教师AI素养到底有多高？—3套可参考的量表与高职自评的落地读法

高职院校每年投入不少精力组织人工智能类的教师培训，可一个老问题始终绕不过去：一阵操作下来，教师的AI素养到底提高到没有，又该拿什么来量？单靠开会发证，说不出所以然；用一份自编问卷，又常问不出真实差距。这时候，成熟量表的价值就体现出来了——它把"素养"这个听着抽象的词，拆成一个个能被打分、能描述具体行为的条目，让培训前的摸底、培训后的对照都有了一支看得见摸得着的尺子。

下面这篇梳理，把近年间公开发表、经实证检验的三套教师AI素养量表放到一起，先讲清它们各自的来路与结构，再落到高职院校真实可用的自评动作上。读之前不妨先记住一个前提：量表不是给教师排名的工具，而是替管理者照出着力点、替教师标出台阶的那面镜子。

一、三套量表分别从哪来？先看它们的画像

三套研究出自不同作者、不同时段与不同人群，样本量、划分维度和题项数量也各有侧重。把它们并排放，既能看出跨国学术研究在"教师AI素养测什么"上的共同关切，也能发现每套在不同人群下的分工差异。先把概况归拢成一张表。

若只看这张表就下判断，容易误以为"挑一套最全的用就行"。细看会发现，三套量表的服务对象并不重合：量表一面向来自多个国家的在职教师，维度铺得最宽，近乎一次全面体检；量表二扎根中小学生都在用的课堂一线，把最要紧的能力收敛成一条精练的四维度链条；量表三对准尚未正式登上讲台的职前教师，维度不多，却把"伦理"与"创造"双双顶到了前排，透露出对未来教师能力方向的一种判断。对高职而言，没有哪一份是通吃的万能答案，关键看你拿它测谁、想回答什么问题。

二、量表一（9维度·45题）：把"在职教师AI素养"拆得最细

这套量表面向多个国家的在职教师采样，最具价值之处在于维度铺得极广。它构建时把AI素养的通行理解与"教师"这个职业的特殊要求放到一起，最终收敛出九个可以逐项打分的维度。为了让人一眼看清这九个维度到底覆盖了教师成长的哪些环节，也方便院校拿来做自评结构的参照，下表把它们的名称与各自测的侧重列了出来。

单看这份列表，九大维度大体勾勒出"态度打底—认知支撑—应用居核心—评估与伦理收尾"的一条完整链路——它回答了一个教师要完成的内在转变：先在心里接纳，再在脑中有概念，接着会去现实里找工具、把工具用进教学，最后还要回头看看用得对不对、有没有守住边界。很多教师培训只压中"会用"，却漏了前后的"愿不愿"和"用得对不对"，这套多维度的量尺恰好把这些漏项都补了回来。

落到高职的具体情境，像"搜索和定位AI工具""评估AI工具特性"两类题目格外应景。职业院校的实训资源整合里，真正的难点常不是找不到什么工具，而是如何在品类繁多的选择里挑出既适配课堂、又合规可靠的那一个。借这套思路做自测，往往能定位到日常培训覆盖不到的判断盲区。

三、量表二（4维度·20题）：贴近真实课堂的落地范本

如果说量表一胜在"求全"，量表二则以"贴地"见长。它针对中小学教师做过上千人的大样本测量，最终框架非常收敛，只有四个维度，却几乎叮在当前最要紧的几件事上。四者分别为：一是"认知与理解AI"，强调教师能分清智能与非智能设备、知道教育AI到底能在哪些方面帮自己；二是"应用AI"，追问教师能否熟练用教育AI产品辅助日常教学、能否支持并引导学生去使用；三是"评估AI应用"，看重教师用完后会不会回头评估功能与效果、能不能为一项具体教学任务挑到最合适的工具；四是"AI伦理"，反复提醒教师在隐私、安全与滥用边界上保持警觉。

这套框架对高职最有启发的，是它把"应用"与"评估"这对容易脱节的组合并排放到了显眼位置。走进许多院校实训室会发现，教师对某类AI工具往往用得颇为顺手，可一旦问到"这款产品究竟改进了学生多少学习成果"，多半答不上来。量表把"评估"单独立维，等于替管理者点破一层——用得好不是终点，能用完还不忘回看、进而调整，才算真正成熟。这与实训教学里反复强调的"结果是否真实改进、产出能否被复用"一脉相承，拿来做教学设计诊断尤其顺手。

四、量表三（5维度）：指向新生代与"创造"的前瞻视角

第三份量表对准职前师范生，有个有趣的地方：它的受测者大多还没正式走进课堂，框架反而比面向在职者的量表更能透露出"未来应往哪走"的信号。它除了覆盖普遍谈到的"认知与理解AI""应用AI"和"伦理"三重维度，还单列了"识别AI"与"创造AI"两个更高追求：前者要教师能判断眼前的应用背后到底是不是人工智能、能分辨和人对话的是真人还是程序；后者则更进一步，把测量抬高到了设计与开发层面——能不能构想AI的新用途、能不能动手搭出一个新的原型应用。

对高职教师队伍而言，这份量表的直白提示是教师素养的天花板不该停在"会用"，还有一个正在抬升的梯级叫"能共创"。当一个学科教师能带着学生聊一款工具是怎么运作的、还能不能改得更贴合本专业，课堂就从被动接受变成了主动参与。这尤其契合职业院校强调动手、看重成果产出的气质——教师若能示范"参与创造"，自然也能带动学生把AI用在解决真实问题上，而不是止步于机械套用。同时它也提醒评价要分层：创造与判断这类高阶能力，单靠选择题式的自陈难以测准，更适合落到实操与作品里去观察。

为了让你更好理解三套量表在"测什么"上的异同如何影响选择，下图把三条测评主线做了简化对照（量表二、三的一到四维度结构都内含在量表九维度的更广覆盖中，只是颗粒度不同）。

五、想看清楚题目的模样？量表二、三的代表性自陈说了什么

上面分别介绍了三份量表的来头与结构，可管理者心里还会嘀咕：这些大维度落了地，到底长什么样子？与其抽象揣测，不如直接看三个层面最具代表性的自陈题目长什么样。量表二虽只有四维度，每个维度下却都有指向日常动作的题目，比如问教师"能否熟练使用教育AI产品辅助日常教学""能否相对轻松地学会一款新的教育AI产品""能否把教育AI产品与课程教学相整合"，也会问"用完之后能否评估其功能与效果""能否从多个选项里挑出最贴合的解决方案"，还会反复核对教师在使用时有没有注意隐私与信息安全、能否及时察觉伦理违规。它的题目大多贴着"日常教学动作"写，读起来不绕，因而很适合当成课堂维度的蓝本。

量表三的题目更强调判断与高阶。它在"认知与理解"里会核对教师是否掌握核心概念、能不能评估AI的局限与机会；在"识别AI"里直接问能不能判断应用是否基于AI、能不能分辨和自己对话的是真人还是程序；到"创造AI"再看能否设计新用途、能不能动手开发新原型。下表把这两份量表中较为典型的自陈条目摘录出来，帮你在选型时直观看看"题目粒度"是否顺手。

读这张表能给高职管理者两个提醒。 其一，量表二的题目几乎俯拾皆"课堂动作"，拿来即用度高，适合直接落到校本教师自评的日常条款上；其二，量表三的高阶题提示我们不能只靠"会答"判断素养——像"识别"与"创造"这类能力，往往要结合教师提交的实操作品才能看清，量表充其量给的是一个起点。由此也就引出下面要说的"怎么选、怎么用"。

六、把三张量表落到高职：怎么选、怎么用、怎么改

回到最实际的问题——高职管理者到底该怎么把别人的量表，变成自己一次能执行下去的自评？结合三份量表的做法与实训教学的现状，有四条原则可以先立住，逐条跟你说透。

① 先想清楚测评目的是什么，再选参照。 若要为一次大规模师资摸屏、找出共性盲区，可用量表一的九维结构做粗筛，覆盖面广、不易漏项；若只是为了跟踪某一门AI相关课程改造前后、某批教师培训前后的变化，量表二的四维度已经够用，测起来负担也更小；若要把目光放在青年储备师资或"苗子"身上、考察其更高潜力，就可借用量表三的"识别—创造"两维作延伸测量。三套不必互斥，实践里更常见的是一套主量表加少量补充维度的组合拳，既保全面又不啰嗦。

② 本地化改写，远比照搬重要。 量表的原始表述面向一般的"课堂"与"学生"，落到职业院校需作一番转化——把"普通课堂教学"换成"实训教学环节"，把笼统的"学业成绩"细化为"实训报告与操作结果"，必要时候再补上一两条与专业实训、校企协同、岗位场景相关的题。改写的原则是让教师填的时候，脑子里浮现的是自己实训室里那个真实的画面，而不是一份别人语境下的问卷。

③ 让自评真正连上培训与课时，别沦为形式作业。 一张量表的生命力，在于它能把改善变成可追踪的循环。院校不妨在学期初用诊断版量表摸个底，哪几个维度整体偏低，下一阶段就单列一场对应的专题研修；同时在发放前讲清匿名与用途，通过可核对的题目与现实行为提醒，尽量避免教师抱着"给单位留好印象"的心态高报自己，让数据尽可能贴近真实。下表是一组由三套量表维度延伸出的校本自评样例，可直接发给教师尝试自测——它们并不是新造一套量表，而是帮你把别人的维度翻译成本校能懂的条目。

④ 用真实行为与用户痕迹，补足"自陈"测不到的部分。 量表擅长捕捉教师自我报告的主观状态，却很难证明教师"到底做没做过"。若管理者想要更有说服力的证据，应在量表之外再加两道保险：一是走进课堂、复盘教案，看教师有关AI的设计是否真实落地；二是借助能留存使用记录的数据平台作交叉印证。这样一来，量表给出的是"他说自己会"，平台记录给出的是"他实际练过没有"，两者互相咬合，才拼出较完整的图景。许多院校推行培训"结课即归零"，症结其实就在考核只停留在一次性测验，而没有把培训所学迁移到常态使用上——有持续轨迹可追踪的实践环境，正好补上这段断层。这正是不少院校把自评接到实战云"我在学"AI实践内容平台上的用意，平台基于知识图谱抽题组织测评、沉淀AI实验报告分析与按班级课程/题目维度的学情数据，再与技能认证相衔接，让"测评一测完就束之高阁"变成"评完有记录、测得能追踪"，测评结果真正反哺下一轮培训。

把以上四条串起来，正是一条"测评—诊断—培训—再测"的可运转闭环，可用下面的示意帮助把握节奏。

回到一句话

不论最终选用哪一份量表，背后其实都藏着同一个朴素的判断：教师AI素养不该是一个没办法丈量的口号，而应成为一把能逐年对照、层层上调的标尺。 量表不是为了给教师排队打分，而是替院校照清该往哪儿用力、替教师划出还差多远。把"测什么"这件事想透，后续"怎么培""提没提升"自然都有了落点。对那些还在为"教师数字化能力缺乏评估抓手"发愁的管理者来说，与其闭门重造一套轮子，不如先从这三套经过检验的框架里挑一个顺手的起步，再慢慢长成适合自己的校本版本——扎实的第一步，往往比完美的终点更值得先走。