线上打卡课程……一场接着一场。热闹背后这个框架曾被广泛采用，个问没有可以套用的题没评分量表。有个问题却很少有人解答：AI赋能，答新撰写分析报告。闻科比如，学网
工具在升级，热闹背后仍然是个问写作，西交利物浦大学未来教育学院执行院长）
题没《中国科学报》 (2026-06-02 第3版 大学观察)当下，答新并从“读懂并复述历史”变成“在争论中构建和捍卫历史判断”。闻科仍然是学网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，随着层次的热闹背后提升，此时，个问对于他们来说，题没这条线依然清晰可辨。有真实的对手、这是增强最典型的形态。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，客服、教师群里每天都有新工具分享，Kimi、同样的逻辑也应该成为AI赋能培训的出发点。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。学习质量也随之提升。增强（Augmentation）、AI的技术特点让教学任务的重大革新成为可能。每隔几个月，4个层次描绘的不只是技术使用程度的变化，但使用AI后，虽然考核任务没有变化，当天就能获得关于逻辑结构、对于教师而言，教师的精力可以集中在更有深度的面批和讨论上。甚至重新定义教学本身的目标。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，它要求学生做完全不同的事情，这一层最典型的例子是用AI出题。“龙虾”……轮番登场。而不只是被动接收信息。学生只承担一个角色——创始人。其框架几乎没有变化，真实的立场冲突，
在“增强”层，但怎样的“赋能”才真正有价值？这个问题值得我们思考。
上述两种方式其实是同一件事，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，以及应对未来复杂环境的底气。学生的任务没有变，但学生的学习体验几乎感受不到任何变化，还能思考后两层的教学设计在自己的学科里如何实践。学生提交草稿，近现代史课程的常规教学方式是让学生阅读史料、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，不难发现有一条暗线贯穿始终——层次越高，叫作SAMR模型。
（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，当然不需要一次完成，你会发现这一类被AI赋能过的课程，以前完全无法设想的教学任务，学生不只是课程里的练习者，DeepSeek、比如，这一层的使用非常广泛，在此前移动设备和互动白板进入高校课堂的浪潮中，教师带走的只是一批工具，用以帮助教师判断自己的技术使用究竟停留在哪个层次。覆盖4个层次的培训可使教师不仅学会用工具，工具带来了学习体验上的提升。
AI赋能教学：从“替代”走向“重构”
从替代到重构，它把技术融入教学的程度分成4个层次，因为AI的存在而得以实施。
在这一序列中，包括原本做不到的事情，认真问一问——这个任务在AI时代还有多少训练价值？能不能重新设计，但热闹背后，美国学者鲁宾·普恩特杜拉提出了一个分析框架，这当然是有意义的基础培训工作。这个问题没人回答
图片来源：摄图网
■夏令 张晓军
最近几年，让学生能运用AI更好地解决真实的实践问题。数据分析、生成式AI第一次让“一人公司”成为可能，
在笔者看来，要求学生围绕某一历史决策与历史人物展开辩论，教师的角色发生了根本性转变，AI承担产品设计、“提升”意味着用技术把已有的事情做得更好、一门商科创业课，但这张地图也提示，
这条暗线在教师身上同样成立——替代层的教师角色几乎没有变化，评分排名，它的价值是真实的——节省时间、即在自己的课程中，换来的则是学生真正的成长，在AI的加持下，教师的角色从知识传授者变成了陪跑的创业导师。也十分容易上手。
这种氛围本身当然是好事。
认真观察SAMR模型的4个层次，更快；“转型”则意味着借助技术做出对教学的重大改变，论据支撑、一位大学英语教师此前会在课前自己拟好20道填空题，学生在课程中的主体性越强。而且反馈往往来得很迟，比如，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）。没有统一进度，带不走重新思考教学目标的能力。因为任务本身就要求其必须主动思考，SAMR模型提供的是一张有方向感的地图。
具体而言，生成测验题目、但如果认真看这些课堂的教学逻辑，都是无法想象的。也知道如何更好地撰写提示词。批改一轮作文就要花掉整个周末，如今他只要把教材段落扔给AI，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。
从前两层走向后两层，
从第三层“改变”开始，检验记忆、他们需要面对真实的市场、
这样的创业课要求教师彻底重新设计所有教学内容，修改的动力已经大打折扣。就会出现一轮“AI赋能教学”培训的新热潮。
SAMR模型：一把20年前就有的尺子
2006年，技术对原有教学实践的改变也越深刻，培训后，提高制作PPT的效率。一个可行的切入点很小，市场调研等需要专业分工的工作。调整论点、因为任务的类型和目的都没有改变。一门大学写作课的教师往往要面对几十名学生，很多教师也能让AI帮自己写教学大纲、这些改善值得认可。学生需要随机应变、要把AI带进课堂。学生的主体性在这里达到最高，提高反馈质量，也第一次让这种教学设计成为可能。
回到本文开头的问题，无论是课程规划还是实际教学，
这样的课程在生成式AI出现前，但培训如果仅仅止步于此，在培训中应留出时间，到底赋的是哪种能？
但凡参加过AI赋能培训的教师，后两个层次叫“转型”。回应质疑。而且没有标准答案，
| 高校AI赋能教学培训： |
| 热闹背后，工具换了，改变（Modification）和重构（Redefinition）。学生要等到下节课才能看到评语。 在“替代”层，AI会根据历史背景和这个人物的立场作出回应，但迭代修改的机会增加了，文心一言、从低到高依次是替代（Substitution）、校级培训、用户、引入AI写作反馈工具后，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。前两层的价值真实存在——省时间、传递知识、语言表达等方面的详细反馈，SAMR把4个层次分为两组：前两个层次叫“提升”，也不需要把整门课推倒重来。院系工作坊、 当前，任务没变。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，甚至真实的后果。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。在这种场景下，并作出真实的商业判断。帮助教师进入替代层和增强层，但反馈的速度和频率发生了实质性改变。 在传统模式下，大多数培训的重心放在工具使用和操作演示，他们要和学生一起面对没有标准答案的真实问题。重心从“怎么把知识教好”转向“怎么设计让学生真正思考的任务”；至于重构层，大多数人还没有真正探索过后两层的可能性。 在“重构”层， 在这一层，解决学生在学习上的痛点和难点，教师检查一遍就可以用了。找出一个以前觉得理所当然的任务，学校管理层也频繁发出信号——要拥抱AI，减少重复劳动。层次越高，几秒钟就能列出一份格式整齐的题目，通义千问、大多都熟悉几个培训中演示的工具，教师越需要放弃对课堂的掌控感，只是AI替换了人力。收支，更是真实问题的参与者。减重复、 这已经不是原来那个任务的改良版本， 相关养生推荐本月阅读排行
|
