基金项目：2024年度国家社会科学基金教育学重点项目“面向教育强国的高校新型教育学院建设研究”（AFA240020）。作者简介：李树英，博士，教授，博士生导师，深圳大学教育学部（广东深圳 518060）；魏航，助理研究员，深圳大学教育学部（广东深圳 518060）。
引用:李树英,魏航(2026).以智驭技:人工智能时代教育者智慧的反思与超越[J].现代远程教育研究,38(3):3-12.
一、引言
人工智能技术正以前所未有的速度和广度进入教育领域。从早期的计算机辅助教学、学习管理系统，到近年来兴起的自适应学习平台、智能作业与批改系统、学习分析与学业预警系统、智能测评与自动评分工具，再到各类教学机器人、对话助手、虚拟教师、智能学伴等（吴永和等，2024），人工智能已经深度嵌入教学、管理与评价等各个环节。政策层面，“人工智能＋教育”被多次写入国家发展规划与政策文件，成为推动教育数字化转型的重要抓手；实践层面，各地学校纷纷引进智能平台与产品，探索“智慧校园”“智慧课堂”“教育智能体”等新模式与新技术；研究层面，学术界围绕“人工智能与教育挑战”“人工智能赋能教育”“人工智能教育新范式”等主题，在多个维度展开了广泛而深入的探讨。“教师会被人工智能取代吗？”亦成为媒体报道与公共讨论中的高频话题。
一方面，技术乐观主义者认为，人工智能将大幅提升教学效率，推动学生在“无师”课堂中实现个性化学习；另一方面，更多来自一线教师的声音，则表达了对自身“被挑战”“被弱化”甚至“被替代”的忧虑。这种焦虑既源于对技术发展速度的惊叹，也折射出教育者对自身专业价值与未来角色的不确定感。这引发我们进一步思考，“智慧教育”和“教育智慧”仅仅是“智慧”和“教育”这两个词语在顺序上的变化吗？答案显然并非如此：“智慧教育”更多是基于技术的、理性的，而“教育智慧”则是非技术的、人文性的、感性的（李树英，2019）。如果仅仅围绕“人工智能能为教育做什么”“如何利用好人工智能”等问题展开相关讨论，很容易落入技术工具主义的窠臼，将复杂的教育问题简化为技术应用与效率优化。而教育之所以为教育，恰恰在于其超越技术与应用层面的目的性：教育关涉人的成长与发展、价值的选择以及意义的生成。因此，在人工智能时代重新思考技术对教育者带来的挑战、困境与发展路径，必须超越“教师技能是否过时”“如何提升教师技术素养”等表层议题，转向更为根本的问题：在人工智能广泛应用的时代，教育者的智慧何在？教育者的智慧与人工智能之间的根本差异与互补关系是什么？在人工智能技术赋能教育的情境中，教育者的智慧应如何彰显和发扬才能确保技术的应用始终在人的控制之下？
基于此，本文试图从三个层面展开论述：其一，以人工智能介入教育实践的现实图景为起点，分析人工智能技术理性的内在逻辑及其对教育者角色与教学实践场域的挑战与影响；其二，以教育目的论、实践论与关系论为视角，揭示教育智能体的“控制性智能”和教育者“开放性智慧”之间的区别，进而阐释教育者智慧的核心内涵；其三，提出人工智能时代发挥和彰显教育者智慧的基本路径，并从教师教育、学校制度与政策治理三个层面探讨如何构建有利于教育者智慧生成与发展的制度与实践体系支撑。
二、人工智能重塑教育情境：对教育者提出的新挑战
1.人工智能介入教育实践的主要方式
人工智能对教育领域构成的挑战并非全新的课题，许多教育问题在人工智能时代之前便已存在。人工智能时代的到来，进一步凸显了这些问题对教育的长期性挑战，并使得寻求有效应对的理论指导与实践方法变得更为迫切。当前，人工智能介入教育实践的主要方式大致可以从教学、管理与评价三个方面加以概括。
其一，在教学领域，自适应学习系统可以根据学生的学习数据与行为轨迹，自动推送学习资源、智能生成题目、动态调整学习路径；智能作业平台与自动批改系统，可以对作业完成情况进行即时反馈，并生成个性化错题本和巩固练习；对话式智能辅导工具可以在课后为学生提供指导，部分甚至能够模拟教师在课堂中的讲解方式进行答疑。这些教学系统应用的核心，在于通过数据驱动的方式，模拟或延伸了教学环节中的部分功能，并在一定程度上承担了传统由教师承担的知识传递、练习设计与答疑辅导等工作。
其二，在教育管理领域，相关系统主要应用于学生发展与资源调配两个方面。在学生发展方面，基于学习分析与行为监测的系统，用于追踪学生出勤、作业完成与课堂参与情况，并整合校园安全等行为数据，帮助管理者及时识别学业或行为风险，进行预警与干预；在资源调配方面，智能排课、教室与设备智能管理、校园一卡通等系统也在不断普及，使学校管理更加精细化和可视化。
其三，在教育评价领域，人工智能技术通过建构智能化、动态化、可视化的监测平台，实现对教育评价全过程、全空间、多场景、多主体的系统支撑（朱德全等，2025）。在评价实施层面，基于大数据与算法模型等，可对学生的学习过程、能力发展、综合素养等进行动态追踪与多维度评估，并生成个性化诊断报告与改进建议；基于智能评价工具等对课堂教学质量、教师专业表现等进行自动化监测与分析，能够提供基于证据的反馈与优化方案。在评价决策层面，通过整合区域、学校、班级等多级评价数据，可帮助管理者实时掌握教育质量状况，识别优势与短板，为资源调配与政策制定提供证据（邓磊等，2025）。这些智能评价通过数据驱动与智能算法，重构了教育评价的观测维度、分析方式与反馈机制，显著提升了评价的科学性、精准性与时效性，部分实现了传统依赖人工的经验判断与宏观调研所难以达成的精细化、规模化评价目标。
由此可见，人工智能已从多个维度深入教育实践的各个环节，成为参与教学与管理的重要“行动者”，而不再只是停留在后台的辅助工具。它不仅改变了教育活动的操作方式，也在重构教育参与主体之间的关系结构与权力互动。
2. 人工智能的技术理性及其对教育的影响
目前，以数据、算法与算力作为运行基础的人工智能，其技术理性呈现出鲜明特征。首先，其依托大规模数据进行模式识别与预测决策，本质并非“理解”学习内容本身，而是在统计层面上探寻输入与输出之间的概率相关性。这意味着，人工智能所做出的判断高度依赖于既有数据和样本结构。其次，人工智能倾向于将目标任务量化为可度量的指标，例如将复杂的教育现象转化为分数、等级等具体数值。通过自动化与标准化的数据处理，人工智能可以在短时间内高效处理海量信息，实现过程可预期与结果可追踪。无论是学习成效、课堂参与度，还是学习动机、学习韧性等心理特质，一旦被纳入系统分析范畴，均需要被编码为可计算的数据形式。在教育治理中，这种量化与编码带来的可控性常被视为提升管理科学性与透明度的重要路径。
技术理性在教育中的应用，为教育者、教育管理者和学习过程带来了显著变化：它使教师得以从批改作业、统计成绩等重复性劳动中解放出来，将更多时间和精力用于课程创新与个性化辅导；使教育管理者能够依托学习分析、智能报表等工具，更全面高效地掌握学生与学校运行状况，从而为教育资源配置提供科学依据；也使原本难以捕捉的隐性学习过程得以被记录、观察和分析，为教学改进提供了新路径。然而，若技术理性被置于主导地位，则可能对教育本质与目的、教学过程以及师生关系产生深刻影响。
3. 人工智能时代教育者角色面临的现实压力与困惑
在技术理性扩张的背景下，教育者的角色正经历微妙而深刻的变化。首先，教育者的功能呈现“外包化”趋势。教材内容呈现、练习布置与批改、作业反馈与学情分析等传统教学工作，正逐渐被智能系统接管；教育者往往需要依据系统推荐的资源与路径组织教学，而非自主设计完整的教学流程。其二，教育者的专业判断空间被“压缩”。在以数据与平台为中心的教学模式下，算法生成的“最优学习路径”“最佳难度匹配”“个性化推荐”，常被视为“科学”且“中立”的决策依据，教师若要背离系统建议，可能需要付出额外精力甚至需要向管理者说明理由。长此以往，教育者容易从主动的教学设计者，退化为被动的“流程执行者”，其专业判断与教学决策的主体性被不断削弱。其三，教育者的在场感被技术“稀释”。随着在线学习和智能辅导的普及，学生与电子屏幕、智能系统接触时间不断增加，与真实教师的面对面交流却在不断减少，教育者的在场感与影响力随之减弱，其在情感支持、价值引领等方面的角色，也将逐步被技术话语所遮蔽或淡化。
在多重压力之下，一部分教育者选择积极学习和拥抱新技术，借助新技术提升教学效率；但更多人仍在“是否使用、如何用好”人工智能的权衡中徘徊或无所适从。然而，教育并非一般意义上的技术或生产活动，而是以主体间的交往、价值的引领和意义的生成为核心，通过相互影响而发挥作用的过程。教育的目的不能完全被还原为可度量的学习成效，教育过程也无法完全被规范为标准化的路径。因此，如何在承认技术理性价值的同时，防止其对教育本质与目的的侵蚀，成为人工智能时代教育者必须直面的问题（格特·比斯塔等，2025）。
三、教育者的智慧内涵：超越技术理性的教育本质维度
教育者的智慧并不等同于某种高超技巧或丰富经验，而是指能在复杂教育情境中进行价值判断、情境审度、关系建构与自我反思的综合能力。相较之下，人工智能的“智能”则遵循完全不同的生成逻辑和价值指向。从本质上看，人工智能是通过算法和数据推演并生成信息的系统，它依托大规模数据的统计相关性和预设的目标函数，不断优化输出结果。对于教育而言，这种“智能”具有明显的“控制”与“限制”特征。一方面，它通过对学习行为的持续监控、分析与反馈，对学习者的学习路径、节奏乃至注意力分配施加“软性控制”；另一方面，它通过技术以“个性化学习建议”的名义，为学习者预设了相对固定的学习内容与路径，这在客观上限制了学习者可能接触的信息范围与思考方向，并可能助长其思维依赖。换言之，人工智能的本质是一种以算法规则和数据模式为边界的“控驭智能”，若过度依赖其数据输出并陷入非完全理性使用的状态，教育工作则容易在大数据建构的虚假繁荣中迷失方向，进而忽视数据背后真实性的判断与教育的本质内涵（焦晨东等，2025）。
与之相对，人的智慧具有不同的内涵。人的智慧不仅包含对既有信息的加工处理，更体现在不确定世界中超越既定框架、不断自我提问、重新界定问题、持续建构意义的创新能力，其核心特征在于开放性与自由性。人的智慧不仅能够在给定规则内求解，更能够在必要时质疑规则与前提条件本身；不仅能够在既有信息中筛选，更能够提出新的问题、生成新的视角。教育者的智慧，正是人类智慧在教育情境中的具体展开，是一种教育者内化的、能够以最佳方式迅速处理教育突发事件的能力。这种能力既是充满思想和谋略的，又是不假思索的瞬间反思行动，是超越了知识和技能的素养（李树英，2019）。它不是对算法逻辑的简单模仿，而是在充分理解技术局限与风险的前提下，主动对技术加以批判性运用、调适与反思，从而引导技术服务于人的成长的能力。教育者的智慧，可以通过以下四个相互关联的维度得以具体体现。
1.价值判断的智慧：教育目的与本质的坚守
任何教育实践都应不断回到对一系列根本问题的追问：教育的本质是什么？何为好的教育？好的教育蕴含着怎样的价值判断？以及教育应如何引导学生成为自己生活的主体？正是在对这些问题的持续思考中，教育实践才能守住“育人”的核心目的与根本方向。教育者首先是教育目的的守护者和阐释者。然而，在绩效导向日益强化的现代经济社会中，人们对“教育质量”“教育效能”“教育结果”的关注日趋功利化，倾向于用数据与评分等可量化的指标来衡量教育的好坏。这种价值判断标准促使教育形成一种“达标”与“控制”的模式，往往只强调学生为获取高分而努力，遮蔽了其“育人”的根本初衷，即引导学生与事物建立关联、形成独立判断，最终成为更好的自己。
在人工智能技术的助推下，学生的知识掌握程度、答题速度、学习时间投入等行为数据被更精细地记录，教学过程也可以实现全面量化。然而，学生是否具备创新能力、批判性思维、共情能力与社会责任感等，却难以被数据准确刻画与解释。更值得警惕的是，当人工智能以算法和数据为依据推送信息与学习路径时，学生的思考范围和关注焦点在很大程度上被技术系统“窄化”或“控制”。在“精准推荐”的学习环境中，学生接触到的内容越来越局限于与自身兴趣相关的领域，那些看似无关却对思维提升具有重要价值的知识信息被系统性地过滤。由此，学生探索的偶然性、思维的发散性，以及学生与周围事物的关联都被无形压缩，其认知结构可能逐渐趋向单一与封闭。
在这种情境下，教育者的价值判断智慧不仅体现在超越现实“唯分数”“唯数据”等传统视角（黄欣等，2025）上，更重要的是能够警惕和抵抗以技术理性或技术中立之名行控制或限制人思想之实的倾向，始终坚守教育以人的主体性为根本、以促进自由发展与自主思考为依归的价值立场。为此，教育者需要不断追问：人工智能应用是否真正有助于学生形成独立人格和批判精神？是否为学生保留了足够的试探与犯错空间？当“最优路径”与“自我探索”发生冲突时，教育应当倾向于哪一方？对这些问题的回答，构成了教育者价值判断智慧的核心内容，而秉持这种教育价值意向，更有利于儿童的“生存和成长”（马克斯·范梅南，2014，p.18）。
2.情境审度的智慧：复杂情境中的教育机智
教育实践总是在具体教育情境中展开的，学生的个性差异、班级氛围、家庭背景等因素相互交织，使得任何教学方案都无法“原封不动”地移植。教育活动每时每刻都在发生，每一个教育情境都是独特的。教育情境决定了教师教学机智的及时性和在场性（于泽元等，2024）。智慧的教育者必须在具体情境中，综合在场的体验、过往的经验与反思、对行为的敏锐觉察与关注，对教学行动作出灵活的策略调整。这正是对教育情境保持敏感并进行审度与行动的智慧体现（马克斯·范梅南，2014，pp.104-105）。
人工智能在分析学习数据和预测学习表现等方面具有优势，但其判断基础仍是既有的数据与既定的模型。在这种意义上，人工智能更擅长在已知空间内寻找最优解，却难以在未知情境中重新界定问题、重构任务、重设情境等。尤其值得注意的是，教学机智常发生在师生多维互动的复杂情境中，是一种在具体情境中即刻行动的“知行合一”，它难以通过自然科学的分析思维或概念化的模型进行机械拆分与整合来理解（李树英等，2025）。例如，课堂上一个学生突然的情绪爆发、一则突发的社会新闻引发的讨论、一次原本按计划推进的教学活动中出现的意外事件，往往可成为重要的教育契机。这些偶发的生成性时刻往往无法被算法预见或创造，也难以被纳入系统化的流程之中。
教育者的情境审度智慧，体现为在面对复杂、不确定乃至前所未有的情境时，能够跳出算法设定的框架，理解具体学生的独特处境以及真实需要，并做出不完全依赖数据却更契合教育本质的行动。例如，在课堂中，优秀的教师能够在班级氛围低迷、学生普遍存在理解困难时，敏锐地觉知并及时放缓节奏，临时安排讨论或复习。因为学生的课堂体验是学习意义生成的关键（马克斯·范梅南，2014，pp.180-181）。又如，当系统将某学生标记为“学业预警对象”时，优秀的教师并不会简单按照标签采取“加压”策略，而是通过谈话了解其背后原因，从而选择情感支持、学习重建或其他相应的支持策略。这些看似非最优教育成效的个性化行动决策，背后正是教育者基于情境作出的开放性、敏感性、富有教育意义的智慧判断。
3.关系建构的智慧：通过教育互动助力个体成长
教育的发生远不止于“教师—知识—学生”这一线性通道，而是深深嵌入人与人之间的互动关系网络之中。教育者的人文智慧，正体现在其能够通过日常交流、课堂互动、课外交往等多种途径，营造安全、信任、支持、共同成长的教学环境，将身心保持在开放、好奇的状态，主动探寻并创造关于教育生活的非认知性的、感受性的知觉，从而学会如何更好地与学生相处，并构建起良好的师生教育关系（郑曼瑶等，2024）。
人工智能发展至今，已能借助自然语言处理技术在一定程度上模拟“关心”与“鼓励”。然而，这种基于算法的“情感共鸣与表达”，其生成机制仍依赖于既有数据模式对用户情绪进行调节，更多指向行为层面的引导与管理，而非真正以他者为中心的真诚关怀。例如，一些“情绪识别”系统可以依据学生的表情或语音特征做出安慰式反馈，但其被赋予的运作代码与模式旨在提供“最优解决方案”，而非出于将学生作为独特个体进行关切。
教育关系中的开放性，其核心在于教育者与学生在相处与对话中能够不断调整自身原有立场，生成新的理解与意义。这一相互塑造的过程无法被预先写入任何算法之中。教育者的关系建构智慧，正是在尊重学生主体性的前提下，通过平等而真诚的交往，助力学生在教育过程中实现自我成长。在人工智能广泛应用的课堂中，教育者需要主动创造平台互动之外的面对面交流机会，充分发挥智能体作为人与人交往的中介工具价值（李森等，2025），通过集体活动、小组合作和个别谈话，创建真实的人际关系，避免学习过程被“人—机”互动所主导。
4.自我反思的智慧：支撑专业成长的驱动力量
教育者的智慧，亦体现在其对自身实践的持续反思与迭代中。学生和教育情境始终处于变化之中，这要求教育者具备敏感性与临场行动的机智。这种素养并非与生俱来，而是需要教育者在“实践—反思—再实践—再反思”的螺旋式循环中不断锤炼与生成（李树英，2019）。面对技术与政策环境的持续变化，以及学生群体特征的不断演变，如果教育者只是固守既有的模式来应对所有教育情境，将难以实现真正的专业成长。自我反思的智慧，正是引导教育者在实践之后回顾自己的行为与决策，分析其中的成功经验与不足之处，进而在下一轮实践中加以调整、改进与提升。
在人工智能日益深入教育实践的背景下，教育者的反思智慧显得尤为重要。一方面，技术所生成的大量数据为教育者审视自身教学提供了全新的“镜像”，但如何解读这些数据、哪些指标值得被重视、哪些数据背后所隐含的价值判断与算法逻辑需要保持警惕，均离不开教育者审慎的判断。另一方面，教育者必须持续反思自身对技术的态度，是盲目依赖算法给出的最优解决方案，还是在理解其局限性的基础上有选择地、有节制地使用；是无意识地配合技术对学生思想与行为的规训，还是主动为学生保留开放探索与独立思考的空间。
唯有那些能够持续审视并调整自身与技术关系进而主动重构教学实践的教育者，才能真正体现出人的智慧的自由性与开放性。教师应当在实践中明确，“不是系统在用我，而是我在用系统。”只有当教育者能够在持续的实践与反思中不断强化和巩固这一主体性，人工智能才可能真正成为其智慧实践的助力，而非束缚其判断与创造力的技术工具。
四、人工智能时代教育者智慧发挥面临的困境
尽管理论上教育者的智慧具有不可替代的价值，但在人工智能日益普及的现实情境中，其重要性却常常被忽视。这也使得教育者智慧的发挥与发展面临诸多困境。概括而言，这些困境主要体现在价值、实践、关系与专业四个层面。
1.价值层面的困境：绩效导向压缩教育价值空间
近年来，我国基础教育与高等教育领域普遍推行以数据为基础的绩效评价机制，学校和教师的工作成效越来越倚重量化指标来衡量，如出勤率、考试成绩、升学率、学习平台使用率、作业完成率等。人工智能系统因其擅长生成与呈现此类数据，客观上进一步强化了“以绩效为中心”的评价逻辑。
在“绩效中心”评价逻辑主导下，若教育者在课堂中投入大量时间开展价值讨论、情感交流或者开放性探究活动，短期内往往难以转化为可观的数据成果，甚至会被质疑为效率不高或教学目标不明确。一些学校在推动“智慧校园”建设时，将平台登录次数、在线作业完成率、智能系统使用时长等直接纳入教师考核指标，而对于课堂中的生成性互动、师生关系构建等方面缺乏相应的评价机制。
由此，教育者的价值判断智慧在制度性评价压力下常常处于弱势地位。久而久之，教育者可能在潜移默化中内化绩效逻辑，将自己的专业追求限制在“如何提高分数与数据表现”的层面，弱化了对学生长期发展和人格成长的关注。价值判断与评价的困境，使教育者在实践中经常陷入“两难”：一方面清楚真正重要的教育目标通常难以被精确测量，另一方面又不得不主动或被动地适应现有评价体系的要求。
2.实践层面的困境：算法预设限制情境生成
智能教学平台通常内置了一套相对固定的教学流程、资源路径与操作规范，以便实现规模化推广和统一管理。这种预设在提高管理效率的同时，也限制了教育者依据具体情境进行课堂生成的空间。一些地区在推行“统一平台、统一备课、统一资源”的过程中，甚至存在要求教师“按平台教学”、规定每节课必须使用一定比例的平台资源、完成规定数量的在线互动与测试的现象。
在这种高度流程化、平台化的教学结构中，教育者根据学生现场反馈临时调整教学活动的空间被明显压缩。即便教育者察觉到某一教学环节需要延伸，或某些学生需要更多支持，也可能因为“系统进度”或“系统考核”的要求而难以充分响应。此外，教育者若想调整教学流程与内容，常常面临“平台上预设了完整的教学流程，若要改动，不仅需要承担额外的技术操作负担，还要向管理者解释为什么不按流程来做”的情况。这种额外负担在客观上抑制了教育者的主动性与创造性。
对情境审度的智慧在这样的教育结构中难以充分彰显，课堂的生成性被压缩为在预定路径内的有限微调。如果过度依赖平台推送的学习任务与测评结果，教育者可能逐渐习惯于流程化的执行模式，而不再投入精力去捕捉和经营那些在教育现场瞬间生成的、难以被预设的教育契机。长此以往，教育者专业身份中最关键的“课堂生成的回应者”的角色被不断弱化，教育者逐步被“驯化”为平台的熟练操作员。
在实践层面，这种算法预设与流程化管理带来的限制，直接挤压了教育者情境审度智慧的发挥空间。教育者并非缺乏判断能力，而是在现实结构中“无须判断”。这种从“有能力但受制约”到“逐渐失去能力与意愿”的转变，是人工智能时代教育者智慧被消解的一个重要表现。
3.关系层面的困境：技术中介削弱在场与陪伴
人工智能技术在教育领域的扩张，往往伴随着学习过程的“去教师化”倾向。一方面，大量在线课程与智能辅导系统的使用，使学生的学习活动越来越多地在“人—机”互动中完成。另一方面，学校为缓解教师人力紧张、提高学生服务的覆盖率，也倾向于将部分答疑辅导、课后服务等环节交由智能系统承担。
从表面看，这种安排短期内可减轻教育者负担，也能使学生更易获得及时反馈。但在关系层面，其潜在代价是：教育者与学生之间原本可以直接发生的对话、交流与陪伴被技术所取代，人际关系被转换为技术关系。学生遇到学习困难时，首先想到的是去问系统，而不是去找老师。教育者在课后了解学生情况的机会也随之减少，许多细微的需求和情感信号，便在这逐渐“去教师化”过程中被遮蔽，师生的教育关系可能出现异化。
更值得警惕的是，部分智能教学管理系统在设计之初便内嵌了一套“行为管理”逻辑，例如通过奖惩机制、排行榜、连续打卡等方式来激励和规训学生行为。这种做法倾向于以流水线式的塑造取代基于理解与对话的教育性互动。倘若教育者在实践中也逐渐习惯以这种线性、控制导向的逻辑对待学生，那么教育关系的本质便会从以成人与成长为核心的教育学关系，滑向以任务完成和秩序维护为核心的管理学关系，进而削弱教育者在师生相处中本应发挥的关系建构智慧。
4.专业层面的困境：教育者在技术话语中的边缘化
在许多地区和学校，教育技术系统的采购、设计与部署主要由教育行政部门与技术企业主导。一线教育者往往在系统已经成形后才被动接触，对其设计理念、算法逻辑与数据使用方式缺乏了解，更缺少参与决策与评估的正式渠道。教育者多被要求学习使用系统，而鲜少有机会参与系统的构建过程。
由于缺乏技术语言与算法素养，教育者在面对技术方案时难以提出具有说服力的质询或修改建议，只能被动适应。“技术专家说了算”的局面便逐渐固化，教育者在技术话语中的角色日益边缘。这不仅削弱了其对技术使用边界的判断能力，也制约了其在教育智慧方面的自信与主动性。
这种专业边缘化同样反映在教育者专业发展的话语中。近年来，“人工智能＋教育”“人工智能助力教育变革”“教师数字素养”“人工智能赋能教师发展”等概念被广泛倡导，然而在培训实践中，却常常被简化为对特定平台或工具的操作培训。教育者在技术应用中的专业性被窄化为操作熟练度，而非价值判断与情境审度能力。其结果是，教师技术使用越来越熟练，但对技术的理解却越来越浅薄，批判性反思能力与主体认知能力逐渐“代偿性退化”（伍顺比等，2025）。
五、人工智能时代教育者智慧的重构路径
教育者智慧的生成与发展并非自然而然的过程，需要在观念、制度与实践三个层面进行自觉、系统的重构。其总体路径应聚焦于专业角色重塑、智慧要素整合以及“人—机”协同原则确立等方面，进而推动教育者在人工智能时代真正实现“以智驭技”。
1.重塑教育者的专业角色
在以人工智能为代表的新技术支持下，知识呈现与基本技能训练的部分功能可以由智能系统承担，这为教育者从繁重的、重复的机械性劳动中解放出来创造了条件（周洪宇等，2025）。然而，如果仅仅停留在为教育者减负层面而不对其专业角色进行重新定位，就难以从根本上降低“教师被替代”的焦虑。
在人工智能情境下，教育者应从单纯的“知识传授者”转向“意义引导者”“学习促进者”“技术使用的价值裁判者”（李树英等，2024）。首先，教育者应帮助学生理解知识背后的观念结构，将所学内容与个人生活、社会现实乃至人类命运相联系，引导学生在信息极度丰富、观点高度分化的环境中形成整体性的世界观与人生观。这一层面的引导与陪伴，是知识推送或信息检索系统无法替代的。其次，在学习资源愈发丰富、学习路径愈发多元的人工智能时代，教育者需要基于课程目标、学生特点与技术条件，整合与重构学习资源，设计具有挑战性与开放性的学习任务，而非简单沿用平台推荐的标准流程。教师的专业性更多体现在如何整合资源、设计任务、促进学习，而非掌握所有知识与资源。第三，教育者应扮演技术应用的“守门人”角色，对可能损害学生权益、导致不公正或违背教育目的的技术做法保持高度警惕并予以抵制。例如，对过度监控学生行为、简单以算法给学生贴标签的系统保持审慎使用态度，对涉及学生隐私的数据收集行为坚持“知情—同意—最小必要”的原则。
2. 重申与整合教育者智慧的四个维度
在人工智能深度介入教育情境下，教育者的智慧并非简单地新增某种技术技能，而是对既有四个智慧维度的重申与整合，让“无心”的技术赋能于“有心”的教育，构建“技术无心—教育有心”的共生生态（胡凡刚等，2025），使教育在智能环境中焕发新的意义。这首先需要强化教育者的价值判断能力。在引入任何人工智能应用之前，教育者应参与评估其是否符合学校的教育理念与学生发展目标；在使用过程中，需持续审视技术是否偏离了“以人的发展为本”的教育原则。例如，对于“刷题提分”类的智能系统，即便短期内使用可提升分数，也需要追问：其是否加重了学生的机械练习负担？是否挤压了探究性学习和创造性实践的时间？其次，提升教育者的情境审度智慧。教育者应学会在处理数据与算法推荐结果时，保留对具体教育情境的敏感性，将系统提供的通用建议与课堂实情进行对照，从学生的语言、表情与行为中捕捉系统无法呈现的关键信息，并在必要时对系统建议进行调整。第三，教育者需要激活关系建构智慧。在技术中介环境中，教育者应更有意识地创造面对面的交流机会，将部分教学时间用于讨论学生的困惑、情感和生活体验，通过共同活动和合作项目重建学习共同体。例如，刻意安排无设备的课堂环节，让学生通过对话、辩论、角色扮演等形式进行线下互动，以弥补“屏幕时代”的关系缺失。第四，教育者需要关注自我反思智慧的生成。教育者需要利用技术提供的数据反馈，结合自身感受和学生的体验与反馈，对教学实践进行多维度反思。但反思的重点不应局限于如何提高成绩，而应回到这种做法是否有利于学生的长远发展、是否符合教育的初衷等本质问题上，从而把握现象背后隐藏的生活与教育意义（李树英等，2009）。通过行动研究、叙事研究等方式，教师可以对自身的实践经验进行提炼与归纳，从中获得有价值的经验认知，为教师提供系统化的反思框架，推动教师专业发展实现质的飞跃（曹宝龙，2025）。
这四个教育智慧维度并非彼此孤立，而是互相支撑、相互渗透的关系。价值判断为情境审度提供目标与方向，情境审度为关系建构提供策略，关系建构为自我反思提供素材，而自我反思又反过来深化价值立场与情境敏感性。人工智能只有被置于这一“人文智慧循环”之中（胡钦太等，2025），才有可能成为促进教育者专业成长的资源，而非阻碍。
3.确立“人—机”协同的实践原则
为避免人工智能“喧宾夺主”，有必要在实践层面确立若干基本原则，深入探讨教学中人机主体性与人机权力分配问题（张缨斌等，2025），以确保技术真正服务于教育者智慧的发挥和发展。其一，“能算的交给机器，不能算的留给教育者”。对于重复性强、标准化程度高且可以被清晰量化的任务，如简单题目批改、基础知识测验、部分学习行为监测等，可更多交由人工智能完成；而涉及复杂价值判断、情境决策、深度交流的工作，则应明确属于教育者的责任领域。通过这种合理分工，让教师从琐碎事务中解放出来，将更多精力投入更具专业性的智慧劳动中。其二，“技术辅助、关系为本”。在引入新技术工具时，应优先评估其是否有助于加强师生之间的真实互动，而非单纯追求“去教师化”（陈晓珊，2025）。例如，可以利用学习分析结果帮助教师更精准地了解学生，从而在课堂上进行更有针对性的沟通，而不是用系统完全替代教师与学生的谈话。其三，“透明可问责、慎用黑箱算法”。在使用涉及重要教育决策的人工智能系统（如分班、分层教学、学业预警、升学建议等）时，应坚持算法逻辑的基本透明与可解释性，确保教育者能够理解并质询技术决策的依据，而不是被迫无条件接受。教育者的智慧需要在“看得见的规则”中发挥作用，而不是被“看不见的黑箱”所替代。通过以上三项原则的落实，人工智能方有可能从压缩教育者专业自主性的潜在力量，转变为激发与扩展其教育智慧的有力支撑。
六、促进教育者智慧生成的制度与实践支持
教育者的智慧生成并非仅依赖个体知觉，更需要在良好的制度环境与组织文化中长期塑造。因此，仅呼吁教师提升智慧与反思能力是远远不够的，必须在教师教育、学校治理以及政策制度等多个层面，构建有利于教育者智慧生成与发展的制度与实践支持体系。
1.完善职前职后教师教育与培训机制
在职前教师教育阶段，应在原有课程基础上，系统地融入人工智能基础知识与教育技术伦理的相关内容，使未来教育者不仅掌握工具的操作方法，更理解其背后的运行逻辑与潜在风险。这可通过跨学科课程设计实现。例如将计算思维、算法基本原理，与教育目的论、教育哲学等课程有机结合起来，引导师范生从一开始就将对技术的理解置于教育价值的整体框架之中。同时，应继续强化教育哲学、教育目的论等人文课程在师范教育中的核心地位，通过经典文本研读、教育案例讨论等方式，帮助师范生形成相对稳固而深刻的教育观念，使其在技术快速变迁中能保持清醒的价值判断力，并自觉反思“何为教育”“何为好的教育者”以及“人工智能在教育中的角色”等根本问题，从而摒弃机械的育人模式（李树英等，2024）。
在职后培训方面，则需实现从传统的“技术操作培训”转向“技术—教学—价值”三位一体的研修范式。培训应更多采用案例分析、情景模拟、同伴互助等方式，帮助教师提高教育的敏感性，并在面对数据与算法建议时作出符合教育目的的专业判断。可借助叙事行动研究和顿悟式学习，引导教师在教育实践与理论反思的互动中，通过教育生活、讲述、再生活、再讲述的循环往复过程唤醒教师教育信念（陈向明等，2021），同时引导教师反思人工智能介入后自身实践的变化，重新审视并重构自我对技术与时空关系的认知，提升自我反思智慧以抵抗技术加速逻辑下工具理性对个体意义的侵蚀与剥夺（王兆璟等，2025）。需要强调的是，教师培训的目标不应止于让教师学会使用平台，更应支持教师在教育价值引领下，敢于审慎调整平台建议，形成基于专业自主的技术运用策略。
2.构建促进教育者智慧生成的学校组织与文化
学校作为教育者实践的主要场域，其组织结构与文化氛围对教育者智慧的生成具有重要影响。为了让教育者的智慧在人工智能情境中真正“生长”出来，学校层面至少需要在以下三个方面作出努力。第一，建立以实践反思和经验分享为核心的教师学习共同体。学校可以围绕“人工智能与课堂变革”“基于数据的教学决策”等主题，定期组织集体备课、案例分享与同伴互评，鼓励教师讲述自己在技术应用中的困惑与探索，在彼此支持与共同反思中，形成将技术反思视为专业共同体正当关切的文化氛围。第二，在校本制度中明确人工智能应用规范，保障教育者参与权与话语权。学校在选择或调整智能平台时，应建立教师参与机制，广泛征求不同学科、不同年级教师的意见，并可视情况邀请部分教师参与平台功能的共创与测试。对于涉及学生数据与隐私的重要问题，学校应设立专门的听证与讨论程序，确保教师能够基于专业判断充分表达意见。第三，调整教师评价导向，为教育者智慧实践留出空间。在教师评价体系中，应适度降低对平台使用频率等表层指标的权重，增加对课堂生成性、师生关系建构和学生长远发展的考察。学校可通过教学观摩、学生访谈、成长档案等多元方式，识别并记录教育者智慧实践的痕迹，并在评优评先、职称评聘中给予相应的制度性认可。
3.提供保障教育者智慧发挥的政策与制度
在更宏观的层面上，教育行政部门在制定教育技术政策时，应明确教育目的优先于技术手段的原则，将“以学生全面发展为本”“尊重教育者专业判断”等核心理念写入相关政策文件，为教育者“以教育理性约束技术理性”的实践提供政策依据。
针对涉及学生数据的大规模教育平台，应建立严格的伦理审查与监管机制，明确学生数据的收集范围、使用目的、保存期限以及第三方使用边界，避免将师生置于被动接受技术安排的境地。政策层面还应推动学校在平台采购与应用过程中开展独立评估，引导技术企业在产品设计与迭代中充分吸纳教育者的意见与需求。
此外，政策还应鼓励多方参与教育技术决策与评估，构建由教育者、研究者、技术开发者以及学生与家长代表等协同参与的治理机制。通过这种制度安排，可以在政策层面明确教育者在技术使用中的专业地位，为其智慧的生成与发挥提供持续而稳定的制度保障。
七、结论与展望
人工智能技术正在并将继续深刻影响教育生态，为教学效率的提升、学习支持的优化以及教育治理的改进提供前所未有的可能与机遇。但必须警惕的是，当技术将自然与人类都纳入一个可计算、可操作的框架中，使其沦为随时待命的“持存物”时，我们便容易遗忘了事物本真的存在方式。在这个意义上，技术恰恰要求人重新思考“本质”（海德格尔，2020），而教育的本质在技术冲击下，也应被置于同样的反思之中。明确教育应始终以人的成长与发展为核心，其关键在于如何引导学生在复杂多变的世界中形成对自我、他人和社会的合理理解，并在多元价值与不确定的环境中作出负责任的选择。完成这样的教育任务，既需要技术的“智”，更离不开教育者的“慧”。
人工智能的到来并不意味着教育者的退场，恰恰相反，它为教育者重新思考教育本身与重塑自身角色提供了历史机遇。在技术日益智能的当下，真正值得期待的并非“无师”的教育系统，而是能与技术共舞、在技术环境中坚守教育初心与价值信念的智慧教育者。唯有当这样的教育者在现实教育场域中不断涌现与成长，人工智能时代的教育才有可能真正成为“人的教育”而非“技术的教育”。
扫一扫 关注