迪乐姆提出人工智能教师之关键教师培养的1-3-6模型

向上滑动查看更多

针对不同学科背景的教师，制定差异化的培训方案。迪乐姆提出1-3-6的教师分层培训方案。

▪ 领航型（10%）：研究型教师/特色教师，需带团队做校本/区域教研

▪ 能力型（30%）：胜任AI课程教学，能设计独立AI课，指导AI融合课 

▪ 成长型（60%）：学科兼任教师，具备AI教学的基础能力 

在所有教师AI素养提高的长期进程中，领航型教师是指具有研究突破引领特性的教师群体（占比约10%），这批教师的培养机制既需要自上而下地实施培养计划，同时也是在教育生态中的自然涌现。当下阶段，需要抓住在“人工智能教育教学”中“有潜力 愿投入 能快速上手”的人工智能教师关键师资群体（占比约30%），通过三年培养方案，实现向下：“培养一个带动一群”（带动“成长型教师”），向上：“培养三个起飞一个”（转化为“领航型教师”）的教师分层培养机制的构建。

人工智能教师关键师资的培养，要遵循“分层推进、实践驱动、成果导向”的培养原则。解决教师分阶段的实际教育教学问题。

阶段1-解决“没资源 不会上”的基础性问题，能把学校独立的人工智能课（6-12课时/学年）或信息科技中的人工智能内容开起来；

阶段2-解决教师“上好课、会设计”的进阶性问题，能逐步把学校的人工智能校本化实施规划起来，能带队参加人工智能方向的国家/省级比赛；

阶段3-解决教师“会研究、有成果”的问题，支持教师成长为区域类的“领航型教师”。

实践驱动。关键师资的培养一定要紧扣教育实践的应用场景展开。实际培训方式可以采用：

▪ 工具实操+课例升级：以本地轻量级AI平台，要求教师修改自己的现有教案，加入1个AI环节，提高教师的AI课例设计与落地能力；

▪ 课程菜单+校本改造：提供AI课程模块库（按“基础-应用-探究”分层，适配不同年级），教师结合本校特色拼接成1门校本AI课程大纲；

▪ 实验教学+项目设计：人工智能学科必做实验解读与平台操作，以真实问题为驱动，组织信息科技+科学教师联合设计项目；

▪ 训后伴飞+迭代指导：训后要求教师每个月内完成教学/指导）1节AI融合课，录制视频上传培训平台，优秀课例收录进区域AI课例库，供其他教师参考。

成果导向。为关键师资的成长描绘“成长阶梯”。

完成阶段1的培训后，能独立完成1节“通识课”+1节“实验课”，学生课堂参与度≥85%，能理解“AI不是魔法，是数据喂出来的”等教育化表达；

完成阶段2的培养后，能开发1个校本AI课程模块（含3-5个项目），形成“教案+学生日志+评价量表”的完整资源包；能指导成长型教师设计1节项目课；

进入阶段3之后，能逐步带出2-3名能独立设计课程的成长型教师；主持1项区级及以上AI教育课题；在区域内做2场以上经验分享，带动5所以上学校开启AI本校课程模式。

人工智能关键教师的遴选，首先考虑善于开展“项目课”的创客类教师、信息科技教师、科学教师、数学教师等，鼓励其他学科对人工智能感兴趣、愿意投入精力和时间的教师参加培训。培训按照：公共课、专业课、教研课三种课型展开，分阶段覆盖：课堂教学、活动组织、比赛指导、校本化AI课程设计、AI课题教研等五大学校教育场景。

迪乐姆围绕AI教育场景提出：分阶段提升关键教师的AI教学能力，致力于打造“能教、会设计、善引领”的关键师资队伍。

培养方向：聚焦“技术+教育”双知识网（K）、时代育人方向（O）、教学实践能力（T）这三个维度。

课程分类：分为T0教师公共课（AI认知与工具）、T0学生课专业课（内容与实操）、T0教学教研课（目标与过程）、T0生态实践课（带动与引领）四类课程。

阶段规划：

阶段1（60学时）：解决“没资源、不会上课”的问题，重点打基础，比如AI通识、教学理论和基础实操。

阶段2（40学时）：目标是“上好课、会设计”，增加项目课、跨校研讨这类进阶内容。

阶段3（30学时）：要达到“会研究、有成果”，聚焦课程融合设计、教学成果提炼和区域分享。

实施形式：采用2天集中培训+线上一对一课+3个月训后伴飞的组合模式，兼顾集中学习和长期实践。

根据区域需求调整内容和课时

当教师真正成为人工智能教育的“设计者”和“参与者”时，课程才能真正落地生根。但要实现这一目标，还需要构建更完善的教师发展生态。

▪ 政策层面，教育部门应进一步细化人工智能教师的专业标准，将AI教育能力纳入教师考核体系；

▪ 学校层面，应建立常态化的教师培训机制，设立专项经费支持教师参与研修；

▪ 社会层面，高校、企业等社会力量应积极参与，为中小学教师提供技术支持和实践平台。