AI重新定义了好老师
AI进课堂已经不是新闻。中国K-12阶段的AI备课覆盖率超过30%，头部公办校接近100%，新教师的备课时间下降了60%以上。
而围绕这件事最热的讨论，始终指向同一个问题：老师会不会被AI取代？
几年里，全球8500万教师的岗位没有因为AI减少，而有关“什么是好老师”的讨论层出不穷，越来越多的人认可好老师身上那些最不容易被看见的判断和在场，以及“我相信我能影响孩子们”的笃定，总是无法被AI接手的。
本文想往前再推一步：AI越强，教师在场的必要性非但没有减弱，反而在上升。
一个30分的想法和一个70分的答案
一个动作值得关注：学生有了一个自己的想法，然后打开AI。
深圳明湾学校的老师把这个瞬间总结成“30-70-90分挑战” 1 ：学生自己的想法值30分，AI能瞬间把它推到70分。而那本该由孩子自己挣来的、从70分到90分的20分，就在这个瞬间被抹掉了。
这位老师举的例子是夏令营里的几个孩子，他们想做一个能和自己养的植物产生情感共鸣的小装置，用AI生成了第一版方案，很完整，很像样。然后，他们就对这个东西失去了兴趣。
这个场景里没有任何人被取代。AI只是把从30分到70分的活干完了，而且干得又快又好。
但有在这个过程中，谁来提醒孩子们，其中只有30分才是他们自己的？
AI没有取代教师这个岗位，但过去对于教师而言，过去最有价值的工作之一是“把知识讲清楚”，现在变成了“判断什么时候该把思考的机会留给学生”。
既有研究亦有论证。宾夕法尼亚大学沃顿商学院的研究者在土耳其做过一项覆盖近1000名高中生的随机对照实验 2 。学生分三组做数学练习：不用AI的对照组、用标准ChatGPT界面的一组（下称“标准组”）、用了“护栏”版本 （护栏由教师设计，让AI只给线索、不直接给答案） 的一组 （下称 “护栏组 ”） 。
练习阶段两个AI组都大胜，标准组高出对照组48%，护栏版高出对照组127%。随后研究者收走AI，三组做同一份闭卷考试：标准组比对照组低了17%，护栏组和对照组成绩基本持平。
研究者认为学生把AI当成了“拐杖” （crutch） 。练习时题目确实解出来了，但却没学会解题这件事本身。研究还发现，用AI的学生对自己的学习能力过度乐观，连优等生也一样误以为自己学会了。
同样的模型，同样的学生，同样的题目，有没有人事先按教学规律设计过AI的应答方式影响着学生的最终表现。
AI拿走的和AI拿不走的
任何关于教师转型的讨论，不得不首先承认AI真的很能干。
在深圳明德实验学校，AI已经渗进教学的毛细血管：集体备课有“一课三备”制度，AI自动汇总全体教师的研讨发言；课堂录像交给大模型分析时间分配、学生抬头率、提问质量、教师走动热力图；教师上传的课件累计约8.7万份，审核后进入校本资源库，新教师和帮扶学校可以直接调用。更细节的有，原本认为很复杂的全校成绩分析报告，借助AI只花了20分钟就完成了。
更值得注意的是“因材施教”这四个字第一次有了具体所指。过去一个老师不可能给一个班备三套作业，现在输入“广东省中考凸透镜成像”，AI自动按“基础巩固→实验探究→作图”分层，于是前20名做全部、中间20名做前两部分、后20名只做第一部分。而以前给学生出作业，很难出到这么细。
成本也不再构成门槛，研究表明，AI推理成本相比2023年下降了97%到99% 3 。
AI拿走的是可以标准化的产出，拿不走的是判断力、身体在场、以及人对人的影响。
这些内容听起来有些安慰的意涵，但其实在教育研究里有些相当硬核的数据支撑。教育学者John Hattie综合上千项元分析，为影响学生成绩的各类因素排序，排在第一位的既不是技术，也不是课程或教材，而是“集体教师效能”，即一所学校的老师们共同相信“我们能影响学生成就”这件事本身。效应量为1.57，是家庭社会经济地位的三倍以上 4 。
明湾学校常务校长方泰德给这种“成年人的信念”打了个很锋利的比方：如果我们不让学生的大脑努力运转，那就好比让运动员站在自动扶梯上，却硬说他们在锻炼，那是自欺欺人。
“好老师”的新判据
那么，有关“好老师”的新判据是什么？
腾讯研究院和中国教育科学研究院在联合研究中提出过一个教师AI素养三层框架，可以当作一把尺子。
第一层，知道AI靠不靠得住。能判断它给的答案对不对，知道它会一本正经地编，也能向学生把这件事解释清楚。
第二层，能指挥AI干活。备课、批改、出题、做学情分析，让AI做初稿，自己做审稿人。
第三层，能用AI重新设计一门课。重新决定这门课怎么走、每个学生走哪条路、用什么方式评价，而非让AI把旧教案重新排一遍版。
分层本身不算新鲜。真正值得说的是我们在调研中反复确认的一个判断：大多数教师培训停留在前两层，第三层的培训几乎是空白。市面上绝大部分AI赋能教师的课程教的也都是第二层：怎么写提示词？怎么在十分钟内产出课件？
第三层长什么样？我们通过调研看到了四个侧面：动机上要先想清楚课怎么上，能力上要从用工具走到造工具，权力上要肯把提问权让渡给学生，视野上德育和心理也要并入课程结构。
难度依次递增，而它们都不是技术问题。
差距正在被省下来的时间拉开
AI省出来的时间，是一个岔路口。
省时间这件事本身没有立场。同样用AI十分钟出完一份课件，剩下的两个小时，有人去找那几个从来不举手的孩子聊聊天，有人再出五份课件。
“拐杖”效应不只发生在学生身上。经合组织在《2026数字教育展望》中综述了几项研究，提到一个现象叫“元认知懒惰” （metacognitive laziness） 5 ：向人类专家求助的学生会走完“诊断问题→求助→评估帮助→迭代→实施”的完整链条；面对聊天机器人时，不少人直接要答案、直接照用，跳过了诊断、评估和迭代三步。
老师会掉进一样的坑：让AI出的题不看就发，让AI写的评语不改就送出去。工具省了力，也顺手掉了判断。
我们在调研中观察到一个现象，姑且叫“超级教师”：AI让少数优秀教师的影响半径极大扩张——一位顶级教师的教学设计、讲评思路、诊断方法，可以通过AI复用到远超过去的学生身上。由此形成一把剪刀差：对“平均水平教师”的替代风险在上升，“超级教师”的稀缺性也在不断增加。
被称作“超级教师”的永远是少数，每一所学校真正的地基，是成千上万默默无闻、把每一届学生认真送走的普通老师。AI不该成为悬在他们头上的一把刀，而应该是递到他们手里的一把梯子——让更多认真尽责的好老师，有机会被更多孩子看见，值回他们本就该值的分量。
好老师究竟值多少钱，经济学给过一个具体数字。哈佛大学RajChetty等三位学者追踪了超过100万名儿童的学区与税务记录，发现被分配给高增值教师的学生更可能上大学、成年后收入更高。他们给出的量化结论是：把一位增值水平处于末位5%的教师换成一位平均水平的教师，能让这个班级学生终身收入的现值增加约25万美元 6 。
AI的到来只会让这个差距传导得更快、覆盖得更远。
差距并非AI造成的。AI只是把原来看不见的选择，变成了看得见的结果。
AI给每位老师发了同样多的时间红利，却没有规定这笔红利怎么使用。
美国教育科技领域累计烧掉约290亿美元，2025年该领域风险投资跌至十年最低，能稳定盈利的公司“两只手数得过来”。原因很多，其中很关键的一条是学区把工具买回去了，老师不用。
诚然，工具从来不是变量。人才是。
一个40年前的问题和它今天的答案
行笔至此，我们其实撞上了教育学里一个很老的问题。
1984年，芝加哥大学的教育学家本杰明·布鲁姆发表了一篇著名论文 7 。他的两名博士生做过一组对照实验，比较常规班级授课、掌握学习、和一对一辅导三种条件。结果是：接受一对一辅导的普通学生，最终成绩比常规班级的平均水平高出约两个标准差，超过了常规班级中98%的学生。
由此他提出那个被追问四十年的“两个标准差问题”：一对一辅导对大多数社会而言成本太高，无法大规模承担……研究者和教师能否设计出这样的教学条件，使得大多数学生在集体教学中，也能达到目前只有在辅导条件下才能达到的成就水平？
今天，AI第一次让“每个孩子一个辅导者”在成本上变得可能。
而宾夕法尼亚大学的实验补上了布鲁姆当年未必预料到的一个前提：便宜的一对一辅导，并不自动等于有效的一对一辅导。
于是布鲁姆的问题有了新版本：我们不缺辅导者了，缺的是知道辅导该怎么做的人。
这个人，就是老师。
这也正是“AI越强，越需要教师在场”的全部含义。机器把从30分到70分的路铺平了，而那决定一个孩子究竟能走到哪里的最后20分，仍然需要一个人站在旁边，判断何时该出手、何时该退后。
参考文献：
[1] 腾讯研究院. AI无法教会的三件事[EB/OL]. (2026-06-26)[2026-09-10].
[2] BASTANI H, BASTANI O, SUNGU A, 等. Generative AI without guardrails can harm learning: evidence from high school mathematics[J]. Proceedings of the National Academy of Sciences, 2025, 122(26): e2422633122.
[3]腾讯研究院. 人机共育 向善而为: AI时代的教育变革[R]. 2026.
[4]HATTIE J. Mindframes and maximizers[Z]. 3rd Annual Visible Learning Conference. Washington DC, 2016-07.
[5]O
[6] CHETTY R, FRIEDMAN J N, ROCKOFF J E. Measuring the impacts of teachers II: teacher value-added and student outcomes in adulthood[J]. American Economic Review, 2014, 104(9): 2633-2679.
[7] BLOOM B S. The 2 sigma problem: the search for methods of group instruction as effective as one-to-one tutoring[J]. Educational Researcher, 1984, 13(6): 4-16.
张鸿茹 腾讯研究院研究员
王 鹏 腾 讯研究院资深专家
吕嘉怡 腾讯研究院研究员
本文来自微信公众号 “腾讯研究院”（ID：cyberlawrc），作者：腾讯研究院，36氪经授权发布。
