蔡慧英，江南大学教育学院教授，博士，主要从事学习科学与技术设计、人工智能教育应用、教师专业发展研究。
孙佳悦，江南大学教育学院硕士研究生，主要从事人工智能教育应用、教师专业发展研究。
韩冰，江南大学教育学院硕士研究生，主要从事人工智能教育应用、教师专业发展研究。
摘 要 ：生成式人工智能（GAI）的快速发展及其教育应用正在重塑教育系统的结构，对教师角色提出了新的要求与挑战。为了对未来教师培养提供具有实践指向性的探索方向，需要基于实践哲学的立场回到教师教学实践的关键场域中，系统审视GAI驱动下未来教师角色的演进特征及其可能的重构路径。首先，从技术现象学视角出发，以GAI与教师之间的关系意向性分析为切入点，剖析GAI的介入对教师教学实践产生影响的积极向度和适用限度，揭示未来教师教学实践应坚持教学理性与人文关怀并重的价值取向。在此基础上，聚焦教师教学设计、实施和评价的关键实践场景，未来教师需要在GAI驱动下实现角色演进：从学习内容组织者跃升为学习体验设计者，从学习过程推进者跃升为学习启发式对话者，从学习结果判定者跃升为学习形成性评价者。为推动未来教师角色的有效建构，教育研究者和实践者需要运用融合理论与实践取向的研究方法探究教师角色建构的规律和干预手段；并将理论成果进行转化，面向不同教学实践场景中教师角色建构而形成教师教育课程体系与实训方案；同时完善不同教学实践场景中教师角色建构及其教学效果的评估与优化策略。
在教育教学中，教师是提升学校教学效果和人才培养质量的把关人，是塑造学校文化氛围和生态的关键力量。纵观学校教育的历史发展过程，技术的持续变革在推动教育体系重构的同时，对教师角色和专业实践会产生冲击[1]。当前，伴随以大语言模型为代表的生成式人工智能（GAI）快速发展，社会正步入智能化的新时代，这对教师角色提出了新要求与挑战。GAI不仅在内容生成、人机交互等方面展现出一定的泛化能力和主体性特征[2]，而且，其工具性和被动响应特征正在逐渐消减，智能性逐渐增强，使得人与技术的互动模式从“人机协同”向“人智协同”演化[3]。从宏观层面看，GAI正在推动社会生产力发展、产业结构转型以及人机分工重组，从而对创新人才培养提出了新的诉求。这倒逼教师角色及其专业实践必须要产生相应调整[4]。从微观层面看，GAI的介入使得传统教育场域中由“师—生”二元主体的互动模式正逐步演变为“师—机—生”三元交互共生的新格局。这一转变对教育场景中教学目标、学习活动、教学方法、学习工具和学习评价等关键要素的内涵及其内在逻辑产生了深刻影响[5]。因此，面对GAI引发的社会外部变革压力与教育系统内在变革需求的双重驱动，我们需要重新思考教师在新时代背景下的角色定位，使其符合未来社会发展和教学实践逻辑变革的需要，从而服务于未来学校教育质量的提升。
目前，已有研究多从道德哲学、技术哲学等宏观视角探讨GAI对教师角色的影响，为我们把握未来教师角色的本质特征提供了重要理论参照。然而，从实践层面看，教师角色是教师在教学实践中承担教学功能与行动方式的概括性表征。若要为未来教师培养提供具有实践指向性的探索方向，我们还需基于实践哲学的立场，回到教师教学实践的关键场景中，重新审视GAI驱动下未来教师的角色演进特征及其可能的重构路径[6] 。基于此，本研究首先试图通过技术现象学视角剖析教师与GAI的互动关系，在洞察其对教师教学实践产生影响的向度与限度的基础上挖掘GAI驱动下教师角色演进的价值取向。在此基础上，聚焦教师教学设计、实施和评价的关键实践场景，系统分析GAI驱动下教师角色演进的关键特征，从而形成与教学实践紧密契合且符合教育发展规律的教师角色建构路径，为我国未来教师培养提供参考。
一、GAI驱动下未来教师角色演进的向度与限度
作为理解人与技术关系的重要理论，技术现象学强调，技术不仅是服务人类目的的工具，更是深度参与并塑造人类感知和实践行为的中介力量。它会对人的知觉和行动进行干预和调整，从而重构我们对世界的理解路径和实践方式。因此，剖析GAI与教师互动的特征有助于厘清其对教师教学实践产生影响的积极向度和适用限度，为洞悉GAI驱动下教师角色演进奠定基础。
（一）GAI与教师互动对教师教学实践产生影响的积极向度
在技术现象学视域下，技术作为一种深度介入人类经验与认知过程的中介，可以与人类之间建立起具身性、解释性、它异性及背景性关系，从而对人的知觉与实践方式产生深远影响[8]。由此观之，GAI在教学实践中不能被简化为替代教师教学的工具，而应被理解为改变教师原有教学惯习和实践逻辑的重要驱动力。
第一，作为辅助性工具，教师可以与GAI建立具身关系，延展其认知资源和行为响应范围，从而提升教学实施与调控的效能。在教学实践中，教师主要依赖已有的教学认知与经验，对教学现场进行判断与决策，从而组织和实施具有目的性的教学活动。当面对复杂的教学任务时，教师可能会由于专业知识暂时缺位或经验不足等因素，出现教学决策效率和教学质量低下的问题。这时，GAI的介入可以为教师突破此类教学困境提供技术支撑。相比于传统的互联网信息检索工具，GAI具备强大的信息加工与生成的能力，能够实现人机互动中的即时响应、情境适应与内容重组，表现出“有求必应”的特性[9]。它可以以“辅助者”的角色嵌入到教师备课、授课与评价等教学实践的核心环节，成为延展教师认知和行为的有力工具。在设计教学内容时，GAI可以为教师提供设计思路，并生成相应的教学资源。在课堂互动中，GAI可以对学生提出的问题进行即时反馈，延展教师的教学响应范围。在教学评价中，GAI可以辅助生成针对性的测验题，并批改作业，提高教师教学的效能。从这一角度看，GAI与教师之间的人机协同模式可以快速地补给教师的认知不足，为教师教学实践提供针对性的建议。另一方面，还可以减轻教师重复性劳动负担，增强教师教学响应的灵活度和覆盖面，拓展教师的教学调控能力。
第二，作为催化性工具，教师可以与GAI建立解释性关系，为其洞察和理解教学现场提供启发性提示，从而促进教学实践的改进与优化。在教学中，教师不仅承担教学活动的组织与实施任务，更需要对教学过程及其结果进行持续的反思与改进。在缺乏外部支持的情况下，教师主要依赖个人经验与即时感知对教学实施情况进行判断与调整。该过程高度依赖教师的个体自觉，教师是否开展了有效的教学反思与改进往往难以得知。此外，由于缺乏有效的辅助和评估机制，这一过程在教学实践中常常被边缘化或流于表面。目前，GAI的介入可以为教师提供一种“他者视角”的支持，使其能及时为教师提供教学改进依据与反思线索，从而引发其产生有针对性的教学优化行为。一方面，GAI可以通过提供教学问题的解决方案和路径，为教师提供认知线索，引导教师及时调整或改进教学行为。例如，在教学设计环节，教师可以借助GAI生成教案。教师通过对比双方教案的异同，可以识别自身在教学设计中存在的问题，进而优化教学设计方案[10]。另一方面，GAI可以对教学场景中的数据和信息进行实时分析，并生成分析结果。教师可以将其转化为具有解释力的“教学信息”，从而引导其进行有针对性地教学反思与改进。例如，在跨学科主题教学中，GAI能够自动采集学生活动表现的“证据点”，如观察记录、作品分析等多模态数据，智能分析学生在知识掌握、实践能力和核心素养等方面的发展轨迹，为教师定位教学薄弱环节提供数据支持[11]。这可以帮助教师突破依赖主观经验所形成的教学认知局限，唤醒其元认知意识，识别教学中的关键节点与潜在问题，从而引导其进行更具证据支撑的教学决策。从这一角度看，GAI的价值不在于替代教师的专业判断力，而在于作为一种认知催化剂，增强教师对教学情境的敏感度与解释能力，拓展其对教学实践的理解边界。它如同一面“棱镜”，通过放大、折射或重组教学过程中原本不可见的教学信息与意义，激活教师的专业认知，促进其进行更具深度的教学反思与实践改进。
第三，作为协同性工具，教师可以与GAI建立它异关系，共同参与教学实践，从而助推教学生态的结构性变革。长期以来，我们希望教师因材施教，促进学习者的个性化发展。然而，受限于教学时间、教师精力与技术条件，教师难以及时顾及到每个学习者的学习状态并进行针对性地干预。GAI的出现为达成这一教学愿景提供了可能。借助其强大的语言理解与语境推理能力，GAI可以以虚拟教师、多元智能代理等形式嵌入到教学实践过程中，与教师共同承担教学任务，形成“师—机—生”三元协同的教学互动模式。例如，基于大语言模型的虚拟教师具备情境识别、对话生成与即时反馈能力，能够在课堂中充当个性化辅导者，根据教学目标主动推送资源，并对学生提问做出精准回应。这样，教师可以与GAI协同调控教学节奏与深度，使课堂运行更加灵活高效[12]。另外，在教育场景中，多智能体系统中可以细分不同的角色，如识别学生知识漏洞，监测学习状态并发出预警，推荐学习路径等。而且，不同的智能体之间能够进行通信，可以使其表现出更具个性化、自适应的教学响应行为[13]。从这一角度看，GAI在教学中可以逐步演化为“独立的准个体”，具备与教师协同教学的能力。我们可以预见，若多智能体技术发展日趋成熟，其将可能与教师建立“背景关系”，成为教学场域中的自然存在。届时这会对传统教师角色产生威胁，也会对教师的专业素养提出更高要求。
（二）GAI与教师互动对教师教学实践产生影响的适用限度
尽管GAI具有“代具性弥补”的作用，能够扮演辅助、催化与协同的工具，在一定程度上缓解教师在教学实践上的起源性缺陷。然而，我们必须清晰地意识到，GAI作为一种工具存在，具有遮蔽某些问题的技术意向性[14]。因此，我们还需要剖析GAI与教师互动过程对教师教学实践产生影响的适用限度，从而全面理解GAI驱动下教师在教学实践中的独特价值。
第一，从技术运行机制看，GAI虽然在内容生成和交互响应上具有独特优势，但在内容准确性及逻辑一致性上仍存在局限，会对教师的教学实践产生不良影响。目前，GAI主要依托大语言模型构建了强大的语言理解与生成能力。它主要通过对大规模语料的统计学习形成复杂的神经网络结构，能够根据用户的提问生成连贯的文本内容。然而，由于其生成逻辑本质上基于概率分布而非事实判断，输出内容易出现与事实相悖的“幻觉”现象。此外，GAI缺乏稳定的逻辑推理能力与系统化知识组织能力，其内容输出高度依赖用户输入文本的方式。即便面对语义相近的提问，不同的提问表述也可能导致其生成结果的显著差异。这种潜在误导性与不确定性会对教师教学实践产生干扰。若教师过于依赖GAI输出的不良结果，缺乏批判性思维与专业甄别，易导致其育人角色被动化，沦为技术内容的传递者，引发学习者的认知混乱，进而影响教学质量。这也启示我们，在GAI介入的情况下，教师必须具备扎实的学科专业素养与理性判断能力，以有效应对其生成知识与逻辑不确定性的挑战。
第二，从人机交互过程看，GAI具备支持教师教学实践的潜力，但其效能的实现取决于技术使用主体——教师的教学理性和主体能动性。在理想状态下，人机协同有望实现优势互补，提升教学效果。然而，人机协同的实际效能呈现出情境依赖性与条件性。研究表明，当人类个体在特定类型任务中的表现优于人工智能时，人机协同有助于提升群体整体绩效。反之，当人工智能表现优于人类时，人机协同反而可能降低群体绩效水平[15]。这表明，GAI并非普适性的增效工具，其效用依赖于人机之间的协同结构与能力配置的匹配程度。此外，在人机交互过程中，GAI可能对使用者的认知过程产生潜在干扰。研究发现，人类个体在接受GAI提供的初始建议后更倾向于围绕该建议进行思考，进而限制其思维发散与批判性探究[16]。这种“锚定效应”不仅可能加剧人类个体既有的认知偏差，还可能导致路径依赖，阻碍其对复杂问题的多元理解与独立判断[17]。由此观之，GAI在教学中的有效运用不仅依赖技术本身的智能水平与性能，更依赖于教师作为使用主体所具备的学科知识基础、技术应用能力以及自我调控与反思能力[18]。若教师在与GAI互动中缺乏必要的驾驭能力和自我觉知能力，极易陷入对技术建议的过渡依赖，进而影响教学判断的科学性。从这一角度看，教师具备扎实的专业素养与理性判断力才能在GAI介入的教学实践中实现人机协同的教育增值与溢出效应。
第三，从技术应用情境的本质属性看，GAI虽具有类似虚拟教师的响应能力，但缺乏具身情感与人文回应能力，难以触及和承载教育中深层次的人际联结与意义建构。教育不只是知识的传递或技能的获得，而且是在理解和探索知识的过程中实现对个人经验的持续重组和重构，从而促进个体理解世界，参与公共生活并不断生长[19]。它是建立在特定价值观或美德基础之上的具有目标导向的社会实践，学习者的知识建构与创造性的发展深植于身体与环境动态耦合的整体性经验之中[20]。在此意义上，教师并非只是知识传递的中介者，更是兼具情感支持与价值引领的育人主体。教师在教学过程中通过行为调节、情感判断与即时互动，不仅可以激发学习者的学习动机与社会归属感，更能引导其在真实语境中实现意义生成。相比之下，GAI生成的内容是数据驱动的计算结果，并非源自内在价值动机与责任意识的自然反应，无法给予学习者意向性的支持[2]。同时，作为一种“去身体化”的符号系统，GAI展现出的“情感回应”仅为对人类情感的符号模拟，难以与学习者形成真正的共情体验与育人关系，无法实现人类创造性思维中所需的情境嵌入性与意义生成性[21]。从这一角度看，在GAI驱动下，教师需要在教学中坚守情感中介与价值引领中的核心作用。它不仅可以避免技术逻辑取代教育的人文性，还可以确保教师与GAI在协同中服务于教育本质目标的实现。
总的来看，GAI的介入会对教师教学实践产生一定的影响和冲击，要求教师在人机协同的教学生态下具有教学理性与人文关怀。从影响向度看，GAI可以在教学中充当辅助、催化与协同的工具，与教师构成新型的人机协同关系，这对教师的专业素养和教学实践行为提出了更高要求。在人机协同教学下，教师不仅需要具备与GAI协同教学的能力，还需要展现出更加理性的专业判断能力。另外，从适用限度看，GAI在内容生成的稳定性、应用效果的条件性、具身响应与人文关怀能力等方面存在局限，难以替代教师在教学实践中的价值引导、情感支持与人格养成等核心使命。这些局限不仅可以消解AI替代教师角色论点的顾虑，也更加凸显教师作为教学实践主体在育人价值上的不可替代性。
二、GAI驱动下未来教师角色演进的主要特征
尽管教师的教学实践行为复杂且多样，但其中存在一些相对稳定、在不同学科教学情境中反复出现、并对学习者有效学习与个人发展具有基础性意义的核心实践[22]。这些核心实践并非以孤立或零散的方式存在，而是在具有关键意义的教学场景中被集中调用和具体化呈现。从课程与教学系统论视角看，教学设计、教学实施与教学评价构成了承载教师核心实践的三个关键场景。它们分别遵循不同的教学实践逻辑，在教师专业实践中占据着基础性且不可替代的地位。具体而言，教师在教学设计场景中需要对教学行动进行前瞻性规划；在教学实施场景中需要对课堂互动作出即时判断、响应与调节；在教学评价场景中则需要基于教学过程中获取的证据对教学效果进行反思，并据此改进后续教学设计与实施。因此，立足GAI驱动下教师角色演进的价值取向，聚焦教学设计、教学实施与教学评价三个关键场景，对未来教师角色的主要特征加以审视，有助于把握未来教师角色演进的关键走向，为后续未来教师角色建构提供理论依据。
（一）在教学设计场景中从学习内容组织者跃升为学习体验设计者
教学设计在教师专业实践中具有基础性地位。为了引导学习者在有限的学习时间内达成预设的学习目标，教师需要在分析教学问题和需求的基础上，设计学习活动、统筹规划学习资源和评价方式，从而形成包括教案、课程、课外实践活动等整体性的教学方案。这一过程中，教师需要综合运用学科内容、教学法和技术性等专业知识，对学习者“学什么”和“如何支持学习者有效学习”等问题进行前瞻性构想和预设。虽然教学设计领域的研究不断深化，并为教师教学设计提供了较为系统的指导框架，但在教学实践中，教师的教学设计仍被“以教为中心”理念禁锢，表现为过度关注围绕学习内容进行流程安排、教学形式的序列化组织，而对学习者的学习过程及其意义建构关注不足，从而导致教学设计质量与效果不佳[23]。目前，在GAI驱动的背景下，以培养创新人才为导向的教育目标日益凸显，人机协同正在重塑学习者学习的发生条件和路径。这一外在结构性转向要求教师的教学设计亟需从“知识本位”转向“素养本位”，服务于学习者核心素养与创新能力的系统培养[24]。与之相对应，教师角色应由侧重内容安排与进程控制的“学习内容组织者”升级为着力学习环境创设与认知经验生成的“学习体验设计者”。这意味着教师需要在人机协同的学习生态中洞察学习者学习状态与认知需求，基于对学习者学习规律的专业理解，通过情境创设、任务编排与资源整合等方式，系统建构支持学习者可胜任的学习场域，使其能够沉浸于有意义的学习体验之中，在做中学、在反思中理解，从而推动知识学习向经验重组与能力发展的转化，从而达成基于核心素养培育的高阶学习目标。
第一，教师成为学习体验设计者是GAI驱动下学习者学习目标由知识掌握转向高阶认知发展的必然选择。当前，基于“知识本位”的教学内容设计与编排逻辑难以支撑以核心素养培育为导向的创新人才培养目标。一方面，在GAI的辅助下，学习者获取知识的渠道和方式日益多元，使仅以知识理解与记忆为教学目标的存在价值减弱。另一方面，AI驱动下的智能化社会呈现的复杂性与不确定性对学习者提出了超越知识掌握本身的更高要求。学习者除了要理解基础性的知识之外，还需要运用知识解决问题并学会发展自我的技能。因此，教师亟需调整教学设计取向，由以内容为中心的设计逻辑转向以学习体验为导向的设计逻辑，以更好地契合核心素养培育导向的育人目标[25]。学习体验是学习者在与学习环境之间持续互动的过程中，将身心投入学习活动所产生的情感、认知和身体动作等的综合反应[26]。高质量的学习体验意味着学习者充分主动地参与学习过程，并伴随着积极的个人情感，这不仅能助力学习者知识技能及其学习方法的习得，还对其在未来生活和工作中可能用到的通用能力的培养产生长远影响[27]。而且，高质量的学习体验能够激发学习的创造性与内在意义感，促进学习者情感发展与社会价值意识的生成[28]。
第二，教师成为学习体验设计者是GAI驱动下学习者学习方式由被动接受学习转向人机协同学习的内在要求。随着GAI逐步参与学习过程，人机协同学习逐渐成为一种常态化的学习方式。学习者不仅可以借助GAI获取信息和知识，还可以通过其提供的示范讲解与即时反馈获得个性化学习支持。同时，GAI可以赋予学习者学习自主权，使其能够依据自身兴趣与节奏开展探索性学习，进而使学习过程呈现出更加自主、开放与互动的非线性特征。在此背景下，教师若在教学设计时仍围绕“讲什么、先讲什么、讲到什么程度”组织教学活动，将难以有效回应人机协同学习方式所产生的变化。因此，教师的教学设计需从内容传递导向转向以学习体验为核心的组织逻辑。教师需围绕真实而有意义的问题，创设项目化学习情境，对学习者在问题解决过程中所需经历的关键环节进行系统规划，从而引导学习者获得高质量的学习体验[29]。这可以让学习者在问题情境的牵引下通过不断的探究与反思，逐步参与知识的生成与理解过程，并在推理、判断、评估与调节等高阶思维活动中实现情感投入与认知建构的交互整合，形成对所学内容更为整体、连贯且具有延展性的理解。另外，学习体验设计是教师保障学习者在人机协同学习中主体性发展的重要锚点。尽管GAI能够为学习者提供个性化的工具支持，但若缺乏引导，学习者的学习过程可能被技术替代或异化[30]。教师通过设计学习体验，注重学习者在人机协同中认知推理、情绪调节与行动响应的卷入，能够将学习过程维系为学习者自我探索与整体成长的实践场域，而非单纯依赖GAI直接达成学习结果。
第三，教师成为学习体验设计者是GAI驱动下学习者学习空间由封闭单一转向开放多元的必然趋势。在教学设计中，教师不仅需要合理编排学习者的学习路径，更需主动构建可触及、情境化的学习环境，以支持学习目标的实现。GAI技术的快速应用与普及使学习者的学习可以超越传统教室的边界，扩展至跨平台与跨场域的混合学习环境，学习空间有望从“物理教室”转向“物理—虚拟—社会”三元融合的动态生态[31]。从延展认知理论的视角看，学习者的认知并不局限于个体的大脑或身体内部，而是可以通过实践活动延伸至环境与文化之中[32]。因此，这一学习空间的转型并非仅是学习场所的外在扩展，而是深刻改变了学习者认知活动的发生方式。面对新型学习空间结构，教师不仅需要重新审视教学内容的组织逻辑，更要整合跨空间、跨媒介的教学资源，搭建正式与非正式学习之间的有效桥梁。通过为学习者构建贯穿多个场域、情境化、连续性的学习路径，教师可以使学习者在真实或者虚拟的学习空间中进行探究、实践与反思，从而形成可迁移的能力[33]。这种以学习空间整合为驱动的学习体验设计，有助于学习者在有限的场景中最大化地牵动理解生活与世界的触角，从而最大化促进深层次的意义建构与整体发展。
（二）在教学实施场景中从学习过程推进者跃升为学习启发式对话者
教学实施不仅是教学设计的落地过程，更是教师在教学情境中通过师生对话推动学习目标实现的生成式实践活动。师生对话以语言互动为核心，通过探究性提问、回应与讨论，引导学习者实现知识理解、思维养成与意义建构的过程[34]。在实际教学中，受教学时间与教师精力等因素制约，师生对话往往呈现零散化、浅层化的特征。教师多以学习过程的推进者身份主导课堂，侧重学习内容讲授与教学节奏控制。这种教师主导的对话方式虽然有助于推动教学进程与维持课堂秩序，却在一定程度上压缩了学习者参与经验生成的空间，削弱了通过师生对话促进学习者深度认知发展的可能性[35]。目前，GAI的介入在一定程度上重塑了师生对话结构。一方面，它可以承担知识讲解与示范的功能，为教师开展深层次对话提供了时间支撑。另一方面，它拓展了课堂参与主体和交互维度，使教学对话互动由传统的师生双向互动转向“师—机—生”三元协同的学习对话生态[36]。在这一生态中，教师不仅需要处理教师与GAI之间的功能分工，还需要引导和调节学习者与GAI的协同关系。由此，教师角色需要从“学习过程推进者”向“学习启发式对话者”转型。这意味着教师不再仅是通过话语进行信息传递，而是需要通过启发式对话激活学习者的认知发展，引导其在三元交互中进行批判性思考和深度反思，从而促进学习者的理解深化、意义生成与整体发展。
第一，教师成为学习启发式对话者是对人机协同学习中GAI技术边界的教育性补偿。GAI在教学中展现出强大的信息生成与即时响应能力，但其运行逻辑主要基于统计关联与模式匹配，难以对生成内容的真实性和情境适切性作出自觉判断。而且，与具有主体性的教师相比，GAI无法传递价值观念与情感态度，难以实现育人目标中的情感浸润与价值引领。在此背景下，教师通过启发式对话介入人机协同学习过程，可以实现对GAI技术缺陷的关键补偿，着重发挥人类在人机互动中的育人价值[37]。在认知层面，教师可以通过追问、澄清与论证，引导学习者对AI生成内容进行批判性审视，从而培养其信息甄别与批判性思维能力。在情境层面，教师可以基于对学习者在使用GAI时的认知状态、情感变化与非语言反馈的实时观察，动态调整师生对话方向与策略，从而为学习者提供情感支持。在价值层面，教师通过有温度的对话，将社会规范、伦理准则与人文关怀融入学习过程，帮助学习者形成健全的价值判断体系。这种补偿并非简单的补充，而是通过启发式对话实现技术工具性与教育人文性的有机融合，从而促进学习者的全面发展。
第二，教师成为学习启发式对话者是支持学习者实现更高质量人机协同学习的重要支撑。学习者与GAI的协同效能不仅取决于技术工具本身的功能，更取决于学习者能否合理、有效且富有批判性地使用该工具。在实际学习情境中，学习者对GAI的提问方式、对生成内容的判断水平以及理解追问的能力直接制约着人机协同学习的质量。若缺乏必要引导，学习者容易在技术使用中陷入被动，甚至被GAI所控制[30]。一方面，GAI的偏好属性可能促使学习者沿单一方向发展，削弱其思维的多维性和系统性；另一方面，GAI在效率优化驱动下容易主导学习过程，使学习趋向统一化和格式化。在此情境下，教师的启发式对话不仅为学习者提供即时反馈和补充性解释，还可以充当对学习进程的调节性补给，帮助学习者在偏向性或机械化趋势中重新获得探索空间和反思机会，从而保障其思维的发展性与多维发展。从这一角度看，教师的学习启发式对话可以使学习者从被动的技术使用者转变为能够主动驾驭技术、与技术智能协作的积极主体。
第三，教师成为学习启发式对话者是推动人机协同学习有效延伸与迁移的关键驱动力。人机协同学习通常在具体任务情境中展开，其直接产出多表现为问题解决方案或阶段性成果。然而，若人机协同学习停留于任务完成层面，学习的创生性价值难以充分体现。因此，教师需要发挥教育在场优势及情境响应能力，通过启发式对话对人机协同的学习过程和结果进行再加工与延展[38]。例如，教师可以在人机协同学习进展把握的基础上，通过追问与澄清等对话方式引导学习者围绕关键概念、核心问题与价值议题进行探索性讨论，促进学习者更高层次的意义建构和思维觉醒。教师还可通过情境化提问，引导学习者反思已有学习成果在不同场域中的适用性与局限性，促进知识与经验的迁移。由此，启发式对话在教学中发挥着连接“即时学习结果”与“长期能力发展”的桥梁作用，是人机协同学习生态中教师不可替代的核心价值体现。
（三）在教学评价场景中从学习结果判定者跃升为学习形成性评价者
教学评价是教师专业实践中的重要组成部分，是教师理解教学过程中学习者学习状态、判断其学习效果并引导学习持续发生的重要实践方式。在传统教学情境中，教学评价多以测验、作业与考试为主要载体，围绕学习结果展开总结性判断。在这一范式下，教师作为评价实践的核心主体，需要独立承担评价的设计、实施、解释与反思等多重任务，其判断高度依赖个人经验与有限证据。受制于教学情境复杂性、学生规模以及教师认知资源的现实约束，教师的教学评价往往只能处理片段化、静态化的信息，主观偏差难以避免，评价结果因而难以全面呈现学习者真实而动态的学习状态[39]。同时，评价多发生于教学活动结束之后，评价的诊断与引导功能被明显削弱，难以及时通过评价支持学习者的学习调整与发展[40]。GAI的介入为突破上述教学评价困境提供了新的实践条件。一方面，AI凭借自然语言处理与多模态数据分析能力能够捕捉并分析学习者在学习过程中的行为轨迹、认知表现与情绪变化，使原本隐匿于教学过程中的学习过程信息得以被感知与呈现。这使得评价覆盖的边界得到拓展，教学评价由此不再局限于对学习结果的回溯性判断，而开始指向对学习过程的动态理解。另一方面，AI可以参与学习数据的分析与呈现，教学评价逐步由单一教师主导转向人机协同的实践形态。这并不意味着评价权力向技术的让渡，而是要求教师在理解AI提供的数据分析的基础上，发挥专业判断与教育理解的核心作用，将分散的数据性学习证据转化为对学习发展状况的教育解释。因此，在这一转型背景下，教师的评价角色需从“学习结果判定者”升级为“学习形成性评价者”。这意味着教师不再仅以学习结果为依据确认学习达成情况，而是需要通过对学习过程和学习结果的持续理解，把握学习者的认知进展、学习困境与发展潜能，并对学习者给予针对性反馈，从而发挥学习评价的诊断性和发展性功能。
第一，教师成为学习形成性评价者意味着教师需要在GAI驱动下对学习者的学习过程和结果进行全景式诊断。在传统教学评价中，教师对学习的理解和评价主要通过学习结果这一“终点性证据”加以建构。在人机协同的评价中，学习者的学习状态不再仅以结果的形式显现，而是以学习轨迹、行为模式、语言表达与情绪变化等多维证据连续展开，评价由此获得了时间上的连续性与证据上的丰富性。这为教师建构对学习的整体性理解提供了可能。然而，GAI能为教师提供理解学习过程的多源数据支持，但这些数据本身并不自动生成教育意义。这就要求教师从学习情境与课程目标出发，将技术所呈现的“数据化”信息转化为具有教育价值的诊断信息，实现对学习者学习的专业判断[41]。从这一角度看，教师由学习结果判定者转向学习形成性评价者，意味着教师教学评价的重心从对学习状态的静态确认转向对学习过程的全景式评价。教师的教学评价不再是对学习的外在审视，而成为教师进入学习者学习情境、理解学习发生过程的重要手段。
第二，教师成为学习形成性评价者意味着教师需要在GAI介入下基于学习过程证据向学习者提供具有指向性的反馈。教学评价的价值并不体现对学习过程或结果的诊断，而体现在如何基于评价的结果转化为对学习者后续学习行动的引导，达到以评促学的目的。在传统教学情境中，教学评价多发生于教学结束之后，而且，教师反馈往往呈现为结果告知或水平判定，其对学习者学习引导的作用有限。GAI通过对学习过程的精细分析和即时感知，使教师能够获得关于学习者学习结果和过程的多维度的评价证据。在这一背景下，教师不再是单向传递评价结论的结果裁定者，而是需要基于多源的评价结果进行教学反馈的学习促进者。教师需要基于生成的评价信息，调动自身的专业判断，通过追问、提示、对话与反思性引导等方式，向学习者提供及时且具有针对性的形成性反馈，帮助其理解自身的学习过程，逐步发展自我监控与自我调节能力[42]。
综合来看，GAI的介入正在重塑教师在这些关键场景中的实践边界与行动逻辑，由此赋予未来教师角色以新的时代内涵。在此背景下，如何通过系统性引导促进教师角色的有效建构，使其教学实践能够契合技术变革与教育发展的时代要求，是当前教师教育研究者与实践者亟需回应的核心议题。
三、GAI驱动下未来教师角色建构的路径
根据休厄尔的结构理论，个体的角色建构并不是结构单向规训的产物，而是在具体社会结构与实践互动中，通过对资源的动员与意义的再诠释，主动建构其身份定位与行动方式的过程与结果[43]。由此观之，在GAI驱动下未来教师角色的建构并非自发形成，而是在一定社会文化背景下由教育外部干预和教师自身主动求变的配合中逐步推进的复杂过程。它不仅取决于个体在特定教育情境中主体能动性的发挥，还依赖于外部结构性力量的变革引导。因此，我们需要在对未来教师角色建构形成科学认知的基础上，通过多维系统性支持促成其角色身份的积极转化，进而促使教师在实践中不断诠释与再生产符合人工智能时代要求的教学实践行为，助力未来教师角色向着更有利于育人的方向建构与发展。
（一）运用融合理论与实践取向的方法探究教师角色建构的规律和干预手段
在GAI介入教育的背景下，不同教学实践场景中由既有教学规则与行为惯习等所塑造的现实教师角色与面向未来社会及教育发展的未来教师角色之间存在明显鸿沟和张力。一方面，教师在角色转变过程中会面临多重制约，不仅包括教师所处的社会文化环境与传统教学体系运行惯性的阻碍，还涉及教师旧有角色信念、身份认同、专业知识储备等方面的钳制。另一方面，随着人机协同成为教学常态，教师还需发展适应不同教学场景教学逻辑的人机协同教学能力，尤其是提升在教学设计、实施与评价等场景的教学理性与人文素养。这对教师的专业素养和实践能力提出了新的要求。因此，为了推动教师角色向科学、合理的方向发展，我们需要运用多元研究视角和方法对教师角色转变过程中显现的关键问题进行系统研究与理论回应。
从学习科学的研究视角看，若将教师看作具有鲜明职业特征的学习者群体，那么，GAI驱动下未来教师角色建构的本质问题可细化为两个层面：一是教师如何通过专业学习逐步建构目标角色；二是外部支持体系如何有效促进教师的专业学习过程。此时，教师角色建构不仅是一个角色类别和特征描述的结果性问题，更是一个以教师学习为核心的过程性问题[44]。为深入理解这一过程并支撑教师专业发展，我们有必要运用多元研究视角和方法对教师角色建构及其促进机制开展系统研究。一方面，可以运用扎根理论、叙事研究、现象学和人种志等质性的研究方法对GAI驱动下教师角色建构过程进行整体探究和深度诠释，洞察教师角色建构的微观机制和行动逻辑，为理解教师角色建构及其促进机制提供理论支撑。另一方面，也可以运用行动研究、基于设计的研究等实践取向的研究方法，将对教师角色建构的理论认知与干预方法结合，按照“设计—实施—反思”的迭代逻辑，在真实教育情境中考察GAI驱动下教师角色建构的动态过程，从而形成促进教师角色建构的有效策略，为优化教师角色建构及其促进机制提供操作路径。
采用融合理论取向与实践取向的多元视角和方法推动GAI驱动下教师角色建构的研究具有重要的方法论与实践意义。其一，通过对GAI驱动下教师角色建构过程中的关键问题进行科学且系统的研究，能够实现促进教师角色建构的知识生产，有助于形成符合时代特征且契合中国情境的教师教育自主知识体系。其二，基于对教师角色建构本质特征的深入理解并形成促进教师角色建构的有效路径，可以在理论研究的基础上形成符合教师专业发展规律的行动方案，使研究领域的知识生产真正服务于教师角色转变的教育实践。
（二）面向不同教学场景教师角色建构而形成教师教育课程体系与实训方案
教师专业资本是教师建构角色身份的动能，是支撑教师专业实践的基础。它不仅关乎教师“何以为师”的基础，还有助于教师个人专业智慧像资本一样在教师专业实践中使用、共享和扩展，进而成为推动教师角色重构的内在驱动力[45]。因此，为了助力GAI驱动下教师角色的建构，我们还需要将助力教师角色转变的理论研究成果进行实践层面的转化，形成系统的教师教育课程体系和实践训练方案，建构与未来教师角色匹配的资源系统和支撑系统，为教师角色建构提供动能。
第一，形成面向不同教学场景教师角色的教师教育课程体系，推动教师专业资本的积累，助力教师角色的建构。教师的专业知识不仅是教师进行专业实践的重要基础，也是教师与GAI有效协同的重要前提。因此，为了推动教师角色建构，应以不同场景中未来教师角色定位为导向，设计融合理论基础与实践操作的教师教育课程体系，引导教师既理解关键教学实践的原理，也能掌握具体可操作的策略[22]。其中，理论基础课程模块旨在为教师教学实践提供核心支撑，向教师提供理解教学实践的“概念性工具”，即教师在教学决策与实践中依赖的教学原则、框架与指导理念。与之不同，实践操作课程模块则聚焦教师核心教学实践的具体实现，为教师提供教学实践的“实践性工具”，即在课堂中可直接实施的教学策略和操作方法，以回应学生的多样化需求，并支持教学目标的实现。
第二，形成面向不同教学场景教师角色的教师教育实训方案，推动教师专业资本的转化，助力教师角色转变。教师教学实践能力及其角色的建构不仅依赖于概念性和实践性知识的习得，更依赖于基于这些专业知识支撑的实践经验的积累与转化。因此，为了促进教师角色的有效建构，我们可以借助GAI创新教师教学实践训练体系，引导教师在多样化的教学场景中积累教学经验，从而支撑教师角色的建构。对于职前教师，可以为其创设“近似实践”的实训环境，在低风险、高可控的模拟教学中反复尝试关键的教学实践[46]。这不仅能使教师将教学实践的概念性工具与实践性工具相结合，进行教学设计、实施和评价等教学活动，还能帮助教师在模拟环境中形成教师身份认同，为未来在真实课堂中开展高质量的人机协同教学实践奠定基础。对于职后教师，可以依托教师教研实践共同体，通过集体备课、课堂观摩、协作反思等方式，带领教师围绕关键教学实践开展专业研讨，在共研共建过程中不断重构专业身份与教学实践逻辑，实现教师角色的动态发展与持续优化。
（三）面向不同教学场景教师角色建构状态及教学效果形成评估与优化机制
为了确保教师角色的科学建构和持续优化，我们需要建立系统且动态优化的教师角色建构情况的评估方案。它不应被视为对教师专业发展的终结性判断，而应成为教师专业身份重构过程中的诊断工具与激励手段。这不仅有助于保障教师在GAI支持下完成高质量的角色建构，也能为教师角色建构路径的优化、教育政策调整提供坚实支撑。
第一，形成教师角色建构的评估和诊断体系，科学识别教师角色发展状态，并实施针对性、实效性的干预措施。利用人工智能技术的优势，我们可以基于不同教学场景建构教师角色评估指标和数据采集与分析方案，从而生成教师角色画像，实现对教师角色的个性化评估与诊断[47]。这种多维度、周期性的评估不仅可以洞察教师在教学实践中的角色认知、行为表现与能力结构等实际状态，还可以识别教师在角色转型过程中所面临的瓶颈与挑战。对于教师而言，这可以帮助他们更加全面地了解自己在教学中的角色扮演情况，从而进行针对性的自我反思、学习和发展。对于教师教育者、教育研究者而言，评估结果能够为其制定差异化支持策略提供实证依据，实现对教师的分层分类指导与动态干预，提升教师教育的针对性与实效性。
第二，形成教师角色建构对教育教学质量产生影响的评估方案，推动助力教师角色建构相关政策、培养方案与实践系统的协同优化。教师角色建构的意义和价值最终应体现到教育教学质量的提升上。因此，教师角色评估不应仅聚焦其个体发展状态，还应延伸至教师角色转型对学生学习成效、教学组织形态、学校文化生态等核心教育变量的影响。我们需要对教学过程性数据与结果性数据进行系统性的采集与分析，全面评估GAI支持下新型教师角色在实际教学场域中的作用成效。教育管理部门可基于此类评估结果对相关政策与资源分配进行动态调整，推动教师培养机制与实践支持系统的持续迭代与优化，确保教师角色建构与教育系统转型之间的协调推进与有效衔接。
参考文献：
[1] 罗莎莎,靳玉乐.教师角色的历史演变及其启示[J].现代大学教育，2020（3）：20-27.
[2] 殷杰.生成式人工智能的主体性问题[J].中国社会科学，2024（8）：124-145，207.
[3] 易凯谕，韩锡斌.从混合教学到人智协同教学：生成式人工智能技术变革下的教学新形态[J].中国远程教育，2025，45（4）：85-98.
[4] 郭炯，郝建江.智能时代的教师角色定位及素养框架[J].中国电化教育，2021（6）：121-127.
[5] 顾小清，王成梁，王培均，等.生成式人工智能赋能教学的机制、需求与路径[J].中国教育学刊，2025（4）：15-22.
[6] 赵小丽,荀渊.作为一种实践哲学的教育学的演变及其反思——基于教育思想史的综述 [J].教育学报，2024，20（6）：22-33.
[7] 叶晓玲，李艺.论教育中技术的生存历程及其发展指向——基于人技关系的分析与刻画[J].电化教育研究，2017，38（2）：19-25，52.
[8] 韦妙，何舟洋.技术现象学视域下人工智能对教师角色的重塑[J].电化教育研究，2020，41（9）：108-114.
[9] 孙立会，周亮.生成式人工智能素养：概念演变、框架构建与提升路径[J].现代远距离教育，2025（1）：11-21.
[10] 穆肃，陈孝然，周德青.生成式人工智能赋能教学设计分析：需求、方法和发展[J].开放教育研究，2025，31（1）：61-72.
[11] 袁磊，徐济远，梁世松.智能体赋能的人机协同跨学科主题教学支持模型[J].电化教育研究，2025，46（3）：87-94
[12] 李小娟，付斯理，张翼恒，等.网络学习空间中虚拟教师的社会形象研究[J].现代教育技术，2023，33（5）：99-108.
[13] 顾小清，郝祥军.悟空的毫毛：正在重塑学习技术系统的多智能体[J].华东师范大学学报（教育科学版），2025，43（5）：16-29.
[14] 陈明宽.技术替补与技术文码化——斯蒂格勒技术哲学中的文码化思想分析[J].自然辩证法通讯，2018，40（6）：128-134.
[15] Vaccaro M,Almaatouq A,Malone T.When Combinations of Humans and AI are Useful:A Systematic Review and Meta-analysis[J].Nature Human Behaviour,2024:1-11.
[16] Chen Z,Chan J.Large Language Model in Creative Work:The Role of Collaboration Modality and User Expertise[J].Management Science,2024,70(12):9101-9117.
[17] Glickman M,Sharot T.How Human-AI Feedback Loops Alter Human Perceptual,Emotional and Social Judgements[J].Nature Human Behaviour,2025,9(2):345-359.
[18] 蔡慧英，韩冰，顾佳宁，等.人机协同教研中教师协作知识建构的优化策略研究[J].现代远距离教育，2025（2）：56-67.
[19] Dewey J.Experience and Education[M].New York:Collier,1938.
[20] 马尔特·布林克曼.数字化境遇中的具身化、学习与教育：机遇与局限 [J].教育研究，2025，46（4）：72-83.
[21] 简小烜，束海波.大语言模型创造力的哲学探源[N/OL].中国社会科学报，（2025-04-28）[2025-05-30].https://www.cssn.cn/skgz/bwyc/202504/t20250428_5871327.shtml
[22] Grossman P,Hammerness K,Mcdonald M.Redefining Teaching,Re-imagining Teacher Education[J].Teachers and Teaching:Theory and Practice,2009,15(2):273-289.
[23] 郭元祥，刘艳.我国教学设计发展20年：演进、逻辑与趋势[J].全球教育展望，2021，50（8）：3-14.
[24] 单俊豪，刘永贵.生成式人工智能赋能学习设计研究[J].电化教育研究，2024，45（7）：73-80.
[25] 宋萑，林敏.ChatGPT/生成式人工智能时代下教师的工作变革：机遇、挑战与应对[J].华东师范大学学报（教育科学版），2023，41（7）：78-90
[26] 宛平，顾小清.从他者阐释走向他主同一：多智能体赋能教师学习的实践转变[J].现代远距离教育，2024（6）：16-24.
[27] 李林森，杨颉.学习体验的教育哲学反思[J].上海交通大学学报（哲学社会科学版），2025，33（11）：137-148.
[28] 汤雪平，郭元祥.感觉体验：在课堂中培养学生的感受力[J].中国教育学刊，2025，（5）：50-55.
[29] 蔡慧英.指向核心素养的学习设计：创设基于协作问题解决的学习样态[M].北京：电子工业出版社，2024.
[30] 陈倩倩，张立新.教育人工智能的伦理审思：现象剖析与愿景构建——基于“人机协同”的分析视角[J].远程教育杂志，2023，41（3）：104-112.
[31] Makransky G,Petersen G B.The Cognitive Affective Model of Immersive Learning (CAMIL):A Theoretical Research-based Model of Learning in Immersive Virtual Reality[J].Educational Psychology Review,2021,33(3):937-958.
[32] Clark A.Finding the Mind:Book Symposium on Supersizing the Mind:Embodiment,Action,and Cognitive Extension[J].Philosophical Studies,2011,152(3):447-461.
[33] Institute For The Future.AI Forces Shaping Work & Learning in 2030[R].California:Institute for the Future Contributors,2018.
[34] 戴岭，赵晓伟，祝智庭.智慧问学：基于ChatGPT的对话式学习新模式[J].开放教育研究，2023，29（6）：42-51，111.
[35] 夏日扎提·尼牙孜，武小鹏.从师生话语的显著性行为审视小学课堂对话教学——基于交互序列分析软件（GSEQ）的编码分析[J].教学研究，2024，47（2）：40-47，92，2.
[36] 赵晓伟，沈书生.生成式人工智能驱动课堂深度对话：关键形态与设计理路[J].课程·教材·教法，2025，45（11）：101-108.
[37] 李芒，贺鹏洋.人类与人工智能的关系：互补、互动、互生[J].电化教育研究，2025，46（8）：15-20，80.
[38] 黄伟.课堂对话的运作机理——基于话语分析的视角[J].教育研究，2014，35（7）：123-130.
[39] 朱德全，吴虑.大数据时代教育评价专业化何以可能：第四范式视角[J].现代远程教育研究，2019，31（6）：14-21.
[40] 彭敏.教师教学评价素养的结构与发展路径研究[D].重庆：西南大学，2011.
[41] Cowie B,Cooper B.Exploring the Challenge of Developing Student Teacher Data Literacy[J].Assessment in Education:Principles,Policy & Practice,2017,24(2):147-163.
[42] Knoop-Van Campen C A N,WISE A,MOLENAAR I.The Equalizing Effect of Teacher Dashboards on Feedback in K-12 Classrooms[J].Interactive Learning Environments,2023,31(6):3447-3463.
[43] Sewell Jr W H.A Theory of Structure:Duality,Agency,and Transformation[J].American Journal of Sociology,1992,98(1):1-29.
[44] 方文惠，李西顺.教师作为一种过程：教师角色自我建构的方法论省思[J].现代大学教育，2025，41（6）：62-68，112.
[45] 王强，王帅.教师何以角色超载——专业资本视阈下教师角色的重构[J].中国教育学刊，2025（4）：95-101.
[46] 蔡慧英，董海霞，权国龙.促进教师采纳创新教学方法的优化策略研究——以整合图示化支架的教学实验为例[J].电化教育研究，2023，44（10）：95-103.
[47] 谢雅淇，张雅慧，许课雪，等.多模态大模型赋能教师数字画像构建与应用[J].开放教育研究，2025，31（1）：100-109.
引用格式：蔡慧英，孙佳悦，韩冰.生成式人工智能驱动下未来教师的角色演进与专业发展[J].教育学报，2026，22（4）：58-73.
