复旦副校长：教师要从“AI工具使用者”转向“智能教学设计者” ...
AI赋能教育的热潮中，一个反直觉的现象正在浮现：各类智能批改、习题推送工具铺进校园，但最先需要被AI重塑的或许不是学生，而是教师。复旦大学副校长周磊近日在接受人民网专访时直言：“智能化转型浪潮下，教学创新比任何时候都更关乎教育本质。”他同时指出，一线教师首要的能力迭代，是从“AI工具使用者”转向“智能教学设计者”。这句话点破了当前教育AI的深层困境——应用并不稀缺，但多数浮于表面，难以真正服务因材施教。2026年，教育部等五部门印发《“人工智能+教育”行动计划》，要求全面构建人机协同的新型课堂模式，而落地过程中的结构性难题，正把行业推向一场关于“人如何学习”的底层辩论。
正方：AI助教补上师资缺口，成绩说话。赞同大规模引入AI的一线实践者认为，智能系统在算力密集型任务上已展现出明确价值。天立启鸣打造的“天立学科大脑・一生一案”个性化学习方案，在云南彝良国家重点帮扶县落地一年后，当地学校本科上线率提升至88.5%，班级后20%后进生的进步幅度明显超过前20%。方案从全球40个国家267份申报案例中脱颖而出，入选联合国ITU 2026 AI for Good全球创新案例。系统承接学情诊断、分层教学资源匹配、个性化习题适配等全流程工作，让教师得以从重复劳动中抽身，将精力投入情感引导与价值塑造。截至目前，该体系已在全国150余所中小学常态化落地，累计服务30万余名师生，轻量化部署适配公办、民办、城乡各类学校，无需大规模硬件改造。
反方：浅层化推荐无法触及认知理解，教师转型缺体系。不少教师反馈，即便系统推送海量习题，学生成绩提升依旧缓慢。原因在于，当前绝大多数教育AI本质上仍是基于“统计关联”的内容推荐引擎——仅依托答题结果做匹配，无法区分错题根源是概念混淆、逻辑断层还是审题疏漏。更深层的矛盾是，县域、乡村学校骨干师资本就稀缺，大班额下教师精力被学情统计、习题整理等事务耗尽，而零散的AI工具采购又让学校陷入高试错成本。各校自主摸索融合路径，学生心智数据安全、AI学术伦理又缺乏统一规范，导致学校不敢大规模推广智能教学。教师从工具操作者向学习设计师的转型，始终缺少完整的理论框架与配套体系支撑。
判断：进入深水区，比拼的是对“人如何学习”的理解深度。双方的分歧表面上是技术路线的差异，实质却指向同一个关键问题：AI能否真正理解学习者，而不仅仅是高效分发内容？在2026世界人工智能大会期间，天立启鸣联合北京航空航天大学国际创新研究院、AIII人工智能国际研究院等机构发布《世界模型驱动的教育AGI白皮书》，率先将认知世界模型（CWM）引入基础教育场景。通俗来说，未来的教育AI不再是一个庞大的“题库检索器”，而更像一个“学生大脑的模拟器”——通过LAM（学习评估建模）闭环，观测做题行为，在虚拟空间里“建模”出学生的认知状态，推导思维盲区，进而规划适配的学习路径。同时，白皮书提出“认知主权”伦理框架，将学生心智推断数据纳入分级保护，从技术底层划定安全边界，回应了学校侧对数据安全的核心关切。
这种从“统计关联”到“认知理解”的跨越，支撑的正是教师角色从简单操作向高阶人机协同教学设计的转型。而智能体能力的成熟度也在科研赛场得到验证：在第四届世界科学智能大赛中，天立启鸣团队从全球32个国家和地区的近1.8万名选手中突围并获得三等奖；其智能体实践同时入选中国信息通信研究院《2026智能经济新形态：智能体创新实践案例汇编》，成为其中为数不多的教育领域案例。从赛事到国家级案例库，表明教育智能体正从概念走向标准化、规模化落地，有助于降低学校的选型与试错成本。
教育AI的下一程，竞争焦点或许不再是功能清单的长度，而是对“人如何学习”的理解深度。当技术先一步理解学习者，教师才能真正从工具的操作者回到育人的本位——这正是“智能教学设计者”的题中之义。而这场辩论最终指向的，不是AI替代了谁，而是谁先主动完成这场认知升维的转型。
页:
[1]