复旦与清华双发力！AI引领教育模式高校创新，教师如何应对？

科技教育与人工智能教育已写入国家教育现代化战略，教师供给结构随之发生变化。复旦大学在 2026 年 1 月发布了 AI3A 教育共创平台和《生成式人工智能教育教学应用指引 1.0 版》，而清华大学则在近日构建起科技教育与 AI 融合的课程矩阵。复旦大学与清华大学，正在从不同路径推进面向未来的教师培养改革：一方从教学治理与课程组织切入，一方直面理工科人才向中小学教师转化的长期难题。这些举措不仅展示了两所顶尖高校在推动教育创新方面的决心，也为未来的教育模式探索提供了宝贵经验。

AI 如何进入课堂，复旦选择先解决教学治理

2026 年初，复旦大学上线 AI3A 教育共创平台，并同步发布《生成式人工智能教育教学应用指引》。这次发布围绕课堂中已经出现的现实情况展开：生成式人工智能已被学生广泛使用，但课程设计、作业要求和评价方式仍沿用原有结构，教学运行开始出现不稳定因素。

在部分课程中，学生通过 AI 完成资料整理、文本初稿和思路生成，作业完成速度明显加快，但教师难以判断学生在哪些环节依赖了工具，也难以区分学生理解不足与技术代劳之间的边界。一旦进入成绩评定阶段，争议往往集中出现，教学秩序被迫事后修补。

复旦在应用指引中，首先将教学过程拆解为课堂教学、学业评价和自主学习支持等具体环节，再分别明确生成式 AI 可以介入的方式。在课堂教学中，AI 被定位为资料辅助和情境支持工具；在学业评价中，强调过程记录与课堂核验并行；在自主学习中，则要求学生对 AI 生成内容进行验证和再加工。教学设计不再围绕“是否允许使用”，而是围绕“在哪个环节、以什么方式使用”。

围绕学业评价这一最容易引发争议的环节，复旦并未将重点放在识别文本是否由 AI 生成，而是将责任前移到使用披露和过程证据上。学生需要说明工具使用情况，并保留从问题提出到结果形成的完整过程，教师通过课堂提问、展示和讨论，对学生理解程度进行当场确认。评价依据从最终文本转向学习过程，教师判断不再完全依赖经验。

在制度层面，复旦将规则制定提前嵌入课程起点。应用指引配套提供了人工智能使用声明模板、教学大纲中的 AI 使用条款示例以及课堂协议文本，教师在开课前即可根据课程特点进行调整，并与学生形成明确约定。AI 使用从隐性行为转为显性规则，教学过程中的临时判断和事后纠纷明显减少。

与指引同步上线的 AI3A 教育共创平台，解决的是校内教学探索难以积累的问题。平台按照“掌握、驾驭、共创”的进阶结构，集中呈现课程案例、工具使用路径和教学设计逻辑，保留完整教学过程，而非只展示结果。教师在平台中可以看到一门课程如何在具体教学环节中引入 AI，以及如何处理风险与边界。

在实际课程中，这一思路已经被用于口腔组织病理学等专业教学。通过虚拟仿真与 AI 助教支持，学生在理解复杂结构时获得辅助，但关键判断仍需通过专业分析完成，过程记录与课堂核验同时存在。技术被安置在支撑理解的位置，教学节奏和评价标准保持稳定。

从应用指引到共创平台，复旦围绕生成式 AI 所做的工作，集中在教学流程、评价机制和规则前置上。当工具变化已经不可逆，教学需要一套能够持续运行的组织方式。规则清晰、流程明确，教师与学生才能在同一套框架中完成教学活动，课堂也才能在技术介入后保持基本秩序。

理工科人才难以转化为教师？清华如何破题

近几年，从课程标准修订到教师队伍建设文件，科技素养、工程意识和人工智能能力反复被提及，基础教育对复合型教师的需求被持续放大。

国家优秀中小学教师培养计划正是在这一问题背景下启动的。该计划并非面向所有教师，而是聚焦于培养一批能够进入中小学一线、承担科技与人工智能相关教学任务的骨干教师。清华大学作为参与高校之一，承担的是理工科背景学生向中小学教师转型的培养任务。

清华在实践中发现，理工科学生具备较强的专业基础，但在进入基础教育课堂时，常常面临三个具体困难：一是缺乏对中小学生学习特点的理解，二是不清楚技术应当如何嵌入课堂教学流程，三是工程能力难以转化为可操作的教学活动。这些问题如果不在培养阶段解决，进入岗位后很难依靠个人摸索完成转变。

围绕这些现实问题，清华首先调整了教师培养的组织方式。教师教育不再由单一学院独立推进，而是由学校层面统筹，研究生院、教育学院以及多个理工科院系共同参与培养过程。这样做的目的，是让学生在学科训练、教育理论学习和教学实践之间形成连续路径，而不是在不同阶段反复切换目标。

在课程安排上，清华将科技教育与人工智能相关课程纳入教师教育必修体系，而不是作为选修或补充内容。课程设置围绕未来课堂中可能出现的教学任务展开，而不是单纯教授技术原理。学生需要在课程中完成与教学直接相关的设计任务，例如围绕课堂管理、学习行为观察或体育训练，设计可在中小学使用的智能系统。

在“教育大数据与学习行为分析”课程中，学生不仅学习数据分析方法，还需要自行设计面向教学场景的应用系统，如课堂注意力监测系统、中考体育实心球训练系统等。课程要求学生明确系统服务的教学环节、使用对象以及教师在课堂中的操作方式。这类训练的重点在于，让学生在培养阶段就开始处理“技术如何进入课堂”的问题，而不是在成为教师后再进行尝试。

在工程与科学教育方向，清华将教具设计作为重要训练内容。“科学教育教具的设计与制作”课程要求学生从材料选择、结构设计到成品制作，完整完成一件可用于课堂教学的教具。复合弓、电磁感应箱等教具的制作过程，需要学生综合运用力学、材料学和电磁学知识，同时考虑课堂使用的安全性和操作难度。

在教学实践阶段，清华采用“三导师制”进行指导。每名学生同时接受理工科专业导师、教育学导师和中小学一线教师的指导。理工科导师负责学科内容的准确性，教育学导师负责教学结构与方法，一线教师直接参与课堂设计和授课过程的调整。三类导师围绕同一课程方案协同工作，帮助学生在实践中不断修改教学安排。

在清华的教师培养实践中，人工智能并未停留在理念或课程名称层面，而是已经进入具体课堂形态。国优计划学生在培养阶段，围绕中小学真实教学场景，完成了多种可直接用于课堂的智能系统设计，例如课堂注意力监测系统和中考体育实心球运动智能训练系统。在教学实践中，学生将编程、数据分析与课堂任务结合，设计项目式课程，引导中学生理解算法逻辑和概率模型，并通过制作智能体、开展智能体辩论等方式组织课堂活动，课堂互动方式随之发生变化。部分学生在清华附中完成一学期实践后，已经能够独立完成课程设计、课堂实施与现场调整，目前，2025届10名国优计划毕业生有4人进入中小学校从事科技教育相关工作。

这一过程展示的是教师在真实课堂中需要具备的能力：根据学生反应及时调整教学设计。清华通过制度化的实践安排，让学生在培养阶段反复经历这一过程，而不是在走上工作岗位后再独立面对。

当教师供给发生变化，学校运行开始承压

复旦与清华的改革，直接改变了中小学科技教育与 AI 教育教师的来源结构。通过国家优秀中小学教师培养计划等国家项目，具备理工科背景与数据能力的学生，被系统性地纳入教师培养体系。这类培养路径，回应的是基础教育长期存在的师资结构问题。

教师供给结构发生变化后，学校内部最先感受到压力的，并不是课程设置，而是教学运行。新进入学校的教师，往往具备较强的学科与技术能力，但他们需要在统一进度的课堂、稳定的课程结构和既有评价体系中开展教学。在这一环境下，教学组织方式是否能够支撑新能力的发挥，开始成为学校管理层必须面对的现实问题。

中小学教学体系以稳定运行为前提。课程安排、课堂节奏和教师分工高度制度化，新教学方式一旦进入课堂，就会影响任务设计、互动方式以及教学判断。高校阶段可以通过实验项目或小规模试点推进改革，而基础教育阶段，改革必须嵌入日常教学流程，否则难以长期运行。

在这一现实条件下，人工智能教育的推进逐渐从“课堂工具引入”，转向“学校系统建设”。学校需要一套能够覆盖教师培训、课堂使用与教研改进的整体结构，使技术应用能够被持续管理和优化。

华领人工智能于 2025 年发布人工智能教育学校建设方案，回应的正是这一层面的需求。方案以 AI 与数据作为统一支点，通过顶层设计，将教学、教研与学校治理纳入同一运行框架。围绕一个系统性解决方案，方案重点建设人工智能校长与智能型教师两支队伍，并以课程、课堂和科研作为主要实施场景，对接学生、教师、家长与社会的多方需求，同时融入德智体美劳五育融合目标。

在课堂中，水手数智教室 S900 作为教学场景的一部分，围绕课堂任务推进，对学生学习过程进行记录与呈现。教师可以基于课堂中已经发生的学习表现，调整讲解节奏和任务安排。这种支持方式与原有教学流程保持一致，使教师在教学过程中逐步熟悉工具的使用逻辑。

随着高校持续向基础教育输送具备科技与 AI 素养的教师，学校运行体系的适配能力，正在成为教育数字化进程中的关键变量。教师培养方式发生变化之后，教学组织与管理方式如何同步调整，已经进入实际操作阶段。

关注我们，精彩不迷路！