问答
在人工智能方面，教师需要具备哪些能力？
本页是英文页面的机器翻译，尚未经母语者审校。
教师发展委员会一月只有一个时段，而教务长希望它讲 AI。或者你负责教学中心，三个系都来要“一场 AI 工作坊”，结果这三件事指的是三种不同的东西。或者你已经用这些工具一年了，想知道在围绕它们重建一门课之前，你还缺什么。
底线是：提示技巧是这件事里最小的部分。教师需要判断一个模型能做什么、不能做什么，围绕这个判断来设计任务与评价，并且知道什么时候该把它完全挡在一门课之外。信心对以上任何一项都是一个糟糕的代理指标，所以把项目建在表现之上、建在学科之上，而不是建在一场工具演示之上。
简版要点
1. 用四个维度界定这项能力，并为任何要评价学生的人加一层教学层。
2. 用表现来评估，而不是用问卷。自评的素养与展现出来的能力会分岔。
3. 把学科放进房间里。学科专长不会自动迁移到技术整合上。
4. 明确地教那些技术维度，因为即使在有信心的教师身上，得分低的也正是这些。
5. 把“什么时候不该用它”当作一项能力，并给教师拒绝的掩护。
在订房间之前先界定这项能力
知识库的AI 素养综述识别出四个维度，而它们是一份有用的议程，因为每一个维度都需要一种不同的场次：
对教师来说，这些维度上面还需要一层教学层。教师应当能够决定学生必须保留哪些认知工作，选择服务于学习目标的 AI 用法，设计有效的 AI 时代评价，教学生核实并调节自己的使用，识别幻觉、过度依赖与迎合，并且知道什么时候人的判断应当覆盖自动化。
他们还需要足够的系统理解，来评价由生成式 AI支持的工作流如何拼接在一起。一场孤立地教一个工具的工作坊，产出的教师能演示这个工具，却说不清把它接进一条评分工作流时哪里会断。教师 AI 能力与教师发展持有这个论证的长版本。
在你规划场次之前把清单写下来。四个维度加一层教学层，足以证明该开四场而不是一场，也足以告诉一位系主任，他们那个请求实际上说的是四者中的哪一个。
评估表现，而不是信心
自我报告的 AI 素养可能与展现出来的能力相去甚远，而这是这批文献里对任何做教师发展的人最实用的一条警告。工作坊结束时的一份信心问卷，测的是这场工作坊给人的感觉。
关于教师多智能体工作流的研究给出了要测而不是要问的第二个理由：系统思维、教学信念与自我效能在 AI 整合中相互作用，所以同一场次落在两位学科背景相同的教师身上会有不同效果。这支持差异化设计，反对多数机构在做的那个一刀切的工具工作坊。
表现评估的便宜版本是一个任务，而不是一份量表。请每位参与者带一份作业来，在场上用模型修改它，然后向一位同事为这次修改辩护：改了什么、它现在评价的是什么、学生现在不能再被评的是什么。这花二十分钟，比任何当日结束时的评定量表告诉你的都多。
预期薄弱点是整合
近期的高等教育研究用数字说明了教师能力在哪里强、在哪里断。一项对美国一所大型研究型大学 127 名教师的调查使用TPACK-21 量表，发现自评的教学内容知识很高（M = 4.70），内容知识接近天花板（M = 5.15）。技术整合的维度明显更低：技术教学知识（M = 2.62）、技术内容知识（M = 2.75），以及整体的 TPACK（M = 2.55，是七项中最低的）。
把这个缺口读对。这些人是懂自己的学科、也知道怎么教的人，而他们不知道如何让一个模型成为这两者的一部分。内容专长并没有预测 GenAI 整合知识（CK 的相关 r = .11 到 .15，全部不显著），所以一个项目不能假定学科精通会自动迁移。它必须通过有意的、学科专用的工作来建立能力。
还有一个发现会塑造设计。三个技术整合维度之间相关为 r = .81 到 .91，这提示它们可能作为一项单一的 GenAI 整合能力在运作。如果这一点成立，就把它当作一项共同的基础来教，而不是当作三项各自需要单独场次的技能。
围绕一门真实的课程设计场次
培训能做什么、不能做什么，在一项13 名高等教育教师的被试内研究里看得很清楚。给教师一个聊天机器人，显著提高了他们学习设计的质量，达到两项及以上高阶 Bloom 任务的份额从 41.7% 升到 91.7%（p = .01）。感知到的认知努力大幅下降，中位数从 6.33 到 3.33（p = .004）。叠加在上面的教学提示词培训并没有进一步提高质量，还略微抬高了努力。
由此有三点，第三点是项目会跳过的那个。
接触会轻易改变教学行为。把一只有能力的模型与一个真实任务交给教师，他们面前的工作在一场之内就会变好。
更深的能力需要的超过一场工作坊。提示词那一层增加了努力，却没有可测量的质量提升。教人写出更好的提示词是一项技能，而在这份证据上，它不是更好设计的瓶颈。
质量增益并不证明这种做法被内化了。十三位教师开着工具把一项任务重新设计得很好。他们一个学期之后、没有工具时能不能做到，是另一个问题，而这项研究没有回答它。把后续跟进建进项目，而不是假定增益持续了。
覆盖教学之外的角色部分
能力也是一个机构问题，而多数框架只回答了其中一部分。一项有 114 名参与者、覆盖 28 所美国机构与 11 个国家的设计本位研究产出了六项教师技术标准，跨越完整的学术角色：教师、协调者、领导者、研究者、学习者与贡献者。作者构建它们的理由才是有用的部分。既有框架（TPACK、SAMR）与教育者标准（ISTE、UNESCO、DigCompEdu）针对的是K-12教师，或者只覆盖教学这一个维度。
对一位教师发展工作者来说，这重新框定了那个请求。一个系为它的教师要求一场 AI 工作坊，问的只是六个角色中的一个。同一个系的协调者在做项目层面的决定，它的研究者在用这些工具写作，它的领导者在批准采购。一场场次无法服务所有这些人，而假装它可以，就是一个项目最后出席率很高、实践却毫无变化的方式。
为拒绝留出空间
采纳抵抗一种纯技术的框定，而这种抵抗常常是一个判断，而不是一个缺口。一项覆盖 27 个国家 287 名教师的调查发现一个精炼模型解释了行为意图 79.8% 的方差。感知到的人工自主只通过有用性间接影响意图。风险厌恶是一个显著的负向预测因子（−.163），而教师对学生的过度依赖与诚信风险的担心，远远超过对自己使用的担心。
对两位有经验学者的访谈描述了那种担心从内部感觉起来是什么样：教学法与平台之间、教育者与促进者之间、关怀与合规之间反复出现的身份张力，靠扎根于教学价值的有原则的选择性来穿行。
所以能力包括关于什么时候不该用 AI 的专业判断，而一个不能把这一点说出声的项目，对恰恰是那些你最希望留在房间里的、有判断力的教师来说，会读起来像一场推销。两位有经验的学者，对一个这么大的论断来说是一个很小的证据基础；把身份那一项发现当作对一个真实张力的描述，而不是当作一项测得的效应，并让它塑造场次的语气。
教师发展工作者会弄错的地方
一场提示词工作坊就是一个 AI 能力项目。它只覆盖四个维度中的一个，而在那项 13 名教师的研究里，提示词那一层增加了努力，却没有增加可测量的质量。
有信心的教师就是有能力的教师。自我报告与展现出来的能力会分岔，而那项 127 名教师的调查发现内容知识接近天花板，整体 TPACK 却是 2.55。信心跟随的是学科专长，而那正是这些教师已经拥有的东西。
内容专家自己会把整合想明白。在那项调查里，内容知识并没有预测整合知识。相关是不显著的，而这个发现正是支持学科专用设计、而不是一份通用邀请的理由。
一个框架就能覆盖所有人。六角色标准之所以存在，是因为 TPACK、SAMR 与主要的教育者标准覆盖的是 K-12 教师，或者只是教学维度。
抵抗是一个需要填补的知识缺口。风险厌恶负向预测了意图，而身份研究描述的是教师从教学价值出发的推理。那些看起来像不情愿的东西，有一部分是关于学生过度依赖的一个站得住脚的立场。
会回来的那些话
“我们没有人手时间做基于表现的发展。” 那就不要建一个项目。建一个任务层面的练习：带一份作业来，用模型修改它，为这次修改辩护。那是二十分钟的版本，而它产出的是能力证据，一份满意度问卷给不了。
“我们的教师已经在用这些工具了，所以培训落在他们后面。” 使用不是那个构念。那项 127 名教师的调查描述的是内容知识与教学知识都高、技术整合知识却低的人，而那项 13 名教师的研究显示设计质量随接触而变，同时提示词那一层什么都没加。两个结果都没有说你面前的这些教师整合了任何东西。
“这是 IT 培训的问题。” 那个意图模型放在通往采纳的路径上的是有用性，而不是技术能力，而风险厌恶与之并行。障碍是关于学生、关于学科的判断，这正是这些场次该归教学中心管的原因。
“能力框架是官僚式的额外负担。” 它们是针对一月那一个时段的一张地图。四个维度告诉你该省掉什么，六个角色告诉你一个请求真正面向的是哪一群人。
本周可以做的事
1. 把四个维度与教学层写在一页纸上，并标出你目前的课程覆盖了其中哪几项。
2. 把场次结束时的满意度表换成一项任务：一份被修改并被辩护的作业。
3. 向两个系要一门真实的课程和一份真实的作业来做事，而不是发一份通用邀请。
4. 加一个片段，讲什么时候该把 AI 挡在任务之外，并明确说拒绝某一项具体用法是一个正当的专业判断。
5. 决定你下一场场次服务六个角色中的哪一个，并在邀请里点名听众。
接下来可以去哪里
面向学生的对应页面是把 AI 素养纳入课程，而AI 素养的证据讲的是那份素养证据基础有多强。面向教师的研究摘要见AI 教育给教师的十项发现；教师 AI 能力与教师发展承载框架材料，而课程 AI 政策是这些发展工作最终大多会产出的那份文件。