Teaching About AI or With AI? In-Service Teachers’ Experiences in a Korean AI Convergence Education Program

在韩国各地的教室里，一场无声的变革正在进行。几十年来，教师一直是各自领域的专家，引导学生学习历史、科学或文学。但最近，一门新学科到来了：人工智能。政府决定，每个学生都需要了解这些智能机器是如何工作的，而逻辑上的下一步就是培训教师。这创造了一种独特的情况：那些已经懂得如何管理课堂的资深教育者，不得不回到学校去学习一种全新的技术语言。教育工作者和政策制定者面临的核心问题不仅是教师能否掌握人工智能的知识，而是他们能否将这些知识编织进他们原本教授的课程之中。一位历史老师能否利用人工智能来帮助学生理解过去，还是说这些新知识会被锁在一个独立的盒子里，仅对计算机科学课有用？

这个故事来自韩国的一个特定角落，在那里，政府启动了一项大规模的教师再培训计划。自2020年以来，三十八所大学开始提供专门面向在职教师的研究生学位，重点关注所谓的“人工智能融合教育”。其核心理念是将人工智能与传统学科相结合。为了了解这在现实世界中是如何运作的，来自首尔和汉南大学的两名研究人员跟随了一小组教师和一名讲师参与了这一项目。他们不仅仅观察考试成绩或核查清单；他们通过与参与者交谈，倾听他们关于学习新材料以及尝试将其带回自己学校的真实感受和故事。

加入该计划的教师并不是因为他们突然对机器人或代码产生了浓厚的兴趣。他们加入很大程度上是出于实际压力，例如需要在学校接触人工智能的需求，以及政府提供的学费补贴使这一决定成为可能。一位在理科高中工作的老师发现，她的学生正在用她读不懂的编程语言构建项目。她感到被时代抛弃，需要赶上进度。另一位小学教师承认她的动机是“不纯粹”的：她需要政府提供的学费补贴，同时也在为晋升考试做准备。然而，在这些实际原因之下，存在着一种共同的紧迫感。他们知道人工智能正在进入他们的学校，也知道他们将被期望发挥引领作用。他们进入研究生课程，是希望能找到一条清晰的前行之路。

在大学课堂里，教师们学到了很多关于技术本身的知识。他们学习了机器如何学习、如何分析数据，以及如何使用名为 Python 的语言编写代码。负责教授这些技术技能的讲师们是计算机科学和数据方面的专家，他们很好地完成了教学任务。一位老师说，她终于能理解学生在构建复杂项目时到底在做什么。然而，在大学所学内容与他们在自己课堂上所需的内容之间，出现了一个鸿沟。教师们描述课程是“碎片化”的。他们在某一节课学习数据分析，在另一节课学习编程，但课程从未向他们展示如何将这些部分连接到历史课或伦理讨论中。他们在学习人工智能，但并未学习如何用它来教学。

教师们发现自己陷入了一个困境。他们理解了技术，却无法弄清楚如何将其融入到自己的特定学科中。一位老师形容这种感觉是“不知所措”。她想把人工智能嫁接到她的课程中，但她不知道如何在不偏离学科重点的情况下实现这一点。另一位老师尝试使用绘图应用来帮助学生插画故事，但她意识到这仅仅是在使用工具，而不是真正的学科融合。该计划给了他们工具，但没有给他们如何用这些工具构建新事物的蓝图。将这种联系的责任完全留给了教师个人，他们必须在管理全职工作的同时，独自破解这个谜题。

研究人员发现，困难不仅在于缺乏技能，还在于学科本身的性质。对于理科老师来说，数据无处不在，因此寻找人工智能的切入点相对容易。但对于语言或文学老师来说，这种联系很难找到。该计划中的一位社会研究讲师承认，他可以帮助数学或科学老师，但当语言老师寻求帮助时，他感到无从下手。他可以展示如何分析文本，但他找不到一种方法，能让更深层的 AI 算法以符合文学逻辑的方式发挥作用。这表明，挑战不在于教师学习能力不足，而在于人工智能与某些学科之间的联系并不直观，且该计划未能提供足够的支持来搭建这座桥梁。

另一个主要障碍是学校本身的结构。即使有的教师成功设计了一份结合了人工智能的优秀教案，学校体制往往也让实施变得困难。在小学，教师每年都会被校长调往不同的年级和学科。一位学习了两年人工智能的老师，第二年可能会被分配到不同的年级，从而没有时间落实所学内容。在高中，学分制使得不同学科的教师很难就同一个项目开展协作。政策假设，只要培训了少数专家，他们就会将知识传播给其他人。但现实的校园生活意味着，这些知识往往只能停留在个人层面，无法在更广泛的学校社区中扎根。

研究还强调了目标模糊和缺乏实际支持的问题。该计划名为“人工智能融合教育”，这意味着技术与学科内容的深度融合。然而，教师们发现，该计划主要教的是如何使用人工智能工具或理解基本原理。他们很少被展示如何利用这项技术来解决其特定学科的问题。一位老师指出，讲师们对目标的看法似乎存在分歧：有些说必须先理解技术，而另一些则认为重点应放在学科上。这种缺乏统一愿景的状态，让教师们感觉像是在拼凑一个缺少零件的拼图。此外，参与者反映，关于人工智能伦理的实践指导不足。政策材料往往只是简单地“扔”给教师，指令是让他们教授相关内容、寻找合适的网站并使用提供的资金，这使得这项倡议变成了缺乏必要指导的额外负担，难以产生实质意义。他们在学习技术，却没能学会如何让技术对学生产生意义。

研究人员得出结论，整个过程中缺失的一环是他们所称的“教学转化”（pedagogical translation）。这是将技术知识转化为适合特定学科的课程的艰辛过程。这不仅仅是了解机器如何运作，更是要了解如何利用那台机器来帮助学生理解一首诗、一个历史事件或一个科学概念。目前的计划擅长教授前半部分，但不擅长教授后半部分。教师们并非失败，而是系统正要求他们去做一项没有人教过他们如何完成的工作。

这项研究表明，仅仅为教师增加更多的技术培训是不够的。要让人工智能教育发挥作用，培训方式需要改变。它需要减少对孤立技术的关注，更多地转向技术如何服务于历史、语言或科学课的具体目标。它还需要承认教师无法独自完成这项工作。他们需要来自学校和培训项目的支持，并获得如何融合这两个世界的清晰案例。在“学习人工智能”与“学习如何用人工智能教学”之间的差距被填补之前，这种新教育的承诺对于许多课堂而言仍将遥不可及。教师们已准备好学习，但他们需要一张地图，指引他们跨越从大学讲堂到自己学校课桌之间的距离。