作为教师，人工智能如何帮我节省时间？

本页是英文页面的机器翻译，尚未经母语者审校。

现在是第八周的周四晚上。三份课程提纲周一要交，实验报告只批了一半，周五的院系会议有一项议程：自从八月培训以来大家用 AI 做了什么。一位同事说这个工具把她备课时间砍了一半。你试了两次，花了四十分钟修一份学习单，然后觉得整件事被吹过头了。

你们俩描述的是同一个工具。它在起草你本来就要改的材料上省时间，在你把它对准某个具体学生的判断时费时间。省下的时间能不能归你，取决于大多数教师从来不做的一个决定：省回来的那些小时是干什么用的。

会上一句话的底线是：把初稿交出去，把判断留下。课程提纲、示例解答、讨论题、形成性测验题、替代性解释、量规措辞和例行的行政文本，都是你能规定、能检查、能改正的工作。目标、最终成绩，以及任何关于某个具体学习者的判断，留在你手上。说清楚省出来的那一小时买到了什么，因为关于省时的证据，就是关于时间去了哪里的证据。

简要版

1. 列出上周产出过、而你随后又改过的那些文档所对应的任务。它们就是你的候选。

2. 从能对照你自己规格检查的结构化材料开始：出门条、测验题、示例解答、某个难概念的第二种讲法。

3. 在把那一小时省回来之前，先写下它要去哪里。

4. 用两周时间给三项重复性任务计时。你对省了多少的感觉，会以一种具体的、有文献记录的方式失准。

5. 把目标设定、终结性成绩和对个别学生的判断留在线这边。

从你本来就要重写的东西开始

这个知识库中最硬的数字来自一项随机试验，摘要见AI 如何改变教学工作流。259 名使用 ChatGPT 的科学教师在备课上花的时间约为对照组的 69%，也就是削减了约 31%，而盲评专家没有发现可察觉的质量损失。教师们把它重新分配了，而不是存起来：这些时间流向了计划、批改和面向学生的工作。

同一项工作里的第二份数据——来自 15,000 多名教育者的 104,000 多条消息——说明了省下的时间为什么落在奇怪的地方。平均一条提示同时触及 1.7 个类别，所以一个要教案的请求回来时，还带着教师没想到要问的分层教学和一份测验。

那是重新分配，而不是减少：你从生成式 AI那里得到的，是空白页与一份具体到可以跟它争论的草稿之间的差别。

把任务配给工具擅长的事

质量并不均匀，但它的模式稳定到可以据以规划。盲评者在 59.7% 的情况下更偏好 AI 版本的课末小结和出门条，胜过专业人士设计的材料；在高中内容上，59.2% 的情况下更偏好 AI 材料。在你最没底的地方，省下的时间也更多：跨学科教学就是那种情况——工具交给你的东西与你自己会写出来的东西之间差距最大。

有两类情况反着走。在小学阶段的材料上，约 65% 的情况下人们更偏好人类版本，理由是发展适宜性。针对脚手架的定向搭建——为多语言学习者和特殊教育学生所做的那些——回来时是中性而不是错误——这比听起来更糟，因为一个中性的脚手架，是你要从头重建的那一个。

有一个检验能在你花掉一晚上之前预测到这一点：你能不能把规格说得足够精确，以便检查输出？针对一个目标的出门条，能。某一段文字是否适合某个阅读水平比同班同学低两年的九岁孩子，不能。

给省回来的那一小时一个去处

最能说明省时是真的、也说明它自己什么都不会发生的证据，来自一项横跨 178 所学校、约 19,000 名高中毕业班学生的大型实验，主题是 AI 自动化的作文反馈。收到系统反馈的学生，增益与由人批改的学生一样多。人工批改每篇作文约花 0.85 美元，而在其上没有增加可测的收益。

在 AI 课堂上，学生与教师关于写作的一对一交谈多了约 35%，写的作文多了 30%。教师在家工作的时间下降 20%，报告自己时间“非常不够”的比例从 23% 降到 9%。最大的学习收益落在最复杂的写作任务上——正是 AI 最不擅长评价的那一类——因为教师现在有时数花在它上面。

那句告诫是要带进会议的一句话。最低四分位没有改善。落后的那些学生，并没有因为教师日程上多一点空间而获得什么，所以时间去了哪里才是全部的论证；而公平的重新分配，从一开始就该在计划里，而不是放在最后的复盘里。

测量省下的时间，而不是感觉它

省时是教师最容易把自己判断错的那项主张。在三项预注册研究、2,691 名参与者中，人们低估了自己使用 AI 的频率，高估了它省下的时间和精力，把任务报告得更快更容易，而客观测量显示并无差别。在一场会话中更早使用工具，预测之后会用得更多，于是这个误差在同一个下午里复利累积（The efficiency-gain illusion: People underestimate the rate of AI use and overestimate its benefits on simple tasks）。

有帮助的是元认知校准，便宜的做法是记日志。用两周时间，给三项重复性任务记下起止时间，一项用工具，两项不用。可以预期：一项有真实的大幅节省，几项没有节省，还有一两项是工具增加了一个审阅步骤，把增益吃掉了。

努力与能力也会分家。一项含 13 名高校教师的被试内研究发现，AI 可用把学习设计的感知认知努力中位数从 6.33 降到 3.33（p = .004），而叠加其上的提示训练没有提高设计的质量（When Teachers Use AI Chatbots and Are Trained for It: Impact on Learning Design Quality and Cognitive Effort）。周四晚上少一点紧绷是真实的好处。它不是设计变好了的证据。

把目标和最终成绩留在你这边

与六名中学教师的参与式设计工作产出了一条值得照抄的边界。他们把这个系统设计成一个有范围的专家：在狭窄的领域内能干，在监督下工作。他们想要在呈现内容、生成练习题和给出形成性反馈上的帮助，拒绝交出目标设定或终结性评价，并坚持对模糊情形保留否决权。他们保护的东西正是教师的角色的核心：决定什么值得学，并判断它有没有被学会。

评分是表面回报最大、可迁移性最弱的那项任务。OpRaise 基准用三个前沿模型，对来自英国三所大学 125 名学生的 761 篇真实本科心理学论文做了测试，每个模型 27 种提示配置。与人类学位等级的一致率随学校不同，从 35% 到 65%。分数向中间压缩，所以最强和最弱的论文被评得最不准，而模型彼此之间的一致程度远高于与人类评分者的一致程度。作者的核心发现是：在一种情境中收集的证据不会迁移到另一种情境。

如果在本学科和你的学生上验证过，你可以使用自动作文评分，并把决定留给一个人。AI 反馈质量说明了要查什么：速度与数量不等于有用，而关于学生下一步需要哪条评语的教学判断，留在你这里。

教师想错的地方

“31% 就是我的数字。” 那是 259 名 K-12 科学教师在备课上的数字。方向可以迁移，幅度不行。一门以讨论为主的研讨课可能省得更少，一门有安全约束的实验课，在你最想求助的那部分上可能一点都省不了。

“省时就是目标。” 巴西那项实验是反例。时数白白多出来，最低四分位什么也没得到。目标是那些小时买到了什么。

“草稿好，说明下一步也能交出去。” 那六位教师把线划在目标和终结性判断上，是有理由的。出门条上的质量，一点也不说明工具能不能决定出门条该评什么。

会有人这样回你

“我试过，输出很空泛。” 研究中的大多数教师拿了第一个结果就手改，而不是用后续提示反复迭代。第二、第三轮补上你的年级、你的读物、你最近三道测验题，以及一个“好的样子”的例子，对输出的改变比换工具更大。AI 素养 是便宜的投资，而提示词精炼是它见效的地方。

“我要是变快了，时间会被会议填满。” 很可能，而这也是省时最常见的消失方式。在空档被填上之前，把去处写下来，放在你系主任看得见的地方。

“AI 反馈会亏待最吃力的学生。” 巴西那项实验里最低四分位什么也没得到，这是本页最强的告诫。把节省与有意的使用配成对。一对一交谈增加 35%，就是那些课堂用这些小时做的事，而那是教师做出的选择。

“我的时数其实都在评分上。” 是的，而那也正是工具跨机构最不可迁移的地方。本地验证，或者别碰。

“这会让这个职业去技能化。” Pishtari 的结果是诚实的版本：感知努力下降，而叠加的训练没有提高设计质量。省下努力不等于获得能力，六位教师划的那条边界，是在你弄清自己哪些任务属于哪一类之前，一个合理的守线位置。

本周能做

1. 写下上周你做过的五项任务，它们都以一份你随后又改过的文档收尾。

2. 挑规格最清楚的那一项，用工具起草，给两个版本都计时。

3. 把省回来的时间放进日历上一个有名字的格子：与一位学生的谈话、第二轮反馈，或认真读完一批草稿。

4. 写下你的禁区清单并让它保持可见：目标、最终成绩，以及任何取决于某个学生需求的事。

5. 记两周日志，然后决定哪两项任务从此永久交出去。

接下来读什么

人工智能如何帮助我在大规模教学中给出更好的反馈？ 把反馈问题推得更远，在人工智能方面，教师需要具备哪些能力？ 与应当如何为人工智能设计真正改变教学实践的教师发展项目？ 讲一个院系能建起什么，好让这件事不再依赖个人的零散试验。我该如何重新设计评价，使成绩仍然能够可靠地说明学生知道什么、能做什么？ 和我怎样才能减少课程中的人工智能作弊？ 处理评价上的后果。How AI Is Changing Teaching Workflows. 是备课数字背后的那篇文章，而人的监督是本页所围绕的原则。