生成式AI引领学科教学模式变革

摘要：以生成式人工智能为代表的前沿技术正加速驱动教育领域的数字化进程，并引发学科教学的深层次转变。它在重塑师生与机器协同关系的同时，赋予了教学资源以生成性和互动性等崭新特质。在学科教学实践中，借助生成式AI赋能教学主要有三条实施路径：倡导人机思维对比，激发学生高阶思维能力；运用生成式AI推送定制化方案，助力学生自主学习和探索；利用生成式AI实施以育人为导向的个性化评估。需特别注意的是，教师需警惕对技术的滥用与依赖现象，重申“以学生为本”的核心价值导向。

关键词：生成式人工智能；学科教学；课堂生成；教学范式

人工智能技术的飞速发展正强力推动着教育的数字化转型。2025年4月，教育部等九部门共同发布了《关于加快推进教育数字化的意见》，明确提出要将人工智能技术深度融入教育教学的各要素与全流程，促进教学模式的数字化革新。本年度的政府工作报告也强调要“深化拓展‘人工智能+’行动”。一系列政策文件的颁布，标志着我国教育数字化转型进入了系统性推进与实践性探索的关键时期。在此背景下，生成式人工智能作为教育智能化发展的核心驱动力，为课堂教学场景的应用提供了坚实的技术支撑。[1]它不仅重构了教学、学习与评价之间的关系，也为教育场景中的知识建构与个性化教学开辟了新的可能性。

生成式人工智能驱动的学科教学变革逻辑

教学理念的转变：从知识灌输到能力培养。传统教学受制于资源配置、时空组织等因素，难以针对个体差异实现精准施教，“工业时代的教育如同规模化生产，追求整齐划一，好比培育人工林”。[2]生成式人工智能为突破这一困境提供了切入点，它能够精准识别学生的认知起点与学习风格，为学生生成个性化的学习任务。生成式AI使得知识生产更为“高效”，也进一步促使教学理念向更高阶的分析、应用、评价与创造等维度演进。在生成式AI的辅助下，学科教学鼓励学生发展批判性思维，在质疑与辨析中深化理解。同时，也激励学生进行积极联结，推动跨情境、跨学科的知识整合，构建可迁移的认知体系。这对于激发学生的好奇心与想象力，提升其分析问题与解决问题的能力，鼓励他们持续探索与创新具有重要价值。由此，学生得以获得超越机器、不可被机器替代的独特品质[3]。

教学方式的革新：从“师生单向传导”到“人机协同共生”。传统教学具有以教材为中心、以教师为主导、以讲授为主要方式的特征，强化了“教材—教师—学生”的单向知识传递机制，也在一定程度上固化了知识与人、教师与学生之间的关系。在此框架下，教学常被简化为“教教材”而非“教学生”。生成式人工智能拓展了在有限时空内教材与教师对知识的占有和解释能力。对教师而言，其角色转向“学习设计者”与“人机协调者”，教师所代表的富有温度的教学在生成式AI介入下显得愈发珍贵而关键。对学生而言，生成式AI逐渐成为一种超越教师、堪比同伴的智能学伴，在与AI的交互过程中，学生的协作模式发生改变，与同伴的交流更倾向于协作探究，其学习过程更具主动性与开放性。生成式AI在鼓励学生积极提问、反思与尝试的动态对话中，不仅能修正认知偏差、完善知识结构，更能在比较、质疑与建构中促成深度理解，真正实现从“被动接受”到“主动学会”的转变。

教学资源的重构：从“静态呈现”到“动态生成”。传统课堂教学资源多为教材、视频、音频等，其数量有限、形式单一，这与教师自身的知识储备与信息获取渠道密切相关，在使用过程中也多为面向部分或全体学生的简单展示。生成式AI的出现极大地丰富了教学资源的数量与类型，使教学资源呈现出适切性、生成性与交互性的新特征，成为贯穿教、学、评全过程的生成性支撑，真正实现资源与学习的深度互嵌与共同构建。生成式AI能够即时生成文本、图像、三维模型、虚拟角色、模拟视频等多模态素材，灵活服务于新知学习、巩固练习和创意生成等不同教学阶段的需求。例如，在科学课堂上，教师可以基于水形态变化的条件与过程，生成不同温度下水分子运动的模拟图像，生动形象地揭示物理变化的本质；在语文诗歌教学中，学生可以结合自身的阅读体验，生成与诗句意象相匹配的画面，在图像与语言的对照中深化对诗意的领悟，获得语言的审美体验。在此过程中，师生不仅是教学资源的使用者，更成为了教学资源的参与者、重构者乃至创造者。

生成式人工智能赋能学科教学的实践路径

人机对比，激发高阶思维发展。高阶思维的培养已成为人工智能时代赋予学科教学的核心使命，而比较则是发展高阶思维的重要手段之一。在学科教学中，生成式AI的介入丰富了学生的学习视角，引入了“人—机对比”这一新型认知情境。从学科角度出发，语文、英语学科教师可聚焦人类语言与机器语言在用词、造句、谋篇、修辞策略及情感表达等方面的差异；数学、科学教师则可引导学生就解题思路、研究方法等方面进行对比分析。当然，教师也可以让学生比较生成式AI与自身对某一问题的解答，在分析中既有质疑也有肯定，同时反思自身的思考过程，最终形成新的认知。以“我的动物朋友”写作教学为例，首先引导学生将自身的初步写作片段与生成式AI的写作结果进行对比，发现优秀写作具备的特征，再让学生在著名作家的作品中对照验证，建立起对好作文的认知框架，随后进行迁移运用并辩证看待AI提供的写作评价与修改建议。总体而言，相较于传统写作教学，生成式AI为学生提供了可供“对比—反思—优化”的认知支架，能够有效撬动学生思维的发展。

精准推送，支持自主学习与探究。生成式AI能够依据学习档案识别学生的认知水平、思维偏好与心理特征，描绘学生学习画像，帮助教师清晰把握学情。教师还可借助生成式AI汇聚学习资源，确定针对不同学生的分层目标，设计与之匹配的学习任务，这些任务的难度略高于学生的最近发展区，此时驱动学生学习的动力不再仅仅是任务本身，而是其内心深处的成就渴望与满足感。

在精准推送的基础上，教师鼓励学生借助生成式AI生成思维导图以显化思维逻辑，汇集、联结知识以构建结构化的知识网络，创设真实或模拟场景以应用所学，运用生成式AI进行猜想、设计与创造，将心中所想转化为可听可见的成果，从而发展创造性思维。例如，在小学科学“种子发芽实验”一课教学中，组织学生以小组为单位设计实验方案，鼓励学生拍照上传方案以获得修改建议。同时，借助生成式AI生成的代码制作种子发芽虚拟实验网页，支持学生开展在线仿真实验，以验证方案的可行性与科学性。由此，生成式AI不仅让精准教学从理念走向现实，更让学生在高度参与、高度适配的学习体验中，逐步成为“学习的主人”。

个性诊断，实施育人导向的评价。受限于技术手段和人力资源等因素，传统教学评价往往重结果轻过程、重群体轻个体，评价结果也较多依赖于教师的认知水平、过往经验和个人偏好。生成式AI集成了自然语言理解、图像识别、语音识别、机器学习与高速计算等多种技术，能帮助教师克服传统评价的局限，提升教学评价的科学性。教师可以与生成式AI协同构建科学、合理、完整且可操作的评价指标体系，并根据不同学生的学习基础进行动态调整，使得评价框架兼具统一标准与个体差异。当然，教师也可以利用生成式AI进行大规模的学习数据分析，帮助学生及时了解自身的学习成效与问题所在，发现认知偏差以及学习不足背后的深层原因。生成式AI支持的教学评价正从批改式转向建构式，从静态评价转向动态追踪，实现评价的多元化与育人导向的深度转型。

生成式人工智能赋能学科教学的边界与回归

技术滥用：从“炫技”到“育人”的价值回归。人工智能技术俨然成为了数据化、科学化、个性化、智能化的代名词，似乎教育的高质量发展必须依赖智能技术来实现。[4]部分教师为了展示新技术而专门设计课程，为“赋能”而刻意植入AI环节，导致教学目标空泛、课堂逻辑断裂。然而，教学并非技术的展示场，教师应明晰各种教育技术的实质、优劣与适用场景，保持教学理性与专业判断力，秉持工具为我所用的主体姿态，始终以教育目标为引领，基于学生的学习需求，选择最适宜的教学方式与媒介。技术手段的运用最终应回归育人价值导向，坚持育人为本，以技术提升思维与能力，从而促进教育价值的真正实现。

过度依赖：警惕“算法幻觉”与教师主体性削弱。生成式AI通过数据建模与算法分析所生成的评价结果具有天然的“科学性”与“客观性”，若不对其进行重新审视、实践检验与专业解读，盲目遵从AI评价结果来决定教学内容与方法，这种依赖实际上消解了教师作为评价主体的地位，也使得学生获得的评价缺乏人类的情感温度。一方面，生成式AI作为复杂的算法系统，其运作机制对人类而言是难以透彻理解的“黑箱”；另一方面，AI对学生学习数据的分析往往局限于可见的、表层的行为表现，难以深入感知与精准识别学习行为背后的情感态度、学习动机、思考逻辑等内在因素。因此，教师在使用生成式AI进行学习评价时，不能盲从于AI提供的结果，而应对其进行质疑、验证、多维解读与必要修正，形成最终的诊断结论。在此基础上，构建包含AI评价在内的多主体、多视角评价体系成为必要选择。例如，在语文写作教学中，可引入“学生自评—AI智评—教师点评”三维评价表，使三者评价互为补充，形成全面综合的判断，共同支持学习的深度反馈。

伦理风险：坚守教育的价值底线。作为人工智能核心的算法，其运行逻辑通常以效率、最优解与可预测性为基本框架。这与教育所追求的、关注人的意义生成在某种程度上存在一致性，但若对这种一致性缺乏伦理约束与制度保障，技术理性至上的倾向极易侵蚀教育的价值理性与人文关怀。例如，学生在智能化学习平台上的行为数据、作业文本、语音影像等，都可能被算法用作模型训练的“原料”，而这些数据一旦被不当使用，将使学生面临隐私被动暴露的风险。如果对潜在的隐私侵犯、算法歧视等伦理风险管控不当，还可能引发二次伤害。此外，算法背后的训练样本与模型逻辑往往隐含着文化、性别、地域或社会阶层等方面的潜在偏见。当这些偏见被引入学习评价与学生画像系统时，可能导致教育资源分配不公与认知标签固化。因此，以生成式AI赋能学科教学的伦理治理必须从算法设计阶段介入，强化数据样本的多样性与审慎校验，防止技术重现甚至放大社会不平等。同时，在此过程中若缺乏伦理教育与监管机制，学生可能过分依赖AI完成作业等任务，从而损害教育的真实性与创造性。因此，面对伦理风险，教育必须坚守“以人为本”的核心立场。应在制度层面建立健全人工智能教育伦理规范体系，在教师层面强化伦理判断与责任意识，在学生层面培育技术反思与价值辨析能力。

生成式人工智能赋能的学科教学并非技术主导的替代过程，而是一场以人本价值回归为核心的教育重塑。唯有教师与技术协同共进，课堂教学才能真正实现“智慧生成”。

参考文献：

[1]张缨斌，郑艺妍，张星语，等.重新认识课堂：生成式人工智能的赋能与赋权[J].开放教育研究，2025（04）.

[2]余胜泉.人工智能教师的未来角色[J].开放教育研究，2018（01）.

[3]李泽林，陈虹琴.人工智能对教学的解放与奴役——兼论教学发展的现代性危机[J].电化教育研究，2020（01）.

[4]郑永和，王一岩，杨淑豪.人工智能赋能教育评价：价值、挑战与路径[J].开放教育研究，2024（04）.

[本文系浙江省哲学社会科学规划年度 “高校基本科研业务费改革 ”专项课题“行为与认知双驱动的乡村学生科学素养测评与提升研究”（项目编号：26NDJC015YBMS）的研究成果。高鑫，浙江师范大学教育学院硕士生导师；林建锋，教育部“国培计划”名师名校长领航工程林建锋工作室主持人、浙江省杭州市余杭区未来科技城海曙小学书记兼校长]

作者：高鑫 林建锋