摘   要：人工智能正深刻重塑教育领域的人才培养模式，二者的有效融合需要从工具采纳转向系统设计。当前教育机构对AI的应对方式零散无序，从全面禁止到无规范使用，均无法提供可持续的发展路径。基于北京德威英国国际学校的实践经验，本文提出指导性AI融合模型（GAIM）。该框架围绕教学法、治理机制与能力建设三大相互依存的维度构建，并阐释了治理架构、差异化组织策略与课程创新如何支撑AI的负责任融合。AI驱动的人才培养并非取决于工具的获取，而在于教育系统能否打造让AI赋能而非替代学习的环境。

关键词：人工智能；教育融合；人才培养；指导性AI融合模型；AI素养

人工智能在教育领域已不是新兴议题，它早已融入学生的日常学习生活。从撰写文章、生成代码到辅助复习，AI工具在校内外均被广泛使用。学校面临的问题已从是否引入AI转为如何引导学生正确使用AI，使其真正服务于学习与人才培养。

教育机构的应对方式大致可分为四类：回避、禁止、盲目采纳与无控融合。每一种方式都源于合理的考量——如学术诚信、数据隐私、教育公平与认知依赖，但均无法提供可持续的解决方案。回避会使教育脱离时代发展，禁止则难以落地执行，盲目采纳会放大现有教学短板，无控融合则导致教学混乱与不公。

这种零散应对的背后存在一个深层问题：教育领域的AI应用往往被视为工具问题，而非系统问题。AI与以往的教育技术有着本质区别，它并非简单地将现有教学数字化，而是重塑知识生产、反馈生成与学习者认知参与的方式。这要求教育机构做出连贯统一的应对，将教学法、治理机制与能力建设协同推进。

AI驱动的人才培养要取得实效，必须从被动采纳转向指导性系统设计。结合北京德威英国国际学校（DCB）的实践经验，本文提出指导性AI融合模型（GAIM）。该模型从教学法设计、伦理治理、全员AI素养三个相互关联的层面构建AI融合路径，为AI应用提供实践方案，同时保障教育安全、透明性与主导权。

一、AI驱动的教育变革

学界通常采用SAMR（替代、增强、修改、重新定义）、TPACK（整合技术的学科教学知识框架）等经典理论模型来探讨AI在教育中的应用。这些框架有助于学校实现技术与教学的适配，至今仍有价值，但不足以应对AI带来的颠覆性变革。以往的教育技术仅提升教学的便捷性、效率或丰富呈现形式、优化教学流程，却未从根本上改变认知过程。

而AI实现了结构性突破，它能生成内容、自动反馈、模拟对话，直接介入传统意义上由人类主导的学习核心环节，由此带来诸多影响：知识生产的本质发生改变，学生可与AI系统共同创造内容，而非单纯复制信息；实现即时、迭代与自适应的教学反馈；创作归属的边界逐渐模糊；起草、总结、解决问题等任务可部分交由AI完成。

学生使用AI能在几秒内生成逻辑通顺的文章初稿。这虽提升了效率，却将学习挑战从文本创作转向观点评估、打磨与自主掌控。若缺乏精心的教学设计，最终只会形成能力假象——看似优质的成果背后是浅薄的认知理解。

这些变革挑战了传统的学习理念。若学生借助AI就能产出高质量成果，教学重心必须从成果转向过程，从“学生产出什么”转向“学生如何思考、评估与优化”。元认知、批判性思维、自我调节能力，以及与智能系统高效协作的能力变得更加重要。

现有评价体系也因此受到冲击。为评估个人独立完成成果而设计的评价模式与AI协作成为常态且备受推崇的学习环境脱节。教育的核心任务并非防范AI滥用，而是重新思考有效的评价依据。若不做出这一转变，AI只会强化浅层学习，实现任务自动化，却无法提高学习效果。

二、指导性AI融合模型构建

GAIM模型旨在整合教学目标、机构治理、全员能力三大核心要素，将AI融合从工具选择问题升级为系统设计课题，推动教育全维度协同升级。模型由三大相互依存的模块构成：教学核心层、治理保障层、能力支撑层。三者并非递进关系，而是相互赋能的整体，AI融合的实效取决于三者的协同适配。

教学核心层明确AI在学习中的使用目标与条件，包括目的性与人类主导设计原则。目的性即AI的使用必须与学习目标绑定，而非追求新奇感或效率。需明确判断AI何时赋能学习、何时阻碍技能培养、何时禁止使用。人类主导设计需要确保AI不替代学习者思考与教师判断，仅辅助探索、反馈与优化。实践中，AI从答案提供者转变为思考伙伴，学习重心从成果生成转向认知参与。

治理保障层搭建安全、规范、统一的AI应用环境，包含两大核心要求：透明化与安全保障。透明化即AI使用的全过程可追溯、可归因，要求学生主动披露AI使用情况，教师明确告知使用规范，教育机构制定相关政策，保障学术诚信与问责机制的落实。同时，安全保障覆盖数据隐私、适龄使用、风险评估与合规要求，建立工具审核、效果监测与风险应对的全流程机制。二者结合，使AI使用从非正式转向负责任实践。

能力支撑层保障所有相关方具备高效、负责任使用AI的能力。AI素养不仅指技术操作能力，还包括理解AI运行逻辑、识别其局限与偏见、评估输出结果、战略性运用AI辅助学习的能力，需覆盖学生、教师与家长，适配AI应用环境下学习的分布式特征。若缺乏AI素养，AI普及反而会加剧教育不公。

GAIM模型的核心优势在于，治理保障层为教学框架内的安全提供保障，教学核心层确保AI服务于学习而非单纯产出成果，能力支撑层让相关方理性、有目标地使用AI。若三者脱节，则会导致AI使用混乱且存在安全隐患，AI应用流于表面，加剧教育不公。GAIM模型将AI融合从个人选择升级为机构责任。

三、治理实践与安全保障

教学理念明确了AI应用于教育中的价值，而治理机制决定AI落地是否可持续、公平与安全。如果缺乏清晰架构，AI应用会呈现显著的班级与教师差异，导致学习效果差异显著，引发数据隐私、学术诚信、学生身心健康等方面的风险。治理并非创新的约束，而是创新的前提条件。

核心环节之一是AI工具的系统化评估与遴选。学校不应放任各类新兴技术自由使用，而需建立明确的流程，从教学价值、数据保护、合规性等维度审核工具，从被动的技术接受者转变为主动的教育适配评估者。

透明化是信任与问责的基础。学生需主动披露AI使用的时间与方式，教师需明确不同场景下的使用规范，机构需制定覆盖教学、学习与管理的统一要求。适龄适配原则同样关键：低龄学生需在严格管控下间接使用AI，严控数据与工具权限；大龄学生可直接使用AI，同时提出批判性评估与自主使用要求。AI素养与责任意识需循序渐进培养，不可一蹴而就。

安全保障贯穿全程。AI系统带来新型风险，如不良内容接触、数据滥用、过度依赖自动输出等。治理架构需建立风险评估、上报、监测的完整流程，推动教学、技术、法律相关方协同合作。重要的是，安全保障不仅要防范潜在的伤害，更要维护学习的本质，确保AI发挥辅助作用，而非替代学习者的认知参与。

四、AI素养的培养框架

要使AI真正赋能人才培养，工作重心必须从工具获取转向学习共同体的AI素养培育。AI素养常被理解为了解AI原理或操作特定工具。而在教育场景中，它必须包含对AI系统的批判性、伦理性、战略性使用能力：识别AI输出的优劣、甄别偏见、理性判断何时使用AI、何时停用AI以保障深度认知学习。

AI素养的核心是思考自主权。当AI越来越多地辅助起草、总结、解决问题时，学习者需具备评估、优化AI输出内容的能力，而非被动接受。学习重心从得出答案转向质疑答案，这是高阶思维与长期认知发展的核心。缺乏AI素养，不仅会导致AI滥用，还会出现看似高效却无认知支撑的使用——优质成果绕过了教育本该培养的核心认知过程。

AI素养还能让学习者主导AI环境的应用，而非被动适应。能够通过精准提示引导AI、批判性评估输出、将其融入自主思考的学生更易培养创造力、问题解决能力与适应力，这些能力在各学科中均备受重视。

AI素养培育是全体成员的共同责任。在北京德威英国国际学校，学生需披露AI使用情况并反思其对学习的作用；教师明确任务中AI的使用规范；家长通过专题讲座与沟通了解AI在家庭学习中的角色。这种协同模式建立了统一规范，促进了AI的理性使用，杜绝投机取巧。同时，AI素养具备公平维度，仅提供工具无法保障公平结果，只有通过全员AI素养培育才能让所有学习者理性、高效地使用AI。

五、组织变革与实施策略

AI与教育的成功融合不仅需要框架与政策支撑，教育机构还需具备可持续、场景化的教学改革能力。AI普及并非单纯的个人能力问题，而是教育组织层面的问题，需要架构、角色、工作方式的协同适配。北京德威英国国际学校据此制定了适配校内不同部门的差异化策略。

学前部与小学部：以年级组为单位协同备课，AI融合以集体推进为主。每周备课会成为AI融入教学设计的载体，以保障教学一致性，减轻教师负担，让教学探讨（包括AI使用边界）扎根于真实学习场景。

中学部：各学科部门保持相对独立，教师在课程实施中拥有较高的自主权，整体采用分布式领导模式，各学科均设置有技术带头人，协助一线教师将人工智能技术融入日常教学。数学、文学、计算机等学科的AI融合模式各不相同，由学科内部主导的变革更具有持续性。

这揭示了一个通用原则：变革策略应顺应现有架构，而非与之对抗。同时，教育机构管理层需确保整体协同性，实施形式可以灵活调整，但目的性、透明化与安全保障这三大核心原则必须保持统一。这种统一与灵活相结合的模式，使学校能够规模化推进AI融合，同时保留教师的专业自主权。

《教育国际交流》| 王旭：探索拔尖创新人才在地国际化培养新范式——以哈尔滨工业大学（深圳）为例

《教育国际交流》| 朱宇华：人工智能时代影视艺术人才培养的范式重构

《教育国际交流》| 王娜 熊洋 岳卫平：21世纪中国高校科研产出和学术影响力的演进与态势