本文编译自 aiEDU 文章 Vetting AI Tools: What Happens When Teachers Lead?。原文

学区面对 AI 时，“准备度”最终会落到一个很实际的问题上：什么样的 AI 工具才算对课堂真正有效，又该在什么情况下让学生用它？

aiEDU 与底特律的 University Prep Schools（下辖十所学校的特许学校网络）合作做了个试点：由教师主导评估——因为他们最了解 AI 在教学里实际落地是什么样，也最清楚“AI 准备度”对学生意味着什么。

今年春天四场活动中，七位教师完成了这个专业学习社群，一起搭了一套评估流程。

为什么不能套用现成的教育科技评估标准

因为 AI 在不同教学方式、不同年级、不同学科之间的影响方式各不相同。

所以教师们先针对学校看重的维度——学习效果、隐私、公平性等——自己定义评判标准，然后在真实课堂上用真实工具检验这些标准，记录实际观察到的证据，而不是主观印象。每人整理成一份书面建议，再和测试不同工具的同事交换草稿、互相给反馈。

在最初几场活动里，他们做的事是把评判语言建立起来——从“我喜欢这个工具”，进化到能准确说出它到底对谁有什么好处、代价是什么。

两条最有用的区分

做决定的过程中，教师们厘清了哪些区别才真正有意义：

“学生喜欢”不等于“学生学到了东西”。 有一个工具让学生每周作业的参与度很高，但它对学习效果的实际影响并不清楚。

“这能给老师省时间”不等于“这能提高学生成绩”。

这不是说这些工具没用，而是要把工具的价值到底体现在哪里说清楚。

每个被评估的工具最终落入四种结论之一：采用、试用、暂停、停用。

教师自己加出来的两个维度

公司的环境影响与伦理。 评估进行到一半，团队提出了一个 aiEDU 材料里没怎么强调的维度——这些工具背后公司的环境影响和伦理问题，并把它定为今后的一项标准。

隐私的权重比外部评估高得多。 有些工具表现出真正的潜力，但仍被限制为仅供教师使用，直到有正式的教育合作协议能保障学生使用的合规性。这种讨论也推动教师向学区争取更严格的保障：制定清晰的学生 AI 使用政策、明确哪些数据绝对不能输入 AI、在使用 AI 时告知家长。

一个课堂上的发现

一位测试某数学平台内置 AI 辅导功能的代数老师发现：这个工具的价值高低，关键不在工具本身，而在于教学方式——只有当学生被教会如何把自己的具体问题准确地提给 AI（而不是问老师）时，他们才能真正从中受益。

由此老师们意识到：“向 AI 提出一个好问题”本身是一项需要教的技能，不能想当然地认为学生会。

这套框架故意不给标准答案

U Prep 数据与创新总监 Chris Spencer 说：

“不管我们最后对某个工具做出什么决定，这个过程给我们团队带来的收获才是更大的成果。我们的教师现在知道该怎么审视一个工具、判断它是否真正培养了学生所需要的能力——这种能力会跟着我们用很多年，不管到时候工具变成什么样。”

这项技术还太新，没有人能诚实地说某个工具的决定就是“正确”的。所以这套框架被设计成一系列需要每个组织自己回答的问题。

编者按：那两条区分对家长选课、选工具同样适用——孩子玩得开心不等于学到了东西。判断办法一样：不看他喜不喜欢，看他能不能讲出自己做了什么。

“向 AI 提出一个好问题是需要教的技能”也值得记住。孩子问 AI 得不到想要的结果时，先看看问题问得清不清楚，别急着换工具。