引言

人工智能是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人们的生产、生活、学习方式，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代。我国积极拥抱智能时代的教育变革，围绕“学人工智能、用人工智能、创人工智能、护人工智能”主动布局、超前谋划，促进人工智能与教育深度融合。《国务院关于深入实施“人工智能+”行动的意见》（国发〔2025〕11号）明确提出“把人工智能融入教育教学全要素、全过程，创新智能学伴、智能教师等人机协同教育教学新模式，推动育人从知识传授为重向能力提升为本转变”。与此同时，星火大模型等生成式人工智能（AI）技术和智能黑板、学习机等教育科技产品的突破性发展，让AI拥有了一颗懂教育的心，人工智能已超越传统辅助工具范畴，成为重构教育教学流程、优化教育资源配置、创新育人模式的关键力量，成为迈向智慧教育新阶段的核心引擎。

智慧教育不仅是教育信息化发展的高端形态，更是教育数字化转型的目标形态。人工智能对智慧教育生态的赋能并非单点突破，而是通过典型场景的协同创新，共同构成“技术支撑—场景落地—目标达成”的生态闭环。通过人工智能在教育教学中的创新应用优秀案例（如下图）可以发现，区域和学校聚焦AI在助教、助学、助育、助研、助评、助管等具象场景中的创新应用，彰显了人工智能赋能教育的巨大潜力，也凸显了教育科技企业智能教育产品的支撑价值。

人工智能在教育教学中的创新应用优秀案例“热词”

AI助教：从事务减负到专业赋能的教师支持体系

AI助教场景聚焦教师教学全流程的精准赋能，通过替代重复性劳动、提供专业性支持，推动教师角色从知识传授者向学习设计师转型，其核心体现在课前、课中、课后三个环节的协同发力。

在课前备课环节，AI实现学情诊断、资源生成、方案优化的智能化支撑。例如，广东省广雅中学的实践表明，依托讯飞星火大模型的学科助手功能，教师可快速获取个性化教学设计，自动生成教案、课件与思维导图，大大提升了教师备课效率。这种赋能并非简单的资源堆砌，而是基于学情数据的精准匹配，如浙江省余姚中学教师借助AI分析班级错题数据，然后通过星火大模型生成针对性的校本练习题目，使备课重点与学生需求高度契合。这种人机协同的智能服务解放了教师的生产力，让教师有更多精力专注于课堂教学和情感育人。

在课中教学环节，AI通过智能交互工具实现动态反馈、精准调控、互动增强。例如，星火黑板作为核心交互载体，整合了实时答题、课堂投票、学情可视化等功能。在山东省淄博市临淄区第一中学的数学课堂上，教师通过星火黑板推送探究任务，学生答题数据实时同步至教师端，AI自动识别出共性难点，教师随即调整教学节奏，并增加虚拟实验演示环节，有效提高了学生对知识点的理解与掌握程度。更具创新性的是AI虚拟人的应用，在广州市南沙区湾区实验学校的英语课堂中，星火大模型驱动的数字人与学生实时对话，既创设真实语言情境，又通过、语音识别等技术实时纠正发音错误，提升了课堂互动率。

在课后增效环节，AI承担作业批改、学情分析、反思优化等辅助功能。例如，杭州市滨江区引入搭载教育大模型的“星火智能批阅机”，形成“AI初批+教师精批”的协同模式。更重要的是，AI生成的课堂分析报告能为教师提供专业反思依据，如甘肃县域教师通过AI分析课堂教学视频发现薄弱点，随即在后续教学中进行针对性改进，提升了自主探究型课堂的效果。

AI助学：从统一供给到个性适配的学生服务体系

AI助学场景以“规模化因材施教”为核心目标，通过构建个性化学习路径，实现“每个学生都能获得适合的教育”，其核心机制是精准诊断、动态适配、持续优化的智能循环。

精准诊断是个性化学习的基础，AI通过多维度数据采集实现知识与能力的精准画像。例如，新疆和田市第三小学针对偏远地区学生基础薄弱问题，采用“前置测试+行为分析”的“双维”诊断模式，提升了诊断结果的准确率。这种诊断并非一次性完成，而是伴随学习过程动态更新，以内蒙古赤峰市乌丹二中为例，当学生通过AI系统完成周测后，知识图谱会实时更新薄弱节点，为后续学习提供精准指引。

动态适配体现为个性化学习路径的智能生成与调整。例如，在安徽省宁国市仙霞中心小学的“成长树”系统中，AI根据学生五育数据生成个性化成长建议。若发现学生科学探究能力薄弱，AI会自动推送包含虚拟实验、探究任务单的学习包。学习过程则先通过大模型的动画解析讲解实验原理，再安排实操任务，最后通过AI评测检验效果。对于学业层面的薄弱点，系统采用微课学习、习题巩固、变式拓展的阶梯式设计，如数学“小数除法”错误率较高的学生，会先接收AI生成的方法讲解视频，再完成梯度化习题，在正确率达标后自动进入拓展练习。

持续优化则通过“反馈—干预—验证”的闭环实现。例如，在江苏省淮安市金湖吴运铎实验学校的历史教学中，当学生在VR场景完成历史事件探究后，AI立即生成互动测试，根据答题情况推送针对性史料补充包，并提醒教师进行个性化辅导。这种闭环设计使学习效果得到及时验证，充分体现了个性化学习的优势。

AI助育：从单一评价到全面发展的五育融合体系

AI助育场景聚焦“五育并举”，通过技术手段破解五育评价难、实践弱等问题，构建过程可记录、成长可视化、评价可量化的全人培养体系。

在德育层面，AI实现行为记录、价值引导、协同育人的智能化。例如，浙江省淳安中学构建的数字德育平台，通过整合考勤、奖惩、志愿服务等多源数据，由AI生成学生德育画像。针对课堂异常行为，大模型会生成包含情境分析、情绪管理建议的引导方案，辅助教师开展德育对话。通过AI生成红色教育专题资源，使德育从“说教式”转向“沉浸式”。

在体育与美育层面，AI通过技术赋能实现技能提升、素养培育的双重目标。例如，重庆市璧山区建成AI体育角和AI智慧操场，自动记录学生运动参与情况、技能表现，如学生在练习跳远的过程中，系统自动捕捉学生行为轨迹，并分析动作的准确度，给学生提供练习的建议，提升了学生体质健康达标率。

在劳动教育与五育融合层面，AI构建实践记录、能力评价、生态协同的实施路径。例如，在宁夏银川市兴庆区第二十五小学的“红脚丫”评价平台中，学生通过小程序上传家务劳动、校园服务等视频，AI自动识别劳动类型与完成质量，生成劳育能力评分。更具创新性的是，系统能将劳育数据与智育、德育数据关联分析，如将“植物养护”劳动与生物学科知识结合，生成跨学科成长报告。

AI助研：从经验总结到循证创新的教研升级路径

AI助研场景通过数据驱动的教研模式创新，打破传统教研经验主导、形式化严重的困境，构建了“诊断—设计—实践—反思”的循证教研体系，提升教研活动的针对性与实效性。

精准诊断是循证教研的起点，AI实现教研问题的数据化定位。例如，在甘肃省某县域教研实践中，借助大模型的课堂分析功能，对学科课堂进行多维度评测——AI从目标达成、互动质量、思维层次等维度和观测点提取数据，发现教学中的关键问题，使后续教研活动摆脱“泛泛而谈”的困境。这种诊断并非局限于单节课例，如上海市长宁区通过整合区域内千余节课堂数据，由AI识别出教师数字化教学中的共性问题，构建多方位教学质量监测数据仓库，为区域专题教研提供精准方向。

在教研实施环节，AI提供方案设计、资源支持、过程优化的全流程赋能。例如，在浙江省杭州市滨江区的作业教研中，教师团队借助AI系统开展集体研讨备课，在编写作业时，AI先展示不同难度作业的学情反馈数据，再通过星火大模型生成校本作业设计模板，配套包含题量阈值、难度系数、知识点匹配度的评价工具，使教研成果快速转化为实践方案。广东广雅中学的跨学科教研更具创新性，AI搭建跨学科资源库，自动识别知识点关联点，为教师团队提供项目式学习设计支架，推动教研从学科割裂向融合创新转型。

在成果转化环节，AI实现教研效果的可视化验证。例如，余姚中学的错题教研实践表明，教师团队通过AI追踪教研后学生错误率变化，这种数据化反馈既验证了教研成效，又为后续教研优化提供依据。更重要的是，AI能将优秀教研成果快速规模化推广，如某小学数学教研形成的“AI+实验教学”模式，通过大模型的资源生成功能，自动适配不同版本教材，高效共享优质教研成果。

AI助评：从结果量化到过程增值的评价革新

AI助评场景打破传统评价唯分数论、一次性评价的局限，构建过程性、多元化、发展性智能评价体系，实现评价从鉴定功能向发展功能转型，其核心体现在评价维度、评价方式、评价应用的全面革新。

在评价维度上，AI实现从单一学业到五育融合的立体化覆盖。例如，在安徽省宁国市仙霞中心小学构建的五育评价体系中，AI整合课堂表现（智育）、志愿服务（德育）、运动数据（体育）、艺术创作（美育）、劳动实践（劳育）五类数据，通过机器学习算法生成“成长树”可视化画像，使学生五育发展状况直观可见。这种多维评价并非简单叠加，而是基于育人目标的有机整合，如在合肥市中小学的心理健康评价中，AI将情绪量表数据与课堂行为数据、体育锻炼数据关联分析，生成包含情绪调节能力、社会适应能力的综合报告。

在评价方式上，AI实现从人工评判到智能协同的高效转型。在学业评价领域，浙江省杭州市滨江区的讯飞智能批阅系统创造了“当日作业当日反馈”的实践范例：客观题AI自动批改，主观题采用“AI初评+教师精批”模式，在作文批改中AI完成语法错误检测、内容完整性评分，教师聚焦思想性点评，缩短了作业反馈周期。在过程性评价领域，星火黑板的互动评价功能更具创新性，如在山东省淄博市某中学的数学课堂上，在学生通过黑板完成几何证明后，AI自动识别证明步骤的规范性，同时支持生生互评、教师点评，使评价贯穿学习全过程。

在评价应用上，AI实现从结果呈现到增值诊断的发展性赋能。内蒙古赤峰市乌丹二中的实践表明，AI不仅呈现学生成绩变化，更通过纵向数据分析识别“增值空间”——针对成绩波动较大的学生，AI生成包含知识漏洞、思维短板、习惯问题的增值报告，推送针对性改进方案。这种应用在区域层面优势更为显著，如上海市长宁区通过AI生成义务教育优质均衡发展电子地图，识别和预警优质均衡指标薄弱校，合理配置与学校师生发展匹配的资产，以便于教育资源设点布局和统筹规划。

AI助管：从经验决策到数据驱动的治理优化

AI助管场景覆盖从学校微观管理到区域宏观治理的所有层面，通过数据整合与智能分析，实现教育管理的精准化、高效化与科学化，为智慧教育生态提供保障支撑。

在学校管理层面，AI实现教学管理、学生服务、资源配置的智能化。例如，深圳市某实验学校借助智慧管理平台，通过AI分析课堂互动数据与学业成绩的相关性，随即优化课程表设计，增加自主学习时段；在资源配置上，AI根据各年级错题数据，自动调整校本题库更新重点，使资源供给与学生需求精准匹配。更具温度的是学生服务创新，如合肥市中小学的AI心理监测系统能通过“量表数据+行为识别”双维分析，实现心理危机的早期预警及教育干预。

在区域治理层面，AI推动资源均衡、政策落地、质量评估的系统优化。例如，上海市长宁区构建的区域数据基座，实现“区—校”数据贯通，AI生成的教育电子地图能实时预警师资缺口与生源变化，为学区划分与资源倾斜提供量化依据，提升区域资源配置效率。重庆市璧山区建成“教育数智驾驶舱”，一屏统览区域教育质量、学校发展、师生成长等核心数据，具备智能查询、趋势研判、风险预警与决策支持功能，推动教育治理从经验驱动迈向数据驱动。

在家校协同层面，AI搭建信息互通、责任共担、资源共享的桥梁。例如，安徽省宁国市仙霞中心小学的“成长树”平台向家长实时开放学生五育数据，AI根据学生表现推送个性化家庭教育建议。这种协同并非单向信息推送，而是双向互动，AI自动评价并反馈改进建议，使家校形成育人合力。

人工智能赋能智慧教育生态的挑战与优化策略

人工智能赋能智慧教育生态虽成效显著，但在实践中仍因技术发展与教育规律、人文价值失衡，出现技术与教学适配性不足、教师技术素养存在结构性缺失、伦理风险与数据安全隐患、区域与校际数字鸿沟等问题。针对上述问题，需从理念、技术、机制、伦理四个维度构建系统解决方案，实现人工智能与智慧教育生态的深度融合、良性互动。

一是树立人机协同的教育观。首先要明确AI的定位是“赋能者”而非“替代者”，如广东广雅中学提出的“AI助教+教师主导”原则，将大模型的资源生成功能与教师的情感育人价值相结合；其次要坚持“以生为本”的技术选择标准，建立教学需求、技术适配、效果评估的决策机制，避免技术异化。

二是开发教育友好型AI产品与服务。企业既需要强化产品的教育属性，如可基于案例经验优化大模型的学科适配性，针对不同学段、学科开发专用模块，也需要增加产品的普惠性，推出低成本、易操作的简化版AI工具，适配偏远地区需求。学校应构建“基础应用+特色创新”的技术应用体系，如浙江省杭州市滨江区的“区域统一平台+校本创新应用”模式，既保证标准化又兼顾个性化。

三是完善协同赋能的支撑体系。在师资培训方面，构建“分层分类+实践导向”的培训体系，初级层培训基础操作，高级层培训数据分析与教学设计，如甘肃某县域开展的“AI诊断—专题教研—实践改进”培训模式，使教师教学设计能力显著提升。在资源供给方面，建立“区域共享+校本生成”的资源机制，通过AI实现优质资源的适应性改造，如将城市学校的优质教案通过大模型适配农村学情。在评价激励方面，将AI应用能力纳入教师评价体系，鼓励教师开展技术创新实践。

四是建立安全可控的风险防控机制。构建采集、存储、使用的全流程数据安全体系，明确学生隐私数据的采集边界，建立算法审查机制，评估AI产品的公平性，将AI伦理纳入教师培训与学生课程，培养“科技向善”的意识与能力。

结论

人工智能通过六大场景的协同创新，实现了智慧教育生态的整体性重构，这种重构并非技术对教育的替代，而是通过人机协同实现教育价值的升级。不同区域、不同学校基于自身需求形成了差异化的落地路径，遵循“需求导向—技术适配—协同赋能”的共性规律。随着生成式AI、多模态交互、元宇宙等技术的持续发展，人工智能赋能智慧教育将使生态协同更加深度化、个性化服务更加精准化、教育公平更加普惠化，实现学生成长智能感知、教师教学智能服务、学习环境智能监测、教育装备智能升级、区域发展智能协同。

人工智能赋能智慧教育生态是一个长期的探索过程，不仅需要技术的持续创新，更需要坚守教育的本质与初心。只有将技术优势与教育价值有机融合，才能构建出技术向善、育人有效、生态和谐的智慧教育新形态。

本文作者：

曾海军 北京师范大学智慧学习研究院

潘静文 北京师范大学互联网教育智能技术及应用国家工程研究中心

文章刊登于《中国信息技术教育》

2025年第22期

引用请注明参考文献：

曾海军 潘静文.人工智能赋能智慧教育生态的场景具象与路径指向[J].中国信息技术教育，2025（22）：4-8.

欢迎订阅

识别上方二维码即可订阅