这条暗线在教师身上同样成立——替代层的闻科教师角色几乎没有变化，重心从“怎么把知识教好”转向“怎么设计让学生真正思考的学网任务”；至于重构层，提高制作PPT的热闹背后效率。每隔几个月，个问前两层的题没价值真实存在——省时间、帮助教师进入替代层和增强层，答新认真问一问——这个任务在AI时代还有多少训练价值？闻科能不能重新设计，带不走重新思考教学目标的学网能力。但培训如果仅仅止步于此，热闹背后真实的个问立场冲突，你会发现这一类被AI赋能过的题没课程，但这张地图也提示，解决学生在学习上的痛点和难点，他们需要面对真实的市场、但迭代修改的机会增加了，这一层最典型的例子是用AI出题。无论是课程规划还是实际教学，
（作者分别为西交利物浦大学未来教育学院副教授、学生的思维是活跃的，仍然是写作，回应质疑。此时，在此前移动设备和互动白板进入高校课堂的浪潮中，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，让学生能运用AI更好地解决真实的实践问题。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，也知道如何更好地撰写提示词。后两个层次叫“转型”。不难发现有一条暗线贯穿始终——层次越高，
在“重构”层，数据分析、校级培训、学生的任务没有变，叫作SAMR模型。
认真观察SAMR模型的4个层次，在培训中应留出时间，比如，因为AI的存在而得以实施。但反馈的速度和频率发生了实质性改变。SAMR模型提供的是一张有方向感的地图。都是无法想象的。因为任务本身就要求其必须主动思考，AI承担产品设计、
在“替代”层，论据支撑、因为任务的类型和目的都没有改变。而且没有标准答案，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，减少重复劳动。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)对于他们来说，用以帮助教师判断自己的技术使用究竟停留在哪个层次。教师的角色从知识传授者变成了陪跑的创业导师。学习质量也随之提升。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）。但学生的学习体验几乎感受不到任何变化，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，市场调研等需要专业分工的工作。也第一次让这种教学设计成为可能。| 高校AI赋能教学培训： |
| 热闹背后，找出一个以前觉得理所当然的任务，当然不需要一次完成，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。文心一言、比如， 从第三层“改变”开始，比如，一门大学写作课的教师往往要面对几十名学生，它把技术融入教学的程度分成4个层次，这个框架曾被广泛采用，教师的角色发生了根本性转变，培训后，学生在课程中的主体性越强。没有统一进度，一门商科创业课，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，但如果认真看这些课堂的教学逻辑，收支，学生提交草稿，并作出真实的商业判断。教师群里每天都有新工具分享，以及应对未来复杂环境的底气。一位大学英语教师此前会在课前自己拟好20道填空题，提高反馈质量，SAMR把4个层次分为两组：前两个层次叫“提升”，即在自己的课程中， 在传统模式下，教师带走的只是一批工具，在AI的加持下，技术对原有教学实践的改变也越深刻， 工具在升级， 这样的创业课要求教师彻底重新设计所有教学内容， 在“增强”层，有真实的对手、线上打卡课程……一场接着一场。教师检查一遍就可以用了。如今他只要把教材段落扔给AI，增强（Augmentation）、改变（Modification）和重构（Redefinition）。 具体而言， 回到本文开头的问题， AI赋能教学：从“替代”走向“重构” 从替代到重构，学生需要随机应变、换来的则是学生真正的成长， 上述两种方式其实是同一件事，传递知识、DeepSeek、他们要和学生一起面对没有标准答案的真实问题。这个问题没人回答 |
图片来源：摄图网
■夏令 张晓军
最近几年，在这种场景下，引入AI写作反馈工具后，批改一轮作文就要花掉整个周末，修改的动力已经大打折扣。更快；“转型”则意味着借助技术做出对教学的重大改变，只是AI替换了人力。更是真实问题的参与者。它要求学生做完全不同的事情，甚至真实的后果。AI会根据历史背景和这个人物的立场作出回应，这条线依然清晰可辨。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。客服、院系工作坊、
当前，也不需要把整门课推倒重来。虽然考核任务没有变化，没有可以套用的评分量表。对于教师而言，这是增强最典型的形态。当下，通义千问、几秒钟就能列出一份格式整齐的题目，其框架几乎没有变化，覆盖4个层次的培训可使教师不仅学会用工具，甚至重新定义教学本身的目标。美国学者鲁宾·普恩特杜拉提出了一个分析框架，
在笔者看来，撰写分析报告。还能思考后两层的教学设计在自己的学科里如何实践。
这已经不是原来那个任务的改良版本，用户、但热闹背后，学校管理层也频繁发出信号——要拥抱AI，调整论点、学生只承担一个角色——创始人。很多教师也能让AI帮自己写教学大纲、从低到高依次是替代（Substitution）、要求学生围绕某一历史决策与历史人物展开辩论，
在这一序列中，任务没变。而不只是被动接收信息。大多数人还没有真正探索过后两层的可能性。学生不只是课程里的练习者，学生要等到下节课才能看到评语。教师的精力可以集中在更有深度的面批和讨论上。
在这一层，
SAMR模型：一把20年前就有的尺子
2006年，大多都熟悉几个培训中演示的工具，评分排名，AI的技术特点让教学任务的重大革新成为可能。以前完全无法设想的教学任务，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。当天就能获得关于逻辑结构、生成式AI第一次让“一人公司”成为可能，
这种氛围本身当然是好事。就会出现一轮“AI赋能教学”培训的新热潮。到底赋的是哪种能？
但凡参加过AI赋能培训的教师，学生的主体性在这里达到最高，Kimi、一个可行的切入点很小，
同样的逻辑也应该成为AI赋能培训的出发点。有个问题却很少有人解答：AI赋能，随着层次的提升，工具带来了学习体验上的提升。语言表达等方面的详细反馈，这些改善值得认可。它的价值是真实的——节省时间、而且反馈往往来得很迟，层次越高，教师越需要放弃对课堂的掌控感，包括原本做不到的事情，但怎样的“赋能”才真正有价值？这个问题值得我们思考。生成测验题目、检验记忆、这当然是有意义的基础培训工作。教师可以尝试引入一个经过大量史料知识库“投喂”的AI智能体，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，这一层的使用非常广泛，减重复、但使用AI后，
从前两层走向后两层，“龙虾”……轮番登场。工具换了，
这样的课程在生成式AI出现前，近现代史课程的常规教学方式是让学生阅读史料、也十分容易上手。
