AI重新定义了好老师

人工智能进入教学场所已非新鲜事。目前，中国K-12阶段教师使用AI备课的覆盖率已突破30%，头部公办学校接近100%，新教师的备课时间缩短了60%以上。

与此相关的核心讨论始终围绕一个问题：教师是否会被AI替代？

过去几年，全球8500万教师的岗位数量并未因AI而减少，但关于“好老师”的讨论层出不穷。越来越多的人认同，好老师身上那些不易被察觉的判断力、实际在场感，以及“我相信自己能影响学生”的坚定信念，始终是AI无法接手的内容。

本文试图进一步推进：AI越强大，教师在场的重要性非但没有降低，反而增强了。

一个30分的想法与一个70分的答案

一个细节值得关注：学生产生自己的想法后，打开了AI。

深圳明湾学校的教师将这一瞬间总结为“30-70-90分挑战”：学生自己的想法价值30分，AI能迅速将其提升到70分。而本该由孩子自己努力挣得的、从70分到90分的20分，在此刻被抹去了。

这位教师举例说，夏令营中有几个孩子想制作一个能与自己种植的植物产生情感共鸣的小装置。他们用AI生成了第一版方案，方案完整且像模像样。随后，孩子们对这个东西失去了兴趣。

这个场景中没有任何人被替代。AI只是完成了从30分到70分的工作，而且做得又快又好。

但在这个过程中，谁来提醒孩子们，其中只有30分是真正属于他们自己的？

AI并未取代教师的岗位，但过去教师最有价值的工作之一是“把知识讲清楚”，如今则转变为“判断何时该把思考的机会留给学生”。

已有的研究也提供了证据。宾夕法尼亚大学沃顿商学院的研究者在土耳其进行了一项覆盖近1000名高中生的随机对照实验。学生被分为三组进行数学练习：不使用AI的对照组、使用标准ChatGPT界面的标准组、以及使用“护栏”版本（由教师设计，让AI只提供线索而不直接给出答案）的护栏组。

练习阶段，两个AI组表现优异：标准组成绩比对照组高出48%，护栏组比对照组高出127%。随后，研究者收走了AI，三组参加了同一份闭卷考试：标准组的成绩比对照组低了17%，而护栏组与对照组的成绩基本持平。

研究者认为，学生将AI当作了“拐杖”。练习时题目确实被解决了，但学生并未学会解题本身。研究还发现，使用AI的学生对自己的学习能力过度乐观，即使是优等生也错误地认为自己已经掌握了知识。

同样的模型、同样的学生、同样的题目，是否有人事先按照教学规律设计过AI的应答方式，直接影响着学生的最终表现。

AI拿走的与AI拿不走的

任何关于教师转型的讨论，首先必须承认AI确实能力强大。

在深圳明德实验学校，AI已渗透到教学的细节中：集体备课采用“一课三备”制度，AI自动汇总全体教师的研讨发言；课堂录像被交给大模型分析时间分配、学生抬头率、提问质量和教师走动热力图；教师上传的课件累计约8.7万份，审核后进入校本资源库，新教师和帮扶学校可直接调用。更具体的是，原本被认为很复杂的全校成绩分析报告，借助AI仅用20分钟就完成了。

更值得关注的是，“因材施教”首次有了具体含义。过去，一个老师不可能为一个班级准备三套不同的作业。现在，输入“广东省中考凸透镜成像”，AI会自动按“基础巩固→实验探究→作图”分层，于是前20名学生做全部内容，中间20名学生做前两部分，后20名学生只做第一部分。而以前给学生布置作业，很难做到如此细致。

成本也不再是障碍。研究表明，AI推理成本相比2023年下降了97%到99%。

AI拿走的是可以标准化的产出，拿不走的是判断力、身体在场以及人对人的影响。

这些内容听起来有些安慰性质，但在教育研究中却有相当硬核的数据支持。教育学者约翰·哈蒂综合了上千项元分析，对影响学生成绩的各种因素进行排序。排在首位的既不是技术，也不是课程或教材，而是“集体教师效能”，即一所学校的老师们共同相信“我们能影响学生成就”这件事本身。其效应量为1.57，是家庭社会经济地位的三倍以上。

明湾学校常务校长方泰德给这种“成年人的信念”打了一个非常尖锐的比方：如果我们不让学生的大脑努力运转，那就好比让运动员站在自动扶梯上，却硬说他们在锻炼，这是自欺欺人。

“好老师”的新标准

那么，关于“好老师”的新标准是什么？

腾讯研究院与中国教育科学研究院在联合研究中提出了一个教师AI素养三层框架，可以作为一个衡量标准。

第一层，知道AI是否可靠。能判断AI给出的答案是否正确，了解它会一本正经地编造信息，并能向学生解释清楚这一点。

第二层，能指挥AI工作。备课、批改、出题、进行学情分析，让AI做初稿，自己担任审稿人。

第三层，能用AI重新设计一门课程。重新决定这门课的走向、每个学生该走哪条路、采用什么评价方式，而不是让AI把旧教案重新排版一遍。

分层本身并不新鲜。真正值得关注的是我们在调研中反复确认的一个判断：大多数教师培训停留在前两层，第三层的培训几乎空白。市面上绝大多数AI赋能教师的课程教的也都是第二层：如何写提示词？如何在十分钟内制作课件？

第三层是什么样？我们通过调研看到了四个侧面：在动机上，要先想清楚课程如何开展；在能力上，要从使用工具走向创造工具；在权力上，要愿意将提问权让渡给学生；在视野上，德育和心理也要纳入课程结构。

难度依次递增，而这些都不是技术问题。

差距正被省下来的时间拉大

AI节省下来的时间，是一个分岔路口。

节省时间本身没有立场。同样用AI十分钟制作一份课件，剩下的两个小时，有人去找那几个从不举手的孩子聊天，有人再制作五份课件。

“拐杖”效应不仅发生在学生身上。经合组织在《2026数字教育展望》中综述了几项研究，提到一个名为“元认知懒惰”的现象：向人类专家求助的学生会走完“诊断问题→求助→评估帮助→迭代→实施”的完整链条；而面对聊天机器人时，许多人直接索要答案并直接使用，跳过了诊断、评估和迭代这三个步骤。

老师也会掉入同样的陷阱：让AI出的题目不看就发出去，让AI写的评语不改就送出去。工具节省了力气，也顺手丢掉了判断。

我们在调研中观察到一个现象，暂且称之为“超级教师”：AI让少数优秀教师的影响力半径极大扩展——一位顶级教师的教学设计、讲评思路和诊断方法，可以通过AI复用到远超过去的学生身上。这形成了一种剪刀差：对“平均水平教师”的替代风险在上升，而“超级教师”的稀缺性也在不断增加。

被称为“超级教师”的永远是少数。每一所学校真正的地基，是成千上万默默无闻、认真送走每一届学生的普通老师。AI不应成为悬在他们头上的一把刀，而应是递到他们手里的一把梯子——让更多认真尽责的好老师有机会被更多孩子看见，值回他们本就该值的分量。

好老师究竟值多少钱，经济学给过一个具体数字。哈佛大学的Raj Chetty等三位学者追踪了超过100万名儿童的学区和税务记录，发现被分配给高增值教师的学生更可能上大学，成年后收入更高。他们的量化结论是：将一位增值水平处于末位5%的教师换成一位平均水平的教师，能让这个班级学生终身收入的现值增加约25万美元。

AI的到来只会让这个差距传导得更快，覆盖得更远。

差距并非AI造成的。AI只是把原本看不见的选择，变成了看得见的结果。

AI给每位老师发放了同样多的时间红利，却没有规定这笔红利该如何使用。

美国教育科技领域累计投入约290亿美元，2025年该领域风险投资跌至十年最低，能稳定盈利的公司“两只手数得过来”。原因很多，其中很关键的一条是学区把工具买回去了，但老师不用。

诚然，工具从来不是变量。人才是。

一个40年前的问题与它今天的答案

写到这里，我们其实遇到了教育学中一个很古老的问题。

1984年，芝加哥大学的教育学家本杰明·布鲁姆发表了一篇著名论文。他的两名博士生进行了一组对照实验，比较了常规班级授课、掌握学习和一对一辅导三种条件。结果是：接受一对一辅导的普通学生，最终成绩比常规班级的平均水平高出约两个标准差，超过了常规班级中98%的学生。

由此，他提出了那个被追问了四十年的“两个标准差问题”：一对一辅导对大多数社会而言成本太高，无法大规模承担……研究者和教师能否设计出这样的教学条件，使得大多数学生在集体教学中，也能达到目前只有在辅导条件下才能达到的成就水平？

今天，AI第一次让“每个孩子一个辅导者”在成本上变得可能。

而宾夕法尼亚大学的实验补上了布鲁姆当年未必预料到的一个前提：便宜的一对一辅导，并不自动等于有效的一对一辅导。

于是，布鲁姆的问题有了新版本：我们不缺辅导者了，缺的是知道辅导该怎么做的人。

这个人，就是老师。

这也正是“AI越强，越需要教师在场”的全部含义。机器把从30分到70分的路铺平了，而那决定一个孩子究竟能走到哪里的最后20分，仍然需要一个人站在旁边，判断何时该出手、何时该退后。

参考文献：

[1] 腾讯研究院. AI无法教会的三件事[EB/OL]. (2026-06-26)[2026-09-10].

[2] BASTANI H, BASTANI O, SUNGU A, 等. Generative AI without guardrails can harm learning: evidence from high school mathematics[J]. Proceedings of the National Academy of Sciences, 2025, 122(26): e2422633122.

[3] 腾讯研究院. 人机共育 向善而为: AI时代的教育变革[R]. 2026.

[4] HATTIE J. Mindframes and maximizers[Z]. 3rd Annual Visible Learning Conference. Washington DC, 2016-07.

[5] OECD. OECD digital education outlook 2026: exploring effective uses of generative AI in education[R/OL]. Paris: OECD Publishing, 2026[2026-09-10].

[6] CHETTY R, FRIEDMAN J N, ROCKOFF J E. Measuring the impacts of teachers II: teacher value-added and student outcomes in adulthood[J]. American Economic Review, 2014, 104(9): 2633-2679.

[7] BLOOM B S. The 2 sigma problem: the search for methods of group instruction as effective as one-to-one tutoring[J]. Educational Researcher, 1984, 13(6): 4-16.

张鸿茹 腾讯研究院研究员

王 鹏 腾讯研究院资深专家

吕嘉怡 腾讯研究院研究员

本文来自微信公众号 “腾讯研究院”（ID：cyberlawrc），作者：腾讯研究院，36氪经授权发布。