问题——“人工智能+教育”加速落地之际，如何教、教到哪里成为新考题。近年来，智能技术快速渗透课堂与教学管理环节，从智能作业、个性化练习到“学伴”“助教”等应用不断出现。政策层面也明确提出将人工智能融入教育教学全要素、全过程，探索人机协同的新模式。但一些实践场景中，应用仍偏向浅层：教师借助工具生成题目与材料，学生依赖工具完成作业与写作，学习过程易被“效率”牵引而忽视能力结构的养成。如何从“使用技术”转向“理解技术、驾驭技术并与之协同创造”，成为教育转型必须回答的问题。 原因——浅层应用背后，既有任务设计与评价导向的惯性，也有教师支持体系的不足。一上，传统课堂长期以知识点传授与标准化测评为主，强调可量化结果，导致教学任务更偏向单人完成、单一答案与短周期产出。当智能工具具备强大生成能力时，学生缺乏情境约束与过程评价的情况下更容易形成依赖。另一上，人工智能教育尚处于探索期，不同学段、不同学科如何有效融入仍摸索；部分地区师资培训、课程资源与伦理规范建设相对滞后，教师对如何设置高质量任务、如何引导学生开展批判性验证与反思性表达缺少成熟支撑。专家指出，学生是否“会用、用好”，很大程度取决于教师如何布置任务、如何组织过程、如何评价产出。 影响——如果仅停留在工具层面，可能带来能力空心化与学习公平的新风险。与会专家认为，单纯依赖生成式工具完成作业，容易削弱学生的问题分解、证据搜集、逻辑推理与表达修订等关键能力，进而影响长期学习质量。同时，过度追求“快”和“省”，可能让学习过程缺乏探究、协作与实践环节，不利于形成科学精神与创新意识。更值得关注的是，技术获取与使用方式存在差异，若缺乏统一规范与课堂内的有效引导，可能加剧学习机会不均衡，并带来学术诚信、数据安全与价值判断等的治理压力。相反，若将人工智能作为促进教育变革的契机，推动从“知识导向”走向“素养导向”，则有望重塑课堂结构与学习方式，提升学生的探究能力、协作能力与科技向善的价值取向。 对策——关键在“任务—过程—评价”一体化设计，把协同与创新放进真实场景。教育部基础教育技术教指委副主任、教育部信息科技课程标准专家组组长熊璋提出，教师应引导学生学会与智能系统协同，并在协同中实现创新。他认为，当课堂任务更贴近真实问题、采用项目式学习、强调团队协作并需要过程性产出时，学生就必须面对真实情境中的限制条件，与同伴分工协作、讨论取舍、验证结论，从而降低对工具“全权代办”的依赖，转向把工具作为队友与助手。与会专家建议，在课堂层面应强化过程评价与多元成果展示，关注学生的提问质量、证据链构建、实验与调试记录、反思与迭代等，形成“会用更要会评、会做更要会想”的学习闭环。 同时，编程与计算思维训练被视为夯实底层能力的重要抓手。清华大学心理与认知科学系系主任刘嘉认为，通用智能技术的发展对“教什么”“怎么教”提出根本性挑战，面向未来社会，计算思维是人才的基本素养，算力等资源将更深刻地影响个体创造与社会分工，因此学生需要重视编程学习与有关能力的培养。北京大学心理与认知科学学院教授魏坤琳指出，编程的价值不仅在于工具使用，更在于其“训练场”作用，可系统锻炼抽象、分解、算法、调试与数据素养等能力，并对工作记忆、逻辑推理等底层认知能力形成促进。这些能力被认为是青少年面对不确定未来的关键“元能力”，也是在智能时代保持主动学习与创造力的重要基础。 前景——从课堂革新到国际合作，人工智能教育需要开放共享的生态与可持续的制度安排。猿编程创始人李翊表示，人工智能教育尚未形成完全确定的路径，仍处于创新与迭代过程中。与会人士普遍认为，面向未来的人工智能教育应走向更强调自主、沉浸、探究与关联的学习形态，在“人与技术协同”中培养科学精神、实践能力、协作意识与价值判断。此外，联盟平台的成立有望促进不同国家在课程设计、教学资源、师资培养与治理规范等上开展交流互鉴，推动形成更加开放、包容、可对话的合作机制。专家也提醒，推动技术进课堂的同时，应同步完善伦理规范、学术诚信与数据安全制度，建立适龄、分层、可评估的课程与教学标准，让技术应用回到育人的根本。
人工智能教育的真正意义，不在于让学生成为被动使用者，而在于培养他们成为与人工智能高效协作的创造者。这要求我们重新审视教育本质，从知识传递转向素养培育，从被动接受转向主动探究，从个体学习转向协作创新。只有这样，青少年才能不仅适应智能时代，更能引领未来发展。