AI 正在进入备课、上课、作业、评价和学校管理。技术越来越能干之后，教育要培养什么样的人？老师、学生和 AI 应该怎样分工？这篇阅读笔记沿着 “关注的问题 — 研究思路的变化 — 未来方向” 展开，用通俗语言梳理《智能时代教育技术研究与发展的新图景》的主要内容。

原论文：《智能时代教育技术研究与发展的新图景 ——2026 中国教育技术学术大会综述》

作者：李新、洪子怡、卜浩德、杨现民（通讯作者）。

文章性质：学术会议综述。本文依据大白话阅读稿适配为网站推文，保留主要意思及原文结构，不是逐字翻译。文中的发展方向、原则和模型主要来自专家观点及作者归纳，不代表原论文已经用实验验证了相应效果。

# 开头：这篇文章在谈什么？

AI 正在进入备课、上课、作业、评价和学校管理。教育技术领域因此需要重新考虑：教育到底要培养什么样的人？老师、学生和 AI 应该怎么合作？哪些事情可以交给 AI，哪些责任必须由人承担？

原文介绍，2026 年 5 月 13—15 日，中国教育技术学术大会在杭州举行，主题是 “破局与变革：AI 时代教育技术研究与发展”。会议有 1800 余位代表参加，包括主论坛、18 场分论坛、125 场学术报告和 18 场案例分享。作者根据这些报告和讨论，整理出教育技术领域正在关注的问题、研究思路的变化，以及值得推进的方向。

# 一、大家现在最关心哪些问题？

# 1. 重新想清楚教育的价值和本质

# 1. 教育与 AI 应当相互影响

AI 可以帮助教育突破时间、地点和资源的限制，也能参与交流和知识创造。与此同时，教育需要给 AI 的应用确定方向：什么值得做，怎样使用才对人有益。李政涛把这概括为 AI 给教育 “赋能”，教育给 AI “赋魂”。前者是增加能力，后者是加入价值、伦理和情感方面的要求。

因此，教育界需要主动参与制定标准、建设公益平台、培训教师、完善伦理规则，并关注不同语言和文化的需要。不能只等企业推出产品，再被动适应产品设定的规则。

# 2. 教育仍然要对人的成长负责

教育包含知识和技能，也包含独立思考、情感、创造力以及与他人相处的能力。AI 很会生成答案，并不能据此把教育简化成更快地完成任务。

有专家担心，过分追求技术效率，可能弱化人的自主判断、创造性和情感体验。文章据此强调，“人的主体性” 就是人能够自己思考、作出选择，并对选择负责。技术进步之后，这些能力仍然需要由教育保护和培养。

# 3. 技术进步还要关注谁能受益

AI 有机会让更多人获得学习资源和个性化帮助，但不同地区的设备、网络、电力、语言资源和使用能力存在差距。这些差距可能让原有的教育不平等进一步扩大，形成新的 “AI 鸿沟”。

因此，需要政府、学校、家庭及其他社会力量共同参与，让资源不足地区和弱势群体也能获得适合自己的支持。教育具有公共属性，意思是它关系到全社会的共同利益，不能只服务于最容易接触技术的人。

# 2. 老师、学生和 AI 怎么一起完成教与学？

# 1. 教学开始出现 “老师 — 学生 —AI” 共同参与的关系

AI 可以提供讲解、反馈、模拟实验和讨论支持。教师需要安排任务、判断学习情况，学生则需要主动探索。三者怎样分工，比单纯增加一个工具更值得研究。

专家强调，帮助要出现在合适的时候。学生遇到困难需要启发时，AI 可以提供支持；如果过早把过程和答案全部完成，学生就可能失去练习的机会。文章也介绍了智慧学伴、智能评课和对话式同伴互评等探索，但没有据此宣布所有做法都已被证明有效。

# 2. 老师的价值和能力要求会变化

当学生能够方便地向 AI 查询知识，教师的工作会更突出学习设计、提问引导、成长陪伴和价值判断。教师需要帮助学生提出好问题、辨别信息、深入思考，并把知识用到真实问题中。

教师培训也需要超出工具操作。教师既要理解自己教的学科，又要理解怎样教、AI 能做什么以及有什么限制，还需要沟通协作、批判判断和负责任使用技术的能力。这需要持续的专业发展，几次软件培训难以完成。

# 3. 学习会更重视理解、整合和创造知识

生成式 AI 让资料和方案可以在提问、讨论与修改中持续形成。文章认为，学习目标需要更加重视持续自主学习，以及与他人、与 AI 协作解决问题的能力。

但作品变漂亮、答案变完整，不等于学生本人的能力同步提高。郝莉提出 “能力进阶式 3I 学习模型”，把学习分成基础习得、结构整合和应用创新：先学会基本内容，再把知识联系起来，最后尝试用于新问题。这是会上提出的学习模型，本文没有提供对它的完整实验验证。

# 3. 怎样保护人的自主性，并负责任地使用 AI？

# 1. 警惕把思考长期交给 AI

如果学生总是直接索取答案，就可能减少自己提问、推理、判断和调整学习方法的机会。这种 “认知外包” 指的是把原本需要自己完成的思考过程交给外部工具。一定的困难、试错和反复理解，本来就是学习的一部分。

这种风险不只是偷懒或作弊，还涉及学生能否保有思考能力。学生因此需要了解 AI 的基本机制、局限和可能的偏差，既不盲目信任，也不因为不了解就一概排斥。

# 2. 明确哪些事情必须由人承担

胡祥恩提出 “能动性锚定”：使用 AI 时，要把人的主动思考、亲身行动和责任牢牢保留下来。他用 “教与育”“学与习” 的区别解释这一原则。

讲知识、作示范、解答疑问，可以让 AI 参与；人格培养、价值判断和师生关系，需要由能够承担责任的教育者负责。接受和理解知识，可以得到 AI 的帮助；亲自练习、犯错、修正并把知识变成自身能力，则必须由学习者经历。

划定边界时，要考虑人的成长和责任是否被保留，不能只看机器是否能够完成任务。这是文章介绍的原则性框架，不是对每一种教学活动都已经作出的固定分类。

# 3. 重视更复杂的思考和完整的成长

获取答案更方便之后，教育仍需培养判断、创新、跨学科理解和解决复杂问题的能力。杨卫提出 A-M-X 人才培养模式，分别强调全面发展的领军人才、支撑长期创新的学科领导者，以及能够实现原创突破的人才。

祝智庭提出 “意义主义学习”，重视对信息进行判断、建立联系并反思，形成自己的理解。陈娟娟谈到 “认知撬动”，意思是技术应该带动更深入的思考和交流。这里介绍的是专家的教育主张，不能理解为用了相应技术，学生就自然获得这些能力。

# 4. 学校管理和学习评价怎样改变？

# 1. 用数据改进治理，并支持不同年龄的学习者

“教育治理” 涉及规则制定、工作协调、资源安排以及各方共同解决问题。AI 可以辅助分析和优化流程，但建设系统之前，需要先理清制度、职责和业务流程。否则，系统可能只是把原来的混乱搬到线上。

文章还把教育技术的范围扩展到继续教育、企业培训、老年教育和社会学习。可以探索根据学习者的需求和能力差距提供支持，让培训更有针对性。目标应从单纯扩大人数，转向提高实际学习质量和持续发展的能力。

# 2. 评价要能帮助学生继续进步

只看一次考试，很难理解学生怎样学习、哪里进步、遇到了什么困难。“过程性评价” 就是在学习进行中收集信息，并及时给出有用反馈；“增值评价” 关注学生相对原有基础的进步。

AI 有望帮助分析学习行为、任务轨迹和课堂互动，让评价更加关注知识理解、能力和综合素养。其价值在于为改进提供依据。要实现这一点，需要高质量数据和适当的数据治理，不能把算法输出直接当作对学生的完整判断。

# 5. 教育技术这个学科应该怎样发展？

# 1. 重新明确自己的任务

当各个专业都在使用 AI，教育技术学需要说明自己的独特贡献。研究者应当解释技术如何影响学习，设计合适的学习环境，并研究教学、评价和学校运行如何协调改变。

因此，学科建设要从更大的教育发展和社会变化中考虑定位，深入研究技术介入后的教育规律，形成超出工具操作和平台建设的专业能力。

# 2. 研究对象和方法需要拓展

研究不能只盯着某个软件是否好用，还要研究人、技术、学习活动和教育系统之间的关系。例如，支持在什么时候出现，互动怎样开展，学生如何形成理解，都是需要解释的问题。

这需要教育研究与人工智能、学习科学、认知科学、工程技术及具体学科教学相互配合。“学习科学” 关注人如何学习，以及怎样设计更有帮助的学习环境。跨学科合作要扎根于真实教学问题，不能只把不同学科的名词放在一起。

# 3. 形成自己的理论，并连接研究、实践和政策

“自主知识体系” 意味着从真实教育问题中提出有解释力的概念、模型和理论。文章也强调学科共同体建设：研究者之间要协作，并让成果能够进入学校实践和政策讨论。

不同地区和高校可以结合本地需求发展特色，在教师培养、区域数字化和学习支持等方面互相补充。学科发展的重点，是形成解释问题、培养人才和服务实践的持续能力。

# 6. 怎样系统开展面向所有学生的 AI 教育？

# 1. 让所有学生形成基本素养

“AI 通识教育” 面向普通学生，内容包括 AI 的基本原理、使用方式、社会影响和伦理责任，也包括适当的设计与创造活动。

不同学生可以在共同基础上继续深入，但普及教育首先要让学生从会用工具，走向能够理解、判断并负责任地使用工具。小学开展这类教育，也应符合儿童的成长需要。

# 2. 不同学段要有连续而适度的要求

原文介绍的课程思路是：小学重体验与兴趣，初中重理解与实践，高中重系统思考和创新应用。职业教育更关注岗位技能，高等教育更重视专业和学科交叉，终身教育则关注知识更新与在职学习。

课程需要前后衔接，也要联系生活，并适应学生的认知和身心发展。原文还介绍了浙江大学的贯通培养、北京的课程和平台建设等实践，这些是具体探索，不能直接当作所有地区都适用的统一方案。

# 3. 给学校提供持续支持

AI 教育的实施受到师资不足、资源不均和学校能力差异的影响。文章提出学校、高校或企业支持团队、数字平台共同配合，并通过区域统筹开展课程开发、教师培训和评价改进，让常态化教学得到保障。

# 二、教育技术研究的思路正在怎样变化？

这里的 “范式转型”，可以理解为研究者关心的问题、看问题的角度和采用的方法正在变化。作者归纳了五个方向，它们代表文章对会议讨论的判断，并不意味着整个领域已经完成转型。

# 1. 从增加数字工具，走向重新设计教育过程

过去更多关注把资源放到网上、用平台连接师生、提高办事效率。现在需要进一步研究：AI 加入后，学习流程、师生关系、知识产生方式和决策方式发生了什么变化？

研究应先找真实教育问题，再决定怎样使用技术。比较某个工具能否提高分数仍有价值，但还需要解释它通过什么过程影响学习，以及原有教学安排是否需要调整。

# 2. 从研究一个局部应用，走向理解整个教育系统

同一种技术会同时影响学生学习、教师工作、评价方式和学校管理。研究视野因此需要从单一软件扩展到不同人员、环节和制度之间的关系。

文章提到虚拟课堂、多智能体、伴随式诊断等探索。“多智能体” 可以理解为多个承担不同任务的 AI 系统共同参与。具体应用是否合适，还要放在完整的学习活动和运行条件中考察。

# 3. 从主要看效率，走向关注人的全面发展

任务做得快、作品得分高，都不足以完整说明学习质量。还要考察学生是否理解得更深、判断得更独立、能够迁移知识，并保持健康的情感状态和持续学习的能力。

文章也强调跨学科问题和价值困境。学生需要在真实情境中整合知识，通过体验、反思和说明理由理解价值，并尝试将其落实到行动中。研究因此不能只收集速度、成绩和使用次数。

# 4. 从主要依靠经验解释，走向结合过程证据与 AI 辅助研究

问卷、访谈和观察仍然有价值。新的技术条件还允许研究者结合学习记录、互动内容，以及部分研究中的心理生理数据，观察学习如何变化。“多模态” 指多种类型的信息；“数据循证” 强调判断要有证据支持。

AI 也可以辅助文献整理、文本分析、研究方案设计和反复修改。原文提到模拟数据生成，但模拟数据是人为设定条件下生成的材料，不能据此声称真实学生产生了相同表现。

研究者仍然需要决定问题是否值得研究、证据是否合适、解释是否成立。原文特别提醒，教育涉及目标、价值和制度，不能只照搬自然科学的研究逻辑。

# 5. 从介绍本土案例，走向形成可以交流的中国研究成果

中国具有大规模教育实践，也存在地区、学校和治理条件的差异。这些现实可以帮助研究者提出重要问题。

要让研究产生更广泛的价值，需要解释实践为什么这样运行、在什么条件下适用，并提出其他研究者能够理解和讨论的概念、模型与证据。文章期待中国研究在解决本国问题的同时，也为全球教育发展提供有用经验和理论。

# 三、作者期待未来往哪些方向发展？

# 1. 让人与 AI 的合作服务于人的成长

“人智共生” 在文中强调人和智能技术形成良好的协作关系。AI 可以提供情境、追问和反馈，帮助学生更充分地参与学习。价值判断、情感回应和责任承担，则需要保留在人与人的教育关系之中。

作者期待通过这样的设计，让技术扩展人的能力，同时保护人的自主性与教育责任。这是未来发展的价值方向。

# 2. 让 AI 帮助人更深入地学习

“智能增强” 强调技术要增强人的理解、探究和反思。可以从学生已有基础出发，设计真实问题和项目任务，再根据过程信息识别困难、提供帮助并检查效果。

这里的 “深度学习” 指学生对知识的深入理解，不是训练人工智能模型的技术名称。学生需要经历理解问题、分析证据、形成观点和迁移应用；学习支架则是帮助完成这些过程的提示、结构或工具。

# 3. 建立可信、包容并能追责的使用规则

“可信” 意味着技术在安全、透明和可控方面有保障；“包容” 意味着不同地区和不同条件的学习者都有受益机会。治理需要进入系统设计、数据采集、平台服务、评价和决策的全过程。

要避免过度收集数据、让算法取代教育判断，以及把评价变成对学生的数字监控。政府、学校、教师、学生、家长、企业和研究者需要共同参与风险评估、反馈与改进，并明确出了问题由谁负责。

# 4. 从中国实践中形成有解释力的教育技术理论

教育技术学需要把丰富的应用经验转化为清楚的研究问题，说明技术通过什么机制改变学习和教育。理论的自主性，体现在能否提出有用的概念和解释框架，并与国际研究展开对话。

作者期待研究进一步结合学习科学、人工智能和认知科学，让理论既能解释复杂现实，也能帮助改进实践。

# 5. 让学校、研究机构、企业和政府持续合作

“产学研用” 强调企业、高校、科研机构和实际使用者之间的合作。学校和教师提出真实需要，研究机构提供学习设计和评价依据，企业开发工具，政府与行业组织提供规则和质量保障。

文章提出一条持续改进的路径：识别需要、联合研发、进入真实场景验证、评价效果、修改后再推广。这样的合作应帮助课程、资源、能力评价和社会需求相互衔接，使成果能够长期使用和改进。

# 四、原文最后想说明什么？

这次大会呈现了教育技术领域对 AI 教育应用的探索，也集中提出了新的研究任务。作者希望研究者更深入地解释人机协同、学习环境、教育智能体、评价和数据治理中的规律；实践者更紧密地连接教学、教师发展和学校治理；学科建设则从中国经验中提炼能够交流和检验的理论。

贯穿全文的判断标准是：技术进入教育之后，是否让人更好地学习、思考、行动和成长。本文提供了理解研究方向的框架，但具体方案是否有效、对哪些学生有效、需要什么条件，仍然需要后续研究来回答。

# 原文信息与阅读索引

本文依据《智能时代教育技术研究与发展的新图景》大白话阅读稿整理。阅读稿所列原文页码为：第一部分 PDF 第 1—8 页，第二部分第 8—10 页，第三部分第 10—13 页，第四部分第 13 页；第 14 页为英文摘要、项目与作者信息等。