2026年10月17日，由中国计算机学会（CCF）主办、CCF YOCSEF上海学术委员会组织的“快技术遇上慢教育：AI赋能基础教育教学成效几何”观点论坛在华东师范大学闵行校区人文楼3404会议室举行。本次论坛由CCF YOCSEF上海AC委员郭畅（上海师范大学）与委员张敏（华东师范大学）共同担任执行主席，论坛编号为CCF-Yo-26-163。论坛汇聚高校研究者、一线中小学教师、AI技术企业、学校管理者等多方代表，围绕AI赋能基础教育的真实成效、区域公平、推广路径与技术形态展开开放思辨。

现场照片

思辨议题一：AI赋能基础教育效果的好与坏：哪些是真有用，哪些是“鸡肋”？区域差异下是否存在错位？

核心观点一：AI在效率型、知识梳理型任务上收效明显，但在情感、思维、创造力与过程体验方面仍存在明显短板；区域差异上，硬件接入差距逐步缩小，应用深度与实际效果差距仍在拉大，AI本身并不天然带来教育公平。

      参会者通过思辨议题一的讨论，普遍认为，对AI教育产品有效性的判断不宜一概而论，应依据任务类型加以区分。成绩分析、客观题批改、录播字幕生成、知识点梳理、随堂测试生成、24小时答疑等效率型和知识梳理型任务，AI优势较为明。但创造力培养、情感对接、师生关系维系、数据结果辨识等，仍是AI难以替代教师的部分。其次，判断技术是否“真有用”，应看其是否对学科教学有价值、是否易于使用、教师是否能够掌握。部分产品以工程师思维设计流程，形式完整但与教师日常教学场景存在脱节，反而增加使用负担。AI赋能教育工具对区域教育效果的影响，应将接入、应用、效果分层考察：硬件软件接入差距在缩小，但应用深度差距在拉大，长期效果尚难定论；若只投入设备而不配套师资培训与教研支持，技术反而可能放大“会用”与“不会用”的差距。因此，教育效果和底层理念最终仍需由人来主导，不能用技术逻辑替代教育逻辑。

      熊宗齐直言，快技术之所以快，是因为看不见AI的思考过程；慢教育之所以慢，是因为教师和学生日复一日的教学变化很难被捕捉。他判断，AI在中小学教学设计上的水平像一个大学毕业生。同样的课题，教师给出不同指令，输出结果差别很大。他还提出，AI在成绩分析等浅层知识工作上优势明显，但在创造、情感对接上比较差，甚至可能削弱师生关系，产生大量需要辨识的数据结果垃圾。薛硕悦月从知识平权角度补充，AI快速发展带来的最大好处是知识平权，教师对学生的评价应从任务是否完成转向是否形成科学判断能力。她提出人类具有创造力、沟通力、好奇心、同理心、批判思维、观察与思辨人性之光六个点，应由人驾驭AI，而不是被AI驾驭。甘毅结合AI+STEM产品落地经验指出，教育部门、校长、专家对AI教育更积极，一线教师更关注AI如何减轻负担、降本增效。黄俊海认为很多教师使用AI还停留在改点东西、AI排课等场景，尚未真正融入教育全链路。AI+教育的核心是教育，技术改变教育有两个方向：一是技术升级时代教育应该是什么样，二是如何用技术手段把新的教育理念和内容提升好。

      刘近腾从学校后勤与信息化管理角度表示，学校园区大、学段多，访客系统、人脸识别、宿舍管理等信息化项目明显提高了管理效率；但AI教学功能目前只能实现约60%的预期，知识图谱也主要集中在数学等主学科，其他学科需要教师投入大量精力配合开发，“技术不是直接拿给我们用，而是我们配合技术”。许盛诚结合高校信息化实践补充，中学与高校阶段，AI对接录播系统可实现课程字幕自动生成、知识点梳理、随堂测试生成，形成24小时可及的学习助手，对学生知识体系构建有正向作用；但这类应用在小学阶段适配性较弱，因为小学教育更侧重过程体验而非知识点输出。

      区域差异是讨论焦点。李卓远结合云南大理支教经验，硬件软件接入差距在缩小，应用深度差距在拉大，长期效果尚难定论。他举例，山区教师最需要AI“补位”——出题、找素材、做课件，但恰恰是这批老师用得最浅；学生课后缺乏设备和网络，AI使用局限在课堂有限时长。下一步的钱应更多投给教师、教研、培训和能持续开下去的课程。

      来自云南云龙县的刘颖、李芳、杨莲三位一线教师坦言，AI在备课、出题、课件修改优化、制作辅导材料等方面确实节约了重复性劳动；但AI无法替代教师育人，学生行为习惯规范、做人道理、课堂导入与人格魅力仍需教师完成。她们同时表达忧虑：乡村学校师资结构性短缺，一位教师承担多门课程的情况普遍，AI能补足部分短板，但受限于教师数字素养、网络条件、学生自主使用权限，城乡教学质量差距未必因技术投入自然缩小，甚至可能越拉越大。

      全场形成的倾向性共识是：参会者对AI赋能基础教育的总体态度偏积极，但区分度很强。数据处理、基础样本输出、客观题批改、知识梳理等效率型任务收效较好；人的情感、思维、创造力以及师生之间的真实沟通，仍是AI难以替代的部分。AI本身不天然带来公平，硬件投入只是基础，资源要向教师能力、课程设计、教研支持和常态化运营倾斜；教育效果和底层理念最终需要人来主导，不能用技术逻辑替代教育逻辑。

思辨议题二：面对一线教师“学不会、用不上”的难题，应该降低产品门槛还是加强教师培训？

核心观点二：降低产品门槛与加强教师培训并非二选一，而是双向协同；产品侧要“做轻”、贴近教学场景，培训侧要“场景化、分层级、有人带”，核心是让技术服务于教学，而非让教学适配技术。

       一线教师“学不会、用不上”不能简单归因于教师“懒”或“不愿用”，而要同时看产品侧和培训侧。产品侧的问题在于，不少AI教育产品以工程师视角设计，入口层层嵌套、流程复杂、跨平台切换成本高，脱离教师日常教学场景。教师排斥AI，很多时候不是不愿用，而是“增加工作量”、“用起来麻烦”。培训侧的问题在于，通用化、念PPT式的培训难以解决真实痛点，教师需要的是结合备课、课中互动、课后分析等具体场景的分层培训，需要有人带着操作、当场做出作品，感受到实际价值。因此，降低门槛与加强培训不是二选一：产品要做轻、融入教师已有工作流程；培训要场景化、分层级、尊重不同群体的节奏。同时，是否要求每位教师都掌握AI工具，也应尊重学科、教龄、地区差异，不能一刀切，更不能为了技术而技术。

       一线教师从使用现场提出了大量具体问题。杜芸菲指出，学习通等平台上线了不少智能体功能，但入口层层嵌套、非常难找；代码类课程作业批改中，客观题没有问题，主观题和程序题的评价标准不透明，教师无法完全依赖批改结果给学生打分。贾宸杰结合在贵州等地的支教和教学经历指出，缺师少教问题在不同地区都存在，贵州有学校一位教师承担上百人公开课，学习材料严重不足；年纪较大的教师即使面对图形化开源工具也存在操作困难的问题。他认为，AI融入教学不仅要培训，更要让产品真正给人用，而不是学习通下面一堆没人看的弹窗。孔浩提供了山东曲阜的县域样本。他坦言，当地家长重视教育主要体现在卷成绩、通过成绩择校、考出小城；AI在小学阶段更多是公开课上的噱头，一些老教师凭多年经验足以提升成绩，并不太在意AI工具；可能要等年轻教师接手后，AI培养学生适应未来的诉求才会增强。

       蓝星从高校督导和教学辅导角度提出，教师个人数字素养直接影响用不用工具；她建议产品开发方要告诉教师工具对课程质量、教学质量到底能创造的具体价值。教师一旦观念改变，摸索工具就会变成一种体验。黄彬介绍了奉贤区330名中小学教师AI培训的实践。他认为，让AI产品降低门槛有难度，但加强教师培训是可以做到的，而且能得有人带效果很好。甘毅回应称，“拿来就能用”是产品迭代的核心方向，产品侧要扎根教学场景做轻量化设计；但AI对教育的价值不止提效，最终会推动教学模式创新，因此培训不可或缺。

思辨议题三：AI赋能教育最终应为垂类模型还是通用基础模型？

核心观点三：未来或走向通用底座+垂类应用的分层架构，底层通用能力下沉，上层场景应用做深；比模型形态更关键的是教育数据与教学经验的沉淀，以及统一入口、统一标准打破平台壁垒，最终仍要回到有效性框架内实际效果。

       讨论垂类还是通用，不能脱离教育场景和实际效果。垂类模型的优势在于深耕学段、学科和教学环节，能更贴合具体需求；但垂类产品之间数据不互通、标准不统一，教师要在多个平台间切换，学校重复采购，数据孤岛突出。通用基础模型的优势在于底层自然语言理解、多模态交互、知识推理等能力统一提供，再在上层做轻量化定制，可避免重复建设、打破平台壁垒；但通用模型未必天然适配所有教学场景。因此，未来更可能走向通用底座+垂类应用的分层架构：底层通用能力下沉，上层场景应用做深。比模型形态更关键的是教育数据与教学经验的沉淀，形成标准化教学数据格式、可迁移的教师经验模型，才能在不同平台间流动。同时，统一入口、统一数据标准是打破壁垒的基础。

       支持垂类的观点认为，教育场景高度细分，不同学段、学科、教学环节需求差异极大，通用模型很难适配所有场景，只有垂类深耕才能真正贴合教学。但垂类也带来现实问题：产品之间数据不互通、标准不统一，教师要在多个平台间切换，学校重复采购，数据孤岛突出。

支持通用底座的观点则提出，自然语言理解、多模态交互、知识推理等基础能力可由通用大模型统一提供，再在上层针对学科和场景做轻量化定制，既可避免重复建设，也能打破平台壁垒。

       参会者指出，未来核心不是模型本身，而是教育数据与教学经验的沉淀；如果能形成标准化的教学数据格式、可迁移的教师经验模型，就能在不同平台间流动，打破产品壁垒。现场倾向认为，技术最终会走向通用底座+垂类应用的分层架构，底层通用能力下沉，上层场景应用做深。

       关于AI赋能教育的终极价值，全场形成较强共识，AI的价值不是替代教师，也不是单纯提效，而是重构教育关系，把教师从重复性劳动中解放出来，更多投入育人、情感陪伴和创造性引导。熊宗齐以“肉身像车、过去经验像自驾系统”作比，提醒人不能放弃理性思考和选择判断权，AI无论怎样发展只能是工具。蓝星则强调，好的课程和教师的教学理念、师生交流才是教育价值所在，AI产品应帮助放大好课，而不是只做底线功能。

       董玉琦在讨论中进一步回应未来学什么。他认为，未来人的走向大致有“享受、休闲”和“创造”两类，教育目的具有动态性和阶段性。当前既要看到AI带来的变化，也要有节奏感，他强调，无论通用还是垂类，都要放在有效性框架内谈。教育优先还是技术优先需要审慎辨析，技术作用点应落在教学关系上，个性化学习要真正锚定学习者的认知起点，否则难以转化为持续育人成效。

为参与思辨嘉宾颁发感谢牌