当教育场景里开始频繁出现AI助手智能学习平台这些关键词，许多教师的第一反应或许是担忧：AI会取代教师的角色吗？它带来的究竟是便捷还是挑战？但如果我们换个角度观察——那些在AI工具辅助下完成项目式学习的学生，正在用不同于传统课堂的方式思考：他们会质疑数据来源的可靠性，会主动比较不同算法得出的结论，会在AI生成内容的基础上加入自己的创意。这些变化提示我们：AI教育的关键，或许不在于技术本身有多先进，而在于如何通过技术设计，让批判性思维与创造力的培养真正落地。

一、AI是思维的脚手架

在传统课堂中，学生遇到问题时，往往期待教师给出明确答案；使用早期教育类AI工具时，部分产品的设计逻辑也延续了这种问答-反馈模式，看似高效，却容易让学生形成依赖。但真正的AI教育产品，正在打破这种单向输出的模式。以某小学五年级的人工智能启蒙课为例，学生们需要完成设计一个帮助社区老人识别诈骗电话的智能助手项目。教师没有直接提供解决方案，而是引导学生使用一款支持对话训练的AI平台，自己收集真实诈骗话术样本，标注关键特征，再通过平台训练模型。过程中，有学生发现，AI模型将您中了百万大奖识别为诈骗话术的准确率很高，但对您的银行卡被盗刷，需点击链接验证的识别率却偏低。这时候，教师没有直接纠正，而是问：为什么会出现这种情况？你们觉得AI可能漏掉了哪些信息？学生们开始讨论：诈骗话术的语气是否有区别？是否涉及不同的关键词？是否需要结合通话时长、来电号码归属地等信息？这种基于具体问题的探究，让AI从给出答案的工具，变成了推动思维深入的脚手架。

这种设计逻辑的核心，是将AI定位为认知伙伴。它不会直接告诉学生正确做法，而是通过提供数据、模拟场景、生成假设等方式，让学生在试错中学会提问。比如另一所初中的生物课上，学生学习植物光合作用时，教师引入了一款AI模拟实验工具。学生可以自主调整光照强度、二氧化碳浓度、温度等变量，观察虚拟植物的生长变化。起初，有学生认为光照越强，光合作用效率越高，但当他们将光照强度调至超过10000勒克斯时，发现模拟植物的叶片反而出现枯萎。这时候，教师引导学生查阅资料，讨论光饱和点的概念——原来，超过一定强度的光照会导致植物细胞受损。这种通过AI模拟获得的反直觉体验，比背诵课本结论更能激发学生的批判性思考。他们会意识到，任何结论都需要具体的条件支撑，而验证条件的过程，就是思维严谨性的训练过程。

二、创造力的培养藏在限制与自由的平衡里

许多人认为，AI的生成能力会限制学生的创造力，比如用AI写作文、画图画，学生可能会直接复制生成内容。但在实际教学中，这种担忧正在被新的教学策略消解。关键在于，教师需要为学生设置明确的创作边界，让AI成为创意催化剂而非替代者。例如，某小学四年级的美术课主题是未来城市，教师没有让学生直接用AI生成完整画面，而是要求他们先完成三个步骤：第一，用手工绘制基础轮廓，比如建筑形状、交通路线；第二，通过AI工具生成5种不同风格的局部细节，如复古风的霓虹灯、赛博朋克的空中轨道；第三，将AI生成的细节与手绘轮廓结合，并添加自己的原创元素，比如会飞的宠物、会说话的路牌。这种混合创作模式下，学生的作品既保留了手工绘制的温度，又融入了AI生成的多样性，更重要的是，他们在选择、整合、改造的过程中，必须不断思考，这个AI生成的元素是否符合我的整体主题？我可以如何修改它，让它更有个人特色？有位学生在作品说明中写道：AI给了我蓝色的悬浮立交，但我觉得加上粉色的藤蔓会更好看，因为这样既有科技感又有自然气息。这种对既有素材的再创造，恰恰是创造力的核心体现。

另一个典型案例来自中学的信息科技课。在学习算法与程序设计时，教师布置了一个开放性任务：用Python编写一个个性化故事生成器。学生需要先确定故事的主题，如校园生活、科幻冒险，然后设计几个关键变量，如主角性格、关键事件、结局走向，再通过代码实现变量的随机组合。起初，有学生直接套用了网络上的故事模板，生成的情节千篇一律。教师发现问题后，组织了一场故事逻辑研讨会：请学生分享自己生成的故事，其他同学扮演挑刺员，找出情节中的矛盾之处，比如主角是个内向的人，却在陌生人面前滔滔不绝。这种基于AI生成内容的批判性讨论，让学生意识到，算法可以提供可能性，但故事的生命力来自于对细节的把控和对人性的理解。后来，有学生修改了变量设计，增加了情绪变化的参数——当主角遇到开心的事时，会主动分享；遇到困难时，会犹豫但最终尝试解决。这种改进后的故事生成器，不仅生成了更丰富的情节，更让学生体会到，创造力不是无中生有，而是在规则与突破之间找到平衡。

三、教师的新角色是从知识传递者到思维引导者

在AI教育的场景中，教师的角色正在发生深刻转变。过去，教师需要花费大量时间讲解基础知识、批改作业；现在，这些工作可以部分由AI工具完成，比如智能测评系统自动分析学生的编程错误，教师得以将更多精力投入到思维引导上。例如，某中学的语文教师在使用AI写作辅助工具时，没有让学生直接提交AI生成的文章，而是设计了三步修改法：第一步，学生用AI生成初稿，重点关注结构是否完整；第二步，教师带领学生分析AI生成内容的逻辑漏洞，比如论点是否缺少论据支持，事例是否典型；第三步，学生结合自己的生活经验，替换AI生成的笼统描述，比如把妈妈很爱我改成冬天的早晨，妈妈把我冻红的手揣进她怀里焐热。这种教学方式下，AI承担了基础框架搭建的任务，教师则聚焦于思维深度提升，帮助学生学会如何让内容更有温度、更具个人特色。

这种转变对教师的能力提出了新要求。他们需要懂技术，但不必成为技术专家；需要懂教育，但更要懂思维发展规律。例如，在使用AI工具进行科学探究时，教师需要知道如何引导学生关注变量控制，如何通过AI生成的数据发现异常值，如何设计验证实验。某小学的科学教师在教授水的三态变化时，使用了一款AI仿真实验平台。学生可以自主设置温度、压力等参数，观察水的状态变化。起初，有学生为了快速看到沸腾现象，将温度调至200摄氏度，却没有注意到压力参数仍保持在标准大气压。教师没有批评学生操作错误，而是问：在标准大气压下，水的沸点是多少？如果压力不变，温度过高会发生什么？学生通过查阅资料发现，过高的温度会导致水迅速蒸发，无法观察到沸腾时的气泡变化。这种引导方式，让学生不仅掌握了科学知识，更学会了尊重实验条件分析现象本质的思维方法。

四、警惕技术依赖让AI回归辅助本质

当然，AI教育的实践中也存在一些误区。比如，有些教师为了追求课堂科技感，过度使用AI工具，导致学生的注意力从思考问题转移到观察屏幕；有些学校盲目引入高端AI设备，却没有配套的教学设计，最终沦为展示工具。这些现象提醒我们，AI教育的核心永远是教育，技术只是载体。教师需要时刻保持清醒，AI可以提供更丰富的学习资源，但无法替代学生与人交流、动手实践的体验；AI可以分析学生的学习数据，但无法替代教师对学生情感、态度的观察；AI可以生成多样化的解决方案，但无法替代学生通过独立思考形成的判断力。

例如，某初中的数学教师在使用AI解题工具时，特意设计了无工具挑战环节：每月有一天，学生不能使用任何AI工具或计算器，只能用传统方法解决问题。起初，学生叫苦不迭，但随着练习增多，他们逐渐发现：传统解题方式虽然慢，但能更深入地理解公式推导过程；AI工具虽然快，但需要先理解问题本质才能正确使用。这种有工具与无工具的对比，让学生既掌握了技术的优势，又避免了过度依赖。正如一位学生在日记中写的：以前遇到难题就想找AI帮忙，现在我会先自己想想，实在卡住了再用AI查思路。这样学到的知识更扎实，考试时就算没有工具也不慌。

五、结语

当我们讨论AI教育如何培养批判性思维与创造力时，本质上是在追问，在技术快速迭代的时代，教育的核心价值是什么？答案或许就藏在那些课堂上的“意外”中。学生因为AI生成的错误数据而展开辩论，因为AI提供的新素材而重新构思作品，因为AI无法回答的问题而主动查阅资料。这些瞬间提醒我们，AI可以是很好的学习伙伴，但教育的主角永远是学生。教师的责任，是为学生创造与AI对话的机会，引导他们在质疑、验证、创造的过程中，成长为有独立思考能力、有创新精神的人。毕竟，无论技术如何发展，教育的终极目标，都是培养会思考的人。

作者：郭威彤，西北师范大学教育技术学院 副教授

精选报告推荐：

11份清华大学的DeepSeek教程，全都给你打包好了，直接领取：

人工智能产业链联盟高端社区