教师AI素养六大能力怎么练、怎么考：一份可对照自评的问答

同样是用AI备课，有人两小时就能理清一周的教学安排，有人熬到深夜还在修改生成出来的废稿。差距通常不在于工具选得好不好，而在于教师对AI的认知深度和使用方式。联合国教科文组织更新发布的《全球教师AI能力框架》把教师AI素养拆成若干明确维度，国内不少地区也已把它纳入教师年度考核与职称评审的参考范围。但框架本身是给政策制定者看的，一线教师更需要知道的是：这六项能力各自练什么、怎么判断自己到没到、学校的培训和考核又会怎么看。下面按问题逐条拆开。

会用AI工具，就算具备AI素养了吗？

答： 不算。工具使用是能力的一部分，但距离素养还有相当的距离。

判断标准可以这样设：工具解决的是"能不能做出来"，素养解决的是"该不该这样做、做得对不对、能不能做得更好"。 一位教师能用AI生成一份教案，这是工具层面的能力；能判断这份教案的知识点是否有误、难度是否匹配本班学生、哪些环节需要自己重新设计，这才进入素养层面。前者的门槛在操作，后者的门槛在专业判断。

正因为这一区别，把"会用豆包写教案、用AI改作业"等同于具备AI素养，是一种相当普遍的误读。完整的教师AI素养更接近一个闭环：先认识AI的能与不能，再掌握用AI解决教学问题的路径，随后具备对AI输出的甄别与把关能力，进而能够借助AI创新教学方式，全程守住伦理底线。 六个环节缺一项，整套能力都会出现短板——比如只学应用不学评价，教师就会把AI输出的半成品直接搬进课堂；只学应用不学伦理，就可能在处理学生数据时踩线。

有一个很实用的自查方法：拿一份自己最新的教案分两栏梳理，左栏写"可以交给AI的部分"，右栏写"必须由我完成的部分"。 坚持一两周，教师对自身学科的能力边界会形成相当清晰的认知。这个动作几乎不额外占用时间，却是六项能力中最基础的一项。

六项能力分别在练什么？我该怎么判断自己到没到位？

答： 六项能力对应教学工作的不同环节，每一项都有可自查的观察点，不必等考核才知道自己的水平。

为了便于对照，先看下面这张总览表。它把能力项、对应的教学场景和可自查的表现放在一起，教师可以直接用它给自己定位。

有了这张表，再逐项展开。

① AI意识能力，核心是建立"理性看待AI"的判断。 它要求教师既不神化也不贬低AI：清楚AI擅长承担标准化、重复性的教学工作，比如生成教案框架、分层作业题库、课堂小游戏脚本、学情报告初稿；也清楚AI替代不了对学生的情感判断、课堂节奏的即时把握、以及学困生心理疏导这类高度个性化的工作。这一项是另外五项的地基，认知不清，后面的方法都会用偏。

② AI知识能力，不要求掌握算法原理，但要理解输出的底层规律。 生成式AI的内容来自公开数据，可能存在知识点过时、表述不严谨、与课程标准脱节的问题，这不是偶发故障，而是机制决定的特点。理解了这一点，教师就不会把AI输出当权威。与之配套的是提示词意识——输出精准度与提示的具体程度高度相关，需求中带上"学段+学科+具体场景+评价标准"，质量差异非常明显。可以用一次对比测试来校准认知：分别输入"帮我写几个课堂提问"和"帮我设计5个面向本年级本课程、分基础与拓展两层的课堂提问，适配10分钟互动环节"，两者的落差会让人印象深刻。

③ AI应用能力，对应备课、授课、批改、辅导四个环节。 备课阶段用AI生成教案、课件、作业的一站式初稿，再根据本班学情调整细节；批改阶段用AI处理客观题的批量判分，生成班级错题报告，主观题则由AI做初步筛选并给出评语参考，教师在其基础上定稿；辅导阶段针对薄弱学生生成个性化讲解材料，针对学有余力的学生设计拓展性任务。需要养成的关键习惯是，每次给需求都带上具体场景与评价标准，否则AI容易产出看似完整但难以直接使用的空泛内容。

④ AI评价能力，是教师最不可替代的一项。 常被提到的做法是三步质检：第一步做知识点核查，对照课程标准与教材排查错误、超纲和表述模糊的内容；第二步做学情适配性检查，判断难度是否匹配本班学生的实际水平，低年级是否过于复杂、高年级是否缺乏挑战；第三步做创意整合优化，将AI给出的基础内容与自己的教学经验结合，比如在AI设计的课堂游戏上加入小组竞赛规则。质检发现的问题要反馈给AI继续修改，这个来回往往一两轮就能显著改善输出。

⑤ AI创新能力，是拉开教学水平差距的高阶环节。 有两个方向值得尝试：跨学科融合，用AI生成专业课程与语文、美术、数学等学科的融合课方案；互动式教学，用多模态AI生成动画、语音类课件，把抽象概念具象化。这一项最容易被做成"炫技"，判断标准应当回到学生身上——课堂参与度是否真的提升、学生对核心概念的理解是否更牢固，而不是课件是否好看。

⑥ AI伦理能力，是底线项，也是学校考核的重点。 三条原则需要牢牢守住：隐私保护，不将学生姓名、照片、成绩、家庭信息输入公共AI工具，优先选择本地部署、数据不外流的教育专用平台；公平公正，不依赖AI给学生贴标签，AI生成的评价仅供参考，最终评语须结合教师对学生的长期观察；透明教学，明确告知学生教师使用AI辅助备课与批改，并借此培养学生的信息辨别能力。这一项一旦触及底线，其他方面的表现都无法弥补。

学校要做分层培训，新手、进阶、骨干各练什么？

答： 三者不是行政级别，而是能力起点的差异，培训内容与学时安排应当据此分开设计。

混编授课是当前教师培训中比较普遍的问题——同一场讲座里，从没打开过AI工具的教师和已经在做课程重构的教师坐在一起，前者听不懂，后者觉得浅。分层设计能解决这个矛盾。下表是一份可按院校情况调整的参考框架。

新手层的目标是把门槛降下来。 学时不宜过长，重点在实操——带着自己的一节真实课例来，用AI走完一遍备课流程，带着可用的初稿离开。这一层不追求理解原理，先建立"这件事我能做"的信心。

进阶层的目标是从"生成"转向"判断"。 教师在这一层要系统掌握三步质检法，学会看学情数据，能够判断AI给出的教学设计在哪里需要按本班情况调整。这一层的培训最容易流于形式，衡量标准应当是教师能否说清自己修改了哪些内容、为什么改。

骨干层的目标是能沉淀、能带队。 这一层要求教师具备课程整体重构的能力，能把实践经验提炼成可推广的方案，并承担教研组内的示范与答疑。校本提示词模板库、典型课例集、学生作品评价标准，都是这一层的合理产出物。

学时之外，还有一个容易被忽略的安排：培训需要配套可持续使用的教学环境。 教师学完方法后如果回到日常教学中找不到可用的工具与资源，能力很快就会回落。这也是不少院校把教师培训与教学平台建设放在一起推进的原因——培训提供方法，平台提供日常可用的工具、课程资源与学情数据，两者衔接起来，能力才有沉淀的地方。面向教师的人工智能教学能力培训通常以直播、回放、实操、答疑相结合的方式组织，帮助非技术背景的教师较快具备独立开展AI教学的能力，这类支持对新手层教师尤其关键。

怎么考核才算合理？有哪些常见的形式主义陷阱？

答： 考核的落点应当是教学行为的变化，而不是使用记录的数量。

最常见的陷阱是把使用频次当成素养指标。 统计教师登录次数、生成了多少份材料，这类指标容易采集却容易失真，反复操作就能刷高，教学本身可能没有任何改变。更可靠的做法是看几个具体的观察点：课堂上是否出现了过去无法实现的教学设计，比如个性化任务分配、即时反馈的互动环节；学生的产出是否有变化，比如作品集更完整、实训报告的数据分析更深入；教师能否清楚说明哪些环节用了AI、哪些必须自己判断，这一条尤其能区分"真会用"和"看起来会用"。

第二个陷阱是考核标准过高，导致多数教师直接放弃。 如果全校统一要求每位教师形成可推广的课程方案，多数人会认为与自己无关。分层设定目标是必要的——新手教师能完成一轮完整的AI辅助教学实践并获得学生正向反馈，就应当得到认可；骨干教师才要求产出可推广成果。标准的普遍可达性，比标准的先进程度更重要。

第三个陷阱是只考核个人，不考核环境。 教师能否合规使用AI，取决于院校是否提供了数据安全的工具与平台。要求教师不把学生信息输入公共工具，同时又不提供教育专用环境，实际是把风险转嫁给个人。合规考核应以院校提供合规条件为前提。

在评价方式上，学生在平台上完成实验、提交报告、生成作品所留下的过程数据，为客观评价教学效果提供了基础。已有院校在专业课程建设中采用"我在学"这类覆盖学—练—评—用的平台，教师端可按班级、课程、学生、题目多个维度查看到学习与考试情况，并批量导出实训报告用于教学分析，教学成效因此不再依赖主观描述。这类数据的作用不是替代教师判断，而是让教师的自评与他评都有据可依。

从哪里开始练？零基础教师的第一周怎么安排？

答： 从自己最熟悉、最耗时的一个教学环节切入，用一周时间跑通一遍，先建立信心再扩展。

六项能力一起练是不现实的，教师的时间本来就被切得很碎。可行的起步方式是把门槛降到最低，用一周时间做四件事。

第一天，做一次边界盘点。 取一份自己最新的教案，分两栏写出"可以交给AI的部分"和"必须由我完成的部分"，不必求全，凭直觉分类即可。这个动作的目的是建立人机分工的意识，也是AI意识能力最直接的训练。

第二天到第三天，做一次对比测试。 用同一个需求写两条提示词，一条笼统，一条带上具体的学段、学科、场景与评价标准，对比两次输出的差距。这次测试通常会给人留下深刻印象，也让AI知识能力中的关键规律变得可感知。同期可以开始记录自己用了哪些提示词、效果如何，这份记录很快会变成个人模板库的雏形。

第四天到第五天，完整走一遍备课流程。 按前面提到的十分钟模型，从输入教材到合并成稿走完六个环节，产出一份可用的教案。不必追求完美，重点在于体验"分步协作"与"一步到位"的差别，并在过程中体会AI应用能力的实际边界。

第六天到第七天，用三步质检法回看那份教案。 逐条核对知识点、判断难度是否匹配本班、再动手改造其中一处设计。这一步是AI评价能力的入门，也是教师最容易感受到自身价值不可替代的地方。

一周下来，六项能力中的四项已经有了初步体感。剩下的AI创新与AI伦理可以在后续的教学实践中逐步补上——前者可以在设计跨学科课时尝试，后者则需要在日常使用中反复提醒自己守住数据与公平的底线。这个顺序不是随意的：先有边界意识，才有判断力；先会应用，才有可能谈创新。

需要提醒的是，起步阶段不必追求工具的先进程度。主流对话式工具足以支撑前两周的全部练习，过早引入复杂平台反而会分散注意力。待教师形成稳定的使用习惯之后，再考虑接入具备课程资源管理与学情分析能力的教学环境，效果会更好。

免费的学习资源够用吗？该怎么选？

答： 够用，前提是按能力项去选，而不是漫无目的地看。

公开资源里质量参差，筛选的原则很简单：看它对应的是六项能力中的哪一项。 想建立AI意识与AI知识，适合读框架类文件，联合国教科文组织发布的教师AI能力框架中文版可在官网免费获取，最大的价值是提供了一套标准的自评维度，教师可以对照它确定自己的短板在哪一层。想练AI应用与AI评价，适合看课程案例与微课，国家中小学智慧教育平台设有AI教学应用专区，内容贴合课程标准与课堂实际，比零散的短视频教程更系统。想练AI创新，适合找垂直学科的资源，围绕自己的专业方向检索融合课案例，比泛泛看"AI教学十大技巧"有用得多。

资源选择上最容易走偏的地方，是把它当成了知识获取而非行为改变。 看完十篇方法论文章，不如何用一次三步质检法真正改一份教案。对于时间紧张的教师，一个更实际的策略是以任务带学习——这周要备哪节课，就去找与它相关的资源，边看边用，用完即止。这样积累下来的经验是嵌入在自己教学场景里的，不容易遗忘，也更容易迁移到下一节课。

学校访谈中常见的几个追问

问：非技术背景的教师能练到熟练吗？ 前面六项能力都不要求掌握算法原理或编程技能，AI知识能力强调的是理解输出的规律而非理解模型本身。事实上，文科、艺术类专业的教师在教学设计的创意整合环节常常表现更好，因为他们对内容价值的判断更敏感。真正的门槛在于是否愿意持续使用并复盘，不在于技术基础。

问：年龄偏大的教师是不是跟不上了？ 从教师培训的反馈看，影响学习效果的变量是是否在真实任务中反复练习，而不是年龄。部分教龄较长的教师上手反而更快，原因在于他们的教学设计经验扎实，对AI输出的判断更准确，不需要从零建立评价标准。分层培训的意义正在于此——新手层解决"敢不敢用"，进阶层解决"会不会审"，骨干层解决"能不能带"，不同起点的教师各取所需，不必强行齐步走。

问：六项能力都要考核吗？ 不建议齐头要求。合理的做法是把AI意识与AI伦理设为所有教师的基本要求，这两项是底线，门槛不高但必须达到；AI应用与AI评价作为教学岗位的普遍要求，通过课堂观察与学生反馈来验证；AI创新则适合作为骨干教师与课程负责人的进阶要求。分层设定目标的好处是让多数教师都能获得认可，同时给愿意深入的人留出上升空间。

答： 练习的目的是让教师把精力从重复劳动转向只有教师能做的事。

六项能力看起来是六件事，落到日常其实指向同一个方向：AI承担生成与整理，教师承担选择与判断。 意识与知识解决"该不该用、用到什么程度"；应用与评价解决"用得对不对"；创新与伦理解决"用得好不好、用得安不安全"。教师越清楚这条分工线在哪里，越不会被工具牵着走。

值得强调的是，素养的提升不等于教师要做更多的事。恰恰相反，当备课、批改、学情统计这些环节的效率提上来之后，教师才有时间去做那些AI做不了的判断——观察到某个学生在这一周状态不对，发现某个提问在全班引发了意料之外的讨论，把一次偶然的课堂生成转化为下节课的教学资源。这些事在任何技术条件下都不会被替代，而AI的作用，是让它们重新获得应有的时间份额。

还有一层变化也值得注意。当学生也开始使用AI，教师面对的不再是"信息不对称"的课堂。 过去教师掌握的知识多于学生，课堂的秩序建立在这一前提之上；现在学生可以用AI获得大量信息甚至现成答案，教师如果仍然把自己定位为知识的主要来源，权威性反而会被削弱。六项能力中的评价能力与伦理能力，恰好回应了这一变化——教师的价值从"提供答案"转向"判断答案、追问依据、引导价值"，这个转向在课堂上表现得越清楚，AI带来的挑战就越少。

从院校的角度看，推动教师AI素养提升的合理节奏，是先让教师会用一个环节并尝到效率提升的甜头，再逐步扩展到全流程，最后形成教研组层面的共识与积累。六项能力不必齐头并进，但方向需要从一开始就说清楚——练素养的终点，是让教师更像教师。