工智能应用仍存在“使用广泛而融合不足”。 人机协同下教师角色重塑的本质并非对既有教师角色的局部修补,而是在教师、学生与智能系统构成的三元教学关系中,重新界定教师应承担何种职责、机器适宜完成何种任务,以及技术介入后教师能够拓展哪些更具有育人价值的专业活动。在价值逻辑上,人工智能可以提出看似合理的建议,但其不具备承担教育后果的道德与法律资格。联合国教科文组织2024年9月发布的《教师人工智能能力框架》,把“以人为本”与“人工智能伦理”置于能力体系的重要位置。因此,教师角色重塑的首要原则不是让机器替代人力完成更多任务,而是确保育人目标、价值判断和责任归属始终由教师及学校共同体掌握。在关系逻辑上,当人工智能能够主动生成、反馈和推荐时,教师需要同时调节三组关系:教师与学生之间的育人关系,学生与人工智能之间的认知关系,以及教师与人工智能之间的控制与校准关系。教师的核心任务从单向传递知识,扩展为维护目标一致性、互动质量和主体参与。在职能逻辑上,人机分工不宜依据“机器能不能做”,应综合考察任务的可程序化程度、价值负荷、教育风险和情境判断需求。一些规则明确、风险较低且结果易复核的任务,可以由人工智能承担或辅助完成;一些需要结合学情、课堂互动和多元证据的任务,应由教师与人工智能协同完成;至于涉及价值引导、情感关怀、权益分配和关键教育决定的任务,则必须由教师主导完成。 基于人机协同的价值逻辑、关系逻辑与职能逻辑,教师角色是由多种专业职责相互支撑、协同作用的角色集合。教师的专业价值集中体现于学习体验设计、协同过程编排、思维发展促进与循证教研等高阶育人活动中。 1.学习体验设计师 当知识讲解、例题生成和资源推荐可以得到人工智能支持时,教师的专业重心应由内容供给转向学习体验设计。教师需要依据课程标准、学科核心素养和真实学情,明确学习目标,创设具有真实性和认知挑战的任务情境,规划探究路径、学习支架、协作方式和评价证据,并判断技术是否有助于学生形成概念理解、迁移能力与价值判断。学习体验设计的关键不在于增加技术环节,而在于让学生保持真实参与、持续思考和反思修正,实现深度学习。 2.人机协同过程编排者 编排是教师依据教学目标,对人工智能的角色、输入条件、交互规则、输出格式、审核节点和退出机制进行系统配置,并对生成结果实施持续审核与动态调整。人工智能并不会自然地产生适切的教学支持,其输出质量在很大程度上取决于教师是否提供了明确的学科要求、学情约束和评价标准。例如,在“对话李白”的语文学习活动中,教师需要通过提示语限定智能体的语言风格、历史语境和表达边界,避免出现脱离人物身份的现代化表达。教师的编排能力本质上是将学科知识、教学经验与技术工具相结合的能力。是否能够对人工智能进行有目的的组织、约束和校正,是区分“使用人工智能”与“有效开展人机协同教学”的重要标志。 3.思维教练与对话促进者 生成式人工智能虽然能够快速提供答案,却不能代替学生生成问题意识、证据意识和论证能力。教师应把人工智能输出转化为可审查的认知对象,通过追问、比较、列举反例、核验证据和同伴辩论,引导学生解释答案依据、识别不确定性并修正推理。此时,教师的职责不是给出更快的结论,而是设计促使学生经历判断、论证和反思的对话过程;学生也由答案接受者转变为问题界定者、信息审查者和意义建构者。 4.数据驱动的循证教研者 人工智能可以记录答题轨迹、任务停留时间、提问类型、错误分布和修改过程,为教师理解学习过程提供新的证据。教师需要把数据转化为可解释的教学判断,而不能把平台自动生成的结果直接等同于学生真实能力。有效的循证教研应将学习分析结果与课堂观察、作品分析、学生访谈及学科评价相互印证,区分暂时性表现、持续困难与数据偏差,再据此调整教学策略和干预强度。教师由数据使用者转向证据解释者,意味着其专业判断责任反而更加突出。 教师角色重塑不能仅停留于理念倡导或公开课展示上,而应落实到日常教学、教研、管理与家校协同的具体实践之中。学校应围绕人机协同的典型应用场景、教师人工智能素养发展、教学流程优化与资源创生机制,形成从课堂实践到制度支持的实施路径,使人工智能真正服务于教师专业发展与学生全面成长。 1.场景融入:推动人机协同覆盖教师日常工作 人机协同应从零散、展示性的工具使用,逐步转向覆盖教师日常工作的系统性应用。结合中小学教育教学实际,笔者将其概括为智慧课堂教学、深度自主学习、教师研训与教研、学校管理、家校共育与个性化支持、具身智能教育空间建设等六类核心场景(表1)。场景选择应先明确学习目标、使用对象、预期增益和风险等级,再决定是否使用以及使用何种人工智能,防止从工具功能反推教学需求。 表1 中小学人机协同的六大核心场景 六类场景表明,人工智能对教学的影响已经由课堂内部延伸至教、学、评、研、管、育等环节。 2.能力发展:分层分类推进教师人工智能素养提升 教师人工智能素养的提升应依据教师的技术基础、学科特点与发展需求,实施分层分类培养。对于起步阶段的教师,可从课件生成、作业设计与基础性学情分析等低门槛场景切入,重点帮助其形成技术应用信心、基本操作能力和风险防范意识;对于具有数字化教学经验的骨干教师,可引导其开展跨学科项目式学习、个性化学习支持和智能体开发等深度融合实践,形成具有示范价值和可复制性的课例;对于教研团队,应围绕真实教学问题开展专题研究,逐步建设本土化案例库,开发评价工具和校本智能体资源。教师培训坚持研用结合,以真实课题、真实班级和真实数据为载体,使教师在解决实际问题的过程中提升人工智能应用能力。 3.流程优化:建立“教师在环”的人机协同机制 人机协同教学应始终坚持“教师在环”原则,由教师负责学情判断、目标设定、价值把关与结果审核;由人工智能承担内容生成、信息整理和重复性处理等辅助任务,避免将教师的专业判断简单外包给技术系统。以分层作业设计为例,笔者建议构建“学情诊断-人工智能生成-教师审核微调-协同布置反馈”的基本流程。首先,教师依据前测结果、课堂表现和作业情况识别学生的真实学习困难,明确需要重点突破的知识点与思维障碍;其次,人工智能依据教师提供的学段要求、课程标准、学生学情、任务目标、输出格式和使用约束,生成不同难度层级的作业初稿;再次,教师对生成内容进行核验、筛选与修改,重点核查知识准确性、难度适切性、题目重复度和价值导向;最后,在作业实施与反馈阶段,人工智能可辅助完成分层推送、过程记录和错题整理,教师则依据反馈数据组织针对性讲评与开展下一轮变式训练。 4.资源创生:以自然语言交互促进教学资源迭代 教学资源创生是教师工作负担较重,也是人工智能较具应用潜力的领域之一。借助自然语言交互,教师可围绕学段与课题、教学目标、版式要求、活动结构、交互方式和输出形式等要素提出明确要求,辅助生成课件、导学案、习题、图像素材、课堂互动活动和项目学习资源。与传统资源制作方式相比,人工智能支持下的资源创生具有生成速度快、调整成本低和迭代效率高等特点。资源创生不能被理解为教师将制作任务完全交由人工智能完成。教师应由单纯的资源制作者逐步转变为资源需求的提出者、生成结果的审核者和课堂应用的改进者。推广路径宜先以单课或单元为单位验证资源质量,再逐步沉淀为可共享、可修订的校本资源库。 人机协同教学的有效实施不仅依赖技术能力、教学设计与制度支持,更需要确立明确的价值底线。审慎使用与负责任使用意味着学校和教师必须回答三个基本问题:教育决策权应当由谁承担,技术应用边界应当如何划定,教师与学生的自主性应当如何维护。围绕这些问题,笔者建议建立以审慎原则为前提、以教师责任为核心、以边界治理为保障、以主体自主为导向的风险防控体系。 1.审慎使用:由技术可用转向教育确有需要 教育活动直接作用于未成年人的认知发展、价值观念与人格形成。因此,人工智能进入课堂应遵循“教育确有需要方可介入”的审慎原则。该原则从必要性、最小性与可撤回性三个维度加以理解:必要性强调在引入人工智能之前,应首先评估常规教学手段是否已能有效达成目标,避免为追求技术新颖性而进行无效应用;最小性要求人工智能仅进入能够产生明确教育增益的环节,防止其无差别覆盖教学全过程;可撤回性则要求学校和教师为技术应用保留人工替代方案与退出机制,确保出现内容失当、系统失效或风险预警时能够及时中止。 2.决策权不可让渡:坚持“教师在环”与“教师在上” 在人机协同教学中,最值得警惕的风险是教师在不知不觉中将教育决策权让渡给技术系统。人工智能可以基于数据生成学情分析、分层作业建议和评价等级参考,涉及学生切身利益的重大判断,如学业评价结论、学习分层归属、评优推荐、纪律处理以及心理危机干预等,均应由教师依据综合证据作出最终决定,并保证相关决策具有可追溯、可解释和可申诉的基本特征。算法能够处理数据,却无法承担起教育、伦理与法律责任;其输出可以作为专业判断的参考,不能成为替代专业判断的依据。因此,教师不仅应当处于人机协同流程之中,对人工智能生成的内容和建议实施审核,还应当处于教育决策体系之上,始终保有修改、否决与关停技术应用的权利。 3.边界治理:构建“可为、限为与禁为”的规则体系 负责任地使用人工智能,需要将抽象的伦理原则和安全要求转化为可执行、可检查和可追责的操作规则。学校可结合学段特点、课程需求与平台风险,建立“鼓励使用、限制使用、禁止使用”的分级清单。如鼓励使用的场景包括教学资源生成、资料整理和教研支持等;限制使用的场景包括教学设计、评价量表、学生成长画像与个性化推荐等,此类应用必须经过教师审核并保留必要的人工干预;禁止使用的场景涵盖低龄学生独立使用开放式内容生成功能、学生在考试或应独立完成的创造性任务中滥用人工智能,以及将人工智能生成内容直接作为个人成果提交等行为。同时,在数据处理上,学校应坚持最小必要原则,不得向人工智能工具输入试题、学生身份信息、健康信息等敏感数据,并落实未成年人个人信息保护和工具白名单管理制度。 4.主体自主:维护教师专业自主与学生认知自主 人机协同的目标应是增强而非削弱教育主体的自主性。专业自主是教师实施有效教学和承担教育责任的重要基础。人工智能提升了教学资源的供给效率和课堂组织的标准化程度,但若教师长期依赖系统生成教案、活动方案和评价意见,便可能由课程设计者逐步退化为技术输出的执行者,削弱自身的专业判断与教学创造力。学生认知自主是独立思考、主动选择和理性判断的权利,学生在教师提供替代路径与必要支持的条件下,有不依赖人工智能完成学习任务的机会;教师也应引导学生认识技术使用的限度,避免因即时答案、个性化推荐或成长画像而形成思维惰性、信息依赖与自我标签化。只有在教师专业自主与学生认知自主均得到充分保障的前提下,人工智能才能真正成为支持学习、促进发展而非限制主体性的教育工具。 人机协同下的教师角色重塑,是人工智能作为技术参与者嵌入教学活动后,教师在“师-生-机”三元关系中对职责、能力与边界进行系统性重构。其并非削弱教师主体地位,而是在技术赋能条件下重新确认教师的育人责任与专业价值。人工智能可承担资源生成、数据处理等规则化任务,却无法替代教师在价值引导、情感关怀与教育决策中的责任担当。教学实践应依据任务可程序化程度与教育风险,科学划分人机职能,以场景融入、分层培养和“教师在环”机制推进智能素养发展与教学流程优化,并建立“可为、限为、禁为”的边界治理体系。唯有平衡工具理性与价值理性,维护教师专业自主和学生认知自主,人工智能才能真正服务于学生成长与教师专业发展。 文章来源:首都师范大学教育学院