热闹背后，这个问题没人回答—新闻

在“重构”层，热闹背后

在传统模式下，个问

工具在升级，题没用户、答新学生要等到下节课才能看到评语。闻科比如，学网线上打卡课程……一场接着一场。热闹背后教师可以尝试引入一个经过大量史料知识库“投喂”的个问AI智能体，

认真观察SAMR模型的题没4个层次，

回到本文开头的答新问题，教师带走的闻科只是一批工具，覆盖4个层次的学网培训可使教师不仅学会用工具，有个问题却很少有人解答：AI赋能，热闹背后

这条暗线在教师身上同样成立——替代层的个问教师角色几乎没有变化，AI承担产品设计、题没要把AI带进课堂。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，数据分析、教师的精力可以集中在更有深度的面批和讨论上。一门商科创业课，检验记忆、回应质疑。甚至重新定义教学本身的目标。修改的动力已经大打折扣。SAMR把4个层次分为两组：前两个层次叫“提升”，当下，大多数人还没有真正探索过后两层的可能性。SAMR模型提供的是一张有方向感的地图。比如，其框架几乎没有变化，学习质量也随之提升。DeepSeek、每隔几个月，要求学生围绕某一历史决策与历史人物展开辩论，AI会根据历史背景和这个人物的立场作出回应，层次越高，提高反馈质量，Kimi、到底赋的是哪种能？

但凡参加过AI赋能培训的教师，但培训如果仅仅止步于此，工具带来了学习体验上的提升。

当前，帮助教师进入替代层和增强层，但怎样的“赋能”才真正有价值？这个问题值得我们思考。一位大学英语教师此前会在课前自己拟好20道填空题，而不只是被动接收信息。并作出真实的商业判断。大多数培训的重心放在工具使用和操作演示，它把技术融入教学的程度分成4个层次，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）。还能思考后两层的教学设计在自己的学科里如何实践。但热闹背后，因为任务的类型和目的都没有改变。增强（Augmentation）、这是增强最典型的形态。也第一次让这种教学设计成为可能。没有可以套用的评分量表。也知道如何更好地撰写提示词。真实的立场冲突，校级培训、

（作者分别为西交利物浦大学未来教育学院副教授、几秒钟就能列出一份格式整齐的题目，他们要和学生一起面对没有标准答案的真实问题。教师的角色从知识传授者变成了陪跑的创业导师。在AI的加持下，教师的角色发生了根本性转变，他们有机会将以前只能停留在纸面上的商业计划书付诸实践。但如果认真看这些课堂的教学逻辑，也十分容易上手。任务没变。换来的则是学生真正的成长，

这样的创业课要求教师彻底重新设计所有教学内容，这一层最典型的例子是用AI出题。并从“读懂并复述历史”变成“在争论中构建和捍卫历史判断”。

AI赋能教学：从“替代”走向“重构”

从替代到重构，叫作SAMR模型。这些改善值得认可。教师群里每天都有新工具分享，无论是课程规划还是实际教学，引入AI写作反馈工具后，对于教师而言，调整论点、这个框架曾被广泛采用，没有统一进度，学生需要随机应变、更是真实问题的参与者。通义千问、当天就能获得关于逻辑结构、工具换了，技术对原有教学实践的改变也越深刻，学生不只是课程里的练习者，如今他只要把教材段落扔给AI，大多都熟悉几个培训中演示的工具，有真实的对手、他们需要面对真实的市场、以及应对未来复杂环境的底气。减少重复劳动。在培训中应留出时间，AI的技术特点让教学任务的重大革新成为可能。提高制作PPT的效率。

在笔者看来，带不走重新思考教学目标的能力。文心一言、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。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。

在这一层，虽然考核任务没有变化，用以帮助教师判断自己的技术使用究竟停留在哪个层次。这当然是有意义的基础培训工作。一个可行的切入点很小，客服、包括原本做不到的事情，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)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。4个层次描绘的不只是技术使用程度的变化，

在“增强”层，从低到高依次是替代（Substitution）、

具体而言，因为任务本身就要求其必须主动思考，这一层的使用非常广泛，收支，

这样的课程在生成式AI出现前，对于他们来说，传递知识、撰写分析报告。学生只承担一个角色——创始人。它的价值是真实的——节省时间、近现代史课程的常规教学方式是让学生阅读史料、改变（Modification）和重构（Redefinition）。教师检查一遍就可以用了。学生的主体性在这里达到最高，批改一轮作文就要花掉整个周末，不难发现有一条暗线贯穿始终——层次越高，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，因为AI的存在而得以实施。都是无法想象的。论据支撑、但这张地图也提示，找出一个以前觉得理所当然的任务，此时，学生的思维是活跃的，

高校AI赋能教学培训：

热闹背后，更快；“转型”则意味着借助技术做出对教学的重大改变，随着层次的提升，

上述两种方式其实是同一件事，生成式AI第一次让“一人公司”成为可能，培训后，但使用AI后，在此前移动设备和互动白板进入高校课堂的浪潮中，比如，一门大学写作课的教师往往要面对几十名学生，解决学生在学习上的痛点和难点，

同样的逻辑也应该成为AI赋能培训的出发点。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，

在这一序列中，前两层的价值真实存在——省时间、而且没有标准答案，评分排名，但迭代修改的机会增加了，学生的任务没有变，生成测验题目、也不需要把整门课推倒重来。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，在这种场景下，就会出现一轮“AI赋能教学”培训的新热潮。

SAMR模型：一把20年前就有的尺子

2006年，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，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，这条线依然清晰可辨。让学生能运用AI更好地解决真实的实践问题。甚至真实的后果。很多教师也能让AI帮自己写教学大纲、仍然是写作，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，

这已经不是原来那个任务的改良版本，学校管理层也频繁发出信号——要拥抱AI，但学生的学习体验几乎感受不到任何变化，后两个层次叫“转型”。而且反馈往往来得很迟，“龙虾”……轮番登场。美国学者鲁宾·普恩特杜拉提出了一个分析框架，院系工作坊、只是AI替换了人力。当然不需要一次完成，这个问题没人回答