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？

本页是英文页面的机器翻译，尚未经母语者审校。

现在是二月。你的教务长宣布了一项带预算科目的 AI 计划，而你只有一个学期让它显现在课堂里。或者你去年秋天办了六场工作坊，场场满座，而你去听的那些课并没有变。又或者院长在预算季问了一个直白的问题：这笔钱买到了什么？

三者都出自同一个设计错误。工作坊向人展示工具能做什么。实践会变，是当一位教师在自己课程的一个问题上，投入有支持的、结构化的时间，长到足以让新习惯顶掉旧习惯，同时机构对这场试验说“可以”，而不只是“容忍”。

会上一句话的底线是：把课程标准化成一个循环——每位参与者带来一件真实的课程作品，带着一件改好的作品离开；把核验、披露与风险控制放进那份工作文档里，而不是放在结尾的伦理讲话里；把项目拉长到超过一天，并与导师辅导配对；按学科分组；在随访时汇报人们产出的作品，而不是他们在最后一个下午有多自信。

简要版

1. 每一场都以参与者自己课程里的一件作品为锚，并在场次结束时让那件作品被改好。

2. 把核验、披露与风险控制放进工作模板——那里才会被用到——这样心慌的参与者有个地方安放担忧。

3. 把时数花在评价与量规上：基线时最弱，也是测得增益最大的那部分。

4. 按学科专属分组，再在组内按经验分层。

5. 把条件落实下来：明确许可试验、受保护的时间、以你教师实际工作语言提供的材料。

6. 延迟评估改好的作品，再加一项关系性指标，并把满意度分数当作噪声。

每一场都跑在参与者自己的课程上

这里最干净的对照是Bi 等人（2026），他们调查了五所大学的 568 名教师，并对其中 160 人做了准实验。两组都上了连续数周、每次 90 分钟的四场工作坊，接触时数、平台和促进者支持完全相同。不同的是内容：一组接受常规的生成式 AI 教师发展，另一组走一个结构化的循环——提示表述、输出审阅、课程材料修订，以及对照一份七要素模板的书面反思，模板涵盖目标、任务约束、评价标准、核验、披露与风险控制。

结构化组在全部七个准备度维度上都更高。它最大的优势在提示设计上，约为两个标准差；它也是唯一一组提示设计增益在延迟测试中仍然成立的，常规组较小的增益到随访时已回落到基线以下。

另外两项结果解释了演示为什么带不走。在一项含 13 名高校教师的被试内研究中，聊天机器人可用后，达到两项或更多高阶 Bloom 任务的活动占比从 41.7% 升到 91.7%（p = .01），感知认知努力的中位数从 6.33 降到 3.33（p = .004）。叠加其上的教学性提示训练没有进一步提高设计质量，反而略微抬高了努力。与此同时，在一场有 60 名初中科学教师参加的工作坊中，真正起作用的是对 ChatGPT 生成的评价题目的协作审读——正是它暴露了概念精确性问题，以及强化误解的风险。

这些研究的共同点：学习来自批判和修订材料。人会改进眼前这个东西，而当旁边还有同事在读时，改进得更快。

研究能力可以成为目标，而不是副作用。在一项有 105 名化学教师参加的六周 AI 支持项目中，每一个被测量的维度都从前测到后测有所改善（Cohen's dz = 0.47 至 0.63），而最大的变化是研究能力，从 3.50（SD = 0.88）升到 4.16（SD = 0.52；dz = 0.63）（Ussenbay 等人（2026））。教师从把 AI 描述为检索与写作工具，转向把它描述为对研究规划与数据知情决策的支持。该设计是单组前后测，因此应把增益读作项目证据而非因果效应；它补充的是一个具体做法：把"研究者"角色纳入同一个专业发展循环。

别再把技能不足当成缺的那一块

诱人的诊断是能力缺口，靠更好的讲授补上。Bai 与 Hsieh（2026）用 AI-TPACK 量表调查了 898 名大学教师，发现那些理解生成式工具如何工作、或能熟练操作它们的教师，报告发明并实施新教学实践的可能性并不高于做不到的人。整合的 AI-TPACK 构念根本没有通向创新行为的直接路径。它的影响全部经由 AI 素养、教学 自我效能和职业身份起作用。

这改变了场次的目的。工具巡览对这三者一个都不触及。而一场让教师改写自己的作业、为改动辩护、并听到同事认同它更好的课，同时触及三者——这就是为什么作品循环即使内容更薄也胜过演示。

这个设计含义对任何拿着幻灯片的人都不舒服：你没法靠讲授让一位教师把自己看成会这样工作的那种教师。你可以把他们放进一个处境里，让他们在有支持的情况下这样行动一次，然后让证据累积。

把难的部分放进他们真要用的模板

Dogan（2026）的 i-TPACK 框架来自一项 AI 专业发展的PRISMA 综述，外加一次又找到 17 项研究的检索。它把五个知识域（智能技术知识、技术内容知识、技术教学知识、整合的 i-TPACK、AI 伦理）与四条循证路径（主动学习、示范与样例、教练与专家支持、反馈与反思）对齐，并受五条原则治理，从“协同胜过孤岛”到“结构中的灵活性”。

该框架对这个领域最尖锐的批评是：伦理在许多现有项目里被浅薄处理，或完全缺席；而修法在于位置。核验、披露和风险控制属于参与者整周都在用的那份文档，而不是最后一场的最后 20 分钟。带一栏风险控制的模板会被填上；结尾一段关于负责任使用的讲话只会被点头。

框架的局限是它属于概念性工作，没有项目层面的结果数据。把它当作设计清单，而不是设计有效的证据。结果证据在上面和下面的研究里。

把时数花在评价上

如果你的项目只装得下一个深主题，选评价。在 Talebzadeh（2026）的八小时项目中——四场两小时的课，163 名教师和职前教师——AI-PCK 总分从 151.65 升到 220.14（d = 2.36，p < .001）。最大的分项效应是“评价量规”（d = 2.19），而它在前测时也是最弱的一项。教学方法上的增益比评价上更窄。

量规也是把屋里的焦虑用起来的地方。一位对学生依赖模型感到不安的参与者，可以写一条让推理显形的量规条款，这就把担忧变成了一项带日期的设计决定。

预算要超过一天。在同一个项目中，职前教师的增益显著高于有经验的教师（p = .033），主要在场境式任务设计和量规设计上。有经验的教师说八小时太短，动不了根深蒂固的习惯，并要求长期的、以导师为基础的支持。

先建分组，再在组内分层

只办一场通用工作坊，你大部分时间都在服务那个并不存在的中位参与者。Sutedjo、Chowdhury 与 Liu（2026）在 127 名受访者中发现，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），而技术教学知识（M = 2.62）、技术内容知识（M = 2.75）和整体 TPACK（M = 2.55）明显更低。内容知识与任何技术整合域都没有显著相关（r = .11-.15），所以学科专长不会自动迁移。

那三个低分域彼此相关 r = .81-.91，这很可能意味着它们是“用这些工具教学”的一种能力，而不是三项独立技能。把它当作共同基础来教，你能省下两场课。

然后按经验分层。Bai 与 Hsieh发现，在很少使用 AI 的教师中，职业身份对创新行为的预测力几乎是每日使用者的两倍——这是个边缘结果，但有用：身份工作对几乎不碰工具的人回报最大，而高频使用者从跨学科项目中得到的，比从基础指导中得到的更多。Laidlaw（2026）主张以学科专属分组作为正是这场对话的场所，理由是物理学家和历史学家并不是在解同一个问题。

用怀疑者正在问的那个问题开场

Laidlaw（2026）的自我民族志叙述主张，抗拒不是技能欠缺。问“在生成式 AI 的世界里教学的意义是什么”的教师，不是在问如何安全使用工具；这个问题是本体论的。她把生成式 AI 读作一个门槛概念（转化性、困扰性、不可逆、整合性、有边界），并结论说焦虑、抗拒和困惑是穿越它的必要部分，而不是要纠正的故障。她的建议把标准工作坊倒了过来：用身份问题开场而不是演示，按学科分组，允许不同的时间线，并把植根于学科价值的、有原则的不采用视为正当。她还警告，传达规则可能滑向一种“执行幻觉”，用合规话术替代支持。

罪感是可测的，而且分布不均。Vassallo（2026）调查了 109 名学者，识别出一种“AI 罪感综合体”：35% 担心使用 AI 会损害自己的可信度，26% 报告觉得自己在“作弊”；对可信度的预期性罪感超过使用后的悔意，所以这种痛苦是社会—职业性的，而不是私人的。浮现出四种画像：安心采用者（27%）、有罪的非使用者（29%）、谨慎使用者（28%）和道德困扰的回避者（16%）。一个项目在应对四个不同的问题，而那 29% 不用工具却感到罪感的人，需要的不是一场演示。

任务规模在AAC&U/Elon 对 1,057 名教师的调查（Watson 与 Rainie，2026）中可见：68% 说所在学校没有为教师准备好把生成式 AI用于教学与指导，用于学术研究也是差不多的比例。26% 的受访者完全不用这些工具，其中包括 40% 的艺术与人文学科教师；82% 把同事的抗拒列为院系采用的障碍。

修好课程修不了的那些条件

这是要带去领导会议的那条发现。在上面那项 568 名教师的调查里，哈萨克斯坦教师报告的基线准备度在全部七个维度上都高于中国同行，差距最大的是学科迁移、提示设计和基础理解。在层级回归中，哈萨克斯坦系数单独看显著，一旦纳入此前的生成式 AI 使用、近期 AI 培训、机构支持、感知到的许可、多语言资源可及性、政策清晰度和风险敏感度，就降到不显著。这大约是五分之四的削减。机构支持和感知到的许可承载了最大的正向权重，而风险敏感度是唯一起反向作用的预测因子。报告在过去六个月接受过 AI 相关培训的哈萨克斯坦教师，是中国教师的两倍多。

所以项目负责人手上的杠杆是本地而切近的：动手练习、明确许可试验、以教师实际工作语言提供的材料、来自本单位可见的支持。国家层面的政策框架本身承载不了准备度。风险敏感度咬人的地方，答案是给它一个可以施展的场所，而不是把谨慎劝下去——量规设计和核验例程就是那个场所。

两处实际摩擦属于同一场对话。在 Bi 等人（2026）中，继续使用意向是评分最高的满意度维度，而工具易用性最低，所以有些读起来像不情愿的东西其实是平台摩擦。而Aponte 等人（2026）指出了硬上限：AI 无法弥补长期超负荷、惩罚性的问责文化、薄弱的领导，或受保护时间的缺失。他们认为，只有当 AI 作为关系性基础设施（用于导师辅导、同行对话、实践共同体的受保护时间）时，才有助于教师的社会—情感发展，并提出以关系性增密为标准，计量信任、支持的连续性和共同调节，而不是接触时数。两个主张可以翻译成项目设计：被腾出的时间会被重新吸收为额外需求，除非机构正式要求再投资；对话式代理会悄悄替代那些产生成长的、困难的人际协商。他们的框架是启发式的，不是经过检验的因果主张。

如果那些条件就是你的处境，更好的工作坊修不好它们，把这话说出来比许诺相反更有用。

延迟汇报作品

值得对齐的制度脚手架是Crompton、Burke 与 Nickel（2026），他们在两个宏观周期、114 名参与者（来自美国 28 所机构和 11 个国家的教师，加上教学中心主任和认证协调员）上做的基于设计的研究，产出了六项覆盖整个学术角色的标准：教师、协调者、领导者、研究者、学习者和贡献者。现有框架与教育者标准针对的是 K-12 教师，或只谈教学，所以一个把自身供给映射到这些标准的中心，就能被映射到考核与认证上——这也是能在预算审查中活下来的论证。

然后要小心怎么评估，因为这批文献大多测量的是自我报告的印象。Bi 等人测的是自评准备度而不是实际教学，且分组来自自愿报名而非随机化，所以结果是关联。Bai 与 Hsieh是横断面的、自选的，取自一个国家的八所大学，并在同一时点从同一批受访者测量所有构念。Sutedjo 及其同事无法确定因果方向，这很重要，因为他们最强的论断——技术知识充当门户——正是横断面设计无法确定的。Talebzadeh报告的效应极大，却没有随机化、没有随访、没有学科层面的分解，所以 d = 2.36 只应读作短期。Laidlaw是自我民族志，而Aponte 等人声明其框架是概念性的。

因此一个站得住脚的评估要测量参与者修订过的课程材料、写出的量规、设计的任务。它在延迟之后测，因为 Bi 等人那里的差距只在随访时出现——常规组衰减了，结构化组没有。它把满意度和信心当作弱信号，因为Pishtari 及其同事（2026）指出，单凭质量提升不能证明内化：设计质量上升同样可能反映把常规工作外包出去，或接受了 AI 生成的结构。而且它至少加一项关系性指标，依 Aponte 等人之说，因为改进作品却让参与者孤立，并不是项目所声称做的事。

项目负责人想错的地方

更好的演示就是更好的工作坊。在 Bi 等人的对照中，接触时间固定为四场 90 分钟，而修订作品的那一组在每一个准备度维度上都胜过了解工具的那一组，且两项增益中只有一项在随访时仍然可见。

信心才是要紧的结果。它是最容易推动的，也最没有预测力。在那项 13 名教师的研究中，感知努力下降，而叠加的提示训练没有带来可测的设计质量提升，当天的评分会把两者都记为成功。

伦理是结尾的一段。Dogan 的综述发现伦理在许多供给中被浅薄处理或缺席，而模板里的一栏与最后一页幻灯片之间的差别，在于第三周有没有人用它。

一个项目可以服务全系教师。127 名教师的调查描述了内容知识接近天花板，而整体 TPACK 只有 2.55；Vassallo 的四种画像里有 29% 不用工具却感到罪感。一场课把四类受众当成一类。

怀疑者是要管理的障碍。Laidlaw 的叙述把抗拒放在身份层面，而 Bai 与 Hsieh 发现身份对创新的预测力在低频使用者中几乎翻倍。你最想请进房间的人，恰恰是演示会让他们确信自己怀疑没错的人。

一纸机构强制令就能推动项目。一旦机构支持和感知到的许可进入模型，哈萨克斯坦系数就塌掉约五分之四，而这两项承载了最大的正向权重。强制令与许可不是同一种信号。

会有人这样回你

“我们没有这些时数。” 那就把它们换个花法，而不是增加。六小时排成作品循环，在相同接触时间上胜过六小时演示；而把更短的场次花在评价量规上，正对准 Talebzadeh 前测数据里最弱的区域。

“我们的教师不会来，或者怀疑者会把场子搞砸。” 把怀疑者招进一场演示，等于确认了让他们来的那份怀疑。用身份问题开场，按学科分组，允许不同的时间线，并大声说出有原则的不采用是正当立场。这是 Laidlaw 的建议，它把合规论证从桌上拿走了。按 Bai 与 Hsieh 的结论，可以预期身份工作对低频使用者最要紧。

“我们没法让人真的去做。” 大体上确实不能，但你能改变机构发出的信号。在国家背景效应塌掉之后，感知到的许可和机构支持承载了最大的正向权重，所以有用的动作都是便宜的那些：声明试验是获准的，正式保护那些时数以免被重新吸收，提供教师工作语言的材料，并消除平台摩擦——它在同一项研究里是评分最低的维度。

“我们的期末调查很有力。” 满意度是最容易上升而其他一切照旧的那个测量。不如去要上一期分组的作品，并在一个学期后再联系那些参与者；Bi 等人的差距只在随访时存在。

本周能做

1. 重写邀请函，让出席要求带一件课程作品来：一个目标、一份量规或一项评价任务。

2. 重写议程，让第一场就从那件作品开始，并把核验、披露和风险控制作为栏目加进参与者整周带着的模板。

3. 把一场课改到量规与评价设计上，让参与者带着写好的量规离开。

4. 从院长或教务长那里拿到一句书面的话，说明试验是获准的，然后正式保护那些时数，使它们不会被重新吸收。

5. 把评估设定为收集改好的作品，并在一个学期后再次联系参与者，问一个关于他们现在和谁合作的问题。

接下来读什么

在人工智能方面，教师需要具备哪些能力？ 讲能力目标本身，教师 AI 能力和教师发展承载其背后的框架材料。要把 AI 结构化进一门课程而不是一场工作坊，见 应当如何把人工智能设计进学习体验之中？；更大的制度图景见 在人工智能教育研究中，教师最应该了解的 10 项主要发现是什么？ 和 我们如何撰写并落实一项机构层面的人工智能政策？。