本模型旨在为中小学非信息科技（非AI）学科教师的数字素养评价提供科学、前瞻且具实操性的参考框架。与AI学科教师的考察侧重点不同，对于非AI学科教师，不考察对于人工智能原理和技术的理解和掌握，侧重于考察教师在“人机协同”环境下的，驾驭和应用AI工具，创新教学场景，变革教学范式的能力。
本模型由 北京碳硅双脑AI教育研究所 编制，北京大学-TBI人工智能教育研究联合实验室 进行学术支持。
本文件规定了中小学语文、数学、英语、科学、艺术等非人工智能专业学科教师，在教育教学全流程中应用人工智能技术的核心能力框架及等级要求。
本文件适用于K-12阶段非AI学科教师的专业发展评估、培训需求分析及能力认证。
本模型基于“技术为体，教育为魂”的核心理念，强调以下转型：
下列术语和定义适用于本文件。
3.1 提示词工程 (Prompt Engineering)
指通过设计、优化自然语言指令，以引导人工智能模型生成符合预期的特定输出（如教案、图表、反馈建议）的技术与方法。
3.2 氛围编程 (Vibe Coding)
一种无需编写复杂代码，而是通过自然语言清晰描述需求、逻辑流程及应用场景（氛围），指挥AI辅助生成应用程序或自动化脚本的构建方式。
3.3 智能体 (Agent)
指基于大语言模型，通过配置提示词、挂载专属知识库（如课程标准、班级数据）并调用工具，能够自主执行特定教学任务（如作业批改、苏格拉底式提问）的数字化助教。
3.4 人机协同 (Human-AI Collaboration)
指在教育教学活动中，教师与人工智能系统形成优势互补的合作关系，AI负责数据处理与资源生成，教师负责情感支持、价值判断与复杂决策。
3.5 生成式人工智能 (Generative AI)
指能够根据输入（文本、图像等）生成新的、具有逻辑性的多模态内容（如文本、图片、音频、视频）的人工智能技术。
本模型包含5个一级指标，15个二级指标。重点权重置于“教学与应用”维度。
| 一级指标 | 权重 | 核心内涵 |
|---|---|---|
| 一、意识与理念 | 10% | 建立正确的人机协同观，理解教师角色的转型。 |
| 二、技术与知识 | 20% | 掌握提示词工程、氛围编程及智能体构建等应用技术。 |
| 三、教学与应用 | 50% | 将AI深度融入教学全流程，实现规模化因材施教与高阶思维培养。 |
| 四、伦理与责任 | 10% | 具备数据安全意识、算法偏见识别及情感伦理引导能力。 |
| 五、学习与发展 | 10% | 具备敏捷学习新工具的方法与持续的探索动力。 |
| 维度 | 二级指标 | 关键测评点 (Key Indicators) | 核心教学理念 |
|---|---|---|---|
| 一、 意识与理念 (10%) |
1.1 人机协同观 | • 祛魅与信任校准： 不盲目迷信AI，也不恐惧技术，具备“工具理性”。 • 主体性： 认同AI是助教，教师是决策者和情感支持者。 |
人机协作、优势互补 |
| 1.2 发展前瞻 | • 趋势认知： 了解数字化转型对教育评价方式及人才培养目标的深远影响。 | 面向未来、数字素养 | |
| 二、 技术与知识 (25%) |
2.1 结构化提示工程 (Prompt Engineering) |
• 框架应用： 熟练使用结构化框架（如角色+任务+约束）与AI交互。 • 多轮迭代： 能通过追问优化输出质量。 |
精准交互 |
| 2.2 多模态内容生成 | • 素材获取： 熟练调用文生图、文生视频工具，为教学生成定制化多媒体素材。 | 多感官呈现 | |
| 2.3 智能体构建与编排 (Agent Construction) |
• 逻辑拆解： 能将复杂教学任务拆解为AI可执行的步骤链。 • 知识库挂载： 能搭建专属“学科助教”，利用上传的课标或学情数据进行精准问答。 |
工具创造与定制 | |
| 三、 教学与应用 (45%) |
3.1 备课提效与 资源生成 |
• 快速生成： 能利用AI根据教学目标快速生成教案大纲、教学设计草稿及结构化教案。 • 多模态制作： 能一键生成或优化教学课件（PPT）、讲义及基础练习题，显著缩短备课时间。 |
AI工具辅助工作流提效 与教学资源快速开发 |
| 3.2 知识图谱与 跨学科视野 |
• 全局俯瞰： 利用AI构建单元知识图谱，理清知识的前后序关系。 • 跨界联系： 利用AI发现本学科知识在其他领域的应用案例，打破学科壁垒。 |
从更高维度，俯瞰整个学科知识地图以及跨学科知识联系 | |
| 3.3 认知可视化与 情境创设 |
• 抽象具象化： 利用AI将抽象思维过程转化为可视化的图表或比喻。 • 沉浸体验： 利用AI创设历史对话、虚拟实验等沉浸式教学情境。 |
抽象问题，思考过程可视化 沉浸式场景教学 |
|
| 3.4 规模化因材施教 | • 分层设计： 利用AI一键生成基础、进阶、挑战三级分层任务。 • 个性化支架： 为不同水平学生生成专属的学习锦囊和辅助线索。 |
大规模提供个性化教育 | |
| 3.5 批判性思维与 过程评价 |
• 找茬与纠错： 设计“人机辩论”环节，利用AI的幻觉培养学生批判性思维。 • 交互画像： 分析学生与AI的交互记录，评价其提问逻辑与思维过程。 |
批判性思维，识别AI错误的能力 对思维过程和与AI交互过程的评价 |
|
| 四、 伦理与责任 (10%) |
4.1 数据安全与合规 | • 隐私保护： 严格执行学生数据脱敏上传。 • 合规使用： 知晓AIGC工具在校园使用的红线与边界。 |
底线意识 |
| 4.2 内容鉴别与 情感引导 |
• 偏见识别： 能识别AI生成内容中隐含的性别、文化偏见。 • 防沉迷： 引导学生避免对AI产生情感依赖，保持真实社交。 |
价值引领 | |
| 五、 学习与发展 (10%) |
5.1 学习方法与动力 | • 渠道与方法： 掌握获取新工具资讯的渠道，并形成快速上手的学习方法论。 • 自驱力： 保持对AI技术的好奇心和探索欲，建立个人AI知识库。 |
持续迭代 |
| 5.2 教师角色重塑 与未来观 |
• 价值定位： 深刻思考未来教育中“人”的不可替代性（情感、价值观）。 • 模型重构： 主动探索人机协同下的新型教与学模式。 |
职业愿景 |
中小学（非AI学科）教师AI素养在线测评系统，围绕测评指标既有全学科教师共性测试题目，又包含按照教师的科目和学段定制的个性化测试题目。系统将根据测评结果，给出教师当前AI素养的评级：
（未达到基础应用标准，缺乏对AI工具的基本认知或存在安全意识缺失。）
有应用AI的意识和主观意愿，会使用AI工具进行工作提效。
能够综合使用AI工具，结合学科洞见进行教学范式的创新。
能设计复杂的跨学科创新教学项目，利用AI培养学生的高阶思维，实现个性化育人闭环。