简介联合国教科文组织2024年发布的《面向教师的人工智能能力框架》研报聚焦人工智能时代教师的角色转型与能力建设为教育管理者、教师教育者及一线教师提供系统性的能力框架和行动指南。报告紧扣2030年教育议程提出教师应掌握哪些AI相关素养、如何在教学中合理运用AI工具并关注性别平等与区域公平等议题。资源包为单个PDF文件大小约1.79MB内容为完整英文原版报告涵盖框架核心维度与实施建议。目前已有122人学习适合正在规划教师AI培训、设计相关课程或研究教育数字化转型的读者阅读。通过这份报告读者可系统了解UNESCO关于教师AI能力的核心维度、层级划分与应用指引为政策制定、教师培训及教学实践提供权威参考。1. 为什么把目光从“会不会用AI”转向“有没有AI能力”到2022年为止全球只有7个国家为教师制定了AI能力框架或专业发展计划而大模型产品早已批量进入学校备课、批改、教研的日常流程。这不是工具普及速度的问题而是教师群体被AI工具推着往前走却缺少一个能说清“该会什么、在什么水平上会、边界在哪”的系统参照。UNESCO在2024年发布的这份《面向教师的人工智能能力框架》研报第一次以全球尺度回答了这个问题它不教教师如何点按某个产品的按钮而是定义人工智能时代教师在知识、技能、价值观三个层面必须具备的素养并给出“获取、深化、创造”三个进阶水平。对培训管理者、教研员和一线教师来说这份PDF不只是一份报告更是一个可以拆开重组的诊断与规划工具。2. 五维框架的原理解读为什么是这五个维度、三项水平2.1 从ICT能力框架到AI能力框架变化的不是工具而是工作环境UNESCO此前已有面向教师的ICT能力框架很多国家基于它建立了教师信息技术应用能力标准。那套框架的基本假设是技术工具的行为是可预期的——电子表格、演示文稿、在线学习平台它们的输出逻辑稳定教师的难点在于“会不会用”。生成式AI打破了这个假设同样的提示词在不同模型、不同参数、不同时间点会得到不同的结果而且输出可能是事实错误、立场偏颇或看似合理但无法验证的内容。这让教师的工作对象从“确定性工具”变成了“非确定性系统”。教师需要的不再只是操作技能而是判断力、解释力和问责能力能不能判断AI给出的答案是否可信能不能向学生解释模型为什么会出错能不能在课堂场景里承担AI参与学习过程后的责任。研报正是在这个前提下把框架设计为“人本思维、AI伦理、AI基础与应用、AI教学法、AI促进专业学习”五个维度每一维内部再按认知深度拆成“获取、深化、创造”三个水平交叉构成15项能力点。2.2 五个维度的分工与协同逻辑从系统设计的角度看五个维度就像五条并行总线各自负责一类核心问题。把维度之间的关系梳理清楚比单独记忆15项能力更容易落地。维度核心要回答的问题在教师日常工作中的落点人本思维AI参与教育时人的主体性如何保持不把AI输出等同于教学决策依据AI伦理什么能用、什么不能用、边界由谁界定隐私保护、偏见识别、责任归属AI基础与应用AI是怎么工作的能做什么、不能做什么理解模型机制能选工具、调整参数AI教学法如何把AI融进具体的学习活动设计备课、课堂互动、作业评估中的AI介入AI促进专业学习教师如何使用AI支持自身成长教研、听课、反思、个人知识管理“AI基础与应用”是地基教师不理解模型的基本运作方式伦理判断就无从谈起“人本思维”和“AI伦理”是约束条件决定教师在什么前提下使用AI“AI教学法”是把前三者转化为课堂实践的落点“AI促进专业学习”则把教师自己变成学习者让框架不只停留在培训课堂里。2.3 三个水平的递进逻辑更像版本迭代而不是台阶研报把每个维度下的能力分为三个水平英文分别是Acquire、Deepen、Create。很多读者把它理解成“初级、中级、高级”但更贴近实际的看待方式是三个递进的认知层次理解、整合、创造。2.3.1 获取在约束下正确使用这个水平要求教师能解释AI的基本概念能在明确指导下使用现成工具完成任务并具备基础的伦理意识。它的关键特征是“按规则操作”——比如教研组统一规定用某工具辅助出题教师能够完成操作并知道不能把学生真实姓名输入到开放API里。获取水平不要求创造性但要求准确性。2.3.2 深化在真实场景中整合深化水平要求教师能把AI工具整合进教学流程能在多个环节之间做策略判断。此时教师不再“按规则”而是“定规则”。例如面对AI批改作文的结果教师能判断其评语是否适合具体学生能把AI分析出的共性问题转化为课堂讲评的重点而不是全盘照收或全盘否定。2.3.3 创造参与工具与规则的再设计创造水平对应的是设计能力。教师不仅能使用AI还能参与教学方案的再设计、工具选型的评估、甚至本地化培训方案的制定。能到这个水平的教师通常不满足于“AI能做什么”而是追问“在什么条件下AI应该被用于什么学习目标”并据此调整教学设计与评估标准。提示三水平对应的是同一个维度内的能力深度不是教师的总体评级。一个教师的真实画像往往是“某些维度在深化、某些维度还在获取”比如AI伦理素养达到创造水平但AI基础应用还停留在获取这完全正常。3. 把PDF研报变成可执行的自评与成长规划工具3.1 将框架条目行为化从抽象能力到可观察证据研报的价值在落地。但直接把15项能力条目发给教师做自评多半会得到一堆“我觉得还行”的结果。问题在于条目太抽象。我一般会做一步转换把每项能力改写为“课堂上可观察的行为”。维度获取水平的行为表现深化水平的行为表现人本思维能说明AI结果不能直接作为学生评价依据能在教学设计中显式保留学生的选择与判断环节AI伦理能识别常见的隐私风险不在题目中录入学生个人信息能根据伦理原则设计AI使用规则并向学生解释原因AI基础与应用能操作至少一个生成式AI工具完成指定任务能根据任务需要比较不同AI工具的输出质量并选择适用方案AI教学法能在一个教学环节中引入AI辅助能围绕学习目标设计完整的AI介入流程并评估效果AI专业学习能用AI整理教研资料能用AI辅助设计教师工作坊并沉淀个人专业发展路径这样的行为描述可以直接用于培训前的摸底问卷和培训后的效果对照。改编自评条目时注意保留“程度”与“场景”两个要素没有场景的能力描述无法区分水平。3.2 用一份YAML档案管理自己的五维成长路径多所学校在研读这份研报后选择把它落到教师成长档案里。下面是我整理的一份可用于校本平台或个人维护的配置模板把五维能力、水平状态和证据材料结构化集中在一起。teacher_profile: teacher_id: T2024-001 review_date: 2025-06-30 subject: 高中语文 role: 教研组长 dimensions: - name: human_centred_mindset level: deepen evidence: - 设计了保留学生独立判断环节的AI作文评阅课 - 两次拒绝直接采用AI生成的结论性评语 focus_next: 在学期总结中显式记录学生主体性变化 - name: ai_ethics level: acquire evidence: - 向全组教师转发数据脱敏要求 - 在集体备课中提示AI生成内容需人工核验 focus_next: 制定本学科AI工具使用负面清单 - name: ai_foundations level: acquire evidence: - 完成一期大模型原理线上课程 - 能解释token与上下文窗口的基本概念 focus_next: 学习提示词中temperature参数对输出结构的影响 - name: ai_pedagogy level: deepen evidence: - 在议论文单元中引入AI正反论点生成活动 - 依据学生课堂反馈调整AI介入时机 focus_next: 尝试在跨学科项目中加入AI协作环节 - name: ai_professional_learning level: create evidence: - 主持了面向全校的AI教学案例分享会 - 建立了校内教研组的AI提示词库 focus_next: 编写一份供新教师使用的AI课堂落地手册这份YAML的核心是把“水平等级”和“客观证据”绑定避免自评变成拍脑袋。level字段取值为acquire、deepen、create与研报三水平对应evidence记录的是已完成的可验证事项不是为了填写而填写的感受focus_next则是下一次复盘的改进切口。每次更新时先改review_date再对level做调整形成连续的个人成长线。提示不要试图一次覆盖五个维度。一学期重点推进一个维度其他维度维持即可五维并行推进通常是培训项目失败的主要原因。3.3 从研报到发展路径一个学期的推进节奏把三水平拆到时间轴上可以避免“什么都想学”造成的行动瘫痪。以一名已经具备基础ICT能力的语文教师为例一个学期的推进节奏可以这样安排。阶段时间窗口重点推进维度关键动作预备期第1–2周AI基础与应用完成工具操作理解基本概念拟定个人能力档案引入期第3–6周AI教学法在单一教学环节引入AI记录课堂反应整合期第7–10周人本思维与AI伦理设计保留学生判断环节的活动完成一次伦理复盘产出期第11–15周AI促进专业学习整理案例在校内教研中分享经验更新档案第1–2周不要进入教学法讨论先解决“会用”的问题第3–6周允许失败AI介入的设计不完美是正常的重点是记录学生反应第7–10周把伦理约束加进来让教师体会到边界不是限制而是安全保障最后产出期把经验固化为可传递的内容。这是我在教师专业发展项目中验证过的节奏适用于大多数以工具带动理念的场景。4. 把AI教学法落到一节课从流程改造到关键参数4.1 什么是“AI教学法”什么不是AI教学法不是“课上展示AI工具”也不是“教师用ChatGPT生成教案”。研报中的AI教学法核心是教师围绕学习目标设计AI在何时、以何种角色、介入学习活动哪个环节并确定介入的边界与退出条件。它与传统信息化教学最大的区别在于AI不是被演示的对象而是参与认知过程的协作者。以一节议论文写作课为例传统流程是“教师讲解结构—提供范文—学生写作—教师批改反馈”全程只有教师和学生两个角色。引入AI后一个常见但欠妥当的做法是直接让学生提问AI“帮我写一篇议论文”产出质量取决于学生的提问能力教学目标和AI介入之间没有形成设计关系。更合理的设计是让AI承担“提供对立论点样本”的角色学生负责筛选、判断和重组AI是在限定环节里扩大认知选择的工具而不是代写者。4.2 教案改造实例从教师视角设计AI介入节点同样的内容做教学设计改造关键是明确哪个环节让AI参与、哪个环节必须由学生独立完成。教学环节传统设计改造后设计AI介入的角色课前导入教师讲解议论文要素学生用AI生成两个版本的论点陈述并比较优劣提供对照素材课堂讨论小组讨论后全班汇报小组用AI生成正反论据清单标注可信度后汇报素材生成器独立写作学生独立完成学生独立成稿AI不参与无介入课后反馈教师批改并下发评语AI先给出结构反馈教师复核并补充价值判断初筛助手改造的逻辑是AI参与的前两个环节输出的是“素材”而非“结论”学生仍需完成选择与判断而写作环节完全关闭AI课后反馈中AI只做结构化初筛价值判断仍由教师完成。这个设计与研报中“人类问责”原则一致——AI提供信息人做决定。4.3 可复用的教案生成提示词模板把教学设计交给大模型时提示词的参数设计直接影响产出质量。下面是经过反复调整的模板可以直接嵌入本地脚本或工具中使用。# 教案生成模板 prompt_template 你是一位有{experience}年教学经验的{subject}教师。 请基于以下约束设计一节课 - 学习目标{objective} - 学生水平{grade_level} - 课堂时长{duration}分钟 - AI介入环节{ai_use_phase} - 伦理限制{ethical_limits} 请输出 1. 教学目标可测量 2. 教学活动流程含时间分配 3. AI介入节点说明在何时、以什么角色介入 4. 评价方式说明AI是否参与评分 注意AI不得代写完整答案所有输出都必须包含学生独立判断的环节。 params { experience: 10, subject: 高中语文, objective: 学生能够准确区分论据与论点并围绕一个社会议题提出有理据的立场, grade_level: 高一, duration: 45, ai_use_phase: 课堂讨论环节提供正反论据素材, ethical_limits: 严禁AI直接生成成文段落不得引用未经核验的数据, } prompt prompt_template.format(**params) print(prompt)模板中几个参数是关键控制点直接决定生成结果的质量。参数推荐取值说明subject具体学科而非“教育”越具体的学科指向越能约束模型的输出范围objective使用可测量动词“区分论据与论点”优于“提高写作能力”grade_level精确到年级影响模型对词汇与活动复杂程度的默认选择ai_use_phase明确到具体环节不指定时模型倾向于让AI全程参与反而背离设计意图ethical_limits给出显式禁令伦理约束直接写进提示词比自己事后检查更可控4.4 伦理检查把偏见识别嵌入使用流程AI伦理是研报五维中实操性最强也最容易被略过的部分。模型本身在经过大规模语料训练后自带知识偏见与立场偏差课堂上使用AI工具必须把这一层纳入教学设计。我建议教师在每次AI输出进入课堂之前做“三查”一查事实涉及具体时间、数据、地名的内容逐项核对任何无法验证的细节都不要直接使用二查立场确认材料是否只呈现单一声源或单一价值判断必要时补充对立观点三查隐私检查是否有可识别个人的信息进入模型输入。把这三查做成一张检查单贴在工作台旁边比依赖“自觉”可靠得多。“人工智能偏见”不是一个抽象的社会话题在课堂场景里它就表现为练习材料的价值失衡、课后反馈的刻板印象固化。5. 能力验证、校本落地与研报的合规复用5.1 培训前后对照五条快速验证指标校本培训结束后的效果验证不需要复杂的测评工具。用一套课前课后的行为化对比指标就可以覆盖核心场景。验证项培训前状态培训3个月后应达到状态工具选型随机使用大众化AI产品能根据学科任务说明选型理由教学设计AI环节独立于学习目标能说明每个AI介入环节对应的学习目标伦理操作未考虑数据脱敏不使用学生真实信息能识别偏见输出评估参与未使用AI辅助评估能用AI做初筛并独立完成价值判断专业成长偶尔浏览AI教学文章在教研中输出过至少一次结构化案例该表不是考核工具而是诊断工具。如果有三项以上未达到说明培训停留在“认识层面”而没有进入“行为层面”此时不要加课而要回到教研环节做切片式复盘用教师的真实教案做分析样本。5.2 校本落地的最小实施路径研报本身是全球性参照框架落到学校层面需要做裁剪。对培训管理者而言最小可用的实施路径是先诊断教师队伍在五个维度上的分布情况方法可以用上一章的自评问卷结合管理者观察然后确定本校的重点维度不同学校的切入口完全不同理科强校可能直接从“AI基础与应用”切入文科教研组可能更适合从“AI教学法”切入最后按“获取、深化、创造”三级设计培训内容不做大而全的通识讲座而是分别开班。这一路径的关键在于不要把研报当作统一课程标准来执行。它是一份参照框架给的是维度和水平的定义而不是本校本学期的课表和教材。5.3 研报的开放获取与复用边界最后提醒一点版权与复用事项。这份研报使用CC-BY-SA 3.0 IGO许可意味着可以自由复制、分发、演绎和商用前提是注明来源归属并采用相同方式共享。引用时标注出版方UNESCO、出版年份2024以及DOI10.54675/ZJTE2084能够满足多数场景的规范需要。注意封面和正文中带星号的图片不适用CC协议不能直接提取复用其他文字内容在保持相同共享协议的前提下可以做翻译、摘编和校本改编。拿到PDF后的第一步不是读内容而是确认这份文件的版本与许可页后续所有再加工都建立在版权边界清晰的前提下。本文还有配套的精品资源点击获取