LO
教育学 / 师范
训练你把自己懂的东西装进别人的脑子里 —— 办法是先搞清楚他们已经信什么、会在哪里想错,以及什么样的证据能说明他们真的学会了。
给一个专业打一个总分,会盖掉真正重要的事实:这个专业训练的是若干项独立能力,而它们并不朝同一个方向变化。自动化作用在任务上,所以任何评估都放在下面的职业页里 —— 不在这里。
适用于中国大陆与新加坡的教育学 / 师范本科,含学科教学方向。学前教育、特殊教育与教育技术方向差异较大,不在本次评估范围内。
这个专业实际训练了什么#
不是课程表 —— 是课程表底下的能力,以及每一项比过去更值钱还是更不值钱。
判断一个人到底是哪里想错了
比以前更值钱看着一个错误答案,判断出它背后是哪一个错误的模型 —— 不是判它错,而是知道这个学生身上装的是四种可能的误解中的哪一种。
模型可以瞬间生成讲解,也可以按评分标准打分,但它不会坐在一个孩子旁边,注意到他算术没问题、问题是没读懂题。这个判断来自盯着一个具体的人做题,而它恰恰是生成式工具让教学变得更值钱、而不是更不值钱的那一部分 —— 因为讲解现在免费了,稀缺的是知道这个人需要哪一种讲解。
把一屋子不是自愿来的人稳住
比以前更值钱让三十个宁可待在别处的人保持足够的投入去学;并在其中某一个决定试探「你是不是说真的」的那一刻,把它处理掉。
这是这份工作里没有软件替代品、而外行人总是低估的那一部分。它同时是人们离开这个行业的主要原因 —— 也就是说,它决定了这个专业的其余部分有没有机会被用上。
设计一份真的在量那件事的考核
比以前更值钱设计一个任务,使得做得好必须依赖你在意的那种理解;并且让「这份作业是不是学生自己做的」看得出来。
2023 年以前设计的每一份带回家的作业,现在都有一条免费的绕过去的路,而所有学校是同时发现这件事的。把考核重写到「它仍然在量某种东西」,是正在发生的、不光鲜的工作,只能由既懂学科又懂学生的人来做 —— 而这恰恰是一个新教师眼下最容易立刻派上用场的地方。
备课与做材料
单独拿出来变弱了产出一堂课运转所依赖的东西:课件、学案、练习题、评分标准。
起草这些正是生成式工具做得最像样的活,而它占了这份工作历来那些没有报酬的晚间工时的很大一块。「这份学案适不适合这个班」的判断没有被自动化;而把它打出来这件事已经很大程度上被自动化了 —— 要避免的错误是把「打出来」当成本事。
向一个正在着急的大人解释孩子的情况
基本稳定把家长不想听的话告诉他们,而且要说到他们还能据此行动、下学期还愿意跟你说话。
既没有变得更稀缺,也没有被取代:它一直是这份工作里从外面最看不见的那部分,而自动化没有改变「必须坐在那场对话里的是谁」。
能连到哪里#
多条方向,绝不只有一条。每条都写明:你的训练里什么真的用得上、毕业生普遍缺什么、现实的入门条件,以及这个学期能验证的一个动作。
中小学教师
任务级分析 →- 什么用得上
- 全部都用得上;而且这是唯一一条「把一屋子人稳住」是每天的要求、而不是偶尔的要求的路。
- 毕业生普遍缺什么
- 毕业生通常很熟悉「一堂课应该怎么走」,而缺的是「它没按这么走时怎么办」的练习;对行政事务的量也几乎没有体感 —— 而那恰恰是离职的人最常提到的部分。
- 入门的现实
- 在本页涵盖的两个市场里,教师资格与实习时数是门槛,而你拿到的是哪个学科的认证,比学校牌子更重要。真实的约束是「能进哪座城市、哪所学校」,不是这个行业收不收你。
给一个学生连续辅导六周,把他每一道错题都留下来。结束时按「背后是哪种误解」把它们分类。如果你分不出来,那就是要补的能力 —— 而这份工作正是靠它。
企业培训与人才发展
任务级分析 →- 什么用得上
- 把考核设计与诊断用在成年人身上:搞清楚一个团队目前做不到什么,并做出一个能显示「之后他们做不做得到」的东西。
- 毕业生普遍缺什么
- 毕业生通常完全没接触过预算这件事 —— 公司里的培训要和其他开销竞争,而且必须用财务部门的语言去论证。
- 入门的现实
- 通常是先做人力资源通才岗再转过去,不是直接进入。师范背景在这条路上是真实的优势,而拥有它的人常常把它说轻了。
给三个真的用得上的成年人教会一项技能 —— 比如给社团财务教一个表格函数 —— 并设计一个任务,检验他们两周后还会不会。
教学管理 / 年级与教研负责人
任务级分析 →- 什么用得上
- 把诊断能力从学生身上转到同事身上;再加上「为别人产出的结果负责」这个习惯。
- 毕业生普遍缺什么
- 毕业生基本没有过「给一个并没有来征求意见的同级同事提反馈」的经历 —— 而那是这个岗位每天的实质内容,不是偶尔的难题。
- 入门的现实
- 是在课堂上做了几年之后才到的位置,不是从学历直接过去。值得早点知道,因为它会改变你从第一年起该积累什么样的证据。
去听一位同学的试讲,把你真正想给的反馈写下来。然后当面说出来。草稿和你实际说出口的那版之间的差距,就是要练的东西。
教研与课程内容
任务级分析 →- 什么用得上
- 知道学习者会在哪里出错 —— 这正是「有效的材料」和「读起来顺的材料」之间的区别。
- 毕业生普遍缺什么
- 走这条路的毕业生应当知道:起草是这一整页上最容易被生成式工具侵蚀的那项任务。这份工作里站得住的那一半,是「你亲眼看过真实学生在这份草稿上卡住」的那一部分。
- 入门的现实
- 不需要教师资格也能进,入门阶段常常是按件计酬而不是月薪。在投入之前先读本站的文案页 —— 那一页的评估在这条路上比教师页更适用。
写一份学案,看着三个人在没有你帮忙的情况下真的做一遍,然后只根据「他们卡在哪里」重写它。两版都留着。
课堂之外可以补什么#
这里说的是毕业生实践中普遍缺什么 —— 不是断言你的学校没教。
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。
这个学期#
一到两个动作,每个都产出能拿给别人看的东西。不是书单。
拿一道你自己当年做过的作业题,交给模型做一遍,看看输出。然后把这道题重写到「同一个模型的答案拿不了满分」。这个重写,是你这个学期能练的、可迁移性最强的一件事 —— 而学校眼下正缺会做这件事的人。
去问一位在课堂上待了五年以上的老师:他一周里有多大比例是行政事务而不是教学。他给的那个数字才是你该据以规划的数字 —— 而它很少是准教师们以为的那个。
常见问题#
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,明确正在自动化的是备课材料的起草,而「判断学生哪里想错了」和「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。
方法#
评估落在任务上,不落在专业上。沿着上面任何一条方向进入职业页,可以看到哪些任务在变、证据到什么强度、以及它还不能说明什么。