当ChatGPT、DeepSeek等人工智能工具快速进入校园，一个越来越现实的问题摆在教育面前：未来的孩子，究竟只是学会使用AI，还是要学会与AI一起思考？如果AI可以快速生成答案、完成写作、整理资料，学校更需要思考的是：如何避免学生把本应由自己完成的提问、判断、验证和修正交给AI？如何让AI成为促进深度学习的认知伙伴，而不是替代思考的答案工具？
学校特邀“人工智能+教育”领域研究者、国家社科基金教育学重大项目子课题负责人、湖南农业大学教育科学学院张翼然教授来校指导，在高中智慧教室举行了一场不同寻常的学术培训——“AI赋能IBDL：面向深度学习的教学设计与课堂实践”专题工作坊。
这不是一次AI工具操作培训，也不是介绍如何用AI生成课件和教案，而是一场以体验式教学工作坊为形态、以带走一份迭代版教学方案为承诺、以“逆向设计”和“生产性挣扎”为底层学理支撑的专业深度学习体验。活动聚焦一个更深层的问题：如何通过教学设计，让AI真正服务于学生的思考、探究和创造，引领教师重新审视AI赋能教育的价值边界与实践路径。来自幼、小、初、高四个学部近五十位学术干部全程参与，在理念更新、工具实操与协作共创中，共同探寻数智时代IBDL（融合IB教学法的深度学习）课堂的进化方向。
一、理念更新
从技术辅助到认知赋能
面对AI时代“技术越先进、学习越浅表”的教育困境，张翼然教授首先引入了“生产性挣扎(Productive Struggle)”这一经典学习科学理念。什么是“生产性挣扎”？真正有效的学习，必然伴随适度的认知冲突与思维挣扎，就像肌肉需要负重才能生长，大脑也需要在“有点难、但跳一跳够得着”的挑战中，才能建立深层认知结构。AI的正确角色，不是替孩子消除这种挣扎，而是精准搭建“脚手架”，让挣扎发生在孩子的“最近发展区”内——既不会因为太难而挫败，也不会因为太易而停滞。
接着，张教授分享了他在高校师范生中展开的一项教学实验数据（N=228）：在采用“生产性挣扎”设计的AI融合课堂中，学生的质疑率从31%提升至63%，而AI依赖度则下降了21分。这揭示了一个反直觉的教育真理：AI用得越好，学生对AI的依赖反而越低；课堂设计越深入，学生的高阶思维就越活跃。
诚然，AI要做的是搭建“脚手架”，而不是提供“直达电梯”。AI赋能教育的本质，不是消除“生产性挣扎”，而是通过精准设计，让挣扎发生在学生的“最近发展区”内，从而实现认知结构的深层重构。“今天要讨论的，不是技术本身，而是如何守住学生的学习质量与认知主权。AI可以接管执行，但不能接管判断。”张教授如是说。
他由此提出，有效的AI应用应遵循“教师主导—AI辅助—学生主体”的三层架构：
教师主导：明确学习目标、设计认知冲突、把控伦理边界。
AI辅助：承担信息检索、数据分析、个性化反馈等技术性任务。
学生主体：在有挑战性的问题链中经历真实探究，发展批判性思维与创新能力。
二、关键实操
AI教学设计智能体诊断
与传统培训模式不同，本次工作坊构建了一个高度沉浸的专业学习场域。三个半小时里，参训教师不是学员，而是教学设计者；不是接受知识，而是生产知识。活动主要包括四个环节，分别是“痛点诊断与选题聚焦”、“协作撰写与方案初构”、“AI智能体诊断反馈”和 “基于反馈的迭代修改”。
工作坊的核心环节是“AI教学设计智能体”诊断反馈的沉浸式体验。张教授自主研发的智能诊断系统，基于新课程理念与深度学习理论，构建了多维度的教学设计分析框架，包括目标匹配度、问题开放性、AI适切性、挣扎设计度、评价嵌入性五个诊断维度。老师们将设计初稿提交至“AI教学设计智能体”，系统基于UbD框架、SAMR层级和“生产性挣扎”指标，对每份方案进行多维诊断：目标与评估是否一致？AI介入点是处于S/A层级还是M/R层级？认知挑战的难度是否处于学生的“最近发展区”？是否存在过度支架导致思维空间压缩的风险？……
AI智能体生成的诊断报告，不是简单的对错判断，而是带有具体改进建议的形成性反馈。张教授展示了多位老师现场提交的AI融合教学设计方案，智能体在30秒内生成结构化诊断报告，不仅标注各维度得分，更提供具体的改进建议与替代方案。这种诊断不是简单的打分，而是基于教学理论的精准把脉，它帮助教师从经验直觉走向证据自觉，让教学设计优化有章可循，有据可依。
三、协作共创
带走三份真实产出
培训共创环节是本次工作坊的最大亮点。教师们打破学部和学科壁垒，围绕“AI赋能的IBDL单元设计”展开深度协作。协作流程严格遵循专业迭代路径：
个人初稿：每位教师基于智能体诊断优化个人设计，明确“生产性挣扎”切入点。
同伴互评：组内交叉评审，对照五个观测点（非用不可、学生真用、防穿透、批判检验、可迁移）进行审视。
集体定稿：整合**方案，形成包含单元概览、探究流程、AI工具清单、评价量规的完整设计。
小组路演：选派代表陈述设计亮点，接受专家追问与同伴质询。
现场交互活跃，学术氛围热烈。经过三小时深度协作，产出了十多份学科融合教学迭代方案，现场还生成了两份具有校本价值的框架初稿——《AI赋能IBDL的课堂评价框架（初稿）》和《AI赋能IBDL的学习证据框架（初稿）》，它们将成为广碧评判AI融合课教学质量的清晰的“尺子”……这三项产出共同构建了学校AI赋能IBDL课堂的“理念更新—教学设计—学习判断—学习证据”一体化系统，实现了从理念到教学设计到学习发生再到学习质量判断的闭环。
四、向新而行
AI赋能IBDL的下一步
本次工作坊是学校“AI赋能IBDL深度教学”系列培训的第四场，也是承前启后的关键节点。与此同时，学校即将启动《AI赋能IBDL课堂教学模式教研机制建设方案》，希望通过“问题驱动、证据导向、持续迭代”的教研路径，逐步形成我校AI赋能课堂的校本标准、实践案例库和持续改进机制。
站在新的起点上，学校将持续推进三大行动：
1.开展常态化诊断。
将AI教学设计智能体纳入常规教研机制。各学科组将运用五个观测点（非用不可、学生真用、防穿透、批判检验、可迁移）和三个追问（不可替代性、学生收获、思维深度）作为课堂评判的校本标准，让技术赋能从“培训场”延伸到“日常课”。
2.推行课例孵化计划。
从本次产出的协作方案及两份学科组框架初稿中择优遴选，组建“专家+骨干教师”研磨团队，历经“设计—试教—观课—议课—再设计”的循环打磨，形成可推广、可复制的IBDL精品课例库。
3.建立教师AI素养认证体系。
建立“基础应用—融合创新—引领示范”三级成长体系，将AI教学设计能力纳入教师专业发展档案，聚焦“能否设计促进生产性挣扎的AI融合任务”、“能否守住学生的认知主权”等深度指标，与职称评审、评优评先挂钩，激发教师内生成长动力。
我们不是培养“AI的使用者”，而是培养“AI的驾驭者”；不是培养“信息的搬运工”，而是在培养“意义的建构者”；不是培养“答案的接收者”，而是在培养“问题的发起者”。不是因为技术本身值得追逐，而是因为每一个孩子的成长，都值得用最审慎的教育设计去守护——这是广碧人对AI时代教育的回答。
AI+时代，教育再向新。自1994年创校以来，广碧始终将改革与创新刻入办学基因。从率先引进**国际文凭课程，到构建十二年一贯制的中外融通教育，从持续探索素质教育的有效路径，到全面推进“AI赋能的IBDL深度教学”——学校的每次跨越，都源于对“培养什么人、怎样培养人”这一时代命题的深刻回应。
近年来，学校将“数智赋能”确立为教学改革的核心战略，先后策划举办“AI赋能的IBDL深度学习系列优质课大赛”、“教师AI素养提升工作坊”、“AI教育先锋队在行动”等品牌研训活动，逐步构建起“理念引领—工具赋能—教学整合—评价反馈”的完整支持链条。本次张翼然教授工作坊，正是这一链条上的关键一环，标志着学校AI赋能教学正从普及应用迈向深度优化的新阶段。
从创校时的信息技术教学整合，到今日AI赋能IBDL的深耕细作，广碧人始终坚信：技术的**价值，在于让每个人更成为更**的人。学校将继续以先进教育理念为根基，以人工智能为翼，深耕“生产性挣扎”驱动的深度学习课堂，让每一位教师成为“懂技术、善设计、能创新”的未来教育者，让每位学生在认知的挑战与突破中，扎实生长出面向未来的核心素养。
