生成式人工智能进课堂：42 节课的观察报告

2026 年春季学期，ARM 研究团队进入北京、上海、杭州、成都、广州、深圳 6 个城市的 14 所合作学校，对 42 节引入生成式人工智能工具的课堂进行了全程观察与录像编码。本报告呈现其中的结构性发现。

三类正在成型的成熟课型

• "对照与质疑"课型：学生先独立作答，再与 AI 答案对照，重点训练差异识别与证据核查；
• "迭代优化"课型：围绕一个真实作品（文案、方案、代码）进行多轮提示改进，学生记录每轮修改理由；
• "AI 作为他者"课型：让 AI 扮演不同立场的对话者，学生在辩论中暴露自己论证的薄弱处。

三类课型的共同点是：AI 不提供终点答案，而是制造"可被讨论的认知冲突"。反之，观察中质量最低的课堂，无一例外是"教师演示—学生模仿—提交与 AI 相似的作业"。

四类典型问题

第一，任务设计塌陷为"提示词比赛"，学生比拼谁的输出更华丽，却无人核查内容真伪。第二，评价标准缺失，教师无法回答"什么样的 AI 协作过程是好的过程"。第三，全员共用同一工具时出现同质化答案，课堂讨论失去信息差。第四，对"不会用提示词"的学生缺乏支架，数字鸿沟在课堂内被放大。

工具进入课堂的速度，已经超过了评价语言更新的速度。教师最先需要的不是操作培训，而是一套描述"好的人机协作学习"的词汇。

报告附录提供《生成式 AI 课堂观察量表（试行）》，从任务真实性、认知冲突质量、核查行为、过程留痕、公平性五个维度对课堂进行编码，已在合作学校教研活动中投入试用。