学校推进 AI 辅助教学，怎样从一门课开始试点？

学校推进 AI 辅助教学，更稳妥的起点不是全校统一铺开，而是选择一个学科、一项高频任务和一小组参与教师，在限定时间内完成可停止、可复盘的试点。先验证教学价值、教师总工作量和信息处理边界，再决定保持、调整还是扩大。

这里的“一门课”，指一个学科或一个学科教研组，而不是只试一节课。只试一次，容易受到课题难度、教师熟悉程度和课堂偶然情况影响；一开始覆盖全校，又很难分清问题来自工具、任务设计、培训还是组织流程。

如果学校还没有比较候选工具，可以先参考《AI 教学工具怎么选？教师不要只比较“能不能生成”》。工具确定后，试点的重点就不再是演示功能，而是观察它在重复教学任务中是否稳定可用。

第一步：先写清楚要解决的问题，不把“使用 AI”当目标

“让教师都用上 AI”不能作为试点目标，因为它只记录工具有没有被打开，没有说明教学工作发生了什么变化。

更具体的问题可以是：

• 单元复习练习准备耗时较长，能否在保证准确性的前提下减少重复整理？
• 同一知识点需要不同难度的练习，教师能否更快得到可修改的初稿？
• 课后常见错误较零散，能否在匿名化后形成更清楚的讲评提纲？
• 教案已经完成，能否更顺畅地整理成课堂可用的课件结构？

一轮试点只选一个主要问题。问题越具体，越容易确定收集什么证据，也越容易在效果不好时找到原因。

可以先填一张试点任务卡：

“暂不涉及”这一栏很重要。它能防止试点过程中因为发现新功能，不断把范围扩展到学生评价、全校账号或其他学科。

第二步：选择高频、可核验、后果可控的任务

第一轮试点适合选择老师经常做、结果容易检查、出错后可以在使用前修改的任务。教案框架、课件大纲、课堂问题和练习初稿通常比自动给出学生评价更适合作为起点。

可以用四个问题筛选：

1. 这项任务是否会在试点周期内重复出现，而不是只做一次？
2. 学科教师是否能独立判断生成结果对不对、能不能用？
3. 结果是否会在进入课堂前经过教师审核？
4. 如果工具不可用，原有工作方式是否能继续？

如果四个问题里有一项无法回答，就先缩小任务。关于哪些决定必须保留给老师，可以结合《一节课里哪些环节适合交给 AI，哪些必须由老师完成？》确定审核边界。

第三步：把参与角色和责任写出来

试点不能只交给一位“比较懂 AI 的老师”。至少要明确下面几类责任，可以由同一个人兼任，但不能无人负责。

学校管理者不应只看一次公开演示，参与教师也不应独自承担工具选择、信息安全、学科审核和成效证明。角色明确后，出现问题才知道由谁暂停、由谁核查、由谁决定恢复。

第四步：先确定输入边界和教师审核点

在首次使用前，学校需要写清楚三类材料：可以输入、经过处理后可以输入、不得输入。

第一轮试点可以优先使用教材范围、教师自编材料、公开或已获授权的资料，以及不包含学生身份的信息。需要分析课堂或作业问题时，先去除姓名、学号、联系方式、可识别面部和其他不必要的身份信息，再判断是否属于试点允许范围。

《中华人民共和国个人信息保护法》将不满十四周岁未成年人的个人信息列为敏感个人信息，并规定了相应的处理要求。具体试点需要结合学生年龄、实际材料、平台处理方式、学校制度和适用规定进行审核，不能因为账号可以上传，就默认材料适合上传。

同时标出每项输出的审核人：

• 教案和课件由任课教师核对目标、知识与课堂适配；
• 题目由学科教师核对题干、答案、解析、难度和知识范围；
• 图片、引用、数据和事实材料核对来源与使用条件；
• 涉及学生表现的归纳只作为教师判断的参考，不直接形成评价结论。

审核不是试点结束前补做的一张表，而是每次生成进入教学流程前的固定步骤。

一个可调整的四阶段试点节奏

下面是一种四阶段安排，不是所有学校都必须采用的固定周数。学校可以根据教研节奏延长，但不要省略准备和复盘。

第二阶段先不急着上课，目的是让教师熟悉修改方式，并暴露知识错误、格式问题和流程障碍。进入课堂后，也只使用已经审核的材料，不在学生面前临时依赖未经核验的生成结果。

评价试点，不只看“生成快不快”

一次生成用了几十秒，并不等于教师工作量下降。试点应该记录从准备输入、等待生成、核对修改、导出搬运到最终可用的总时间。

可以从四个方面收集证据：

1. 教学可用性

• 初稿中哪些内容被保留，哪些被删除或重写？
• 生成材料是否紧扣目标、教材范围和学生基础？
• 课堂上是否真的使用，使用后暴露了什么问题？

2. 教师工作量

• 完成可用版本的总时间是否发生变化？
• 核对、改写、格式整理和跨工具搬运分别用了多少精力？
• 第一次不熟悉造成的成本，在重复使用后是否仍然存在？

3. 学生学习证据

• 学生是否完成了原定的观察、表达、推理或练习？
• 生成材料是否帮助老师发现了具体误解？
• 后续相似任务中，学生的解释或作答是否出现可观察的变化？

4. 风险与运行情况

• 是否出现事实、答案、引用或难度错误？
• 是否发生不符合输入边界的材料上传？
• 工具故障时，课堂和备课是否能回到原有流程？
• 参与教师是否愿意在同一任务上继续使用，理由是什么？

不要为了证明试点成功，只保留节省时间的教师反馈。有人觉得顺手、有人修改成本更高，往往说明任务、学科或使用方式需要进一步区分。

什么时候应该暂停，而不是继续扩大？

学校应在开始前写明停止条件。出现下面情况时，先暂停相关任务并核查原因：

• 上传了试点规则不允许的学生信息或内部材料；
• 教师无法核验关键知识、答案或来源；
• 同类严重错误重复出现，现有审核流程仍未能及时发现；
• 工具让学生跳过原本必须完成的思考和表达；
• 教师总工作量持续增加，却没有观察到相应的教学价值；
• 故障、账号或导出问题使正常教学无法继续。

暂停不等于否定所有 AI 教学工具。它意味着当前任务、平台或流程尚不满足扩大条件，需要重新限定范围或更换做法。

什么时候才适合扩大？

一次公开课顺利完成，不能单独支持全校推广。扩大前，至少应确认：同一项任务已经重复使用；不同参与教师都能完成审核；没有未解决的数据和权限问题；学校能提供必要的培训与故障支持；试点记录显示收益不只来自某一位熟练教师的额外投入。

扩大时也只扩大一个维度。例如，先从同一备课组增加到同年级其他教师，或者保留原参与教师、从练习初稿增加到讲评提纲。不要同时增加学科、年级、功能和数据范围，否则出现问题时很难定位原因。

一个虚构示例：七年级数学备课组的练习试点

下面是一个虚构示例，用于展示试点设计，不代表任何学校的真实项目或效果。

假设某校七年级数学备课组有三位教师参与，试点任务只限定为“根据已确定的知识范围，生成每周复习练习初稿”。试点不使用学生姓名、成绩单和作业原图，只输入教师整理的匿名错误类型；所有题目必须在发布前核对答案与解析。

准备阶段，三位教师各自保留一份原来制作练习的过程记录。小范围试做时，他们用同一份要求生成材料，统一标注超纲题、歧义题、答案错误和需要重写的表述。随后只把审核通过的题目用于正常课堂，并记录从输入到定稿的总时间，而不是只记生成等待时间。

复盘时，学校不预设“必须推广”。如果某类基础练习能稳定形成可修改初稿，就保留这一项；如果综合题核验和重写成本过高，就继续由教师原有流程完成；如果三位教师对同一问题判断不同，就先调整任务标准，而不是马上扩展到其他学科。

这个试点的结果可以是扩大、缩小、暂停或维持原范围。只要证据完整，明确知道什么有用、什么暂时不适合，试点就完成了它的任务。

在 DreamSchool 中怎样启动这类试点？

学校可以先从 DreamSchool 的一项能力开始，例如教案框架、PPT 大纲或智能出题中的一个具体任务。学科组使用共同的输入模板和审核清单，保留初稿、修改稿和课堂使用记录，再按同一套指标复盘。

不要在第一次培训中同时演示所有能力，也不要要求每位教师立即改变整套备课方式。第 6 篇《用了 AI 备课更快，课堂为什么反而更乱？》提供了生成后删减材料的方法，可以把其中的“必须完成、有时间再做、备用材料”直接纳入试点审核。

学校启动前的十项确认

1. 试点要解决的教学问题是否只有一个主要方向？
2. 是否限定了学科、年级、参与人、任务和结束时间？
3. 是否明确写出本轮暂不涉及的功能与数据？
4. 学科、技术、管理和记录责任是否有人承担？
5. 输入材料边界和平台处理方式是否经过审核？
6. 每种输出由谁核对、核对什么是否已经写清楚？
7. 是否保留了试点前的工作样本，能够进行比较？
8. 是否记录总工作时间、教学使用和风险，而不只记录生成速度？
9. 是否准备了工具不可用时的原有流程？
10. 是否提前约定暂停、调整和扩大的条件？

从一门课开始试点，不是为了降低标准，而是为了让问题可见、责任清楚、证据可比。学校先在一个真实且重复的教学任务中看清 AI 带来的收益、修改成本和风险，再决定下一步，比先要求全员使用、之后再寻找用途更容易形成可持续的实践。