卢宇（北京师范大学教育技术学院）与汤筱玙合作的研究论文《生成式人工智能赋能课堂教学的形态层级与进阶路径》发表于《电化教育研究》2025年第6期（总第386期）。该研究聚焦教育技术领域，探讨生成式人工智能（Generative Artificial Intelligence, GenAI）如何系统化赋能课堂教学，构建了四层进阶框架并提出实施路径，为智能时代教育变革提供理论支撑与实践指南。

学术背景与研究目标

随着ChatGPT等生成式AI技术的突破，其在教育领域的应用从工具辅助向深层赋能演进。当前我国基础教育正处于提质增效关键阶段，但GenAI在课堂中的应用多停留在浅层工具层面（如资料检索、资源生成），缺乏对教学过程的系统性重构。现有研究多关注宏观影响，鲜少探讨技术赋能课堂的形态演进机制。基于此，本研究旨在构建GenAI赋能课堂的形态层级框架，揭示技术从工具到主体的角色转变规律，并提出进阶路径，以回应教育高质量发展的内在需求。

核心观点与框架体系

1. 形态层级框架的构建

研究提出四层递进式赋能形态：
- 基础形态“劳动替代与任务辅助”：利用通用大模型完成机械性任务（如自动批阅作文），技术作为被动工具，人机交互呈单向指令模式。例如语文写作课中，教师通过GenAI快速整合火星主题的多模态备课资源。
- 初级形态“能力增强与边界拓展”：依托教育大模型（Educational Large Language Model）提供场景化服务，如实时生成符合课标的写作范例、个性化反馈。技术开始理解教学需求，交互模式转为“需求触发-服务响应”。
- 中级形态“人机协同与创新激活”：教学智能体（AI Teaching Agent）具备自主性，与教师协同设计递进式问题链，动态纠正学生写作中的科学错误（如火星重力环境下的运动描写偏差），实现双向启发。
- 高级形态“认知融通与思维塑造”：多元智能体（如助教、学习同伴、元认知导师）构成协同网络，通过跨学科项目式学习培养批判性思维。例如在“火星的一天”写作中，智能体引导学习者反思时间分配，促进群体智慧融合。

2. 形态演进的特征

• 层次性：从工具赋能（基础）到服务赋能（初级）、主体赋能（中级），最终实现融合赋能（高级）。
  
• 纵深性：技术角色从“外部工具”演变为“教学主体”，人机关系从单向支配转向多向协同。
  

3. 进阶路径的系统化支撑

• 政策与制度：需制定分层技术准入标准（如《北京市教育领域人工智能应用指南(2024)》），建立数据主权治理机制，防范伦理风险。
  
• 素养与观念：师生需掌握“人机协同”能力框架（参照UNESCO《学生AI能力框架》），避免认知外包陷阱。
  
• 技术与价值：突破教学智能体的教育理解瓶颈（如对教学对象意图的精准识别），重塑以思维培养为核心的教育目标。
  

典型示例与实证支撑

研究以语文写作课为案例，逐层展示形态应用：
- 基础形态：通用大模型自动批改作文语法错误，效率提升50%以上。
- 初级形态：教育大模型根据学情生成差异化写作支架，科学知识准确率达92%。
- 中级形态：教学智能体实时反馈学生共性问题，教师集中讲解时间减少30%。
- 高级形态：多元智能体协作支持跨学科项目，学生创新思维得分提升25%。

研究价值与创新点

1. 理论创新：首次提出GenAI赋能课堂的四层形态框架，揭示技术从“工具性”到“主体性”的演进规律，弥补了现有研究缺乏系统化理论的不足。
   
2. 实践指导：为政策制定者提供分层推进建议（如优先普及基础形态），为教师设计“人机协同”教案（如智能体角色分工）提供模板。
   
3. 技术突破：提出教育大模型需融合教学知识图谱，智能体需具备长时记忆与反思能力，为后续研发指明方向。
   

未来展望

作者建议从三方面深化研究：
1. 跨学科理论整合：结合认知科学揭示GenAI对学习神经机制的影响。
2. 实证评估体系：量化分析人机协同对师生情感体验的影响（如使用眼动追踪技术）。
3. 学科应用范式：开发数学、科学等学科的智能体协同教学案例库。

该研究为人工智能与教育深度融合提供了里程碑式的框架，其分层递进思路既符合技术发展规律，也回应了“培养高阶思维”的教育本质诉求，对全球教育数字化转型具有重要参考价值。