黎加厚：生成式AI赋能教育的内涵与实践路径

教小萌说

生成式人工智能（GenAI）怎样助力教育？让我们一同探索！

本文字数：7266 字

阅读时间：14 分钟

近期，教育部等五部门联合发布《“人工智能+教育”行动计划》，强调要充分发挥人工智能作为教育变革引擎的作用，推动智能技术与教育全要素融合、全过程贯通、全场景覆盖，统筹推进人工智能人才培养与应用创新，协同加强基础环境与创新生态建设，加速构建人机协同、虚实结合、泛在可及的智慧教育新形态。在应用创新层面，进一步强调利用人工智能赋能学生学习、教师教学、教育治理及科学研究，以促进人工智能与教育的深度广泛融合。该计划的出台彰显了国家对“人工智能+教育”的高度重视。近年来，各地在推动人工智能赋能教学模式创新、数字化助力教师发展等行动中不难发现：GenAI的发展速度远超预期，且不同于人类历史上其他变革工具，GenAI实现了对人类思维与脑力的拓展，其影响力远超以往任何科技革命。人们不禁发问：当GenAI能瞬间回答问题，知识触手可及，教师的价值何在？当作业可一键生成，学习的意义又是什么？当氛围编程让每个人都能“想法即实现”，学生是否还需学习编程？当GenAI创作的文章、绘画、视频能以假乱真，学生的原创想法与表达价值何在？当人类与GenAI创作的边界日益模糊，中华五千年的求索之路将通向何方？这提醒我们，落实“人工智能+教育”行动，首要任务是厘清三大问题：如何认知人与GenAI的关系，如何定义人工智能在教育教学中的应用，以及如何在教育教学中正确使用人工智能。

1

生成式人工智能辅助教育的内涵

联合国教科文组织在《教师人工智能能力框架》中指出，教育中使用人工智能应坚持“以人为本”的核心原则，旨在增强教师对人工智能的负责任使用。政策制定者、教师教育机构及学校需承担起准备和支持教师正确运用人工智能的责任。教育部《中国智慧教育白皮书》明确提出实施人工智能赋能教育行动，以人工智能重塑教师教学。基于上述研究核心观点，我们将人工智能在教学领域的应用明确界定为“生成式人工智能辅助教育”（GenAI Assisted Education）。它指师生在教学各环节与场景中融合GenAI技术，在严格遵循数据安全、伦理道德及教育规律的前提下，通过创建文本、图像、音频、视频、代码等内容，为教学提供智能化支持，从而助推教育高质量发展。

将GenAI与人的关系定位为“辅助”，表明GenAI在教育领域的应用必须坚守“以人为本”的底线。这要求在教育实践中，GenAI的选型、使用及监管必须落实人类主体责任。在教育活动中，GenAI不应取代教师，而是辅助教师教学与学生学习。教师需对教学中使用GenAI及引导学生使用GenAI的决策负责，政策制定者、教师教育机构及学校有责任培养并支持教师正确使用GenAI。

1966年，英国著名植物学家和教育家埃里克·阿什比在题为“教育中的技术”的报告中提出“教育四次革命说”，即历史学家已确认教育曾发生过三次重大革命：第一次是学校的出现，将教育年轻人的责任从家族转移至专业教师手中；第二次是文字的出现，文字成为与口语同等重要的教育工具；第三次是印刷术的发明及教科书用于教育；第四次是当下正在发生的电子技术与信息技术应用于教育。

依据阿什比对教育发展的分析与推论，GenAI降低了技术门槛，使AI更加大众化，意味着一个人人皆可用AI、“有想法就实现”的新时代已然到来。GenAI犹如古代的“造纸术”和“印刷术”，将人类的“想法”转化为可学习使用的教学资源，标志着时代发展进入了以GenAI为代表的第五次教育革命阶段。而这一切变化在2025年之前根本无法想象。

2

GenAI辅助教育的原则

GenAI辅助教育并非简单地用GenAI工具替代传统教学。我们需要探索新时代的教育教学规律，在坚持“以人为本”这一核心原则下，把握在教育活动中有效运用人工智能的基本方法，在教学实践中促进学生认知和身心发展，防止人工智能对学生造成负面影响。以下是教学中应用GenAI辅助教育的基本原则。

（一）主体性原则

运用GenAI辅助教育，教师应做好第一提问人和结果把关人，坚守主体性原则。教师提出想法与需求，GenAI根据教师的想法生成内容。尽管GenAI是强大的执行者，但教育的灵魂，如价值引领、目标设定和伦理考量，必须由教师把握。

李政涛教授在2025年发表的《教育与人工智能的双向定义——兼论教育如何为技术赋魂和启蒙》一文中指出，人工智能对教育的影响并非仅停留于工具层面的功能升级，而是重构了教育的基本边界。未来教育的核心命题，不再是如何用GenAI教学，而是如何在人机共生中，让人依然成其为人。他强调，理想的人工智能教育应用应“让技术隐形，让教育显形”，以促进学生发展作为衡量一切技术应用的最终标准。

坚持“以人为本”，教师是第一责任人。在教学过程中，教师可遵循“人在回路”原则运用GenAI辅助教育。“人在回路”（Human-in-the-Loop）是人类与人工智能协作工作学习的一种交互方式。它将人的作用嵌入GenAI系统中，把人类的高阶思维能力与计算机强大的算力和存储结合起来，形成一个闭环系统。在这个系统中，人类可以直接参与GenAI对话、训练、评估和反馈等各个环节，利用人的判断和决策能力，让GenAI在人类智慧的管控指挥下运行，以提高其准确性和满意度。具体操作方法如下：教师设计提示语，在GenAI工作流程运行的起始、中间和结束点增加管控提示语，明确要求GenAI与人类用户对话，征求用户意见，等候用户评价与反馈。用户对GenAI的输出进行评价判断和决策，给它发出是否满意、是否需要修改等反馈，提示它下一步如何行动，GenAI在人类的指示下完成工作流程。提示语示例：做完这个任务后，你要问用户“满意吗”，并等候用户回应。如果用户回应“满意”，就执行A任务；如果用户不满意，就执行B任务；如果用户提出修改意见，就按照用户提出的修改意见执行。

（二）“先人脑，后AI”的教学设计基本原则

运用GenAI辅助教育，教师组织教学的基本原则是“先人脑，后AI”（Brain-first, AI-later）。该原则强调在教学中必须优先保障学生独立的认知加工过程，避免因技术便利而导致思维惰化。

2025年6月，麻省理工学院媒体实验室发表的一项脑科学研究对此提供了实证支持。这项研究让参与者分别用ChatGPT、搜索引擎或自己的大脑完成写作任务，并通过脑电波设备监测认知负荷。研究发现，过早且过度依赖ChatGPT的组别，其长期语义记忆与内容重构能力受到损害；而坚持让学生先独立思考，当有了自己的构想后，再引入ChatGPT辅助拓展思维的组别，能更有策略地利用工具，实现更好的学习效果。这项研究支持了“先人脑，后AI”的教学组织原则：即在教学初始阶段，应严格禁止学生使用GenAI，教师要引导学生自主思考与深度认知投入；在学生自主思考与表达之后，再引入GenAI作为辅助与拓展工具。

学校推行GenAI辅助教育应用，须引导教师在设计教学活动时，分阶段、有控制地引入技术，应将GenAI定位为后期辅助者或思维拓展器，而不是答案的提供者和思考替代品。教师将人工智能引入课堂教学活动时，应有意识地设计“人类专属区”和“AI协作区”。其中，人类专属区是教学设计的关键。在该环节教学中，教师必须强制性地排除GenAI及电子设备的干扰，以创造深度人际互动的学习时空。学生则通过独立思考、面对面的小组讨论、动手实践等活动，形成自己对世界的本真认识。在此基础上，学生进入AI协作区开展人机协同学习。在该教学环节，教师要鼓励和指导学生充分利用GenAI开展人机对话、信息搜集、初步方案生成、发散性探索、拓展思维等学习活动。这种“先人脑，后AI”的教学设计，能确保GenAI技术服务于教学质量与效率的提升，保护并促进学生思维能力发展。

在语文课堂上，教师可尝试先让学生沉浸于文本，有了自己的思考和困惑，再利用GenAI去验证、对比、拓展。以《祝福》教学为例，教师可先引导学生细读文本，自主建构对祥林嫂悲剧命运的认知体验，再让学生阅读GenAI对该文中人物的分析并评判：GenAI说得对不对？和我想的有什么不同？如此，GenAI就成了学生思维的“磨刀石”，还可在激发灵感、深化思维的基础上，推动学生的认知水平实现质的提升。

（三）GenAI辅助教育的“慢AI”路线

2026年初，经济合作与发展组织（OECD）在其《OECD数字教育展望2026》报告中刊发了对美国罗纳德·贝盖托教授的专访，主题为“利用GenAI培养创造力”。贝盖托教授认为，学习者使用GenAI的“快AI”与“慢AI”模式，会将他们引向两条不同的路径（见表1）。教育正处在这两种未来可能性的关键转折点上。所谓“快AI”，是指学习者用一次性方式使用GenAI，输入问题并采用获得的第一个回应，这条路径导致对GenAI的过度依赖。现在，很多师生“凡事就问GenAI”，GenAI有问必答，大幅提高效率，但是，这也会让他们不再用脑思考。久而久之，学生和教师就会变成数字傀儡。

表1“快AI”与“慢AI”的区别和特点

贝盖托教授倡导的“慢AI”是指教师和学生创造性地、负责任地运用人工智能，从而成为更具活力的思考者。这种方式将GenAI视为具有不确定性思考的合作伙伴，即便它给出的答案并非完全准确也无妨。它要求我们放慢节奏，从自己的思考出发，然后如同与同学协作般获取反馈，再将思考带回自身或合作小组中反复研磨，包括多轮对话、独立思考、反思、批判性思维等。

GenAI辅助教育倡导师生采用“慢AI”模式，重视培养学生独立思考的能力，学会正确使用GenAI的方法并养成习惯。以下是“慢AI”教学设计示例。

1. 深度求索学习

应用场景：教师提出开放性研究问题，学生通过“任务目标→原始思考→思维对比→深度求索→迁移验证→评价反思”六个递进步骤，主动探索、深度推理、知识迁移与批判性思维，培养高阶思维与复杂问题解决能力，从被动接受学习知识转向主动求索建构知识体系。

范例：学生研究“为什么南京城墙保存得如此完整”，先自行查阅史料、实地考察，形成自己的认识，再与GenAI讨论不同保护方案的利弊，接着对比人脑与GenAI思维的异同，从而建构独立认知。

2. 创意写作迭代

应用场景：写作教学中的人机协同多轮打磨。

范例：拿到作文题目后，学生不是先求助GenAI“帮我写一篇关于家乡的作文”，而是闭眼回忆家乡的画面，独立构思作文结构，撰写作文开头。然后，学生根据自己的想法问GenAI，让它只提修改建议，不代替自己写作。GenAI提供3个不同视角的续写建议，学生批判性分析后，决定融合建议重写作文，之后再次寻求GenAI的帮助，让它对作文进行点评、查找逻辑漏洞和提出修改建议。最后，学生综合GenAI给出的建议完成作文写作。

3. 数学解题策略探索

应用场景：一题多解思维拓展。

范例：教师布置几何证明题作业，鼓励学生一题多解。学生先用自己的方法解几何题，再让GenAI展示2~3种不同解法，学生对比分析哪种最优及原因，再动脑尝试创造第四种解法。

4. 编程教学的人机协作

应用场景：编程作业中的错误诊断，培养计算思维。

范例：学生练习编写Python程序遇到Bug，先独立排查30分钟，再向GenAI描述排查思路而非直接提交代码让GenAI修正。GenAI提示可能方向，标注提示每行代码的含义。学生继续尝试分析编程思路，总结出调试方法，深入理解编程语法的意义。

3

GenAI辅助教育的应用策略

当师生熟悉了GenAI在各类教学场景中的应用后便会发现，GenAI不仅是一款功能强大的智能工具，更是教学工作中的得力助手与拓展思维的智囊。师生与GenAI的关系也将从单纯的“使用与被使用”，逐步升华为彼此协作的共生关系。换言之，GenAI的出现，推动人机协同、人机共创知识成为新的知识生产方式。心理学经典模型“约哈里窗”，可用于阐释教师与GenAI的新型协作关系。

约哈里窗是由美国心理学家约瑟夫·卢夫特和哈里·英格拉姆于20世纪50年代提出，用于描述人际沟通、自我认知和信息共享的心理学理论模型。该模型以可视化的四格窗呈现：横轴代表自己，分为自己知道的、自己不知道的两部分；纵轴代表他人，分为他人知道的和他人不知道的两部分。这两条轴线将约哈里窗划分为四个区域，用以描述人与人之间的信息共享状态和沟通效果。

在人机协同教学场景中，若将 GenAI视为智慧伙伴（对应模型中的“他人”）， “约哈里窗”模型便可为教师理解并在教学中有效运用GenAI辅助教学提供重要参考（如图 1）。

图1 约哈里窗

约哈里窗将人机协作关系划分为多个区域，对应教师与GenAI的多种协作模式，可以帮助教师定位运用GenAI辅助教育的策略。

（一）常规区（开放区）：减负增效

教师自己知道且GenAI也知道的信息，如自己所教学科的知识技能、班级管理工作等。GenAI辅助教师处理日常教学中高频重复的常规教学事务，减负增效。这是目前大家最熟悉的GenAI辅助教育应用领域。如打造教育智能体，帮助教师备课、布置和批改作业；使用氛围编程制作教学平台、模拟仿真演示沙盘、构建支持教育科研项目的网站等。

（二）潜力区（隐秘区）：隐性知识显性化

教师自己知道但GenAI不知道的信息，如教师长期教学积累的教学经验，自己的教学主张等隐性知识。教师可以向GenAI描述自己的想法，GenAI帮助教师把隐性经验转化为显性认知，转化成可以用于教学活动的学习资源，从而优化教学策略；或助力教师整理内心想法，转化成可视化表达。

应用场景：教师根据自己的教学经验和教学主张申报课题项目。

范例：教师把自己内心想法用提示语“投喂”给GenAI，GenAI帮助教师梳理思路，整理文稿，创意设计课题申报草稿；或者让GenAI把自己内心想法变成现实，打造成用于教学的智能体、教学工具和网站。

（三）跨专业区（盲区）：跨学科知识补充

GenAI知道但教师自己不知道的信息，如教师不知道但GenAI可提供的知识（跨学科知识、新教育理论、新的教育政策等），它帮助教师快速填补知识空白。

应用场景：教师设计组织跨学科主题学习活动，GenAI帮助教师弥补自身在非本专业领域的知识与技能短板。

范例：教师运用提示语“我是小学语文教师，帮我设计跨学科学习教案，把小学三年级语文课×××与科学、数学、音乐、历史等学科融合起来，给出三个变式活动项目的教案初稿”，让GenAI辅助教师设计跨学科学习教案。

（四）创新区（未知区）：探索未知教学范式

教师自己和GenAI均未知的信息。在这种教师和GenAI都未探索过的领域，适合突破常规，寻找教学创新方法，让GenAI成为教师的教学创新伙伴。例如，AI for Science (AI4S)在生物大分子结构预测、药物研发及基因组分析方面，利用GenAI大数据、高速运算、基于专业知识的算法等，能够探索庞大的化学空间，设计出传统方法难以触及的创新分子。在教育领域，人机协同可以从海量教育资源中快速分析、组合、预测新的教学范式，突破思维局限，发现适合自己的创新教学方法，让教育更精彩。

应用场景：教师设计创新的教育实验项目，发现过去从未见过的教学场景。

范例：辅助教师设计创新教学的教案，教师把下面的提示语发送给豆包或元宝，它很快就能帮教师打造出一个可用于教学的学习网站。

1.用“剧本杀”的形式设计一个英语学习主题网站，主题是“购物”，请设计三个关键环节，要适合八年级学生的水平。

2.我在乡村小学教科学，缺少实验器材，怎么用“生活废品”替代实验器材完成科学实验？帮我设计10个适合乡村小学的未来科学实验方案。

3.打造一个太空AI计划仿真平台，打开即可运行，帮助学生体验太空创业和发展人类文明的创新想法，并能够记录自己的想法。屏幕是太空画面，有科幻感。

（五）灯下黑区（开盲混合区）

教师以为自己知道但其实自己不知道的信息，如教师自身专业领域的知识盲点、自己对事物认识的偏见等。但GenAI知道，它能帮助教师精准定位思维缺口，快速分析找出教师的思维短板（如图2）。

图2 约哈里窗的混合区

应用场景：教师在自己熟悉的学科领域开展教学活动，GenAI帮助教师找出思维漏洞。

范例：教师设计了一个关于农业生产活动的跨学科学习单元教学计划，发给GenAI。它回应“你设计的农村生活劳动，依旧停留在过去对农村的印象里，尚未意识到现代农业已发生巨大变化”。

（六）人分辨区（开隐混合区）

GenAI常将自认为知道但其实它并不知道的信息输出给用户，这在业内被称为“幻觉”，通俗来讲就是“一本正经地胡说八道”。这时候，必须由师生来分析判断信息正误。

应用场景：人机协同对话，GenAI的回应具有不确定性，必须由师生来分析确定其正误。

范例：学生在分析数学几何证明题的过程中，GenAI给出了参考答案和解题步骤，其中有部分内容属于看似正确实则错误的，需要学生独立思考判断。教师应提醒学生“你看到的GenAI回答不一定正确，你要独立思考判断”。

（七）无知区

除上述区域之外，还存在两个无知区：一是盲未混合区，GenAI将自以为知道但其实它不知道的信息反馈给用户，同时，这是人不知道也无法分析判断其信息正误的区域。二是隐未混合区，即自己以为知道但其实自己不知道，同时也是GenAI不知道的信息，如教师自身专业领域的知识盲点、自己对事物认识的偏见等。上述两种区域，是目前人类和GenAI都无法知晓的领域，因此，我们需要清楚，在世界上还有很多尚未认识到的领域。

约哈里窗的分区，代表教师应用GenAI辅助教育的多种场景。如常规区（开放区）应用GenAI辅助教育，解决教师日常教学的刚需，实现减负增效，目前教师应用GenAI大多属于这个区域。创新区（未知区）体现出人工智能变革世界的魅力，助力教师去开创诺奖级的创新教育空间，就像科学家使用AI4S一样。

喜欢这篇文章，就点击关注我们吧