前 言

本模型由北京大学-TBI人工智能教育研究联合实验室编制，旨在为中小学非信息科技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。本模型侧重于考察教师在“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，强调技术赋能学科教学的深度融合。

1 范围

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。

2 核心理念与定位

• 从“工具操作”转向“逻辑构建”： 考查将AI工具融入学科教学的应用能力。
• 从“单点应用”转向“全流程赋能”： 将AI技术深度融入备课、授课、评价、辅导全流程。
• 从“使用者”转向“协作者”： 强调人机协同，利用AI释放教师精力，回归育人本质。

3 术语和定义

3.1 提示词工程 (Prompt Engineering)
通过设计优化自然语言指令，引导模型生成符合预期的特定输出的技术。

3.2 氛围编程 (Vibe Coding)
通过自然语言清晰描述需求逻辑，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)
基于大模型，挂载专属知识库并能自主执行特定教学任务的数字化助教。

4 评估模型框架概览

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。
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。

5 详细能力指标要求

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	• 信任校准： 不盲目迷信AI，具备“工具理性”。 • 主体性： 认同AI是助教，教师是决策者。	人机协作、优势互补
	1.2 发展前瞻	• 趋势认知： 了解数字化转型对评价方式及人才培养的深远影响。	面向未来、数字素养
二、 技术与知识 (25%)	2.1 提示工程	• 框架应用： 熟练使用结构化框架（如角色+任务+约束）。 • 迭代： 通过多轮追问优化输出。	精准交互
	2.2 内容生成	• 多模态： 调用文生图、文生视频工具制作定制化素材。	多感官呈现
	2.3 智能体构建	• 逻辑拆解： 将教学任务拆解为步骤链。 • 知识库： 搭建专属学科助教。	工具创造与定制
三、 教学与应用 (45%)	3.1 备课提效	• 快速生成： 自动生成教案大纲、练习题及PPT框架。	工作流提效
	3.2 知识图谱	• 全局俯瞰： 利用AI理清知识前后序关系，打破学科壁垒。	学科地图思维
	3.3 情境创设	• 具象化： 利用AI创设历史对话、虚拟实验等沉浸式情境。	抽象问题可视化
	3.4 规模化因材施教	• 分层设计： 一键生成基础、进阶、挑战三级分层任务。	个性化教育支架
	3.5 过程评价	• 逻辑审计： 利用AI“找茬”培养批判性思维，分析提问记录。	交互过程评价
四、 伦理与责任 (10%)	4.1 安全合规	• 脱敏： 严格执行学生数据隐私保护。 • 红线： 知晓合规使用边界。	底线意识
	4.2 情感引导	• 偏见识别： 识别AI内容中的隐含偏见。 • 防沉迷： 避免情感依赖。	价值引领
五、 学习与发展 (10%)	5.1 学习动力	• 方法论： 形成快速上手新工具的个人学习方法。	持续迭代
	5.2 角色重塑	• 不可替代性： 思考人在情感与价值观上的核心价值。	职业愿景

6 实施方案与分级标准