一場“直播課轉AI課”的試驗，帶來反直覺的報名增長

　　編者按：

　　本文為投稿，作者林雨杉，素智未來“花生塾”創(chuàng)始人，10年教育從業(yè)經(jīng)驗。

　　此次暑假中，林雨杉做出教學調整，在教學中引入AI智能體，由老師搭建教學支架，AI執(zhí)行支架。林雨杉認為，“AI支架教學法”能獲得家長認可的原因是AI最終帶來的教學效果，是AI將老師的教學意圖精確、穩(wěn)定地執(zhí)行出來的能力。

　　這個暑假，我們做了一次看起來“有些冒險”的教學調整——將原本由老師直播授課的語文課程，轉為“錄播+AI智能體輔助+教師批改反饋”的形式。也就是說，課程中不再有“在線老師”的講解，而是通過預先結構化的AI智能體，與學生進行全過程的學習互動。

　　家長們一開始是抗拒的。報名通知發(fā)出后，超過一半的家長提出了觀望：“AI講語文?還是先試試看效果再決定要不要續(xù)費。”我們沒有辯解，而是邀請他們免費體驗一個月。

　　在常見的大班直播課堂上，每位學生最多被點名1-2次。孩子在大多數(shù)時間里處于“被動聽講 + 低效摸魚”的狀態(tài)。我們用錄播取代直播，AI替代課堂練習后，學生先看完30分鐘的講解視頻，然后進入與AI的對練。 在對練中，每位學生平均完成20輪互動練習，過程非?；钴S，積極性很高。原本2小時的直播課，可能學生最多吸收20分鐘的內(nèi)容，轉變形式后，學生能夠“滿負荷吸收”，用50分鐘完成原本2小時的學習任務。

　　一個月的體驗結果出乎意料：一百多位學生，100%完成付費，50%的新學生主動加報了其他AI課程。家長們的評價高度一致：“孩子的學習主動性提高了”“作業(yè)效果特別好”“老母親可以安心躺平了”。

　　家長們最終認可的，不是“AI”這個流行詞的熱度，而是AI帶來的教學效果，是AI將老師的教學意圖精確、穩(wěn)定地執(zhí)行出來的能力。

　　01 從一名語文老師，到一位“教學結構工程師”

　　我是一位非典型的語文老師，復旦哲學本科、MBA，耶魯訪學，還在500強做了很多年數(shù)據(jù)分析，現(xiàn)在是兩個孩子的母親。去年年初，我只是想讓孩子的聽寫作業(yè)不要那么費媽，就親手搭了一個能朗讀、能糾錯的AI聽寫助手。盡管粗糙，卻成了我AI教學系統(tǒng)的第一個雛形。

　　在發(fā)現(xiàn)AI并不只是一個問答工具，確實可以解決一些相對復雜的教育問題后，我看到了用AI改變教育的希望。此后，我投入了大量的精力，認真學習AI智能體的搭建與調試。我試過市面上幾乎所有能調用的大模型，寫過上千組提示詞，設計過幾十種上下文架構，跑過幾百輪教學場景的對話測試。每一次失敗都像是一堂“模型能力邊界實驗課”：AI能判斷學生是否理解結構層級嗎?它能引導學生發(fā)現(xiàn)一個寫作漏洞嗎?它在學生卡殼時，是會直接給答案，還是能給一個恰當?shù)奶崾?

　　我摸清了它不能做的事，也掌握了讓它“恰當?shù)亟?rdquo;的方法。我發(fā)現(xiàn)，只要教學目標被拆得足夠清晰、教學流程設計得足夠合理、教學語言控制得足夠具體，AI完全可以勝任“逐步引導—講解—反饋—鼓勵”的任務。我和團隊最后創(chuàng)建了幾百個智能體，有的負責引導孩子預習、寫作、復述，有的則為老師服務，協(xié)助教學節(jié)奏管理、作業(yè)批改、學習分析。

　　你可以說，我是從一名語文老師，變成了一位“教學結構工程師”。我把教學意圖結構化、流程圖式化、語言規(guī)范化，然后交給AI反復演練、執(zhí)行。我不是要用AI替代老師，而是用AI承擔重復性教學任務，讓老師能回歸更有價值的環(huán)節(jié)——設計教學、觀察學生、診斷干預。

　　當一個本來上課時連“舉手”都不敢的孩子，在AI老師面前反復嘗試、修改表達、完成了整篇文章，并且愿意再來一次時，我知道，這不只是技術的勝利，更是教學設計方法的勝利。AI的“智能”，不是它知道得多，而是它可以穩(wěn)定地執(zhí)行我們想教的方式。

　　教學從來不是簡單的知識灌輸，而是讓孩子逐步建立起自己的認知結構。AI讓我第一次有了“讓好方法被穩(wěn)定執(zhí)行”的可能。孩子們因為這個結構學得更踏實，家長因為不用再盯學而感到輕松，老師因為能夠專注在更深的教學環(huán)節(jié)上而重拾價值感。

　　02 “老師搭支架，AI執(zhí)行支架” —— AI支架教學法

　　做語文老師這些年，我一直堅持一個看起來有些“慢”的原則：不在于講了多少，而在于學生自己搭建起了多少思維結構。我始終堅持，語文不是背出來的，是想出來的。它不是語言的堆砌，而是思維的外化。這些教學方法在家長眼中并不“高效”，但這樣才是“孩子真正學得進去”的路徑。這種教學方式，在理論上被稱作“支架式教學法”(Scaffolding Instruction)，是著名認知心理學家和教育學家布魯納提出的重要教學法，源于維果斯基的最近發(fā)展區(qū)理論。它強調老師應根據(jù)學生當前的發(fā)展水平，提供適度的支持，引導其逐步完成超出獨立能力范圍的學習任務。當學生能力增強后，這些“支架”應適時撤除，從而實現(xiàn)真正意義上的“學會”。

　　支架教學雖然被公認是一種高效的教學方式，但在一線教學中一直很難普及，并非理念問題，而是落地成本過高：

　　• 教學支架設計，對教師的要求非常高，需要深厚的學科素養(yǎng)與認知理解;

　　• 每個學生的學習路徑不同，老師很難同時做到“一對多”地因材施教;

　　• 教學過程中，老師更沒有足夠的注意力實時判斷每位學生的狀態(tài)、調整引導方式。

　　但是當我們在教學過程中引入AI智能體，由老師搭建教學支架，AI來執(zhí)行這些支架的時候，這些難題似乎都有了解決方案。我們給這種方法起了一個樸素的名字。稱之為“AI支架教學法”。

　　在這種模式下老師不再是知識灌輸者，而是教學流程的設計者、學生問題的分析師、家校溝通的協(xié)調者，專注于“診斷+干預+服務”。智能體也不再是“代講課者”，而是“教學結構的執(zhí)行者”——它負責重復性教學任務，幫老師落實“怎么學”，而不是代替老師講“學什么”。

　　• 老師負責教學結構設計：包括認知臺階、提問路徑、提示邏輯、反饋機制等;

　　• AI智能體負責執(zhí)行這些教學結構：按節(jié)奏一步步引導學生、即時回應錯誤、適時給予情緒激勵;

　　• 教學過程中，老師聚焦在學生學習數(shù)據(jù)分析、作業(yè)批改與策略干預，不再反復重復標準內(nèi)容講授。

　　AI智能體要遵循老師預設的教學流程，完成“講—問—練—反饋”的教學閉環(huán)。每一步AI互動都是為孩子“綁上思維支架”：提出問題、引導思考、給予范例、實時反饋，最終讓孩子“撤去支架，學會獨走”。

　　03 AI支架教學法，是契合目前AI能力邊界的教學模式

　　不同于一些強調“類人教師”模擬或大模型自由對話的AI教育方案，在AI支架教學法中，我們對AI應用原則是明確的：在AI擅長的執(zhí)行、反饋、結構化流程中充分發(fā)揮其優(yōu)勢，而將判斷與診斷留給人類教師。

　　這種方法的好處，我總結出五個關鍵：

　　1. 引導結構穩(wěn)定，學習路徑清晰

　　學生在每一次交互中都能獲得“下一步怎么做”的指引，有節(jié)奏、有邏輯地推進學習。智能體不會答非所問，不會跑題，不會胡亂安慰，它只在結構之中完成任務。

　　2. 即時提示與糾錯，不直接給答案

　　當孩子出現(xiàn)錯誤時，智能體立即響應，提供提示、講解或拆解，幫助孩子突破“當前卡點”。不會直接給答案，沒有“抄作業(yè)”漏洞。

　　3. 情緒正向反饋，激發(fā)主動學習

　　通過溫和肯定的語氣、階段性激勵語言，智能體持續(xù)維持孩子的學習意愿——這在傳統(tǒng)大班教學中往往被忽視，卻對孩子的堅持度至關重要。反復練習也不厭其煩，極大緩解了老師與家長的陪練負擔。

　　4. 數(shù)據(jù)可診斷，教學可閉環(huán)

　　每一個對話、每一道題、每一類錯誤都被記錄，老師可以據(jù)此判斷學生是否真正掌握了概念，是聽課出了問題，還是遷移能力不足，從而做出個性化干預。

　　5. 沉淀優(yōu)秀教學經(jīng)驗，并規(guī)模復制

　　教學經(jīng)驗結構化、標準化，再由AI精準執(zhí)行，使原本高度依賴個體能力的優(yōu)質教學，得以復制、放大，惠及更多學生。每一個孩子都可以在穩(wěn)定且溫和的學習節(jié)奏中，得到如同“名師親授”的引導體驗。

　　在“AI會不會替代老師”這個問題上，我的回應一直是：“不會。AI替代不了老師的判斷、理解和共情，但可以承擔那些重復、精細又極其重要的教學動作，讓老師回歸到真正‘關心人’的位置。”

　　04 接下來，我們還能做什么?

　　我沒有什么野心要用AI去“復刻一批名師”。

　　我更希望，這套“老師構建結構、AI執(zhí)行教學、學生逐步獨立”的AI支架式教學法，能成為未來教學的一種普遍邏輯。這種方法，完全可以延伸到數(shù)學、英語等更多學科，只要愿意將教學任務拆解為“可執(zhí)行的結構單元”，就能讓AI成為有力的執(zhí)行者。

　　我們也正在與學校和教育機構合作，探索其在2C產(chǎn)品與2B解決方案中的落地形態(tài)，并努力構建一個由“教學支架—智能體執(zhí)行—數(shù)據(jù)反饋”構成的教學飛輪：

　　• 教學支架設計為源：由經(jīng)驗豐富的老師預設結構支架，保障教學質量;

　　• 智能體工程為體：持續(xù)優(yōu)化提示詞策略與對話流程，提高教學穩(wěn)定性;

　　• 數(shù)據(jù)閉環(huán)為徑：通過學習記錄與行為分析，提供個性化支持與結構設計的迭代。

　　教育不是效率游戲，而是認知結構的搭建工程。而教師的專業(yè)性，始終是這個系統(tǒng)的核心——技術只是放大理念的工具。我們希望，未來每個孩子身邊都能有“會教的AI”，在支架之上，走得更遠、更穩(wěn)。

　　如果今天的AI是一團火，我們的目標不是讓它在教室里表演“魔法”，而是點亮孩子們思考的星星。