教育部AI教育布局加速："三进"战略如何重塑教学全链条

学会 · 行业动态

2026年5月12日，世界数字教育大会在武汉落下帷幕。会上，中国教育科学研究院发布了《中国智慧教育发展报告（2025—2026）》。这份报告分量不轻——它不是学术界闭门造车的理论推演，而是对过去一年半中国教育数字化进程的盘点、对标和方向性判断。放在当下的时间节点看，它更像一份"期中成绩单"：2025年初全国教育工作会议定调之后，AI进教育的路线到底走了多远，哪些是真落地，哪些还在纸面上，报告给出了一个相对清晰的坐标系。

而就在闭幕前不到四个月，2026年1月8日，教育部召开的全国教育工作会议上，怀进鹏部长已经说得非常直白——"扎实推进人工智能赋能教育"。注意这个用词，"扎实推进"，不是"探索"，不是"研究"，是动真格的了。会议同时传出明确信号：教育部计划2026年出台人工智能赋能教育的系统性政策文件。这意味着，散点式的试点、零敲碎打的项目、各地各自为战的局面，正在收拢为一张全国层面的路线图。

对生涯规划教育从业者来说，这不是一个"要不要关注"的问题，而是AI+教育的政策窗口已经打开，谁先看懂路线、谁先做足准备，谁就能在接下来的几年里占住位置。

回顾2025年初到2026年5月这一年半，教育部的AI教育政策信号释放得非常有节奏：

2025年1月，全国教育工作会议。怀进鹏部长首次明确提出"人工智能赋能教育"进入实质性推进阶段。这一年，教育部的主要动作是摸底——各地试点情况、师生数字素养基线、基础设施差距，把家底盘清楚。

2025年下半年，动作明显加快。教育部先后上线了"AI试验场"和"育小苗"智能体两个平台。"AI试验场"面向高校和科研机构，提供AI教育应用的测试与评估环境，说白了就是让技术团队和教育一线有个能跑通、能验证的地方。"育小苗"则更接地气，定位是中小学AI教学辅助智能体，已经在部分省市进入课堂教学场景。两个平台一上一下，覆盖了从研发到落地的全链条。

2026年1月，全国教育工作会议再提AI赋能教育，这次的关键变化是——从"推进"升级为"扎实推进"，并且抛出了"年内出台系统性政策文件"的时间表。信号很明确：2025年把路探清楚了，2026年该画图纸、定规矩了。

2026年5月，世界数字教育大会。中国教育科学研究院的《中国智慧教育发展报告（2025—2026）》发布，这是首次以年度报告形式系统梳理中国智慧教育进展。报告的核心判断就一条：中国智慧教育正在从"试点探索"阶段跨入"规模化普及"的前夜。

各省的跟进速度也很快。浙江、广东、上海、北京、四川等地已经在区域层面出台了AI教育实施方案，有些省份甚至把AI教师培训列入了继续教育学分的必修模块。从"要不要做"到"怎么做、谁来做、钱从哪来"，政策讨论的颗粒度明显变了。

教育部提出的AI"三进"方针——进课程、进教学、进评价——听着像口号，拆开来看，每一"进"都对应着一套具体的变革逻辑。

进课程，解决的是"教什么"的问题。不是说在信息技术课里加一章人工智能就算完事，而是要把AI素养作为一项基础能力，渗透到各学科的内容体系中。语文课可以用AI辅助文本分析，数学课可以讲算法思维，生涯规划课更是天然的主场——AI驱动的职业信息检索、行业趋势预测、个性化匹配，这些都是可以直接嵌入课程内容的。2025年教育部修订的义务教育课程方案已经为信息科技课程单独设置了课时保障，高中阶段的AI选修模块也在多个省份推开。

进教学，解决的是"怎么教"的问题。AI可以协助教师做学情分析，发现每个学生的知识薄弱点；可以生成分层作业，让不同程度的学生各取所需；可以扮演"虚拟对话者"，在外语课堂和历史情境教学中提供互动体验。但这一"进"的难点不在技术，而在人。教师能不能驾驭这些工具、愿不愿意改变已经形成惯性的教学方式，是比平台上线更难啃的骨头。

进评价，解决的是"怎么评"的问题，也是三进中变革幅度最大的。传统的纸笔测试考的是知识记忆和简单应用，AI加持下的评价体系可以追踪学习过程、分析思维路径、评估协作能力和创新潜质。说得直白点，以前只能考"你记住了什么"，以后可以考"你是怎么想的"。这对以分数为单一尺度的评价体系而言，是一次底层重构。

三个"进"之间不是并列关系，而是一个闭环：课程决定教学目标，教学实现目标落地，评价反馈教学效果并倒逼课程迭代。缺了任何一环，AI赋能教育就只是换了个技术外壳。

对于生涯规划教育从业者，AI不是一个遥远的概念，它有三个非常具体的切入点。

第一个，智能选科推荐。 新高考改革之后，选科组合从文理二分变成了几十种排列，学生和家长面对的是一个典型的"信息过载"决策场景。传统的做法靠经验、靠"哪个组合报的人多"、靠对大学专业要求的碎片化记忆，效率和准确性都很难保证。AI可以做到的是：基于学生的学科成绩趋势、兴趣测评结果、目标院校专业要求、历年录取数据，给出动态的、可解释的选科建议。已经有省份的教育考试院在做类似系统，生涯教师的任务不是跟算法抢饭碗，而是学会使用这些工具，把数据翻译成学生听得懂的建议。

第二个，职业兴趣测评AI化。 霍兰德、MBTI这些经典工具不会消失，但AI让测评从"填完问卷等报告"变成了"对话式的、动态调整的"过程。AI可以通过多轮交互深入挖掘学生的真实倾向，而不是依赖几十道选择题的静态结果。更关键的是，AI可以把测评结果直接连接到真实的职业数据库和行业发展趋势上——告诉学生，你这个兴趣方向在五年后的就业市场大概是什么样子，需要补充哪些能力。这不是算命，是大数据驱动的预测。

第三个，个性化发展规划。 每个学生的成长节奏不一样，AI可以做的事情是"持续跟踪、动态调整"。把学生的选科、成绩波动、活动参与、兴趣变化串成一条时间线，在关键节点给出提示和建议。这不是要替代生涯教师的一对一谈话，而是让教师在谈话之前手里已经有了一份数据底稿，不用从头问起。

政策窗口期往往也是焦虑制造机。但冷静下来看，AI进入生涯教育不会让生涯教师失业——它淘汰的是只会照本宣科、只会发问卷收问卷的那部分工作，空出来的是更需要专业判断和人际沟通能力的高价值环节。现在可以做的准备，有这么五件：

第一，把AI素养培训排进日程。 不需要成为技术专家，但至少要知道AI能做什么、不能做什么、可能产生什么偏差。国培计划和各省的教师研修项目中，AI模块的比重正在快速增加，主动去学，不要等文件下来再补课。

第二，先在现有工作中嵌入一个小切口。 不用等学校建好"AI生涯规划室"再动手。比如这学期做选科指导，就可以试着用一两个公开可用的AI工具做数据辅助分析，把效果记录下来。有案例、有数据，申请经费和资源的时候说话才有底气。

第三，关注数据治理和隐私边界。 AI跑在数据上，学生的成绩、测评、行为数据怎么采集、怎么存储、谁能看到，这些问题的答案在2026年的政策文件中大概率会被明确。在此之前，学校和教师自己就要建立基本的数据伦理意识——什么数据能收，什么数据不该碰，心里要有数。

第四，把家校沟通的底层逻辑升级。 家长对AI的认知两极分化严重，要么过度迷信（"AI说孩子适合学医那就报医学"），要么过度抵触（"机器凭什么决定我孩子的未来"）。生涯教师需要有能力跟家长解释清楚：AI给的是参考信息，不是判决书；决策权始终在人手里。

第五，参与区域的协同网络。 AI教育落地不是一所学校单打独斗的事，省、市、县三级正在搭建资源共享和教研协作的平台。主动加入所在区域的生涯教育教研共同体，比关起门来自己琢磨效率高得多。

算过一笔账：2026年系统性政策文件出台之后，各省的配套落地大概需要一到两年。这中间的时间差，就是窗口期。窗口期里做的事情，决定了窗口关上之后你的位置在哪里。

AI赋能教育不是一场来得快去得也快的风口，它更像一次基础设施级别的升级——跟当年黑板变多媒体、纸质档案变信息化系统一样，一旦完成，就不会再退回去。对生涯规划教育这个细分领域来说，最务实的态度不是焦虑，而是在政策信号已经足够清晰的时候，把能做的准备做到位。