迈向智慧范式：人工智能赋能教学的五层级模型研究

在人工智能赋能教育数字化转型的背景下，为破解智慧融合教学环境中技术应用“重工具轻思维，实践方向模糊”的困境，本研究基于复杂适应系统理论，建构了包含工具辅助、互动增强、思维深化、个性化适配与范式变革的人工智能赋能教学五层级模型。该模型为理解与推动智慧融合教学环境的演进提供了动态分析工具，为推动课堂教学迈向智慧范式提供了路径指引与批判性思考。

问题提出与研究价值

在我国纵深推进教育数字化战略行动的背景下，以人工智能（AI）、交互技术、传感设备、虚拟现实等为代表的多种技术正加速融入课堂，推动课堂教学环境向智慧融合教学环境（Wisdom-Integrated Learning Environment，WILE）演进。当前的教学实践暴露出的问题如下：①在AI赋能过程中存在“重工具轻思维”等问题；②尽管涌现出诸多精彩案例，但缺乏一个能够系统描述技术应用现状、诊断应用问题、指引发展方向的理论框架，导致实践呈现“点状繁荣、系统混沌”的状态；③许多教师在新环境中对技术融合的方向感到迷茫，其教学设计往往从“助教”的工具理性出发，而非自觉聚焦于“促学”的价值理性，导致技术应用与教学目标脱节。

为摆脱上述困境，本研究将“智慧融合教学环境（WILE）”界定为一个以人工智能为关键驱动引擎，深度融合交互、传感、虚拟现实等技术要素，以智慧生成为目标，以教师智慧与人机协同为主导，以双向智慧流动为特征的动态生态系统（如图1）。在此环境中，如何实现技术协同以深度赋能教学变革，成为核心议题。

图1 智慧融合教学环境（WILE）的生态体系架构

研究方法与数据来源

为检验与深化五层级模型，本研究遵循复杂适应系统理论的指导，采用扎根理论的研究路径展开实证分析。首先，基于全国性课例库进行广泛观察，把握技术融合教学的前沿全貌，为模型构想提供现实依据；其次，聚焦区域性课例库即宁德市新媒体新技术创新应用活动的108节优质课例展开深度扎根分析。通过对教学设计、课例录像、教学反思等课例资料的系统分析，并辅以三角验证等方法确保严谨性，本研究最终目的在于回应：模型能否精准刻画AI课堂实践形态？其应用是否存在学段化规律？该框架对区域教学生态与教师专业发展有何建设性价值？

AI赋能教学的五层级模型建构与实证分析

AI赋能教学的五层级模型核心特征与内涵如图2所示。该模型的层级表现具有可共存性与可跃迁性两大特征，共同揭示实践的复杂性与动态演进性。

图2 AI赋能教学的五层级模型核心特征与内涵

1.可共存性：多层级功能的有机整合

可共存性指在一节课的场景中，为达成复合型目标，AI赋能教学可同时呈现多层级的特征。各层级功能围绕多元、高阶的核心教学目标协同作用，体现了教学设计的整体性思维。

①实现多元目标的需要。例如，在展示课例《神话全运会：高光时刻解说工坊》的教学过程中，AI的应用涵盖了多个层级，包括充当快速收集素材的辅助工具、激励表达的互动伙伴、深化思维的辩论伙伴、给出个性化的文稿修改意见的虚拟教师，一步步走向个性化适配层，这些应用共同助力创造性表达核心素养的达成。

②范式变革的实践基础。当教师能驾驭不同的AI技术辅助教学时，其教学实践本身便可能孕育出新的范式。在上一案例中，AI嵌入全流程重构教与学的关系，使教师成为学习的引导者，让学生成为探究的主体，这就是范式变革的起点。

③目标导向的最优化原则。一节课的质量高低，并非取决于采用技术数量的多寡，而在于所有技术应用环节是否与学情及教学目标实现达成最优适配。例如，在技能练习课中，精确的个性化反馈是核心；在项目式学习的启动课中，激发兴趣的互动与思维的交锋就更为关键。因此，可共存性反映出教师的专业价值，即基于教学智慧进行审慎的抉择与创造性的融合，不滥用技术，不炫耀技巧，使技术精准地服务于教学目标。

④多技术共存的重要意义。在国内几乎每间教室都铺设了交互大屏，其在互动增强与思维可视化方面发挥着不可替代的作用。在引入AI技术的同时，不能无视其他技术所具有的积极效应，谨防将互动大屏降格为投影幕使用，只有将交互技术、物联网技术以及各类虚拟现实技术相互协同，才能发挥出所有技术的最大效能。

2.可跃迁性：实践发展的动态演进路径

可跃迁性指教学实践能够形成从低层级向高层级自然演进或非线性进阶的发展路径。低层级功能常作为基础，自然融入并支撑更高层级的教学目标。例如，在《AI赋能数学课堂：巧用DeepSeek制作三视图教学工具》课例中，教师利用AI动态生成三维模型与三视图，显著提升了演示效率。同时，学生通过操作工具进行多角度观察与想象，在AI提供的即时可视化反馈中，深度训练了空间几何思维。两个层级的应用在同一过程中有机融合、相互促进，体现了从工具辅助层到思维深化层、从效率工具到认知支架的自然演进。

另外，本研究进一步观察到，实现高层级跃迁存在多条路径，其核心驱动力与制约条件各异：①从思维深化到范式变革。从思维深化向范式变革的跃迁，以设计意识为驱动，关键并非技术复杂化，而在于教学设计的系统化重构。②向个性化适配的跃迁。大规模因材施教与个性化适配是教育现代化的“一体两面”，通过技术赋能实现理念与实践融合，但其深度实现受个体数据采集、算法、自适应资源库等条件限制，需区域或校级平台与政策支持。当前，主要基于实时分析学生学习数据，如答题表现、互动模式等，精准指出知识漏洞，动态调整学习内容。与此同时，教师的能力进阶是另一条关键路径。③范式变革的发起。范式变革的探索与启动，以建模意识为先导，其首要条件在于教师的主观意识与设计能力。它要求教师具备稳定的、以学生为中心的设计意识与建模意识，主动以重构教学关系、重塑学习流程为目标，运用技术进行教学范式的再设计。

3.与经典理论的对话

经典的技术整合SAMR模型（替代—Substitution、增强—Augmentation、修改— Modification、重塑—Redefinition）阐述了技术从替代传统工具到重塑学习任务的线性轨迹，而本模型在其“修改”和“重塑”之间，划分出“思维深化”和“个性化适配”两个关键层级。这一细化更精准地描绘了技术引发高阶认知发展和规模化因材施教的中间环节，指明只有到达“个性化适配”层级，技术才能真正支撑起智慧课堂的核心内涵，实现从群体教学到个体发展的范式转型。

本模型亦与经典学习理论形成系统呼应。在认知目标上，它与布卢姆分类理论及SOLO分类理论相对应：工具辅助与互动增强主要支持记忆、理解等低阶目标，即单点与多点结构；思维深化指向应用、分析、评价、创造等高阶能力，即关联与拓展抽象结构；个性化适配则贯穿全部认知层次，为复杂知识建构提供条件；范式变革最终推动整个教学系统向更高复杂度演进。在学理层面，模型体现了维果茨基“最近发展区”思想的演进，即AI角色从提供基础支持的“支架”，发展为协同探究的伙伴，最终致力于构建能自动识别与适配每个学习者发展区的弹性化智能生态。

4.基于宁德108节课例的模型实证分析

（1）橄榄形分布的整体结构

笔者通过对2025年11月宁德市108节展示课例的分析，得到以下数据：工具辅助、互动增强、思维深化、个性化适配、范式变革五个层级的课例依次占比18.5%、27.8%、32.4%、12%、9.3%。其中，被标注为范式变革的课例与未受干扰评委小组评分不谋而合，验证了五层级模型刻画实践现状的能力。

思维深化层占比最大，呈中间大、两头小的橄榄形，表明该区域AI赋能教学基础广泛，且将AI作为培养学生批判性思维、创造性思维的认知支架，标志着区域实践整体超越工具层，已进入促进学生高阶认知能力发展的新阶段。此外，有21.3%的课例正向个性化适配与范式变革层级探索，展现出教育创新的前沿活力。

（2）随学段递进迁移的学段差异

数据显示，不同学段AI应用重心发生了结构性迁移。学前组和小学组的范式变革比例并列第一，归因于低龄段课程活动化、项目式特点及无升学压力，可大刀阔斧地探索创新；初中组个性化适配层占比陡升至17.2%，精准教学需求凸显；高中组思维深化层占比35.5%，居各学段之首，体现对高阶思维能力培养的强烈诉求。

模型的解释力、边界与未来展望

1.模型的理论贡献、结构约束与协同演进路径

本模型在SAMR模型的修改与重塑层之间，明确提出了思维深化与个性化适配两个关键过渡层级，清晰刻画了技术从改变教学过程到变革教学范式的中间阶段。模型揭示的层级间动态共存与非线性跃迁特征，打破了技术应用必然线性递进的想象，表明优质教学创新是围绕多元目标、有机融合多种技术功能的系统性应用的复杂系统。

实证分析揭示了区域实践的三重深层结构。首先，以思维深化为核心的“橄榄形”分布表明，区域教育创新的主战场已回归发展学生思维这一学习本质。其次，个性化适配层整体薄弱，凸显了其跃迁面临数据、算法、资源与教师能力等多重系统性瓶颈，需构建区域级数据治理体系方能突破。最后，各学段在范式变革层上的显著差异，深刻反映了课程标准、评价体系等结构性因素对技术融合形态的刚性约束，提示高学段的深层变革必须与评价改革、课程优化协同推进。

2.技术的融合应用与教师的不可替代性

本模型在强调AI赋能潜力的同时，也必须明确其技术边界与应用伦理。AI的赋能价值在于智能增强与系统整合，而非对其他成熟的教育技术的简单替代。本研究认为，未来的教学创新应走向“AI+”的融合路径，同时，新技术应用的根本边界在于其育人价值的实现必须牢固锚定人的主体性，如一些语文教师不约而同地给出的AI批改作文“缺少感受过程”“没有温度”的直觉判断，恰是对AI应用的效能与伦理边界的审慎考量。

实践建议

本研究利用“AI赋能教学的五层级模型”对宁德市108节优质课例进行分析，发现智慧融合教学环境下，AI在教学中的作用从工具辅助转变为范式变革，呈现出非线性和动态的演进过程。不过，个性化适配受系统性数据基座限制，范式变革深入面临课程评价体系刚性约束与教师范式设计力瓶颈。因此，为推动AI赋能教学向更高层级演进，笔者提出如下建议：

一是管理部门要强化统筹规划与制度保障。可借鉴五层级模型诊断区域发展现状，制订差异化推进策略，推动课堂从工具应用迈向思维深化，为探索个性化适配与范式变革的学校提供项目与资源支持；牵头建设区域或校级教育数据治理体系，打通部门之间的壁垒，为规模化因材施教提供基础支撑。

二是一线教师要聚焦教学创新与模式建构。教师要通过持续反思实践效果，提炼可迁移的教学模式。在现有条件下，积极开展微创新实践，如在一节课或一个项目式学习中，尝试利用技术为不同小组设计差异化任务，同时，重构短周期的探究流程，体验师生角色的转变。

三是学生发展方面要重视素养培育与伦理遵循。在小学及初中阶段，优先选用筛选过的智能体或学科知识库，在安全可控环境中培养学生利用AI探究的习惯与初步数字信任，当然也不能缺少对AI答案的预测、质疑提醒；在高中阶段，通过精心设计提示词来设置高阶任务进行思维训练，引导学生使用通用大模型，培养其驾驭复杂工具的批判性思维、精准提问与审辨评估能力，为迎接人机协同未来做准备，同时，注重数字伦理教育的全程渗透。

结语

本研究建构的AI赋能教学五层级模型可作为探索地图，帮助一线教师明晰技术应用坐标与路径，超越工具依赖，聚焦人机协同下的教学范式重构，为管理者、研究者诊断AI应用深度、规划智能教育路径提供兼具解释力与预见性的分析框架，最终助推教育迈向以学习者为中心的智慧生态。

本文作者：

容梅 广东省广州市第七十五中学

张惠平 广东省广州市天河区汇景实验学校

肖克成 福建省宁德市教育技术与资源发展中心

文章刊登于《中国信息技术教育》

2026年第11期

引用请注明参考文献：

容梅，张惠平，肖克成.迈向智慧范式：人工智能赋能教学的五层级模型研究[J].中国信息技术教育，2026（11）：91-94.

欢迎订阅

识别上方二维码订阅纸质版或电子版杂志