■夏令 张晓军

最近几年，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。每隔几个月，就会出现一轮“AI赋能教学”培训的新热潮。校级培训、院系工作坊、线上打卡课程……一场接着一场。教师群里每天都有新工具分享，DeepSeek、Kimi、文心一言、通义千问、“龙虾”……轮番登场。学校管理层也频繁发出信号——要拥抱AI，要把AI带进课堂。

这种氛围本身当然是好事。但热闹背后，有个问题却很少有人解答：AI赋能，到底赋的是哪种能？

但凡参加过AI赋能培训的教师，大多都熟悉几个培训中演示的工具，也知道如何更好地撰写提示词。培训后，很多教师也能让AI帮自己写教学大纲、生成测验题目、提高制作PPT的效率。但如果认真看这些课堂的教学逻辑，你会发现这一类被AI赋能过的课程，其框架几乎没有变化，传递知识、检验记忆、评分排名，这条线依然清晰可辨。

工具在升级，但怎样的“赋能”才真正有价值？这个问题值得我们思考。

SAMR模型：一把20年前就有的尺子

2006年，美国学者鲁宾·普恩特杜拉提出了一个分析框架，叫作SAMR模型。它把技术融入教学的程度分成4个层次，从低到高依次是替代（Substitution）、增强（Augmentation）、改变（Modification）和重构（Redefinition）。在此前移动设备和互动白板进入高校课堂的浪潮中，这个框架曾被广泛采用，用以帮助教师判断自己的技术使用究竟停留在哪个层次。

具体而言，SAMR把4个层次分为两组：前两个层次叫“提升”，后两个层次叫“转型”。“提升”意味着用技术把已有的事情做得更好、更快；“转型”则意味着借助技术做出对教学的重大改变，包括原本做不到的事情，甚至重新定义教学本身的目标。

认真观察SAMR模型的4个层次，不难发现有一条暗线贯穿始终——层次越高，技术对原有教学实践的改变也越深刻，学生在课程中的主体性越强。

在“替代”层，工具换了，任务没变。这一层最典型的例子是用AI出题。比如，一位大学英语教师此前会在课前自己拟好20道填空题，如今他只要把教材段落扔给AI，几秒钟就能列出一份格式整齐的题目，教师检查一遍就可以用了。

上述两种方式其实是同一件事，只是AI替换了人力。当下，这一层的使用非常广泛，也十分容易上手。对于教师而言，它的价值是真实的——节省时间、减少重复劳动。但学生的学习体验几乎感受不到任何变化，因为任务的类型和目的都没有改变。

在“增强”层，工具带来了学习体验上的提升。

在传统模式下，一门大学写作课的教师往往要面对几十名学生，批改一轮作文就要花掉整个周末，而且反馈往往来得很迟，学生要等到下节课才能看到评语。此时，修改的动力已经大打折扣。引入AI写作反馈工具后，学生提交草稿，当天就能获得关于逻辑结构、论据支撑、语言表达等方面的详细反馈，教师的精力可以集中在更有深度的面批和讨论上。

在这一层，学生的任务没有变，仍然是写作，但反馈的速度和频率发生了实质性改变。对于他们来说，虽然考核任务没有变化，但迭代修改的机会增加了，学习质量也随之提升。这是增强最典型的形态。

从第三层“改变”开始，AI的技术特点让教学任务的重大革新成为可能。比如，近现代史课程的常规教学方式是让学生阅读史料、撰写分析报告。但使用AI后，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，要求学生围绕某一历史决策与历史人物展开辩论，AI会根据历史背景和这个人物的立场作出回应，学生需要随机应变、调整论点、回应质疑。

这已经不是原来那个任务的改良版本，它要求学生做完全不同的事情，并从“读懂并复述历史”变成“在争论中构建和捍卫历史判断”。在这种场景下，学生的思维是活跃的，因为任务本身就要求其必须主动思考，而不只是被动接收信息。

在“重构”层，以前完全无法设想的教学任务，因为AI的存在而得以实施。比如，一门商科创业课，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）。AI承担产品设计、数据分析、客服、市场调研等需要专业分工的工作。学生只承担一个角色——创始人。他们需要面对真实的市场、用户、收支，并作出真实的商业判断。

这样的创业课要求教师彻底重新设计所有教学内容，而且没有标准答案，没有统一进度，没有可以套用的评分量表。教师的角色从知识传授者变成了陪跑的创业导师。学生的主体性在这里达到最高，在AI的加持下，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。

这样的课程在生成式AI出现前，无论是课程规划还是实际教学，都是无法想象的。生成式AI第一次让“一人公司”成为可能，也第一次让这种教学设计成为可能。

AI赋能教学：从“替代”走向“重构”

从替代到重构，4个层次描绘的不只是技术使用程度的变化，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，有真实的对手、真实的立场冲突，甚至真实的后果。

在这一序列中，随着层次的提升，学生不只是课程里的练习者，更是真实问题的参与者。

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，仍然是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，解决学生在学习上的痛点和难点，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，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，教师的角色发生了根本性转变，他们要和学生一起面对没有标准答案的真实问题。层次越高，教师越需要放弃对课堂的掌控感，换来的则是学生真正的成长，以及应对未来复杂环境的底气。

回到本文开头的问题，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，SAMR模型提供的是一张有方向感的地图。前两层的价值真实存在——省时间、减重复、提高反馈质量，这些改善值得认可。但这张地图也提示，大多数人还没有真正探索过后两层的可能性。

从前两层走向后两层，当然不需要一次完成，也不需要把整门课推倒重来。一个可行的切入点很小，即在自己的课程中，找出一个以前觉得理所当然的任务，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，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，让学生能运用AI更好地解决真实的实践问题。

同样的逻辑也应该成为AI赋能培训的出发点。

当前，大多数培训的重心放在工具使用和操作演示，帮助教师进入替代层和增强层，这当然是有意义的基础培训工作。但培训如果仅仅止步于此，教师带走的只是一批工具，带不走重新思考教学目标的能力。

在笔者看来，覆盖4个层次的培训可使教师不仅学会用工具，还能思考后两层的教学设计在自己的学科里如何实践。在培训中应留出时间，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。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。

（作者分别为西交利物浦大学未来教育学院副教授、西交利物浦大学未来教育学院执行院长）