全媒体专访 | 湖南农业大学教育学院副教授、数字化学习推广者张翼然：当AI不止于工具——一场关乎认知主权与教育底层结构的系统变革

张翼然：教师的AI素养可分为三个层次：

第一层次是认知素养，是指对大模型"是什么"与"不是什么"有基本清晰的判断。比如知道它是统计意义上的语言模型，而非具备意图的主体；了解它可能产生"幻觉"，携带训练数据中的偏见，也容易被提示词影响。既避免算法崇拜，也无需谈AI色变。没有这一层基础，就很难理性地使用AI工具。

第二层次是教学素养，即真正将AI嵌入教学流程的能力。目前一线教师最需要提升的，并非多会几种工具，而是学会把一节课拆解为多个环节与活动——目标设定、情境创设、资料收集、任务分解、合作探究、形成性评价、学习反思等，并进一步思考：在哪些环节可以让AI担任助教或学伴，甚至在什么时候，你需要一个"反对者"。我们常说，不要只问"AI能替我做什么"，而应思考"我如何重新设计任务，让AI的加入真正提升学生的思维质量"。

第三层次是治理素养，涵盖对数据隐私、作业诚信、学生依赖风险、算法偏见等方面的专业判断与应对。例如，若要在班级或课程中大规模推行AI，应如何制定AI使用公约？哪些作业允许使用AI？哪些环节必须要求学生独立完成其任务，并进行讲解或辩护？从权利的视角来说，教师既要清楚哪些工作可以让渡给AI（如机械性批改、例题生成、资料筛选），也要明确哪些决不能让步——比如对学生发展节奏的判断，对作业诚信的把关，对课堂价值取向的掌舵。

在实践层面，我的做法是将素养转化为可操作的训练任务，而不是抽象的口号。在教师培训和师范生课程中，我会设计类似这样的任务：请用AI协助设计一节课，并提交提示词、AI生成结果，以及对结果的删改与取舍说明。之后，我会从AI依赖度、证据多样性、反思密度三个维度进行评价。通过这样的真实任务，教师能逐步形成"何时用、何时停、何时反思"的专业直觉，而不仅仅是停留在"会使用几个工具"的层面。

张翼然：我非常理解大家对于教师职业可能被AI取代的担忧。从现状来看，许多领域正由擅长使用AI的引领者，逐步替代那些不熟悉AI技术的普通工作者。这种趋势确实带来了真切的焦虑。然而，教师职业真正面临的风险，并非职业本身，而是其中仅将自己定位为"知识搬运者"部分的工作。如果我们只负责传递现成的信息，那么这部分职能的确容易被技术所取代。

未来教师的核心价值与不可替代性，将建立在以下几项关键能力之上：

第一是问题建构与课程重构的能力。AI普及以后，课程形态迟早会被它推着变化；但是否变深刻，关键看课程目标和评价体系能不能跟上。如果能将抽象的标准与碎片化的知识，转化为能与学生真实世界产生共鸣的学习任务与情境，这种基于具体情境的"嵌入式设计"，是当前通用AI难以完成的。

第二是教育判断与伦理判断的能力。这包括对学生情绪状态的洞察、班级氛围的营造、成长节奏的把握，以及在技术使用中做出恰当的边界取舍。这些判断力来源于与学生们长期共同生活后所形成的经验，无法被算法所量化或替代。

第三是关系与共同体体验营造的能力。教师不仅是传授知识，更是在班级中构建信任、激发期待、塑造共同价值观的关键角色。这种基于真实人际联结的"关系性工作"，是任何技术目前都无法赋予的。

第四是人机协同的编排能力。教师要把自己定位为"AI智能体的项目总监"，其职责是决定在教学的哪个环节使用何种工具、运用到什么程度，并通过评价机制，引导学生从依赖技术走向自主驾驭。这本质上是一种高层次的系统设计与过程调控。

若用一个更根本的框架来概括，在AI时代，教师必须坚守几项不可让渡的权利：包括问题与目的的生成权、品味与判断的裁决权、班级关系与共同体的营造权，以及整套人机协同系统的编排权。一旦让渡这些权利，我们的职业就可能被压缩为一套可由算法标准化执行的流程——这是我们必须全力避免的方向。

基于这些思考，近三年来，我在教师教育体系中主要推动了以下几方面的实践：

首先，我将AI素养深度融入学科教学法、教育技术学等课程中，不满足于单独开设一门AI概论课，而是让师范生在教学设计、互动与评价的真实环节中，逐步学会使用AI。

其次，我要求学生在提交教案时，必须同步设计"AI协作方案"和"风险分析报告"，引导他们从一开始就将AI视为需要管理的"团队成员"。

此外，我搭建了开放的多智能体教学实验环境，让师范生能够在真实的教学场景中，亲自调试和运用AI助教与AI学伴，积累直接经验。

最后，我在教育实习的评价标准中，明确加入了"人机协同能力"的维度，让未来的教师们清醒地认识到：在这个时代，不会用、不敢用AI，本身就是一种专业能力的欠缺。

教育归根结底是"人"的事业。技术越发达，教师的角色就越应该从"知识的传授者"转向"学习的引导者、关系的构建者与成长的守护者"。这不仅是应对挑战的出路，更是我们职业尊严与未来价值的根本所在。

张翼然：多智能体教学系统将传统教学中"一个老师、若干学生、一个万能AI"的模式，转变为由一组分工不同的智能体与师生共同构成的协作体系。这些智能体可扮演讲解者、提问者、质疑者、教练、评卷人、学习记录员等多种角色。教师则类似项目总监或乐队指挥，不再需要"亲自演奏所有乐器"，而是根据学习阶段的需要，灵活调度不同的智能体。

对学生而言，课堂也将从被动听讲转向人-机对话。例如，在项目式学习中，一名学生可能同时拥有一位帮助查资料的AI学伴、一位专挑逻辑漏洞的AI辩手，以及一位聚焦写作结构与语言表达的AI编辑。这些不同的智能体给出的意见甚至可能相互冲突，从而促使学生在不同观点之间进行判断、取舍与整合，这本身就是一种深度的思维训练。

从根本上看，多智能体教学系统重塑的是教学的组织形态与思维训练的路径：教学从教师的单向输出转向多方协作，学生则从被动接受答案的终点目标对象，被推向需要主动判断、整合与决策的中心位置。在认知权利的层面上，这一系统改变了学生与技术的关系——学生不再是执行固定算法流程的"信息搬运工"，而必须学会在多个智能体之间进行选择与裁判，最终承担起判断者与责任主体的角色。

因此，该系统并非以更复杂的算法接管课堂，而是通过不同智能体给出不同意见，把学生推到一个位置：他得自己当裁判，靠证据做取舍，而不是照单全收。在与AI共生的环境中，练习并守护自己的认知主权。

张翼然：这几年来，我对自己负责的课程，特别是师范生的实践课程，进行了一系列以AI赋能为核心的教学改革。这段旅程并非一蹴而就，而是经历了三轮关键的迭代与探索。

第一轮迭代：从编程课到实习周，AI作为效率工具

起初，我的实践源于编程课的教学痛点。学生在动手实践时问题各异，教师难以一对一及时辅导。于是，我引入AI作为辅助调试的工具，帮助学生在遇到困难时自主寻找错误，这在一定程度上减轻了我的负担，也降低了学生求助的心理门槛。

随后，我将目光投向大三师范生的"实习周"项目。过去，60名学生分成20多个小组设计教学方案时，选题常常停留在"好看但不耐咀嚼"的层面，要么空泛，要么脱离中小学课堂实际。我个人的时间和精力有限，只能组织一次集中的方案点评，学生因此往往只有一次迭代机会。更深的症结在于，学生熟练运用"搜索-复制-拼接"的套路，能快速产出形式完美的方案，却并未真正深入问题本质，也未能建立起自己的独立判断。

第二轮迭代：引入生成式AI，从"要答案"到"用工具"

当生成式AI出现后，如果不加改变，它只会让学生"不学而有术"的效率变得更高，因为AI可以直接给出答案。因此，我并没有简单地让学生用AI直接生成教案，而是做了三件事：

首先，用AI帮学生把问题问深。我为每个小组配置了一个"选题反馈智能体"，学生必须提交初步想法，AI则会依据我设计的量规，从问题本质、目标清晰度、情境真实性、学生参与方式等多维度进行追问和打分。这个过程透明公开，学生能看到自己和其他小组的方案分数与反馈，形成了良性的"内卷"，促使他们不经过我，也能进行多轮迭代，打磨出更扎实的选题。

其次，我用多个专项智能体分别提供课标解读、任务拆解、评价设计等支持，引导学生从向AI"索要答案"，转向利用AI"优化设计过程"。

最后，我将学生使用AI的过程纳入评价。我们不仅看最终教案，更考察他们与AI的对话记录、提示词优化过程和反思报告。这迫使学生清晰区分哪些步骤可以外包给AI，哪些判断必须由自己做出。

就我在课堂里的观察，学生的选题质量和迭代次数确实上来了；但我也一直提醒自己：这很吃任务设计和评价规则，不是“上了AI就自然变好”。甚至有些小组开始主动思考"如何防止中小学生直接抄袭AI"的对策，这是前所未有的。AI既解决了教师反馈不足的问题，也成为一面镜子，让学生不断在问答中看清自己思维的边界。

第三轮迭代：构建"内讧"的AI生态，培养协同智能商（CQ）

然而，第二轮改革也暴露了新问题。当我把一个强大的"AI学伴"引入学生微信群后，学生虽然学会了与AI深度协同，却容易失去判断，潜意识中将AI的建议奉为新的"标准答案"。于是，在今年第三轮实践中，我决定制造"认知冲突"，让学生进行反思与整合，重点培养学生的协同智能商（CQ）与元认知能力。

我的方法是在钉钉群里，为学生打造一个"有内讧的AI生态系统"，包括协助推进任务的AI学伴、不断对方案提出质疑和挑战的AI苏格拉底、基于量规提供结构化反馈的选题助手等多个智能体。学生们在"AI表格"中提交选题，便能立刻获得详尽的评分与改进建议。当他们看到自己只有60分，而别组却有90分时，便会在AI反馈的指引和同伴方案的启发下，主动投入修改，通常能将选题优化到80-90分。

更重要的是，我引入了CQ评估标准，从提示词复杂度、批判性评估、元认知反思、伦理意识等维度考核学生。他们需要填写详细的反思表，记录自己如何同时询问多个AI（如DeepSeek、豆包、文心一言），如何通过实践验证、学情分析等方法来检验AI的建议，并最终做出自己的综合判断。这份反思表，甚至会由AI依据CQ量规进行再评价，倒逼学生批判性地使用AI。

此外，我还设计了"社会性问责"环节：小组展示时，其他组必须进行"夸一夸、问一问、评一评"，展示组则需公开"答一答"。数据对比发现，与去年相比，学生间的质疑批判率翻倍，深度反思率增长到三倍。他们与AI的对话，从追求"效率"转向了寻求"证据"，对AI结果的依赖程度显著下降。

现在很多老师的做法，是将学科知识灌给AI，让它成为一个更准确的"问答机"。如果AI只提供"标准答案"，学生会认为学习就是获取答案，反而抑制了思考。而我今天第三轮的迭代实践，核心在于：我不是让学生从一个AI那里获得答案，而是让他们面对一个充满不同声音、甚至彼此矛盾的AI生态系统。在这个生态系统中，学生不再是信息的被动接收者，而是必须运用判断力进行选择、组合与决策的"裁判"和"思考主体"。

我的探索历程，正是从将AI视为"工具"，到作为"学伴"，最终将其"嵌入"到一个激发并锻炼高阶思维的教学环境的过程。每一步都在解决老问题，发现新问题，从而推动教学向更深处发展。

张翼然：我深感一线教师普遍处于一种"结构性的时间贫困"之中。每天忙于教学、行政事务和各类竞赛压力，往往连静下心来思考的时间都稀缺。很多老师听完讲座或工作坊后会说："你讲得很有道理，但我明天走进教室，到底具体该怎么做？"——不是不想改变，而是实在难以抽出精力去摸索、尝试新的AI玩法。

当前，无论是高校还是中小学，绩效考核、教学评估、竞赛获奖这些可审计的指标，越来越占据教师的时间和注意力。教师的工作要被量化、被追踪、被汇报，自然就推高了大家对"快、可见、能打分"工作的偏好，而那些需要慢慢积累、短期难以量化的教育工作，则容易被忽视。

这种时间和精力的缺口，直接导致教师在面对AI时走向两个极端：要么完全不去接触，要么简单地将任务外包给AI——比如直接让AI写教案、出卷子、改作业，却没有时间审查和调整结果。这样反而可能滋生出新的问题。如果学校不能提供清晰的边界和支架，AI很容易被用成一种新的"算法型致知捷径"。表面上效率很高，实际上却进一步掏空了教师与学生本应该保留的深度学习与探索的过程——这可能是我目前所见到的，AI进入教育领域所面临的最大挑战。

张翼然：将风险防范置于与应用推广同等重要的位置，是我们在教育中引入AI时必须坚持的原则。在实践中，有几个关键风险需要特别警惕。

首先是数据隐私。学校和教师必须建立起"最少必要"原则的意识：能不上传的身份信息就尽量不上传；必须使用时，应优先选择合规平台或校内自建的本地化模型。对于学生的作业、课堂录像、心理测评等敏感数据，更需设立清晰的授权流程与访问控制机制，而不是"谁有账号谁就能看"。

其次是算法偏见。教师自身也需要发展算法素养，并有意识地在课堂中培养学生这方面的认知。例如，可以让学生用不同模型回答同一问题，对比其中的立场差异与事实错误，引导他们意识到：AI并非一个中立的"真理出口"，而是一个带有自身训练数据与算法偏见的"工具"。这种"拆台式"的使用，本身就是一种对偏见风险的教育性防护。我们要持续提醒学生：AI没有自己生活的世界，没有稳定的审美与伦理立场，也不会在注意力耗尽时被迫停下来自我反思。它可以模拟推理，却没有真正的信念；可以生成各种文风，却没有真正的品味。因此，不能把最终的判断权和价值取向锚点交给算法。

最后，也是更隐性的一层风险，是人文关怀的缺失。过度依赖技术，最容易把学生简化为数据点和用户画像，忽视他们作为具体人的情感、脆弱性与不可替代性。在我的课堂里，凡是允许使用AI的任务，我都会强调"屏幕之外"的部分：学生必须把结果讲给同伴听，必须画出来、演出来，必须写一段对自己体验的反思——只有这样，才算真正完成作业。我常对学生说：大模型是我们制造出的最精密的"认知望远镜"，它也像一种"义肢"，能帮你看得更远、跑得更快，但决定"往哪里看、为什么看、看到后要做什么"的，始终是你自己。

从更宏观的层面看，我们需要制度与文化共同作用。在学校层面制定AI使用规范，在课程层面嵌入伦理与风险教育，在课堂层面则通过真实的讨论与关系，始终把人重新置于教育的中心。

张翼然：关于"人工智能+教育"未来的发展前景，我既不悲观，也不盲目乐观。真正值得期待的，并非仅仅是几款爆款应用或某种平台、方法，而是它可能对教育底层结构的重塑。

从基础设施来看，AI会像电力和互联网一样，逐渐成为教育系统中"看不见"的底座。考试系统、学习管理平台、资源库、教务管理乃至教育治理，都会在不同程度上被AI重构。这将极大降低高质量教育服务的边际成本，为教育公平打开新的空间。但我们同时需要投入足够的制度设计，确保资源不会只集中在少数头部学校和机构。

在教学形态层面，我相信会出现比较清晰的变化。首先，每个学生都将拥有多个终身学伴，能够跨越学段、学科和场域，记录并支持每个人的长期发展。其次，课堂将从以讲授为中心的单线程模式，转向越来越多以项目、探究和对话为核心的多线程协同模式，多智能体教学系统会在其中扮演重要角色。第三，评价将从单一的终结性知识考试，逐步走向融合学习过程数据、学生作品与反思的综合判断，AI既是记录者，也是辅助评估者。

对教师和师范教育来说，我更愿意把AI视作一次重新定义专业性的机会。它迫使我们回答一个直面灵魂的问题：在知识随手可得、算法能够写作、解题的时代，教师的专业价值究竟在哪里？如果我们能借此推动教师从知识搬运工，转向学习设计师、共同体营造者、人机协同指挥者，那么"人工智能+教育"带来的就不仅是技术变革，更是教育观与人才观的整体变迁。