角色设定：苏格拉底式智能体的核心功能是通过五类工作流支架引导学生从“问答案”转向“自主构建理解”。

苏格拉底式智能体链接：https://www.coze.cn/store/agent/7628158558442012706?bot_id=true

温馨提示: 可以复制链接至浏览器打开或点击链接直接打开。

（一） Lee S. Shulman (1987)：超越“知识库”，走向“学科教学转译者”

长期以来，教育界存在一种固化的认知：精通某一学科，便能自然胜任该学科的教学。Shulman 彻底打破了这一“知识本体论”的局限，提出了学科教学知识（Pedagogical Content Knowledge, PCK）的核心概念。 他指出，传统教师的首要职能绝不仅仅是充当“行走的学科百科全书”，而在于转译（Transformation）。真正的教学，是教师能够准确评估学习者的认知起点与前概念，利用类比、隐喻、图像和示范，将晦涩的学术知识“翻译”并重构为学生能够内化的脚手架。这种对知识的情境化转译能力，是区分“学科专家”与“专业教师”的核心分水岭。

【经典案例1.1：1875年加州教师资格考的局限】

为了论证传统社会对教师职能的误解，Shulman 在文中还原了一份真实的1875年美国加州教师资格考试卷。考题充满了纯粹的机械记忆与高难度学术测验，例如要求考生“列出十个由五个音节组成的单词”、“化简极端复杂的代数式”或“默写世界主要江河的流向”。

这一历史切片极其直观地暴露了传统视角的盲区：这份试卷只考核了教师“脑海中有多少知识”，却完全没有触及“如何将这些知识教给一个毫无基础的学童”。在当今的信息时代，如果教师的职能依然停留在这种“知识储存与复述”层面，其存在的合法性将不可避免地被拥有海量数据库的智能技术所瓦解。

（二）Gert Biesta (2009)：跳出“评价测量”，回归三大育人本真

Biesta 深刻批判了现代教育中泛滥的“绩效文化”与“测量时代”。在应试与问责制的裹挟下，教师的评价职能被严重异化，沦为了结果导向的“打分员”与“总结性裁判”。他由此提出，必须重新审视教师在教育中承担的三大本源职能：

资格赋能（Qualification）： 传递硬性的知识与技能，赋予学生步入社会与劳动力市场的资格。

社会化（Socialisation）： 传递社会秩序、文化伦理与道德规范，引导学生学会在特定的社会结构中与他人共处。

主体化（Subjectification）： 唤醒学生的独立人格与批判性思维，使其成为不盲从、有反思能力的主体。

【经典案例1.2：无处不在的“隐性社会化”与被吞噬的温度】

Biesta 在论证中指出，这三大职能往往是在同一教学情境中嵌套发生的。例如，当教师在黑板上演示一道物理题的解法时（资格赋能），他要求学生“举手发言”、“尊重答错的同学”、“不破坏实验器材”，这实际上是在执行深度的“社会化”职能。

同时，Biesta 剖析了过度追求“标准化测量”带来的灾难：当教育系统只珍视那些“容易被量化测试”的数据时，教师为了应对外部问责，不得不将全部精力投入到提高分数的机械训练中。这种异化导致教师失去了对学生情感、价值观及主体性进行引导的精力，最终剥夺了教育应有的生命温度。

（三）叶澜 (1998)：告别“教书匠”，践行“动态生成”的教育智慧

针对国内基础教育的现实，叶澜教授尖锐地指出，传统观念习惯于将教师矮化为流水线上的“教书匠（Teaching Craftsman）”。在这种机械论视角下，教师的职能仅仅是“按部就班地执行大纲”，将教材知识单向搬运进学生的头脑中。

叶澜教授提出，真正的教学绝非死板的执行，而是一场不可复制的生命实践。未来教师的核心素养在于“教育智慧”，即面对复杂多变的教学情境，能够敏锐捕捉稍纵即逝的教育契机，将静态的文本转化为师生共同参与、富有情感共鸣的动态交互过程。

【经典案例1.3：机械执行与课堂的动态生成】

文中在反思传统课堂时刻画了一种典型现象：部分教师在课堂上极度排斥“意外”。一旦学生的提问偏离了预先写好的教案，或者得出了不符合标准答案的推论，教师便会利用权威强行干预，把思路硬拽回既定轨道，以确保能“按时完成教学任务”。

这种机械的规训职能，扼杀了课堂的生命力。与之相对立的是充满教育智慧的“动态生成”——面对学生突发的质疑或错误，优秀的教师不仅不会打断，反而会顺势而为，将其转化为引发深度探讨的绝佳素材。这种接纳不确定性、在互动中激发高阶思维的教育智慧，是任何刻板执行预设程序的系统都无法企及的专业壁垒。

参考文献：

[1] SHULMAN L S. Knowledge and teaching: Foundations of the new reform[J]. Harvard Educational Review, 1987, 57(1): 1-23.

[2] BIESTA G. Good education in an age of measurement: On the need to reconnect with the question of purpose in education[J]. Educational Assessment, Evaluation and Accountability, 2009, 21(1): 33-46.

[3] 叶澜.新世纪教师专业素养初探[J].教育研究与实验,1998,(1):41-46+72.

1. 为何转变？——21世纪教师角色转变的驱动因素

（1）教育理念的更新

①从“以教为中心”到“以学为中心”。传统教学以教师、教材、课堂为中心，重视知识传授与机械训练。21世纪学校教育已深刻变化，转向以学生学习为中心。

②教师角色重新定位。教师不再是知识的单一传递者，需要成为学习活动的设计者、指导者、参与者与促进者。

③培养学生终身学习能力。教师最重要的角色已不再是学生获得信息和知识的主要来源，而是培养学生具备终身学习所需的能力与素养，激发学生对深度探究的好奇心。

（2）智能技术的演进

①泛在化学习场域的形成消解了教师传统的知识权威。互联网与智能终端使学习突破物理时空限制，学生可随时获取全球优质教育资源，教师不再是学生知识的唯一来源，师生关系从单向的“教与学”转向双向的“共同学”。

②数据驱动的精准教学改变了教师的决策方式。学习分析、大数据与人工智能技术可实现学情实时诊断、个性化资源推送与学习路径规划，促使教师的教学决策从经验驱动转向数据驱动，要求教师具备数据采集、分析与应用能力。

（3）社会与人才需求的变化

①核心素养导向的人才观正逐步取代传统的知识记忆导向。在信息爆炸时代，社会更加看重批判性思维、创造力、协作能力与复杂问题解决等核心素养，大量重复性、程式化工作将被人工智能替代，教育目标从“知识习得”转向“素养培育”，教师从“知识搬运工”转向“高阶能力教练”。

②“数字原住民”的认知特征促使教学方式变革。当代学生偏好体验式、情景式、可视化与互动式学习，对单向讲授与机械记忆接受度低，教师若沿用传统模式将面临“教不进、学不动”的困境。

③教师职业价值正在被重新定位。教师的不可替代性不再体现于知识传递效率，而体现于对学生人格、情感与价值观的引导与塑造。相较于机器，教师在情感倾向、意志行动与生命追求方面具有不可复制的独特优势。

（4）教师专业发展的内在需求

①终身学习、教学相长与自我实现是教师职业发展的内在需求，主动适应技术变革有助于提升教学掌控感与职业效能感。更为根本的是，“教人成人”始终是教师角色不变的逻辑起点。

②角色期待的多重性与角色能力的现实落差构成了转型压力。社会各界对数字化教师赋予了资源开发者、数据分析者、情感补位者、人机协同者等多重期待，若教师不主动转型，将面临角色认知模糊、角色冲突与角色失败的风险。

（5）教师角色转型的系统框架：四重动因的整合模型

从教育本体逻辑转向、教师职业结构变迁、教育治理机制演进与教育高质量发展诉求四个层次，系统呈现了教师向“AI教育建构者”转型的多重动因。

参考文献：

《“互联网+”时代的师生关系构建探析》 李海峰,王炜

《教师角色的历史演变及其启示》 罗莎莎,靳玉乐

《面向教育数字化的教师角色转变：逻辑理路、现实阻滞与推进策略》 罗儒国,吴青

《智能时代的教师角色定位及素养框架》 郭炯,郝建江

《AI教育建构者：智能时代教师角色转型与能力重构》 陈敏,杨会云,周驰

2. 核心转变维度

维度一：从知识传授者→学习设计者与变革者

OECD《教学罗盘》——教师作为课程变革的推动者

2025年，经济合作与发展组织（OECD）发布《OECD教学罗盘：重新构想教师作为课程变革的推动者》报告。该报告指出，教师当前面临多重挑战：执行课程、促进学生福祉、适应数字化与人工智能教学、支持全纳教育，并培养学生21世纪关键能力。报告呼吁从传统的“自上而下”模式转向赋能教师的新范式，使教师成为学习的共同设计者、适应变革的专家和真正的变革推动者。借助协作性专业学习网络、AI增强工具和课程设计自主权等创新手段，教师从“应对变革”转向“引领变革”。这意味着，智能时代的教师不再是知识的搬运工，而是学习路径的设计者与教育变革的主动参与者。

维度二：从课堂管控者 → 关系建构者

教育始终是人与人相遇、在人一人与人一物关系中建构意义、形成身份的过程。智能时代，机器的广泛使用使教育中原本就匮乏的情感联结更加稀薄，教师与学生都更需要情感滋养。张晓光指出：智能时代最大的教育危机是认知失衡与情感缺失——学生只关心分数，教师只执行标准教案，师生都是“工具人”。而解决这一问题的“第三条路径”就是从关系入手。只有在积极的师生关系中，学生才能获得安全感，敢于提问、试错、探究；只有在平等的关系中，学生的好奇心与创造力才不会被压抑；只有通过真实的人际互动，学生才能学会关心他人、合作解决问题。

因此，教师应当主动构建平等、信任、关心的师生关系，给予学生“爱与自由”，通过核心反思与共同体建设调整课堂权力结构；在情感上，先滋养自身对学科与学生的热爱，用好奇心与共情创设安全、积极的情绪氛围，让情感成为认知的“舵”。

维度三：从技术工具使用者 → 人机协同者与伦理责任者

教师成为与人工智能体协同工作的“人机复合教育者”——明确人机分工、动态选择共生模式、承担伦理安全责任。教师要依据教学智能体伙伴的功能优势与技术局限，结合教学任务的性质与目的，进行合理恰当的师智分工，形成“机器智能支持+人类经验决策”的协同教学范式。教师和人工智能应该形成竞争共生、互补共生和独立共存等共生模式，教师与AI功能重叠时，如AI也能出题、批改，教师需发挥人类优势，如设计开放性题目、情感反馈；在同一环节，教师与AI各自发挥作用，如课后环节，学生进行自我反思，人工智能体提供知识问答交互，教师提供情感交互。

教师必须成为课堂中的育人价值校准者，引导学生关注决策中的潜在价值冲突，确保遵循主流价值规范，避免因过度依赖技术而导致师生主体意识丧失、学习惰性加剧、信任关系被侵蚀。构建人机和谐共生的教育生态，需要坚持以人为本的基本原则，在技术发展与伦理规范之间寻求平衡——既要懂得何时让AI上手，更要守住技术不能触碰的伦理底线。

维度四：从孤立教学者 → 教学共同体中的研究型终身学习者

智能时代的教师专业发展，本质上是一个持续终身的演进过程。OECD《教学罗盘》（2025）将教师重新构想为“终身学习的推动者”，明确指出教师不仅是知识的传递者，更应成为“导师、创新者和终身学习者”。

在共同体环境中，教师正从经验型教学者向研究型教师转变——“教师成为研究者”自斯腾豪斯正式提出以来，已成为教师专业发展领域的核心理念。教师不再是孤立的个体，而是融入人机、人人教学共同体的参与者：与同事、社会领域专家以及人工智能体协同工作，在特定领域成为“专才”，并借助技术开展教育教学研究。教师专业发展不是一次性的资格获取，而是一个持续演进的过程——教师专业化只是入职门槛，教师专业发展则是每一名入职后教师与时俱进的必然要求，没有专业发展意识和行动的教师很快便会落伍。因此，教师必须以研究的态度深耕实践，以终身学习的姿态应对职业变革，在共同体中实现自我更新与专业成长。

（1）教师角色转变案例

【案例2.1】MCLC  AI教师赋能计划之崇文华小

https://www.youtube.com/watch?v=RRQkLvDC4xo&list=PLtLX3de0cNCf4c9TnFgU6h7hywYwG4SUN&index=6）

（2）教师专业发展项目案例

【案例2.2】哈佛大学Wide World教师专业发展课程项目

WIDE World 课程是哈佛大学教育研究生院的一个创新性专业进修课程，结合了世界各地教育专家们近30年的尖端研究成果和实践经验，通过网上课程，提供既综合又兼个性化的授课方式，发展教师和教育行政人员在教育工作中的引导式专业素质，进而提高学生的素质表现。课程以“为理解的教学”为核心理念，致力于为受训的教育工作者提供创新的教学策略和办学理念。课程强调实践，要求学员把从课程中所学到的理念、策略、方法和工具在实际工作中进行应用和尝试，对自己的应用和尝试进行反思，并与教练和其他学员进行交流和探讨，然后在实践中进一步完善，帮助学校或其他教学机构形成系统的、持续发展的办学理念，营造“为理解的教学”文化。同时注重培养学生批判性思考能力、灵活应用知识和解决问题的能力，帮助学生应对二十一世纪所面临的挑战和机遇。

 WIDE World 培训项目以其科学和实用的教学方法和办学理念获得了受训者的广泛欢迎和好评。自1999年以来，已有来自六大洲、100多个国家的15000多名教育工作者接受了培训。WIDE World内部进行的课程评估和美国教育发展中心独立进行的评估结果都表明，WIDE World 培训项目对学校领导和教师的实际教学工作有着积极的影响，而且这种影响进一步延伸到他们所教的学生，使得学生更积极地投入学习，对学习更有兴趣，同时学生的学习能力和思考能力也得到提高。

【案例2.3】Inquiry Learning Forum

探究学习论坛（ILF）项目由美国国家科学基金会资助，为数千名职前和在职教师提供了支持，帮助他们提升实施探究式教学方法的能力。最初该项目是为印第安纳州的数学和科学教师设计的，但所有教师、学校管理人员、大学教职员工以及有兴趣学习探究式教学法的职前教育学生都可以免费使用这些资源。作为一个在线社区，它旨在促进人们分享经验、改进教学方法、进行反思，并共同打造以学习者为中心的课堂环境。ILF是以学校为隐喻来设计的。当成员进入ILF时，他们可以选择访问学校建筑中的多个“房间”。在这些空间中，教师可以获取或分享教案，观看其他教师的视频案例，进行在线讨论，并围绕特定主题或想法与团队在线合作。共享教室的目的并非是为了展示某种可模仿的教学方法，而是为讨论教学实践、促进社区和个人反思与理解提供平台。通过观察、讨论和反思，每位参与者都能找到适合自己的持续专业成长之路。

【案例2.4】北爱尔兰线上教师CPD学院

CPD指的是“持续专业发展”（Continuing Professional Development）。其目的是帮助教师提升知识、技能和教学效果。许多学校和教育机构都要求教师接受CPD培训，以确保能够实现高质量的教学成果。2025年6月，北爱尔兰教育部部长宣布启动线上教师持续专业发展学院，与英国认知科学教育领域领军企业InnerDrive合作。面向北爱尔兰后小学教师，超6000名教师将受益于该项目。该项目可提供交互式、按需学习的在线课程、专家见解和基于认知科学研究的实践资源，涵盖认知负荷理论、提取练习和元认知等主题。每个课程均设有讨论论坛，教师可向来自世界各地的其他教育工作者提问并交流教学理念。平台支持学校创建量身定制的、基于证据的CPD项目。这一项目将认知科学研究成果转化为教师专业发展内容，体现了“科学驱动专业发展”的新理念。同时，线上平台的可扩展性和可定制性为大规模、个性化教师培训提供了新范式。

【案例2.5】中国名师工作室体系

利用名师带动教师成长，是实践领域中的常见方式。2000年，上海卢湾出台了“名师工作室”的建设文件，2002年，上海宝山也推出了若干名师工作室，在我国较早地以“名师工作室”的方式开展了教师专业成长共同体的建设与探索实践活动。经过二十多年的实践，目前不同类型、不同层级的“名师工作室”正在以多样化方式开展工作，以名师特有的教学或学术气质，为教师的研修与成长提供了重要支撑。

浙江省名师网络工作室项目于2015年正式启动，依托之江汇教育广场等省级数字平台，运用信息技术构建起名师引领的跨区域网络研修共同体，创新了教师专业发展路径。经过四轮迭代，项目已发展成为浙派名师乃至浙江教育面向全国的“重要窗口”。2025年8月，第五轮名师网络工作室项目全面启动，首次提出创新“人工智能+名师网络工作室”的运作形态，以教育家精神为引领，致力于培养一批师德高尚、理念先进、业务精湛、数字素养卓越的未来名师。到2028年，项目将建成省级名师网络工作室300个，培养省级学科带头人3000名，辐射带动30000名教师专业成长。而无锡市锡山区与青海省海东市化隆县深化东西部教育协作，以打造高水平教育名师工作室为核心抓手，构建起了“名师引领、双向交流、资源共享、全域提升”的帮扶体系，让优质教育资源突破地理阻隔，在高原大地落地生根。截至去年，化隆县首批24个名师工作室启动建设，15个工作室顺利挂牌，覆盖多个学段和学科。工作室以“青蓝工程”师徒结对为纽带，让骨干教师与青年教师携手同行，通过专题讲座、案例研讨、教学观摩等形式，将锡山区先进的教育理念和教学方法植入化隆课堂。

（全力，2009）

【案例2.6】人工智能赋能教师专业发展的逻辑与机制

人工智能赋能教师专业发展强调能力变化和目标达成，主要表现为：通过心理赋能，解决教师专业发展的认知阻碍，提升教师专业信念；通过技术赋能，解决教师专业发展的行为阻碍，增强教师专业知识与能力；通过情景赋能，解决教师专业发展的环境阻碍，创新教师专业实践样态。

AI-TPACK是在传统TPACK框架基础上发展出来的概念。TPACK指教师将技术知识、教学法知识和学科内容知识进行整合的能力，也就是教师不仅要懂学科、懂教学，还要知道如何恰当地使用技术来支持教学。AI-TPACK则进一步强调：在人工智能进入教育场景后，教师还需要理解AI的能力边界、数据逻辑、生成机制、伦理风险和教学适配方式。它关注的不是“会不会用AI工具”，而是教师能否把AI合理嵌入教学目标、学习活动、评价反馈和学生支持中，让AI真正服务于学习，而不是替代教师判断。

【案例3.1】ChatGPT辅助职前教师单元教学设计

案例来源：Wen与Wen（2024）在CITE Journal发表的研究，关注职前教师如何借助ChatGPT完成单元教学设计。研究发现，ChatGPT可以支持单元计划生成，但不能替代教师的课程判断、学科理解和教学决策。

核心内容：职前教师围绕具体文学或阅读主题，使用ChatGPT生成单元计划、学习活动和评价建议，再结合教材、课程标准、学生特征和教师教育课程要求进行修改。其过程主要包括提示输入、结果审查、内容修改和多资源整合。

图1  ChatGPT辅助职前教师单元教学设计过程模型（来源：Wen & Wen, 2024）

AI-TPACK解读：

在AI-TK层面，学生学习如何提出清晰提示词；

在AI-TCK层面，学生审查AI生成内容是否符合学科知识；

在AI-TPK层面，学生判断活动是否符合教学目标、学生水平和课堂实施条件；

在AI-TPACK层面，学生综合运用AI工具、学科内容和教学策略完成可实施的单元设计。

该案例把AI从“自动生成教案的工具”转化为“教学设计反思对象”。教师不只是接受AI输出，而是围绕准确性、相关性、适用性和具体性进行筛选、修订和再组织。

【案例3.2】科学教育中的AI-TPACK探究课程

Antonio（2025）在Journal of Technology and Science Education发表的研究，面向菲律宾职前科学教师设计并实施了14周AI-focused pedagogical learning course。研究采用前后测与访谈，考察课程对职前科学教师AI-TPACK能力的影响。课程围绕TPACK、SAMR模型、科学教育中的AI工具、探究式学习、UDL、K-12科学课程和科学课例开发展开。学习者最终需要形成AI整合型科学教学样例，并反思AI在科学教学中的价值、限制和伦理问题。

AI-TPACK解读：

在AI-TK层面，学生理解AI工具的功能与限制；

在AI-TCK层面，学生判断AI能否准确支持科学概念解释、实验设计和误概念分析；

在AI-TPK层面，学生将AI与探究式学习、课堂反馈和差异化支持结合；

在AI-TPACK层面，学生形成兼顾科学内容、教学策略、技术应用和伦理意识的科学课例。

该案例的重点不是让学生简单体验AI工具，而是通过课程化干预系统提升AI-TPACK能力。它将科学学科特征、探究教学法、AI伦理和课例开发结合起来，适合作为科学教育方向的AI-TPACK案例。

【案例3.3】基于GenAI-TPACK的数字故事创作课程

Onbasili（2026）在Education and Information Technologies发表的研究，面向土耳其40名职前小学教师，开展为期14周的生成式AI数字故事创作课程。学习者围绕小学课程目标，使用ChatGPT、Copilot、Canva、StoryJumper、Suno AI、ElevenLabs等工具完成故事脚本、图像、配乐、配音和最终数字故事作品。课程强调作品要与小学课程目标一致，并要求学生提交反思报告。

AI-TPACK解读：

在GenAI-TK层面，学生学习多种生成式AI工具的功能边界；

在GenAI-TPK层面，AI支持叙事学习、兴趣激发和多模态表达；

在GenAI-TCK层面，学生把小学课程内容转化为儿童易懂的故事情境，并保证概念准确；

在GenAI-TEAK层面，课程强调版权、署名、原创性、隐私和AI使用声明。

该案例将AI从“内容生成工具”转化为“教学设计支架”，并把文本、图像、音频和动画等工具整合到同一任务中，体现了多模态GenAI-TPACK融合。同时，伦理审查被纳入课程全过程，强调负责任地使用AI支持学科教学。

图2  反思性主题分析的六个阶段（来源：Onbasili, 2026；改编自 Braun & Clarke, 2006；Clarke & Braun, 2013）

【案例3.4】Web与移动开发课程中的GenAI-TPACK案例

Bakharia与Burt（2025）在昆士兰大学开放教材Inquiry in Action中呈现的案例，关注如何在Web/Mobile Programming与Web Information Systems两门课程中负责任地嵌入生成式AI。课程通过AI治理框架、结构化提示词示例、API集成、项目制学习和安全评价，将GenAI嵌入学生的编程学习过程。学生不仅使用AI解释代码、辅助调试和改进项目，还需要接受面对面代码审查和考试，以保证学术诚信和真实能力。

AI-TPACK解读：

在AI-TK层面，学生学习提示词、代码解释、API调用和调试支持；

在AI-TCK层面，学生理解AI如何服务Web与移动开发中的专业知识；

在AI-TPK层面，教师通过项目制学习、渐进式提示支架和代码审查组织学习；

在AI-TPACK层面，课程把技术能力、编程内容、项目学习和诚信评价整合起来。

该案例不是把AI作为一节课的附加内容，而是进行课程级嵌入；同时通过治理框架和安全评价机制回应AI代写、过度依赖和学术诚信风险，体现了面向专业能力培养的AI-TPACK设计。

参考文献

Wen, W., & Wen, H. (2024). Bridging generative AI technology and teacher education: Understanding preservice teachers’ processes of unit design with ChatGPT. Contemporary Issues in Technology and Teacher Education, 24(4). https://citejournal.org/volume-24/issue-4-24/general/bridging-generative-ai-technology-and-teacher-education-understanding-preservice-teachers-processes-of-unit-design-with-chatgpt

Antonio, R. (2025). Fostering preservice science teachers’ AI-TPACK competence and reflections through an AI-focused pedagogical learning course. Journal of Technology and Science Education, 15(3), 784-809. https://doi.org/10.3926/jotse.3693

Onbasili, Ü. I. (2026). Empowering pre-service teachers with generative AI: A GenAI-TPACK-based approach to digital storytelling. Education and Information Technologies. https://doi.org/10.1007/s10639-026-13991-5

Bakharia, A., & Burt, J. (2025). Teaching with GenAI: A TPACK-Based case study in web and mobile development education. In R. Fitzgerald (Ed.), Inquiry in Action: Using AI to Reimagine Learning and Teaching. The University of Queensland. https://doi.org/10.14264/911d013