教学设计原则
Edu Next 希望让 AI 协作进入真实的课程，也让师生有更多方式教与学。下面九点说明我们为什么这样设计：哪些安排帮助老师开始使用，哪些选择为新的教学方式留出空间，以及怎样通过课堂、交流和反馈让学生愿意深入学习。推荐模式是这些理念的具体例子，老师可以据此发展自己的设计。
一、以课前、课堂、课后为锚点，接入现有教学流程
Section titled “一、以课前、课堂、课后为锚点，接入现有教学流程”老师已经有课程、课时和教学进度。新工具能否用起来，首先取决于它能否接上这些正在进行的工作。因此，我们沿用课程与课时组织任务，以“课前、课堂、课后”作为熟悉的锚点，让老师容易理解 AI 协作可以放在什么位置。
例如，一门课程可以保留已有的讲授和考核，先用 AI 改进一次课前预习，或者尝试一项课堂讨论。老师沿着原来的教学安排就能开始，不必先重新设计整门课。这样的兼容，让新的学习方式有机会从日常教学中逐渐发展。
可以只在其中一个环节尝试，其他安排照常进行。
二、在熟悉的框架内，保留自由教与学的可能
Section titled “二、在熟悉的框架内，保留自由教与学的可能”现有流程帮助师生开始使用，但真实教学会出现许多我们没有预见的安排。我们希望这个框架能够容纳新的想法，让师生感到“原来我想这样做也行”。教学内容、学习方式和合作关系，都值得保留选择和变化的空间。
“课前、课堂、课后”是衔接现有课程与课时的标签，不限定任务的内容和时间。 教什么、怎样开展、什么时候开始、持续多久，都由老师根据教学需要自由安排。课前可以开始研究，课堂可以独立创作，课后可以探索新问题；一项任务也可以贯穿几个课时。老师可以给出细致的指导，也可以只确定最终目标和成果，把完成路径留给学生。
学生怎样学习，也可以自由选择。 有人希望 AI 一步一步引导，有人愿意先自己学完，再和 AI 讨论；有人从尝试中发现知识缺口，也有人先请 AI 讲清概念再动手。在自主预习中，这些方式都可以采用，也可以随时切换。它们只是例子，学生还可以找到其他适合自己的方式，选择何时使用 AI，或者独立完成一段学习。
一项任务可以一个人做，也可以几个人做。 学生先独自开始，后来有同伴加入，仍然是在继续同一项任务。因此，我们支持个人参与和小组合作，但不把它们固定成两种互不相通的任务。老师可以提前分组，也可以允许合作在过程中形成。
这些选择体现同一个原则：系统提供支持，师生决定怎样教、怎样学。今天提供的分类和示例，不应成为明天尝试新方式的限制。
老师安排
这三个标签用于衔接已有的课程与课时。
教什么、何时开展、持续多久，都不受这三个标签限制。
学生选择
可以随时换一种方式，也可以独立学习、不用 AI。
可以变化
也可以一开始就组队，或始终一个人完成。
三、关注课堂活跃与参与，用轻 AI 交互平衡时间
Section titled “三、关注课堂活跃与参与，用轻 AI 交互平衡时间”在协作课堂中，我们推荐“轻 AI 交互”：AI 围绕当前问题提供少量问题、解释或反馈，把更多课堂时间留给学生阅读、讨论和表达。AI 可以深入处理材料，呈现给学生的内容则以当前活动用得上什么为准，需要时再继续深入。
这样设计，是因为课堂时间和注意力有限。频繁提问、等待 AI 输出，再阅读长篇回答，容易让课堂变成各自盯着屏幕，或者一个人操作、其他人等待。即使 AI 的回答很完整，学生也可能没有机会听见同伴的想法，讨论刚开始就被下一轮问答打断。
课堂协作案例让 AI 和学生同时读河道调查材料。AI 处理时，学生自己阅读、标注、交流；AI 带回几个问题后，大家有一段连续的时间讨论，再各自回答。讨论中的新问题又可以交给 AI 帮助核查。学生的活动持续进行，AI 的帮助接入其中，课堂就有更多时间用于相互提问、解释和回应。
轻 AI 交互关心的是课堂节奏和参与机会。交互的长短、多少可以随教学需要调整，关键在于 AI 工作时学生也有事情可做，回复到来后能够支持接下来的学习。
学生持续参与，AI 在需要的节点提供帮助。图中是一种节奏示例，时长和顺序可以调整。
四、设计真实的交流，让思想碰撞引导 AI 协作
Section titled “四、设计真实的交流，让思想碰撞引导 AI 协作”学生可能把任务全部交给 AI，拿到答案就提交，自己没有阅读和思考。我们希望通过真实的人际交流，让学生有具体的理由继续理解和研究：同伴为什么得出不同结论，老师的追问指出了什么，什么证据能够说服眼前这个人？
学生与 AI 的协作、学生之间的讨论、学生与老师的交流，可以一起设计。 同伴和老师带来新的观点、分歧和疑问，学生带着这些问题继续与 AI 探究，再把新的理解带回交流。思想碰撞既能促使学生读懂已有成果，也可能让他们发现新的问题、改变原来的方向。
学习知识 · 探索方法 · 形成成果 · 核查依据
“帮我弄懂这个问题，我需要有依据地作出判断。”
共同讨论 · 比较差异
“我们的答案为什么不同？”
解释成果 · 回应追问
“什么证据支持你的结论？”
课堂协作：同伴的发现，成为下一次求助的方向
Section titled “课堂协作：同伴的发现，成为下一次求助的方向”河道调查中，有人注意到读数变化，有人发现测量时间不同，还有人质疑仪器是否可靠。学生为了回应这些不同看法，会更有目的地请 AI 解释概念、核查记录。AI 的帮助由正在发生的讨论引出，又支持大家继续讨论。
差异共研：同样借助 AI，为什么答案不同
Section titled “差异共研：同样借助 AI，为什么答案不同”每个人都可以与 AI 一起完成第一版，再比较各自的答案。差异可能来自知识和偏好，也可能来自提供给 AI 的信息、采用的模型或讨论方式。学生在理解彼此理由的过程中，决定哪些判断可以达成共识、哪些分歧值得保留。这个过程同时帮助他们学习知识、理解自己的选择，也认识 AI 的能力和局限。
成果答辩：为了证明成果可信，主动学习和验证
Section titled “成果答辩：为了证明成果可信，主动学习和验证”学生自主推进项目，知道最后会面对老师，解释成果为什么可信、依据是什么。这个交流目标从一开始就能影响学习：还有什么知识没懂，为什么采用这个方法，哪些结果需要验证？Agent 可以承担大量技术工作，学生则为了完成有说服力的交流，逐渐学会理解、检验和表达自己的判断。
这些交流为学生与 AI 协作提供目的和反馈。我们关心学生在其中形成了什么理解、作出了什么判断，让成果的完成伴随着能力的增长。
五、提供成绩，也为成绩之外的学习留出空间
Section titled “五、提供成绩，也为成绩之外的学习留出空间”老师需要评价成果、给出成绩，完成现有教学管理要求，因此系统提供评分能力。同时，好奇心、自主学习和与 AI 协作的能力，也值得成为教学设计关注的内容。如果所有行为都靠加分推动，学生就容易只关心“这个算不算成绩”。
我们有意保留一些自愿、不计分的内容。例如，AI 贡献说明可以填写，也可以留空，不参与评分。Pulse 帮助回看协作中的尝试、判断和修正，也不进入成绩评价，不作为排名或完成任务的条件。
同样值得鼓励的，还有任务范围之外的学习。学生在预习伯努利方程时，对真实管道中的能量损失产生兴趣，可以继续与 AI 探究，即使这次作业只要求定性理解。这个追问本身就有价值，不必再被转化成一项必交成果或加分要求。
成绩满足现有教学管理的要求，但我们更长远的期待，是学生逐渐熟悉与 AI 协作，形成适合自己的学习方式。这种成长需要经历尝试、选择和调整，也有每个人自己的节奏。因此，我们有意让一部分内容保持自愿、不计分：学生可以在觉得有帮助时回顾一次协作，也可以因为好奇继续研究一个问题，而无须把每次尝试都变成要交的作业。系统持续提供支持，让学生在使用中发现价值，再决定是否继续、怎样继续。我们希望通过这样的方式自然地引导学习，让与 AI 协作逐渐成为学生自己的能力和习惯。
依据课程要求评价成果
形成成绩自愿填写 AI 贡献说明
通过 Pulse 回看协作
沿着兴趣继续追问
贡献说明和 Pulse 不参与评分；任务之外的探索，也不必变成必交成果或加分项。
六、坦诚说明 AI 的参与，逐渐认识自己在协作中的作用
Section titled “六、坦诚说明 AI 的参与，逐渐认识自己在协作中的作用”AI 可以参与构思、分析、计算和表达，这些帮助是学习与协作的一部分。我们希望学生能够自然地谈论“这一部分是 AI 帮我完成的”，也能够说出自己接受了什么、改变了什么、还有什么没有弄懂。这样的交流，需要让学生感到真实的协作经历值得被理解，无须把少用 AI 当作值得展示的表现。
贡献说明为这种表达留出了位置。一份成果中，AI 可能承担了大量制作工作，学生则在提出问题、补充条件、选择方向或推翻结论时影响了结果。回看这些具体经历，可以帮助学生认识自己的作用，也发现自己曾经直接接受了哪些还没有理解的内容。
例如，学生可以写：“AI 给出了三个方案，我起初直接选了第一个；听完同伴的理由，才发现自己没有考虑适用条件。”这段说明既承认 AI 的帮助，也呈现了自己怎样改变判断。学生由此知道，下一次与 AI 讨论方案时，哪些条件值得先讲清楚，哪些理由需要自己想明白。一次协作的经历，就能成为下一次学习的经验。
贡献说明可以写，也可以不写，不参与评分。我们关心的是学生能否从回顾中获得理解，逐渐形成与 AI 合作的判断和方法；不需要把经历折算成“人贡献多少、AI 贡献多少”的比例。保留坦诚表达的空间，也让老师能够了解学生如何学习、在哪里需要帮助。
七、承认开放环境的现实，不指望技术杜绝作弊
Section titled “七、承认开放环境的现实，不指望技术杜绝作弊”学生使用自己的电脑、通用 Agent 和其他资源，学习与成果制作可以发生在平台之外。在这样的开放环境下，我们不指望依靠系统百分之百杜绝作弊。 作业诚信问题早已存在，不能把它完全交给 AI 或技术监控解决。
这个判断影响我们把精力放在哪里：设计值得投入的任务，通过真实交流促进理解，提供有帮助的反馈和清楚的评价依据。学生可以充分获得帮助，也对自己接受的结论和提交的成果负责；老师结合成果和交流作出教学判断。
平台记录只是学习的一部分。过程记录可以帮助发现困难、提供指导，Pulse 和贡献说明也有各自的用途，但它们不能证明一个人的全部学习与贡献。发生在纸上、独立尝试和线下讨论中的学习，同样值得承认。
任务、提交与部分过程记录
开放环境下，不指望技术百分之百杜绝作弊。
通过值得投入的任务、真实交流与反馈促进学习，结合成果和交流作出评价。
八、能力自由组合，只用一部分也可以
Section titled “八、能力自由组合，只用一部分也可以”师生需要的帮助各不相同。有人希望完整开展一次线上任务，有人只想改善备课，也有人希望把一项能力加入原来的课堂。我们支持这些选择，让工具适应已有的教学与学习方式。
老师可以只用教学设计 Skill 请 Agent 帮助设计课程，再拿着材料在线下授课。课程可以不上传平台，也不要求学生使用系统。还可以使用平台组织任务，保留原有的线下讨论；或者只借助 Agent 修改一份材料。
只使用一部分能力，本身就是完整的选择。使用哪些、怎样组合、什么时候换用其他方式，都由师生决定。工具的价值可以发生在一堂课、一次讨论、一段独立思考中，无须都变成平台上的活动和记录。
可以自由组合，也可以只选一种。只用 Skill 备课时，材料可以不上传平台，学生也可以不使用系统。
九、目标和条件不变，使用 AI 未必带来更好的考评结果
Section titled “九、目标和条件不变，使用 AI 未必带来更好的考评结果”如果学习的知识目标、能力目标、考试方式、课时组织和学习时长都保持不变，AI 在这些既有条件下介入教学，未必会比长期打磨的原有方式取得更好的考评结果。原有的讲授、阅读、练习和答疑，已经积累了与这些目标和安排相适应的经验。仅仅增加 AI 对话，还可能带来等待、表达和反复确认的成本。
工具换了，学习要达到什么、怎样评价、时间怎样安排，仍由上面的条件决定。
新的帮助可能有用，也可能增加等待和反复交流的成本。
根据希望获得的学习价值，改变其中一项或几项。
实际教学中，一次预习任务收到过这样的反馈。有学生觉得，这次安排是在“为了 AI 而 AI”。他的意思是：
这么简单的内容，我自己看可能十分钟就看完了。现在却要求用 AI 来学，要等它输出，再一轮轮和它对话，有时还反复抠字眼。要学的还是这些内容，为什么要花这么多时间？我更愿意先自己看，或者先听老师讲，有不懂的再问 AI。
这段反馈里的不满很具体：学生原本想尽快学会这些知识，任务却要求他把时间花在规定的 AI 对话上。知识范围和目标沿用了原来的设计，新加入的交互却没有让他感受到相应的学习价值。
学会材料里有限的知识。学生认为这些内容自己阅读就能学会。
按规定流程与 AI 逐步对话，等待回应，并反复确认措辞。
要学的还是这些内容，却花了更多时间；他更认可先自己学习，再请 AI 答疑。
这个案例反映的是教学目标与学习方式之间的不匹配：任务仍按原来的知识范围和目标设计，却增加了一套 AI 交互要求。学生自然会问，多花这些时间，究竟是为了学到什么？引入 AI 的教学设计，需要同时考虑学习目标、考核和组织方式中一个或多个方向的变化，让新的学习方式有值得投入的内容和目的。
- 知识目标可以更广、更深入。 有了 AI 随时提供解释、补充背景知识，课程可以容纳过去受基础差异或辅导时间限制、难以展开的内容。例如，预习伯努利方程时，学生可以进一步研究真实管道为什么与理想模型不同，把公式与实际问题联系起来。
- 与 AI 协作本身可以成为能力目标。 学生逐渐学会根据问题决定怎样与 AI 分工，在讨论和尝试中推进研究，并认识 AI 的能力边界。这些能力需要在解决问题的过程中形成，也值得成为课程希望学生获得的东西。
- 考核可以更关注理解和判断。 除了提交答案，学生还可以通过比较不同方案、回应同伴质疑、为成果答辩，展示自己理解了什么、为什么接受某个结论。
- 课时组织可以更加灵活。 一部分学习可以远程开展，由学生自主安排时间和进度；共同在场的时间则更多用于讨论、交流和答辩。
这些变化让 AI 的参与回应新的教学需求，评价也应随之关注相应的知识和能力。我们期待看到这些具体变化带来的价值，而不预设在目标、考核和课时安排全部不变时，仅仅换用 AI 就会取得更好的结果。
返回推荐模式，查看这些原则在具体课程中的运用。