教育学 / 师范

尽早、尽可能多地站在真实学生面前。这份清单上其余的一切都远远排在后面,因为这是决定你能不能留下来的那项能力 —— 也是任何课程都模拟不出来的那一项。

对「生成式工具对你这个学科具体做了什么」有一个动过手的判断。不是关于「AI 与教育」的泛泛看法 —— 而是「你这个学科的学生手里有了它之后会怎样」的具体答案;数学和作文之间,这个答案差别极大。

了解一下你所在的教育体系在这件事上究竟对教师提出了什么要求 —— 已有若干地区把 AI 相关的教学内容写成了硬要求,而它落到你身上是工作,不是一份政策文件。

不要基于一个分数来决定,因为本站不会给专业打分。真正相关的证据更窄也更有用:在本站的教师页上,备课材料的起草和「发现谁没听懂」被评估为增强型 —— 工具帮忙,但活仍由教师来做;而「把一个班稳住」被评估为仍由人主导。如果你想投入职业生涯的是后面那些部分,这个专业仍然通向它们。如果当初吸引你的是「做出漂亮的材料」,那恰恰是压力最大的一块 —— 现在知道比以后知道好。

本站的记录指向相反的方向,而且是一个具体的方向,不是一句宽慰。中国教育部 2025 年发布的指南要求在中小学推进 AI 通识教育,并强化了教师的指导角色 —— 那是政策给这份工作加了一件事,不是把这份工作拿走。纽约一个学区引入人形教学机器人的尝试在州里、工会与家长的反对后被叫停,而叫停它的是采购与学生数据协议,不是技术。这两条记录都在本站,附来源。

把考核重写到「它仍然在量某种东西」,眼下是一个新教师最有用的本事之一,而多数学校正在匆忙地做这件事。实际的做法是把评分的重心挪到你能看见其发生的工作上 —— 在课堂上、当面说、或者以一种必须展示推理而不只是给出答案的形式。这不是一套抓人的策略,而是一套设计的策略;而且在你有自己的班级之前就可以开始练。

这个提法一碰上证据就站不住,而诚实的回答是:这个行业的风险从来主要不是自动化。人们离开教师岗位,压倒性地是因为工作量、学生行为与薪酬,而不是技术,本站的任何内容都不改变这一点。证据能说的是更窄的一件事:一周里有一块 —— 备课材料的起草 —— 正在得到工具的辅助,而不是被接管;另有一块 —— 教 AI 内容这项政策义务 —— 正在被加上来。

和真实学生相处的真实时数,以及一个清楚的判断:哪个年龄段、哪个学科你撑得下来 —— 这个行业真正的约束是流失,而能留下来的人通常是早早弄清了这一点的那些。除此之外:一份被你重新设计过、使得模型无法直接给出答案的考核,连同改前改后两个版本一起留着。它同时证明三件事:你懂学科、你懂学生实际是怎么做事的、以及你真的动手处理过每所学校眼下都在担心的那件事。