八大诘思：AI 时代的 K-12 教育行动指南

2026年6月9日，在 Google.org的资金资助下，美国纽约州公立区域性教育服务机构杰纳西河谷BOCES学校图书馆系统（School Library System of the Genesee Valley BOCES）正式发布了TeachingAbout.AI项目的最新研究报告——《K-12领域的人工智能教学：一份面向全行业的报告》（Teaching About AI: A Report for the K-12 Field）。

报告以媒介批评家尼尔・波兹曼（Neil Postman）“技术变革不是加法，而是生态性变革”为核心视角，对该项目于2025年12月在纽约州罗切斯特市由多方专家研讨4天形成的八大“罗切斯特诘思”（Rochester Provocations）进行了系统阐述，并针对K-12学区提出了具体的行动对策与建议。

该报告认为，AI所引发的关于作弊、评估有效性、教师角色、作业目的以及教师学习条件等深层问题，实际上并非由AI带来的新问题，而原本就是悬而未决的老问题，如今被AI推到了无法忽视的地步。AI是催化剂，而非根源。

若将AI视为一个孤立的问题，便容易引出一种同样孤立的“解决方案”——例如使用检测工具、实施禁令或采用锁定式浏览器。这些做法以采购决策取代了教学决策，几乎无法带来实质性改变。

报告中提出的八大诘思及对策建议具体如下：

1.不存在独立的“AI问题”

教育本身就是一个棘手的问题，如果我们假设教育中存在AI问题，就可能误以为存在AI的解决方案。这样，各学区就会开始寻找AI产品，供应商会争相推销，三年后我们花费大量资金，却几乎没改变过孩子们的学习方式。

再如，手机禁令是可辩解的短期措施，但它却让根本性问题——成瘾性的产品设计、算法操控信息推送、青少年注意力的商业化捕获——长期未被解决。

报告为此提出如下建议：

• 重新构想学区的规划文件，将重点从单纯的“AI政策”转向“AI辅助环境下的教与学”。这种转变并非表面功夫，而是改变了哪些方案被视为有效、以及谁需要参与讨论。

• 在采用任何AI产品之前，应先问问自己：我们试图解决的是什么长期存在的教学问题？如果移除AI功能，我们是否仍希望保留这一解决方案？

• 委托学校图书管理员与课程主管合作，评估现有项目（如早期读写能力培养、评估体系、多层级支持系统[MTSS]、专业学习等）在AI环境下的生态影响，而不是另起炉灶，单独设立一个平行的AI专项工作组。

• 停止纠结于“是否允许使用AI”这种非黑即白的问题，转而探讨针对特定学科和年级的具体教学策略，比较不同方案的优劣。

2.我们可以成为有效性的推动者，也可以成为作弊的受害者

我们无法控制作弊行为，而一味关注它只会导致与学生之间的对抗性关系；而我们的真正能掌控的是如何引导学生完成更有意义的任务，从而更准确地理解他们的学习情况。

报告指出，使用“作弊”一词，意味着将焦点置于教师无法掌控的学生行为上；而使用“有效性”一词，则将主导权交还给了作为评估设计者的教师。选择哪个词作为切入点，实际上决定了究竟由哪一方——教师还是学生——掌握主动权。

报告据此提出的建议行动为：

• 明确向教师和公众讲解“有效性”这一概念。所谓有效性，并非指测试本身，而是指教育者根据收集到的学习证据所做出的学生知识判断的合理性。

• 运用“话语性”（discursive）与“结构性”（structural）的视角，审视当前的评估实践。重点关注那些依赖于学生必须遵守的特定规则来确立有效性的评估环节。这些正是AI可能悄然削弱判断力的环节。

• 针对涉嫌滥用AI的行为，将应对方式从惩罚转向修复性措施：包括开展对话、提供重做机会，以及明确讲解作业的设立初衷。

• 试点结构性变革，而非仅仅调整话语性要求。研究界已提出两种现成的模式：一是“语音优先书面评估”（VFWA），即将课堂内受控的学生思维记录过程与课后借助AI进行的润色完善过程分离开来；二是“黑箱评估”框架，该框架侧重于评估学习过程、修改历程及学习轨迹，而不仅仅是最终成果。

• 赋予学校图书馆员作为内部顾问的角色，协助任务设计的优化与重构。他们跨学科协作教学的身份，使其非常适合指导同事逐个单元地进行结构性重构。

3.在AI出现之前，我们的评估方式已经过时

我们需要重新思考如何理解和实施评估，尤其要注重在职前教师项目中开发和实施有效的评估方法。

一种典型的滥用模式为，教师虽然收集“课堂小结卡”（exit tickets），却只是将其用于快速录入成绩，而非作为形成性评估的数据依据。评分量表（rubrics）在各学科部门间被简单复制粘贴，其调整标准并非基于有效性，而是为了营造一种客观的假象——即通过核查“三个细节、四个细节、五个细节”这类机械指标来评分。

当学生在单元测试中获得70分数时，无论该分数反映出何种情况，当前的单元教学便宣告结束，随即进入下一个单元。

这种模式并非AI所引发；AI的作用仅仅是让那些充斥于成绩册中的“精美”成果变得易于生成，从而使这一既有模式变得更加显而易见。

报告据此提出的建议行动为：

• 采纳并教授一套评估术语：有效性、可靠性、形成性评估、总结性评估、评分（scoring）与评级（grading）、推断。将这些内容融入每一轮专业学习周期，而非仅作为一次性培训。

• 在各年级段选取两到三个单元进行“黑箱评估”（Black Box Assessment）试点，针对那些传统上要求学生带回家完成的作业，将初稿、修改过程及理由（而非仅仅是最终论文）纳入评估范围并给予相应认可。

• 考虑采用“语音优先书面评估”（Voice-First Written Assessment）等模式，将表现性任务或其他作业转化为更有效、更可靠的学生理解度检测方式，从而无需担心学生使用AI生成内容的问题。

• 与区域性教师培养项目合作，倡导将“教育测量”课程列为至少一门必修课。

4.不存在所谓的“AI-proof”（防AI）

无论是评估、职业，还是其他任何方面，AI的无处不在及其迅猛发展速度，都意味着“AI-proof”是一种极具诱惑力却根本不可能实现的目标。

针对AI作弊等的防范措施之所以存在问题，恰恰是因为它极具诱惑力。供应商推销它，学区采购它；教师们耗费宝贵的备课时间去追赶一个不断变化的目标，却不去思考这个目标本身是否正确。其结果便滋生了一种“军备竞赛”式的心态。

报告据此提出的建议行动为：

• 在学区的术语体系（包括供应商评估）中，不再使用“防AI”（AI-proof）这一说法。取而代之的是一个包含三个层面的问题：该评估是否有效？是否与学习成果相契合？是否公平？

• 将每一次拟议的重新设计都视为一种假设。如果教师认为某种新形式更有效，应先在小范围的课堂层面进行验证，然后再推广应用。

• 禁止在学术诚信审查过程中将AI检测工具的检测结果作为证据。这类工具会导致教师与学生之间形成对立关系，使教师将精力放在监管学生上，而非专注于学习本身。

• 实施结构性的替代方案，例如VFWA模式——即第一阶段确保安全，第二阶段则有意允许使用AI——从而从源头上消除监管问题；或者采用“黑箱评估”方法，对学习过程进行整体考察。

• 审查与AI相关的规定，评估其对公平性的影响。当校内限制使用AI时，谁受益？谁处于不利地位？哪些方言、语言或残障状况被当作可疑对待？

5.AI能模仿人类教师的大部分能力

如果我们无法识别并优先考虑人类教师为课堂带来的价值，就可能面临被取代的风险。我们必须研究人类智慧、创造力以及人际关系所带来的影响。

AI可以模仿教师解释、反馈、规划，甚至鼓励，但它无法建立教师与学生之间真实而真诚的关系。问题在于，极少有学校真正思考过教师在实际操作中的角色是什么。若缺乏这种明确的界定，模仿就会与替代变得毫无区别，尤其是在财政压力巨大的地区。

人类能做到而AI无法做到的，恰恰体现在各种关系之中：人与人之间的关系、人与物之间的关系（即共同打造某物时那种需要时间沉淀的过程），以及人与环境的关系（例如在课堂上作为共同体学习的感受）。

与学生建立了信任关系的教师，能够给出带有评判意味的反馈，而这是聊天机器人无法真正复制的。学生或许更倾向于AI提供的反馈，因为那不含评判色彩；然而，做出评判正是教师职责的一部分。

报告据此提出的建议行动为：

• 要求每个年级组以书面形式回答以下问题：我们有哪些工作是AI无法模仿、且必须由具备资质的专家型教师来完成的？我们该如何向校董会证明这一点？应将这些回答视为一份动态更新的文档，而非一次性的任务。

• 维护并研究那些依赖人际互动的教学实践，例如：晨会、修复性圆圈会议、共同构建探究活动、实验室结对合作、表现反馈以及导师辅导项目。

• 抵制过度推崇“超个性化”的论调。基于AI的个性化辅导会让学生彼此孤立。学校是为数不多的能让学生共同学习的场所之一，这并非是需要通过技术手段“优化”掉的缺陷。

• 将AI提供的反馈视为人类反馈的准备环节，而非替代品。聊天机器人可以辅助学生完成初稿，但唯有教师能向学生阐明作品的意义并给予认可。

6.教师必须被许可进行妥协、调整和反复尝试

学校应营造一种支持性与协作性的文化，赋予教师自主权，并鼓励他们寻求解决我们所面临棘手问题的更好方案。

在教育报告中看到“许可”这个词很奇怪。教育工作者是专业人士，他们本不需要许可。但实际上，许多人确实需要。一些地区采用了预先设计的课程方案，并要求严格遵循。某些州的示范课明确标注为“不可作为教案使用”，但实际仍被用作教学脚本。

教师们清楚，他们将依据一份评分标准接受评估，而该标准的制定者并未预料到学生现在所需的重新设计。

但仅仅许可还不够，教师还需要充足的时间、基于证据的指导机制，以及一种将失败的尝试视为专业学习而非评估负担的文化。

报告据此提出的建议行动为：

• 向学区领导发出明确的书面许可：今年我们将进行教学改革。明确允许哪些差异化做法、需要哪些证据以及可获得哪些支持。

• 建立鼓励迭代的观察评价标准。尝试新方法但效果不佳的课程并非教学缺陷，而是一种专业行为。

• 建立小型、自愿参与的教师学习社区，专注于AI时代的教学改革。切勿强制要求。首先从那些愿意参与设计工作的教师开始。

• 将许可与指导原则相结合：简要的证据核查（研究对这种方法有何看法？）和总结汇报流程（哪些有效，哪些无效，下一步是什么？）。

• 利用学校图书馆员作为跨部门联络人。他们接触到每个年级、每个科目、每位教师；他们可以识别并促成那些具有更大影响力的教学改革方案。

7.真正的AI危机在于我们如何把握这一机遇

虽然不会存在完美的解决方案，但我们（学生、教师、机构、社会）有机会探索并推动我们在工作中的创新变革。

教育正面临一个前所未有的局面：关于家庭作业、评分、课程设计以及高中毕业文凭意义等长期存在的假设，几乎同时被质疑。包括纽约州在内的各州正逐步推行“毕业生画像”及其他评估改革措施。对于一个向来不鼓励质疑既定假设的行业而言，这无疑是一个非同寻常的突破口。关键在于，教育界是否具备足够的想象力、韧性以及结构性支持，来把握并利用好这一机遇。

AI应用与带来的教育颠覆性变革很可能会持续加深。这意味着，重塑工作的开展必须融入机构的文化之中，而不应仅仅被视为一种应急反应。与此同时，AI的兴起及其作为变革主要推动力的时代定位，也为学校在这一动荡时期找到了一个“替罪羊”。或许，这场危机所蕴含的机遇在于：我们可以借AI之势，将那些长期探讨却迟迟未能落实的变革付诸实践。

报告据此提出的建议行动为：

• 制定一份长远愿景声明，阐明机遇，而不仅仅是风险。具体说明：如果我们能够以有效方式利用AI，三年后学生的学习、教师的教学以及评估将有哪些不同？

• 将AI驱动的变革与其他州级变革（例如纽约州的“毕业生画像”或其他州的类似举措）对齐，以便各学区能够同步推进类似的变革。

• 为变革预留充足的时间，而不仅仅是“见缝插针”的时间。变革失败最常见的原因是缺乏资金。可以考虑采用类似“教学冲刺”的分阶段策略来构建工作框架。

• 将学生的声音融入变革设计中。学生是唯一能够体验这些变革综合影响的人。如果主动询问他们，他们会告诉哪些方面行之有效。

• 将学校图书馆员视为学区内的研发部门。他们对课堂的广阔视野、信息评估能力以及与LibraryReady.AI课程体系和学习路径的紧密联系，使他们成为理想的变革合作伙伴。

8.在教育中回避AI并非可行之选

AI不可避免，若不采取措施减少其危害，将加剧由算法蓄意设计以从人类身上榨取利益而造成持续公共卫生危机。

对于AI在教育中的应用，问题的关键不在于要求每位学生都必须使用AI，也不在于要求每位老师都必须利用它进行教学；而在于教育机构必须公开、明确地正视这一问题。否则，学生将独自面对那些旨在最大化用户粘性而非促进学习的产品。

例如，社交媒体之所以演变成一个公共心理健康问题，绝非偶然。当广告商和“用户粘性指标”渗透并主导了那些被青少年用于维系友谊乃至构建自我认知的平台设计时，问题便随之产生。其他AI产品也正沿着同样的轨迹发展。例如，当聊天机器人向一周未登录的用户发送“我想你”之类的邮件时，这绝非无关紧要的闲置功能。

因此，教育机构有责任教导学生如何清醒、审慎地应对这一现实。即便学校接纳了这些新工具，学生仍应有权选择不将AI用于特定作业——无论是出于伦理或艺术考量、环保顾虑，还是其他任何原因。

然而，有一点是不可回避的：教育机构必须开展AI相关教育，帮助学生为那个不可避免的未来做好准备。如果某个学区在处理学术诚信问题时关注AI，却忽视了AI对青少年社交生活的影响，那就是低估了问题的严重性。

报告据此提出如下建议行动：

• 摒弃“禁止AI”或“强制使用AI”的简单二分法，转而采用明确的“减少危害”政策。具体列出潜在危害（如基于用户粘性的设计、准社会关系建立、深度伪造滥用等）及相应的缓解措施。

• 认识到从小学阶段开始教授AI知识的必要性，以便学生为应对日益融入各类工具和产品的AI技术做好准备。

• 将AI素养教育融入现有的媒介素养、健康及公民教育课程体系中，而非单独开设AI课程。既然AI带来的危害具有生态性（即影响广泛且相互关联），应对策略也应具备同样的系统性。

• 采用LibraryReady.AI制定的K-12阶段教学大纲与进度安排作为核心框架。该框架按年级段划分，便于图书管理员操作，且专为各级各类课堂的此类教学需求而设计。

• 针对涉及AI使用的特定任务，建立清晰且低门槛的学生“选择退出”机制，并确保该机制不会给学生带来负面标签或污名化影响。

• 以公共卫生标准来审视和要求AI供应商。如果某款产品的行为模式类似于烟草公司，学区应敢于公开指出这一点，并拒绝续约。

报告最后指出，“罗切斯特诘思”（Rochester Provocations）之所以刻意令人感到不安，是因为过去几十年里，那些令人感到舒适的既定框架所推动的教育技术应用，并未真正改变教学实践或提升学生学业成就。

除非教育界能借此契机，坦诚审视AI所揭示的种种问题——即那些未能真正评估预定目标的评估方式、那些无法激发思考的课程内容，以及那些未能赋予教师专业自主权的文化环境——否则AI也无法带来实质性的改变。

好消息是，我们所需的变革举措并非新事物。早在生成式AI问世之前，许多有远见的教育工作者就已在倡导这些变革；AI的到来，只是让这些变革显得更加迫在眉睫。

“生态视角”预示着，这些变革的影响将远超我们预先的规划——它们将渗透到教师招聘、日程安排、家庭参与、大学招生，乃至我们尚无法用现有语言定义的未来劳动力市场之中。

面对这一切，正确的应对之道并非试图预测未来，而是建立起一种包含探究、迭代与协作的机构文化与习惯，使学区能够以快于环境变化的速度不断学习与进化。教师、学校图书馆员、校长及课程负责人：你们正是将这一切变为现实的关键力量。这些挑战性议题是一份邀请，而非定论。接下来该如何行动，取决于你们。

资料来源：

School Library System of Genesee Valley BOCES．Teaching About.AI A Report for the K-12 Field Based on The Rochester Provocations．https://teachingabout.ai/wp-content/uploads/2026/06/TeachingAbout.AI-K-12-Field-Report.pdf

[本文为教育部国别和区域研究基地中国教育科学研究院国际教育研究中心成果]

本文由中国教育科学研究院“教育国际前沿”课题组整理，课题组负责人张永军，编辑刘强。点击左下角阅读原文可下载该文献。