道具从 PPT 换成了 AI,课堂还是那场表演

教育观察 · 一线教师手记

这是我这学期正在教的一课。

六年级上册 Unit 1「Amazing places」，孩子们正在学用一般过去时描述旅行经历。"How was your weekend?" "I climbed the Great Wall." Zhang Peng 和 Leo 对话，一个爬了长城，一个参观了新西兰一座叫「Gingerbread House」的火车站。这是课文里原本就有的交际场景。

从教学目标看，这个场景已经足够清楚：让学生用刚学的一般过去时，把一次旅行说出来。

有人建议：最好加一个 AI 角色对话。

未必因为这个 AI 角色真的能让学生更学会用过去时描述旅行。而是因为这是一节「AI 赋能课」——既然叫 AI 赋能，屏幕上总得有什么东西证明 AI 来过。

而这样的需求，并不是虚构出来的。

AI 课件定制产业链

「目前所有的 AI 赋能教育，都只能用来展示。」

—— 高山，AI 课件定制服务从业者

有意思的是，身处这条产业链的人，有时反而比使用者更清楚它的边界。如果连提供 AI 课件服务的人都知道，许多需求首先来自「展示」，那真正值得追问的就不是卖课件的人。

是谁制造了这种需求？

这些年，公开课上的道具换过很多轮。PPT、动画、平板、抢答器、VR，现在又轮到了 AI。可如果学生最后仍然只是坐在那里观看——课堂并没有因为道具升级就自动发生什么变化。

公开课道具更替

AI 比过去的 PPT、板书更适合公开课表演，因为它同时满足三个特点：非常可见——数字人、智能体、AI 视频、现场生成，一眼就知道「用了 AI」；非常新——在评价现场，新技术本身就很容易成为「创新」最直观、最容易识别的信号；非常容易包装——光是「AI 在现场」这一事实，就已经足够撑起一节「赋能课」的门面。

也就是说，真正值得批判的不是老师为什么要用 AI，而是：为什么一项技术只要足够醒目，就容易获得比那些不显眼的教学判断更高的评价权重？

因为真正的教学，偏偏最有价值的部分，常常发生在那些事先无法保证出现的地方。

有人没听懂。有人突然问偏了。一个活动提前结束。一道原以为简单的题，全班都错了。这些，就是预设之外的真实课堂。

课堂当然需要预设，但真正的教学能力，往往体现在预设之外。学生突然听不懂、回答偏了、情绪掉下去了、一个意外的问题冒出来——教师能不能接住这些变量，才是课堂真正活着的地方。

课堂的逻辑，是接住变量。

表演的逻辑，是消灭变量。

公开课要磨课，这本身不是问题。预设不是问题，问题是把预设变成唯一允许发生的路径。

真正的磨课增加教师处理变量的能力。表演式磨课减少变量出现的机会。

真实课堂里，最能看出教师专业性的地方，往往恰恰是那些不能提前写进逐字稿的时刻。问题也就到了这里：为什么那些最容易被展示出来的东西，最后往往最容易被评价？

因为真实教学很难评。

一个老师发现几个学生没听懂，临时放弃原来的环节，换一种方式重新讲了一遍。这种判断当然可能被一个有经验的评课者看见。但它很难写进一张标准化评分表里。很难准确计算这一停、一改、一问，到底值几分。

可一个 AI 角色在屏幕上说了三句话，所有人都能确认：这节课「用了 AI」。

真实教学的价值不容易标准化，而技术展示极易标准化。这甚至不需要假设背后存在一个刻意设计的机制——只要评价系统更容易确认、记录和比较那些可见的部分，可展示性就很容易慢慢挤到教学有效性的前面。

开头那句话之所以耐人寻味——「目前所有的 AI 赋能教育，都只能用来展示」——恰好印证了前面的矛盾：连提供 AI 课件服务的人都知道，许多需求首先来自「展示」。真正值得追问的，是谁制造了这种需求。

真正的代价，不是几千块课件费，不是老师多熬了几个夜。

是我们渐渐把「顺畅」「漂亮」「技术多」「每个问题都落在预设答案上」，误认为了好课堂。

当一节课的标准变成了「看起来好不好」，表演就不是某个老师的选择，而是这套评价逻辑不断奖励出来的结果。

AI 不是根因。它只是把一套早已存在的评价逻辑照得更亮了。

模型的能力可以一夜升级，

课堂的改变却只能一节一节发生。