人工智能赋能基础教育教学的创新路径研究报告

基于滕州市第五中学及枣庄市城乡样本学校的实践探索

周后勤 秦真国 苏唱 孙淑敏 宋华丹

（滕州市第五中学）

摘要：人工智能赋能基础教育的核心难题，不在于工具供给的丰富程度，而在于工具能否嵌入日常教学流程并产生可检验的育人效果。本课题以滕州市第五中学及枣庄市城乡样本学校为基地，通过问卷、访谈与课堂观察，识别出县域高中人工智能应用中的“仪式化应用”倾向及其制度根源。在“目标锚定—场景适配—人机分工—证据反馈”分析框架下，形成课堂情境重构、学情精准诊断、作业分层改进、评价过程化四条操作路径，并依托学校“137小组竞学”课堂模式与“一课一研”教研制度完成校本化嵌入。实践证据表明，人工智能的教学效能受教师支持质量的调节而非由工具属性独立决定，路径的有效性取决于其与既有教学组织结构之间的嵌入质量。报告据此提出面向区域决策的教研制度化、分层教师支持与县域资源中枢三项建议。

关键词：人工智能；基础教育；县域高中；人机协同；嵌入逻辑

一、问题提出

2026年，教育部等五部门印发《“人工智能+教育”行动计划》，提出推动智能技术与教育“全要素融合、全过程贯通、全场景覆盖”。2025年印发的《县域普通高中振兴行动计划》进一步将教育数字化赋能列为县中振兴的重要举措，明确“推动人工智能赋能教育变革”的政策指向。山东省同步实施中小学人工智能教育“十大行动”，将人工智能素养纳入学生综合素质评价。政策信号清晰，技术供给日趋丰富，平台和工具持续进入学校。

然而，在县域高中的日常教学现场，一个结构性落差持续存在。枣庄市市中区与科大讯飞合作部署智慧教育硬件超过3.1万台套，滕州市依托教育云平台建成155个智慧校园平台，注册教师用户1.6万人。硬件底座不可谓不厚实，但本课题前期课堂观察发现，在22节应用人工智能工具的观察课中，工具使用集中于导入环节（14节），探究与练习环节骤减至5节和4节，评价环节仅2节涉及。人工智能在多数课堂中扮演的是“更精致的课件”角色，尚未深度介入学生的学习过程。

这一现象有更深层的结构成因。有研究指出，当前以硬件交付为主的投入方式具有“静态化、标准化与孤岛化”特征，难以适应县域高中教育生态的动态需求。技术乐观主义的政策预期与学校层面的组织条件之间存在一个尚未被充分处理的“中间地带”：学校与教师究竟以什么方式将人工智能转化为日常教学的有效支撑，而非停留在展示性场景之中。本课题要回答的核心问题因此不是“人工智能能做什么”，而是：在县域高中既有的办学条件、师资结构与教研制度下，人工智能以什么样的方式嵌入教学流程，才能从“展示性应用”转向“常规性支撑”，并产生可观察、可检验的学习效果。

二、核心概念界定与理论框架

（一）核心概念界定

基础教育。本课题所称“基础教育”，采用国家政策文件中的通行界定，涵盖学前教育、义务教育和普通高中教育。《基础教育课程改革纲要（试行）》明确新的课程体系“涵盖幼儿教育、义务教育和普通高中教育”。以普通高中为集中探讨的范例，基于两点考虑：其一，县域高中在硬件条件、师资结构与教研制度上集中体现了人工智能落地“最后一公里”的典型约束，深度观察高中场景有助于形成对同类学校具有迁移价值的路径判断；其二，课题样本同时覆盖初中与小学学段，路径设计在基础教育内部保持跨学段参照意图，而非将“基础教育”窄化为高中学段。

人工智能赋能教学。本课题不将其理解为人工智能工具在教学中的叠加使用，而界定为：以人工智能技术为支撑，通过重构教学流程中的信息采集、判断与反馈环节，使教师的学情诊断、教学决策与评价反馈获得更充分的证据基础，从而实现精准施教与个性化学习的育人模式。这一界定强调“赋能”的实质是改善教学决策质量，而非增加技术使用频率。

人机协同。指在教学流程中依据“人控、育人、赋能”原则划分人与技术的功能边界：人工智能承担数据处理、模式识别与初步反馈等可形式化任务，教师承担价值判断、学情解释、情感支持与教学决策等不可替代的专业职能。人机协同以教师的专业判断为主导，技术的信息处理能力为支撑。

课堂互动数据。指课堂教学过程中通过智能互动设备与技术实时采集的学生学习行为数据，包括答题正确率、参与分布、响应时长等可观察指标。本课题强调其“决策支持”属性：数据采集以能够支持教师当堂或课后作出教学调整为限。

学生数字成长档案。指依托智能平台动态形成的学生学习过程记录。本课题对其功能界定为“可行动的记录”：档案的价值在于学生能够据此识别改进方向、教师能够据此调整教学策略，评价的发展性功能优先于管理性功能。

（二）分析框架：从“工具逻辑”转向“嵌入逻辑”

既有研究在讨论人工智能赋能教学时容易陷入两种简化：一是将工具的功能属性直接等同于教学效果，二是脱离学校的具体组织条件来设计应用路径。本课题的理论立场是：人工智能的教学效能并非工具的内在属性，而是工具与教学场景、教师判断、制度安排之间互动的产物。元分析证据为这一立场提供了直接支持：生成式人工智能干预对学生学业成绩的整体效应量为g=0.683，但有教师支持时效应量达到g=1.426，无教师支持时仅为g=0.077。这意味着，决定效果的关键变量不是工具本身，而是工具被嵌入何种教学关系之中。

这一判断也与AI-TPACK框架的指向一致：技术知识必须与学科教学知识、教学法知识深度融合，教师才能在具体内容领域中做出有意义的技术决策。据此，本课题构建“目标锚定—场景适配—人机分工—证据反馈”四维分析框架：每一条路径须明确回答“解决什么教学问题”，须区分课前、课中、课后不同场景的功能需求，须划定人工智能与教师的职能边界，须预设可被教学实践检验的证据指标。这一框架的实践含义是：在县域高中条件下，最有价值的应用未必是技术最前沿的应用，而是那些能够以较低组织成本嵌入既有教研结构、并且效果可以被教师直接感知的应用。

三、现状诊断

本课题于2026年6月至7月在滕州市第五中学、滕州市第二中学、滕州市第十一中学、西岗中学、柴胡店中学、滕州市实验小学等样本学校实施调研，回收有效问卷210份（40—49岁教师占51.9%，乡镇教师占68.6%），深度访谈22人次，课堂观察35节。

第一，应用形态的“前端集中”与“过程缺席”。工具使用高度集中于导入环节，在探究、练习和评价环节显著衰减。多位教师坦言，导入环节使用人工智能“最安全、最可见、最不容易出问题”，而进入需要即时判断的探究与评价环节后，操作复杂性和反馈延迟就成为障碍。这说明“仪式化应用”不仅是认识问题，更是场景适配问题：现有工具在低风险、展示性环节的可用性，显著高于在高认知负荷、高互动性环节的可用性。

第二，教师使用分化的“心理—制度”双重根源。40岁以下教师“经常使用”的比例为30.5%，50岁以上仅为17.6%。年龄差异背后更值得关注的是心理层面的“操作焦虑”——多位45岁以上教师提及“怕点错了把系统弄乱”“培训讲得太快跟不上”。这种焦虑的实质是对在不可逆的课堂情境中失去控制感的担忧。与此同时，多数样本校尚未将人工智能应用纳入教研常规或教师考核。技术落地的“最后一公里”，在很大程度上不在于技术一侧，而在于学校是否提供了使应用“值得做、可以做、持续做”的制度条件。相关研究同样指出，县域高中在人工智能普及中面临资源投入不可持续、师资能力分化、公平保障不足等多重隐忧。

第三，硬件条件的“可用但不稳定”。城区样本校具备千兆网络和交互式智慧黑板，两所乡镇样本校虽有微机室，但终端数量有限，高并发时段网络卡顿明显。这一条件约束的实践含义是：路径设计必须考虑“低带宽、间歇性连接、设备轮用”的现实，而非默认城区学校的硬件条件为普遍前提。

四、创新路径设计

四条路径均按照“问题指向—操作要点—学科示例—检验指标”的结构展开。

（一）课堂情境重构路径：以学科认知障碍为锚点

问题指向：导入环节的“仪式化应用”之所以普遍，是因为情境创设往往服务于“课堂气氛”而非“学科认知”。人工智能生成的情境素材如果与学生的具体认知障碍无关，就只是装饰。

操作要点：情境设计的第一步是识别该课时的“认知瓶颈”——学生在哪个概念、推理环节或表征转换上最容易出现困难。人工智能的介入方式据此确定：抽象概念缺乏直观参照时，使用仿真模拟或动态可视化；历史情境存在距离感时，使用场景还原与角色对话；文本解读体验不足时，使用多模态素材辅助品读。情境必须服务于后续的探究任务，而非在导入结束后即被搁置。

学科示例：高中化学《离子反应的应用》课例中，教师识别出学生的认知瓶颈在于“微观离子行为不可见”，使用动态模拟呈现离子迁移与反应过程，并将模拟画面与宏观实验现象、符号表征同步对照。高中历史《辛亥革命》课例的迭代具有方法论意义：第一轮AI生成视频时长4分钟，挤占了学生讨论时间；第二轮调整为“短片段+关键帧暂停提问”，情境从“替代阅读”转变为“服务于阅读”，课堂时间分配才趋于合理。

检验指标：情境环节结束后学生能否在后续探究中自主调用情境信息；情境时长与核心学习活动时长的比例是否合理。

（二）学情精准诊断路径：以“可用数据”而非“数据总量”为标准

问题指向：县域高中教师面对数十名学生，学情判断长期依赖经验与阶段性考试。人工智能的介入容易走向另一极端：采集大量数据、生成复杂报表，但教师提取有用信息的成本过高，最终被搁置。

操作要点：诊断路径的设计原则是“最小必要数据，最大决策支持”。课前使用轻量级问卷工具进行前置摸底，聚焦2—3个关键前置概念的掌握情况，使教师能够在备课的最后环节做出调整。课中利用互动工具的即时反馈捕捉全班答题正确率与参与分布，作为教学节奏调整的依据，而非生成完整的课堂分析报告。课后将作业与测验中的典型错误按知识点归类，形成“薄弱点清单”而非“全景画像”。

学科示例：数学学科利用智能题库的作答数据定位班级在特定知识点上的集中错误类型，教师据此在下一课时安排针对性变式训练。语文学科在作文批改中使用智能工具的初步分类功能，按“论证结构”“素材使用”“语言表达”等维度做初步归类，教师在此基础上抽样精批和共性讲评，将时间从逐篇通读中释放出来。

检验指标：教师是否在获得数据后实际调整了下一课时的教学设计；调整后的教学是否覆盖了数据揭示的主要薄弱点；教师提取有用信息的时间成本是否在可承受范围内。

（三）作业分层改进路径：把教师从“批改执行者”转变为“反馈设计者”

问题指向：作业环节的负担结构是双重的：教师的时间大量消耗在机械批改上，学生获得的反馈却往往是延迟的、笼统的。

操作要点：客观题由系统完成自动判分与统计，教师直接获取正确率分布和高频错题清单。主观题采取“AI初筛+教师复核”模式：系统按预设标准给出初步分类和典型问题标记，教师对标记结果进行复核、修正和补充，重点处理系统难以判断的深层问题（如论证逻辑、创意表达）。在此基础上，系统按知识点自动归集错题并推送补偿练习，教师根据班级共性薄弱点设计分层作业。

学科示例：英语学科利用智能批阅完成客观题与基础语法错误的初步处理，教师将节约的时间用于面批作文中的逻辑衔接与表达质量。化学学科将智能批阅生成的班级错误分布直接转化为下一课时的讲评重点，使讲评从“按题号顺序”转向“按错误类型组织”。

检验指标：教师用于机械批改的时间占比是否下降；学生获得反馈的周期是否缩短；分层作业的完成率与针对性是否可观察。

（四）评价过程化路径：以“可行动的记录”替代“堆积的档案”

问题指向：过程性评价在实践中容易蜕变为“数据堆积”：记录越来越多，用于改进教学和学习的行动却越来越少。

操作要点：评价设计的起点是“谁在什么情境下会使用这些数据、用来做什么决策”。对学生而言，档案的核心功能是帮助其识别“下一步学什么、怎么学”，记录应以可理解的语言呈现进步轨迹和待改进点。对教师而言，档案的价值在于揭示班级层面的共性趋势和个别学生的特殊需求。对学校管理者而言，档案的功能是监测整体学习状态和资源配置需求，而非用于简单的横向比较。

学科示例：美术学科《人机共绘·水墨新境》课例中，学生的创作过程（构思草图、人机交互记录、修改轨迹、最终作品）被系统记录，评价不仅关注最终作品，也关注学生在“传统笔墨意境理解”与“人工智能生成控制”之间的协调能力，使“艺术素养”这一通常难以量化的维度获得了可观察的载体。

检验指标：学生是否能够基于档案说出自己的改进方向；教师是否在教学设计中使用了档案信息；档案记录是否在学期进程中产生了实际的调整行动。

五、校本化落地：嵌入既有制度

路径设计要避免“悬空”，关键在于找到学校已有的组织“接口”。滕州市第五中学的两项既有制度为人工智能的嵌入提供了现成的结构。

（一）嵌入“137小组竞学”课堂模式

滕州五中“137小组竞学”模式以学习小组为载体，立足“一案三学”，以“检查预学、明确目标、自主独学、合作助学、展示竞学、归纳总结、达标练习”七环节为教学流程。本课题的实践不是在这一模式之外“增加”人工智能环节，而是将人工智能嵌入小组竞学的既有流程：在合作助学环节，由人工智能提供差异化的资料包或情境素材，使各组面对的问题具有适度的信息差；在展示竞学环节，小组利用智能工具对观点进行可视化组织或快速呈现。人工智能的角色由此从“教师讲台上的工具”转变为“学生小组工作台上的工具”，与“137模式”的自主、合作取向形成结构上的契合。

（二）嵌入“一课一研”教研制度

滕州五中的“一课一研”制度要求备课组完成研案主备、集体研备和复备授课的完整流程。本课题将人工智能应用纳入这一流程的特定环节：在研案环节，主备人须说明本课时拟使用的AI工具及其与教学目标、认知瓶颈的对应关系；在研备环节，备课组讨论“这个工具在这个环节是否必要”“是否有更简单的替代方案”“预期效果如何检验”；在复备与反思环节，教师记录工具使用的实际效果与偏差。这一安排的意义不在于增加教研负担，而在于将“是否用、用什么、怎么用”从个人化的随意决策转变为备课组的集体审议对象。

两项嵌入的共同逻辑是：不改变学校已有的教学组织结构和教研节奏，而是利用其中已经存在的“协作节点”与“反思节点”，使人工智能应用从边缘性的额外任务转变为常规教学流程的内在组成部分。

六、实践成效与检验

本部分呈现的是阶段性、有限范围的实践证据，证据类型以课堂观察记录、教研记录和教师访谈追踪为主，辅以可获得的学业数据。报告如实标注证据性质与局限，不以印象性判断替代效果结论。

（一）课堂形态的可观察变化

在化学《离子反应的应用》与历史《辛亥革命》两轮迭代课例中，课堂观察记录显示：情境环节的时长从初轮的5—6分钟压缩至3分钟以内，释放出的时间转入探究与讨论环节；学生在情境结束后进入探究任务时，提及或调用情境信息的频次从初轮的少数学生扩展到多数小组。这一变化与情境设计从“替代阅读”转向“服务于阅读”的调整直接相关，说明课堂情境重构路径的检验指标（情境的信息可调用性、时长比例）具有实践区分度。

在“137小组竞学”模式下嵌入人工智能工具的课时中，观察记录显示小组在“合作助学”环节的信息检索与素材调用行为明显增多，部分小组在“展示竞学”环节使用智能工具对观点进行结构化呈现。需要指出的是，这一变化目前主要体现为行为频次的变化，尚不足以断言其对合作学习质量或学业成绩产生了稳定的独立贡献。

（二）教师行为的可观察变化

“一课一研”教研记录显示，在课题推进的后半段，备课组研案中涉及AI工具审议的课时占比有所上升，部分备课组开始主动讨论“这个工具是否必要”而非默认使用。这一变化的意义在于：工具选择正在从个人化决策进入集体审议的范畴。45岁以上教师中，接受“一对一伴随式”支持的部分教师在后续课时中实现了从“从不使用”到“偶尔使用”的转变，其自述的关键变化不是技能提升，而是“知道出问题可以找谁、怎么恢复”，操作焦虑有所缓解。但这一转变的覆盖面有限，尚不能视为教师能力分化的系统性改观。

（三）需要诚实呈现的“未达预期”

学情精准诊断路径在数学、语文等学科的部分课时中产生了可观察的教学调整，但在另一些课时中，教师获取数据后并未实际改变教学设计，数据采集与教学决策之间仍然脱节。作业分层改进路径在客观题批改环节的时间节约效应较为明确，但主观题“AI初筛”的准确率在论证逻辑和创意表达维度上仍不足以支撑教师的大幅放手，教师复核的工作量虽有下降但幅度有限。评价过程化路径的实践最为初步，学生数字成长档案的“可行动性”在多数场景中尚未充分实现，档案信息在学期进程中被调取用于教学调整的频次仍然偏低。

上述不均衡提示：四条路径的成熟度并不相同，情境重构与客观题批改是当前条件下嵌入成本较低、可观察变化较明显的路径；学情诊断与评价过程化则对教师的数据解读能力和教研制度的支撑强度提出了更高要求，其效果的显现需要更长周期和更系统的条件配套。

 七、政策建议

基于上述研究发现，面向区域教育决策层面提出三项建议。

第一，将人工智能应用审议嵌入县域高中的常规教研制度，而非另设专项培训体系。 本课题的实践表明，工具使用从“随意”走向“有依据”，主要不是通过集中培训实现的，而是通过“一课一研”中备课组的集体审议逐步形成的。建议在县域高中教研制度中明确要求：备课组研案环节须对拟用AI工具与教学目标的对应关系作出说明，研备环节须保留对工具必要性的讨论记录。这一安排的制度成本低、与既有教研流程兼容，且比独立的“AI教学能力培训”更有可能改变教师的日常决策行为。相关研究亦指出，县域高中人工智能教育的困境不能仅靠外部资源输入解决，需要将技术应用嵌入学校教育的组织肌理之中。

第二，建立面向县域高中的“分层伴随式”教师支持机制。 教师使用分化的根源不仅是技能差距，更是心理控制感和制度激励的差距。建议区域层面不追求统一的培训课时和覆盖率指标，而是支持学校建立两种低成本、可持续的支持形式：一是校内“伴随式”支持，由已具备应用经验的骨干教师在真实备课场景中与操作焦虑较强的教师共同完成一次工具使用，降低“在课堂上出错”的心理门槛；二是跨校“课例复盘”机制，以学科为单位，定期围绕一节已实施课例的“设计—实施—调整”过程进行复盘，将培训内容从“工具功能介绍”转向“学科教学决策”。元分析中教师支持对GenAI效果的强调节作用（g=1.426 vs 0.077）为这一建议提供了实证依据：投资于教师支持的质量，比投资于工具的数量更有可能产生教学效果。

第三，以“县域教育云服务+资源中枢”替代分散的硬件配置逻辑，降低乡镇学校的常态化应用门槛。 本课题调研中乡镇样本校的终端轮用与网络卡顿问题表明，以“一校一配”为默认逻辑的硬件投入模式难以支撑常态化应用。建议在县域层面优先采用教育云服务模式，由县级平台统一提供轻量级AI工具、算力与课程资源，学校按需调取，降低单校运维成本和技术门槛。同时建设县域人工智能教育资源中枢，重点不是汇聚海量资源，而是建立“课例—工具—教研记录”的关联索引，使一所学校的有效经验能够以可检索、可复用的方式进入其他学校的备课流程。资源中枢的评价指标不应是资源数量或访问量，而应是“被其他学校在备课中实际引用的课例数量”。

八、研究局限与结论

（一）局限

本研究的样本以滕州五中及枣庄市部分城乡学校为主，样本规模和区域覆盖有限，路径方案向其他县域高中迁移时需要结合当地师资结构与硬件条件做适应性调整。实践成效部分的证据以质性记录和小范围行为观察为主，缺乏严格的前后测对照设计，路径的独立效应有待后续在更大样本和更长周期中检验。个性化教学路径的全流程闭环在本研究周期内仅完成局部验证，其完整运行效果尚不确定。

（二）结论

在县域高中的现实条件下，人工智能赋能教学的关键变量不是工具的技术水平，而是工具与教学流程、教研制度之间的“嵌入质量”。四条路径的有效性，最终取决于它们是否被学校的既有结构所接纳、是否被教师的日常决策所调用、是否被可观察的学习证据所支持。元分析中“有教师支持”与“无教师支持”之间的巨大效应差距，与本课题“一课一研”中集体审议所产生的行为变化，指向同一个结论：人工智能的教育价值需要通过教师的专业判断和有组织的教研实践来中介，而非由技术自动释放。

这一判断的政策含义是：推进基础教育人工智能应用，在继续改善硬件条件的同时，需要将注意力转向学校层面的“制度接口”建设——教研制度是否容纳技术审议，课堂组织是否为学生使用工具留出空间，教师支持是否触及真实的教学决策场景。对于办学条件相近的县域高中而言，一条工具未必最先进、但嵌入扎实、证据可循的路径，远比一套功能齐全但游离于教学流程之外的技术方案更有价值。

参考文献

[1] 教育部等五部门.“人工智能+教育”行动计划（教科信〔2026〕1号）[Z]. 2026.

[2] 教育部等六部门.县域普通高中振兴行动计划[Z]. 2025.

[3] 山东省教育厅等6部门.关于中小学人工智能教育“十大行动”的实施意见（鲁教基函〔2025〕47号）[Z]. 2025.

[4] Gu J, Yan Z. Effects of GenAI Interventions on Student Academic Performance: A Meta-Analysis[J]. Journal of Educational Computing Research, 2025, 63(6): 1460-1492.

[5] 普及人工智能教育赋能县域高中振兴的隐忧与纾解[J].电化教育研究, 2026(08).

[6] 郭庆，乔翠兰，黎俊玲，等.论学科视角下生成式人工智能何以赋能教学——以科学项目式学习为例[J].中国电化教育, 2026.

[7] 智能时代教师数字素养的理论发展与实践路径——基于AI-TPACK框架的探索[J].文教资料, 2025(13).

[8] 人工智能何以赋能县中教师[J].中国电化教育, 2026(06).

[9] 人工智能时代人机协同教学模式设计与应用研究[D].东北师范大学, 2025.