近年来，随着人工智能逐渐走进课堂，越来越多教师面临着新的命题：不是“要不要用AI”，而是“如何用AI真正促进学生的高阶思维发展”。毕竟，比教会知识更重要的，是让孩子学会思考、创造和解决复杂问题，而这恰恰是AI能给教育带来的深层改变。
很多教师最初的困惑，源于对AI的误解，要么把它当成超级助教，用它批改作业、统计数据，要么担心它会取代自己的教学。但事实上，AI的核心价值从不是替代教师，而是放大教师的能力边界。就像某初中语文教研组长王老师说的：“以前我改一篇作文要半小时，现在系统帮我筛出了思维薄弱点，我有更多时间和学生聊为什么你的反驳没打中对方逻辑。”
王老师的转变，始于一次AI工具的深度使用。他们班做“网络谣言辨析”议论文写作时，系统不仅分析了作文的结构，还追踪了学生的思考路径：有的学生写“谣言不可信，因为它是假的”，却没有解释假在哪里;有的学生列举了谣言的危害，却没联系如何识别。王老师把这些数据做成柱状图贴在教室后面，和学生一起讨论：“原来我们的反驳常常停在表面，就像打拳没打到穴位。”接下来的几周，她设计了一系列“逻辑拆解”活动，让学生从新闻里找谣言，用“因果链”分析其荒谬之处，再用系统提供的“逻辑漏洞提示”修改作文。期末时，学生们开始学会“追问为什么”，而不是“只说是什么”。
AI从不是教师的竞争者，而是帮教师“看见”学生思维盲区的“眼睛”。当我们放下被替代的焦虑，才能真正用AI去支持学生的思维成长。
高阶思维的培养，从来不是“一刀切”的灌输，而是贴着学生的思维走。但学生的思考过程往往藏在课堂发言的只言片语里、作业的字里行间，教师很难逐一捕捉。这时候，AI的数据追踪能力就成了思维翻译官。
某小学科学组的李老师，曾为种子发芽条件的实验课头疼，学生总把变量控制做砸，有的忘记录温度，有的混淆光照和水分，可教师巡视时很难兼顾所有小组。后来他们引入了智能探究平台，学生在平台上登记假设、设计步骤、记录数据，系统会实时分析每个小组的思维路径：比如有个小组假设“种子发芽需要阳光”，却在实验中把两组种子放在不同温度的环境里，系统立刻标记了“变量干扰”，并给李老师发了预警。上课时，李老师没有直接指出问题，而是拿着平板问这个小组：“你们觉得两组种子的不同待遇除了阳光，还有什么?”学生们凑在一起看数据，突然叫起来：“温度!我们没控制温度!”后来这个小组重新实验，不仅得出了正确结论，还主动加了一组“控制温度和水分，只变光照”的对比实验。
“以前我只知道这个小组做错了，现在我知道他们为什么错，是没建立单一变量的思维习惯。”李老师说。AI帮她把学生的思维可视化，让她能精准定位每个孩子的思维起点，有的孩子缺变量意识，有的缺假设验证的逻辑，有的缺数据关联的能力。针对这些起点，她设计了分层任务，给缺变量意识的小组补控制变量的小游戏，给缺逻辑的小组练思维流程图，给缺关联的小组做数据拼图。慢慢的，学生们从瞎做实验变成了带着问题做实验，科学探究中的批判性思维悄悄萌芽。
高阶思维不是“天上掉下来的”，而是在做事情的过程中练出来的。AI的作用，就是给学生搭一副思维脚手架，让他们敢想、会想、能深入想。
某高中历史教师陈老师，曾设计过“近代中国救亡图存”的项目式学习，让学生研究不同阶层的主张。以前学生只能查课本，资料有限，思考也停留在谁对谁错的层面。这次他引入了AI资料平台，里面收录了当时的报纸、书信、人物日记甚至民间歌谣，比如《时务报》的社论、孙中山的私人信件、江南百姓的民谣。学生们需要从这些原始资料中提取信息：比如从维新派的文章里找君主立宪的理由，从革命派的传单里找民主共和的诉求。AI工具帮学生整理了资料的时间线和关键词，但陈老师没让他们直接下结论，而是抛了一系列问题：“这份报纸的作者是个举人，他的立场会影响观点吗?”“这首民谣里说革命党是乱党，是普通百姓的真实想法吗?”“为什么同样是救中国，不同阶层的办法差这么大?”
学生们开始像历史学家一样思考，有的小组对比了10份不同报纸的报道，发现“洋务派的失败不是因为技术，是因为没改制度”;有的小组从民谣里发现“底层百姓更关心有没有饭吃，所以更倾向革命派的土地政策”;还有的小组提出“其实不同阶层的主张可以互补，比如用洋务派的技术搞工业，用革命派的政策分土地”。最后他们做的展板里，没有谁对谁错的结论，只有不同选择背后的逻辑。陈老师说：“AI给的资料是原料，教师的引导是催化剂，而学生的思考才是化学反应，我们要做的，是用AI帮学生拿到足够的原料，再引导他们烧出自己的结论。”
很多教师的教学经验是感性的，知道这个学生需要补基础，但不知道补什么;知道要培养批判性思维，但不知道怎么培养。AI的价值，就是把经验变成可分析的数据，帮教师优化指导策略。
某学校开展了“AI+思维反馈”活动，要求教师每月用AI工具分析学生的思维表现。比如数学教师刘老师，以前批改几何题时，只会打对或错，现在系统会生成思路路径图：有的学生在解“三角形全等”题时，第二步就忘了“公共边”，有的学生绕了大弯才想到用“角边角”。刘老师把这些路径图贴在备课本上，反思自己的教学：“以前我总直接讲正确解法，没告诉学生哪里容易错。”后来他调整了教学，让学生先写解题思路草稿，然后用AI系统检查思路断层，再针对性讲解。比如有个学生总忘“公共边”，刘老师就给她一组“找公共边”的专项练习，用AI实时反馈“有没有找到正确的边”。
“AI不是在评价学生，是在帮教师理解学生。”刘老师说。当教师从凭经验猜变成用数据看，指导会更精准，给思路断层的学生补逻辑链练习，给审题不清的学生练关键词提取，给缺乏元认知的学生教反思日志。而这些，恰恰是高阶思维培养的关键：不是“教学生怎么想”，而是“教学生怎么想清楚自己的思考”。
很多教师担心用AI会增加负担，但其实，当AI融入日常教学的每一个环节，思维发展会变成水到渠成的事。
某小学的语文课堂，预习时AI会推送个性化问题，比如给读《秋天的雨》没感觉的学生推“你觉得秋天的雨有什么特别的味道?”，给爱思考的学生推“作者为什么用钥匙比喻秋雨?”。课堂上，教师用AI展示学生的预习问题，一起讨论：“为什么有的同学关注味道，有的关注比喻?这两种思考有什么不一样?”课后，AI会给学生推送拓展资源，比如想深入的学生看《秋天的雨》的写作背景，爱创作的学生试写冬天的雪的比喻句。
某初中的数学课堂，做“函数应用题”时，AI会先给学生推“生活中的函数例子”，比如奶茶店的销量和温度的关系，让学生先找“变量”。课堂上，学生分组设计“函数模型”，AI帮他们模拟不同温度下的销量，教师引导他们思考：“如果温度突然降到0度，你的模型还准吗?为什么?”课后，AI给学生推跨学科问题，比如用函数分析“植物生长速度和光照的关系”，让学生整合生物知识。
这些看似日常的改变，其实都在悄悄培养高阶思维，预习时的问题意识，课堂上的关联思考，课后的跨学科整合。就像某教师说的：“以前我觉得高阶思维是高大上的东西，现在才发现，它是学生做每一件事时多问的那一下，多问为什么，多问怎么办，多问还有没有别的方法。”
放学时，张老师看着学生交来的作文本，上面有学生写的：“我以前觉得反驳就是我不认同，现在我知道，要说出为什么不认同。”窗外的梧桐叶飘进来，落在她的备课本上，上面写着：“AI不是工具，是帮我们看见学生思维的镜子。”
教育最动人的，从来都是学生想问题的样子，皱着眉翻资料，眼睛亮起来说“我懂了”，拿着作业本找老师辩论。而AI能做的，就是帮教师更清楚地看见这些瞬间，然后轻轻推一把，让思维走得更远。对教师来说，适应AI从来不是学技术，而是重新理解教育，用技术赋能，让每个学生的思维都能绽放出独特的光芒。
毕竟，我们要培养的，从来不是会做题的孩子，而是会思考的人。而AI，就是我们实现这个目标的，最好的伙伴。
- END -
作者 | 郭威彤，西北师范大学教育技术学院副教授
