一节课 45 分钟。如果在教室后排架一台机器，只记三件事：谁在说话、说了多久、老师走到哪。一节课下来会看到，老师讲的时间占七成，提问 6 次，其中 4 次是对不对、是不是，走到学生中间的时间不到 8 分钟。

这些数字，老师自己也不知道。不是不想知道，是没有记录，一节课上完，留下的只有一句这节课还行，或者这节课有点乱，再往下问就说不清了。

宜昌的八条措施里，AI 进课堂的位置写得很清楚：课前备课、课中课堂智慧评价、课后作业精准批阅。三件事，对应三个时间点，也对应三种完全不同的记录。

一节课后面站着三个人

三师课堂这个说法，指的是教师、学生与人工智能协同。听起来像三个角色同台，实际不是，三个人并不在同一个时间点上工作，也不在同一个空间里出现。

真实的分布是：AI 在课前和课后干活，课中主要是记录；教师在课中做判断，在课前定方向；学生在课中承担真正的学习，这一点 AI 替不了。

三个人里，AI 的位置最靠后，但它留下的东西最多。一节课结束，老师带走的是感觉，AI 带走的是数据，一学期之后两者的差距会很大。

课前：备课助手给的是草稿

备课助手能做的事不少：按知识点生成教案框架、配例题、出分层练习、生成课件初稿。一个老师原来备一节课要 90 分钟，用过之后可能 40 分钟。

但它给的是草稿，不是教案。差距在三个地方：学情、节奏、取舍，这三样恰好是备课里最花时间、也最值钱的部分，机器替不了，也不该替。

学情是这个班上次考试错在哪，助手不知道；节奏是这个班下午第一节课注意力只有 15 分钟，助手不知道；取舍是这节课只能讲三个知识点，第四个必须砍掉，助手也不会告诉你。

所以判断一份教案能不能算课例产出，看的是有没有二次加工的痕迹：改过的例题、删掉的活动、补上的一句过渡语。原样交上去的，只能算下载，不能算备课。

课中：智慧评价记的是什么

课堂智慧评价系统记录的，通常是能被传感器和界面捕捉的行为：发言人次、提问类型、候答时间、教师巡视轨迹、学生低头时长、互动分布。

这些数据单独看没什么意义。放在一起，能看出几件事：提问是不是集中在少数几个学生、候答时间是不是短到没人来得及想、老师是不是一直站在讲台前。

一位教研员说过一句实在话：课堂评价最难的不是评，是看见。过去靠听课，一学期能听 20 节；有了记录，每节课都能看见，看见之后才好谈改进。

这也带来一个新的麻烦。被记录的课堂，老师会不自觉地表演给记录看，提问变多但变浅，走动变多但没落到学生身上。数据好看，课没变好，这是要提前防的。

课后：精准批阅把错题变成标签

作业精准批阅的价值不在快，在归类。快只是顺带的结果，归类才是它真正改变教学的地方，也是老师最不愿意手工做的那件事，尤其是一个班四十份作业的时候。

一道题错了，可能是概念没懂、计算失误、审题不清、时间不够。人工批改通常只打叉，系统会把错因打上标签，一个班四十份作业，标签一汇总就是一张班级学情图。

标签攒到一定量，班级的共性错误就出来了。一个班 40 个人，有 26 个人在同一个步骤出错，这节课就得重讲，而不是让 26 个人各自回家订正。

这是 AI 在课后真正的位置：它不是替老师改作业，是替老师做统计。改作业这件事，老师还是得看一遍，尤其是作文和主观题，机器给的分只能当参考。

记录一旦留下，考核就会跟过去

我的判断是：AI 进课堂的第一步，不是替老师上课，是替老师做记录。这个顺序很重要，反了就会变成一场演示，演完什么都没留下。

而一旦课堂被记录下来，它就会变成可被评价的对象。这不是谁的主观意愿，是管理的基本规律，能被测量的东西，迟早会被纳入考核。

过去考核老师只能数课时、看续报、听家长反馈。这三样都是结果，而且都滞后，一门课上完才发现问题，已经来不及了，下一个班还是同样的讲法。

有了课堂记录，过程第一次变得可见：这节课提问了几次、有几个学生没被点到、作业订正闭环了没有、家长沟通记录有没有留。可核验的动作，替代了不可核验的态度。

时间账：一节课后面的三小时怎么重排

一个老师的周工作量，上课大约占三分之一，剩下三分之二在备课、批改、沟通、教研。这三分之二决定了课的质量，却几乎没人给它计时。

备课助手和精准批阅省下来的时间，不会自动变成休息。它会被重新分配到别的地方，通常是两处：一对一的学情反馈，和教研，这两处都不产生直接收入。

这两处恰好是过去最没时间做的。一个班 40 人，逐个写学情反馈要 4 个小时，多数老师选择不写，只在家长会统一讲一遍，讲完也就过去了。

时间省下来之后去哪，决定了 AI 到底是减负还是加压。如果省下的时间被排进更多的班，老师只会更累，而且会把怨气记在工具上，下一次培训就不来了。

100 节示范课在选什么

宜昌要评选 100 节 AI 融合示范课。示范课这三个字，容易被理解成最好看的课，最好是有人来拍、有镜头、能剪成片子的那种，至于别人能不能照着上，反而没人问。

真正值得选的，是可复制的课：换一个老师、换一个班，这套流程还能跑起来。跑不起来的课，评上也没人敢学，学了也学不像，最后只剩一摞教案。

判断标准大概是三条：AI 用在哪个环节说清楚；老师在哪一步做了人的判断；学生的什么变化可以被记录。三条都占，才算融合；只占第一条，那只是用了工具。

一节示范课如果只有讲课的人能上，那它是表演，不是示范。评课的时候，最好让另一个老师用同样的流程再上一遍，上不下来就知道问题在哪。

培训 1000 人次和 1 名教研员

国培、省培、市培年均覆盖不少于 1000 人次，每个县市区配 1 名专兼职 AI 教研员。这两个数字说的是同一件事：校本能力要靠人撑。

1000 人次摊到一个县，大概是几十个人。这些人回到学校，要能带着同科组的老师用起来，否则培训就停在会场，签到表成了唯一的成果。

1 名教研员的角色更关键。他得懂学科，也得懂工具，还得能判断哪些工具不该进课堂。这个位置不好找，通常从现有教研员里转，边学边干。

南昌还提了一条：生成式 AI 工具进校要白名单管理。这条比培训更硬，工具不是越多越好，能进校的是经过审核的那一批，名单之外的再好也不能用。

考核改了，招聘和带教也会跟着改

考核指标一改，招聘标准就会改。过去招老师看学历、看教龄、看试讲；以后会多看一条：能不能用好工具，能不能读懂记录，这两条现在还没法考。

带教也会改。师徒制的核心是师傅把经验传给徒弟，但经验往往说不清。有了课堂记录，师傅可以说：你看这一段的候答时间只有 1 秒，我当时等到了 4 秒。

再往后一步是课时的定价。可记录、可比较的课堂，才有可能被分级定价。这件事离得还远，但方向是清楚的，先有记录，再有分级，这一步跳不过去。

AI 素养进评价，压力会传到课表

宜昌提出，自 2027 年春季起，AI 素养纳入学生综合素质评价。这一条把压力从老师传到了课表，也传到了教务处和校长室，还传到了排课的那台电脑上。

学生的 AI 素养要被评价，学校就得有课、有活动、有作品。课时是硬的：小学每学期不少于 4 课时、初中 5 课时、高中 6 课时，一门都不能少。

这些课时从哪来？大概率从综合实践、信息技术、社团里挪。挪课意味着排课表要重排，重排意味着教务系统要能按学期、按周次、按场地重新算一遍。

很多学校的排课还停在表格软件上，一位教务主任改一次课表要两天。这一步会最先卡住，也会最先暴露学校有没有真正的教务系统，而不是一张能看的表格。

写在最后

三个人站在一节课后面，这件事的意义不在技术。它把教学从一件靠回忆描述的事，变成一件有记录、可复盘的事。

记录会带来评价，评价会带来压力，压力会带来动作。这条链条一旦转起来，最先适应的不是最会讲课的老师，是最愿意看数据的老师。

一节课 45 分钟，能被看见的部分越多，能被改进的部分就越多。

关注「学邦技术」公众号，回复「绩效」，即可免费领取《三师课堂分工表》与教师工作时间再分配测算表；也可以在公众号菜单里免费体验学邦教务教学管理系统。