2025未来教师教学技能智能实训发展报告

ReportontheDevelopmentofIntelligentTrainingforNext-GenerationEducators'TeachingSkills报告主编参编成员报告研制单位华南师范大学教育人工智能研究院业务支持单位华南师范大学教师发展中心\研究生院\本科生院 Preface 3一、背景趋势 6二、技术方案 8 9 10 11三、应用模式 12 13 14 14四、未来展望 16 25结语 28 29 30重要相关论文推荐阅读 《从智能到智慧：人智协同反馈能让教学基本 31 41 49 591教师是教育第一资源，师范生、教育硕士等未来教师群体是教师队伍的“蓄水池”。提高未来教师培养质量，是健全中国特色教师教育体系、组建高质量教师优质后备军的关键环节。教育部、国家发展改革委联合启动实施教师教育能力提升工程（2025）强调全面提升教师教育能力，对未来教师教学技能提出了新的要求。教学技能是未来教师今后能够站稳讲台，成为优秀教师的必备基础性能力。尽管我国每年都有大批未来教师毕业走向教师岗位，但在教学技能培养方面仍然存在规模化培养与个性化指导冲突、技能训练过程粗放与精确度不足、理论知识与技能实训的知行转换缺失、教学技能质量监管与动态纵深测评缺位等结构性、效能性、机制性和发展性难题。与此同时，新一代人工智能技术在教育领域的深入应用，为未来教师教学技能高质量培养注入新动能，提供新思路。华南师范大学作为湾区教师教育排头兵，高度重视“新师范”内涵建设与特色发展，创建了全国首个教育人工智能研究院。研究院携手学校教师发展中心、研究生院、本科生院与北京中庆现代技术股份有限公司基于“上云用数赋智”思路，共同开展“人工智能助力未来教师教学技能训练的创新技术研发与应用实践”。通过评价指标构建、多智能体研发、培养体系创新、常态化实践保障等方式，研发出国内首套服务未来教师教学技能实训的智能系统，结构上设计教学技能智能实训新模式，效能上研制了模拟课堂下的可测量教学技能指标体系，机制上设计了教学技2能双贯通智能培养模式，发展上基于可视化数字画像持续追踪、测评和反馈教学技能发展。自2024年8月在全球智慧教育大会发布首版《师范生教学基本技能智能实训发展报告》以来，本团队在人工智能助力教学技能智能实训上成效显著，实现了五个方面的升级：一是服务对象升级，从师范生拓展到未来教师，包括师范生、教育硕士等职前教师，以及培养未来学生、适应未来技术发展变革的职后教师；二是系统能力升级，新增了多智能体支持并提升数字画像的诊断性能；三是应用模式升级，设计并实践了四类未来教师教学技能智能实训新模式；四是影响升级，系统在全国超50所高校、区域教师发展中心和学校落地使用；五是成果升级，新增3项高水平教科研课题、5篇国内外权威期刊高水平学术论文，获批教育部2025年度国家级第二批典型应用场景案例、广东省“新师范”建设优秀案例和华南师范大学首届研究生教育教学成果奖一等奖。未来，本团队将进一步深耕人工智能助推职前职后教师一体化高质量培养，系统性推进未来教师培养的创新实践。本报告由华南师范大学教育人工智能研究院组织实施撰写，未来教师智能培养关键技术与示范应用产学研基地参与研发，北京中庆现代技术股份有限公司提供技术支持。主要参编者为胡小勇、穆肃、宋东茂、水玲玲、张学波、张缨斌、刘阳、赵艺、张臣、王楚鸿、吴玫、刘晓红、林梓柔、薛增灿、陈孝然、伍希琳、朱敏捷、张思洁、李何婷、杜梦冰、叶晓婧、黄思瑾、叶新燕。报告研制过程中得到了业界专家的指导，一并致谢。3Teachersaretheprimaryresourceineducation.Futureteachers,suchasnormalschoolstudentsandeducationmaster'sdegreecandidates,representthetalentreservefortheeducationalworkforce.EnhancingthequalityoffutureteachertrainingisacruciallinkinbuildingateachereducationsystemwithChinesecharacteristicsanddevelopingahigh-qualityreserveforceofteachers.TheMinistryofEducationandtheNationalDevelopmentandReformCommissionjointlylaunchedtheTeacherEducationCapacityEnhancementProject(2025),emphasizingthecomprehensiveimprovementofteachereducationcapabilitiesandsettingnewrequirementsfortheteachingskillsoffutureteachers.Teachingskillsaretheessentialfoundationalabilitiesthatfutureteachersneedtostandfirmonthepodiumandbecomeoutstandingeducators.DespitethefactthatalargenumberoffutureteachersgraduateandentertheteachingprofessioneachyearinChina,therearestillstructural,efficiency,mechanism,anddevelopmentchallengesinthecultivationoftheirteachingskills,suchastheconflictbetweenlarge-scaletrainingandindividualizedguidance,theroughnessandlackofprecisionintheskilltrainingprocess,theabsenceofthetransformationfromtheoreticalknowledgetopracticalskills,andthelackofqualitysupervisionanddynamicin-depthevaluationofteachingskills.Atthesametime,thein-depthapplicationofnew-generationartificialintelligencetechnologyinthefieldofeducationhasinjectednewenergyandprovidednewideasforthehigh-qualitytrainingoffutureteachers'teachingskills.AsaleaderinteachereducationintheBayArea,SouthChinaNormalUniversityattachesgreatimportancetotheconnotationconstructionandcharacteristicdevelopmentof"newnormaleducation"andhasestablishedthefirstEducationArtificialIntelligenceResearchInstituteinChina.Theinstitute,4incollaborationwiththeuniversity'sTeacherDevelopmentCenter,GraduateSchool,UndergraduateSchool,andBeijingZhongqingModernTechnologyCo.,Ltd.,basedontheconceptof"cloudcomputing,bigdata,andartificialintelligence",jointlylaunchedthe"InnovativeTechnologyResearchandApplicationPracticeofArtificialIntelligenceAssistedFutureTeacherTeachingSkillsTraining".Throughtheconstructionofevaluationindicators,thedevelopmentofmulti-agentsystems,theinnovationoftrainingsystems,andtheguaranteeofregularpractice,theyhavedevelopedthefirstintelligentsysteminChinaforthepracticaltrainingoffutureteachers'teachingskills.Structurally,itdesignsanewmodelofintelligentpracticaltrainingforteachingskills;functionally,ithasdevelopedameasurableteachingskillsindexsystemundersimulatedclassroomconditions;mechanism-wise,ithasdesignedadual-throughintelligenttrainingmodelforteachingskills;anddevelopmentally,itcontinuouslytracks,evaluates,andprovidesfeedbackonthedevelopmentofteachingskillsbasedonvisualdigitalportraits.SincethereleaseoftheinauguraleditionoftheIntelligentTrainingDevelopmentReportonBasicTeachingCompetenciesforNormalUniversityStudentsattheGlobalSmartEducationConferenceinAugust2024,ourteamhasachievedsignificantprogressinAI-drivenintelligentteachingskillstraining,markedbyfivemajorupgrades:First,theservicetargetshaveexpandedfromnormaluniversitystudentstoNext-GenerationEducators,encompassingpre-serviceteachers(includingnormaluniversitystudentsandeducationmaster’scandidates)aswellasin-serviceteacherstaskedwithcultivatingfuture-readystudentsandadaptingtotechnologicaladvancements.Second,thesystemcapabilitieshavebeenenhancedthroughtheintegrationofmulti-agentsupportandimproveddiagnosticperformancefordigitalprofiling.Third,theapplicationmodelshavebeeninnovatedwiththedesignandimplementationoffournovelintelligenttrainingmodestailoredforNext-GenerationEducators.Fourth,theimpact5scopehasexpanded,withthesystemnowdeployedinover50universities,regionalteacherdevelopmentcenters,andschoolsnationwide.Fifth,researchoutcomeshavebeenelevatedthroughtheadditionofthreehigh-levelpedagogicalresearchprojects,fiveinfluentialacademicpaperspublishedinauthoritativedomesticandinternationaljournals,andprestigiousrecognitionsincludingthe"SecondBatchofNational-LevelExemplaryApplicationScenarioCasesfor2025"bytheMinistryofEducation,the"OutstandingCaseforGuangdongProvince’s'NewNormalEducation'Initiative,"andtheFirstPrizeofSouthChinaNormalUniversity’s(SCNU)inauguralGraduateEducationTeachingAchievementAward.Lookingahead,ourteamwillfurtheradvancetheintegrationofAItofacilitatehigh-quality,lifelongprofessionaldevelopmentforpre-serviceandin-serviceteachers,systematicallydrivinginnovativepracticesincultivatingNext-GenerationEducators.ThisreportwasdevelopedbytheInstituteofEducationalArtificialIntelligenceatSouthChinaNormalUniversity,withcollaborativeR&DcontributionsfromtheIndustry-Academia-ResearchBaseforKeyTechnologiesandDemonstrationApplicationsofNext-GenerationEducatorIntelligentTraining,andtechnicalsupportfromBeijingZhongqingModernTechnologyCo.,Ltd.KeycontributorsincludeHuXiaoyong,MuSu,SongDongmao,ShuiLingling,ZhangXuebo,ZhangYingbin,LiuYang,ZhaoYi,ZhangChen,WangChuhong,WuMei,LiuXiaohong,LinZirou,XueZengcan,ChenXiaoran,WuXilin,ZhuMinjie,ZhangSijie,LiHeting,DuMengbing,YeXiaojing,HuangSijin,YeXinyan.Specialacknowledgmentisextendedtoindustryexpertsfortheirguidanceduringthereport’sdevelopment.强国必先强教，强教必先强师。师范生、教育硕士等未来教师群体是教师队伍的“蓄水池”。《教育强国建设规划纲要（2024—2035年）》提出“建设高素质专业化教师队伍，筑牢教育强国根基”[1]；《关于组织实施教师教育能力提升工程的通知》要求“以培养未来教师科学能力、实践能力为重点，全面提升教师教育能力”[2]；两批《人工智能助推教师队伍建设试点工作通知》倡导以大数据、数字画像等创新师范生评价管理机制当前，我国正处于加快教育现代化、建设教育强国的新阶段，对高素质、专业化、创新型未来教师队伍需求迫切。教学技能训练是培养未来教师的必要数据统计，我国高等教育学校生师比高于20:1，承担核心教学技能指导的学科[1]中共中央，国务院.教育强国建设规划纲要（2024—2035年）[EB/OL].(2025-01-19)[2025-08-17]./jyb_xwfb/xw_zt/moe_357/2025/2025_[2]教育部，国家发展改革委.关于组织实施教师教育能力提升工程的通知[EB/OL].(2025-05-09)[2025-08-17]./jyb_xwfb/gzdt_gzdt/s5987/20250[3]教育部办公厅.教育部办公厅关于开展人工智能助推教师队伍建设行动试点工作的08-31)[2025-08-17]./zhengce/zhengceku/2018-12/31/content_544114[4]教育部.教育部关于实施第二批人工智能助推教师队伍建设行动试点工作的通知[EB/OL].(2021-09-07)[2025-08-17]./srcsite/A10/s7034/202109/t20210915_[5]张缨斌,谢姝睿,黄燕玉,等.“人工智能+”师范生复合创新型人才培养研究[J].数字教育,2025,116677教学法师资尤为紧缺，面对庞大的未来教师群体，教学法教师难以提供及时、高频次、针对性的实训反馈，规模化培养需求与个性化指导之间的矛盾制约了据分析和及时个性化诊断，学生难以将自身水平和培养目标动态对标，训练水平的精准化程度不高，缺乏清晰的成长参照系和即时反馈，导致训练目标模糊、轻技能养成”导致未来教师对教育理论的理解难以有效迁移到教学行为中，认知与实践产生偏差，未来教师入职后陷入“知易行难”困境；而实训环节往往沦为碎片化技术操练，未与认知科学原理深度耦合，使教学实践丧失理论锚点。态评价范式与教学技能动态演进规律的错配。传统技术手段难以改进和优化技能训练方式，亟需以新技术支撑教学技能训练的多模态数据智能分析与周期性习近平同志指出：“人工智能是引领新一轮科技革命和产业变革的战略性技术。”当前，人工智能技术正加速推动第四次工业革命的产业结构重组与经[6]孙硕,胡小勇,穆肃,等.师范生教学基本技能智能实训模型及应用研究[J].电化教育研究,2024,45(06):113-上云用数赋智，助力创新教学技能智能训练新范式。为加强我国师范院校“新师范”内涵建设，应对教育数字化转型和人工智能技术对高质量未来教师队伍人才培养的机遇与挑战，凸显师范大学特色和人工智能赋能特征，华南师范大学教育人工智能研究院联合北京中庆现代技术股份有限公司合作共建“未来教师智能培养关键技术与示范应用产学研基地”，创新研发了全国首个教学技能智能实训分析系统：开展了未来教师教学能力智能实训系统的应用场景搭建、硬件环境建设、关键技术研发和系统平台开发，并提出四类教学技能智能依据《高等师范学校学生的教师职业技能训练大纲(试行)》（1994）[7]和《普通高等学校师范类专业认证标准》[8]“2.4[学会教学]具备教学基本技能”“3.4[课程实施]合理应用信息技术提高师范生学习效果”要求，研制了四维18项微技能的教学基本技能评价体系（表2-1）。特别说明/grov[8]普通高等学校师范类专业认证专家委员会秘书处.普通高等学校师范类专业认证工作文件（2023版）[EB/OL].(2023-09-14)[2025-08-17].https://t8899依托两项国家社科基金课题《教师数字胜任力伴随式智能测评研究》《人工智能视域下教师画像及应用研究》，利用多模态数据感知分析技术、模式识别技术、大语言模型技术等申请多项国家专利，校企合作研发了国内首套面向未来教师教学技能培养的智能诊断及实训系统，系统模型包括理论基础层、数[9]孙硕,胡小勇,穆肃,等.师范生教学基本技能智能实训模型及应用研究[J].电化教育研究,2024,45(06):113-为解决理论知识与技能实训的知行转换缺失上的机制性难题，以理论知识掌握与实践能力提升相贯通、多样化教学技能实践场景相贯通为双主线，创新未来教师教学技能智能实训的常态化，主要从提高系统设备适应性与建立使用及运维相关管理规范两方面提供保障：一是创建教学技能训练专用的多智能体，并以云服务端传输训练数据，应用环境覆盖微格教室、智能实训静音舱、积极推进人工智能、大数据、第五代移动通信技术（5G）等新技术与教为解决未来教师技能训练普遍存在的结构性、效能性、机制性和发展性难题，设计并实践了四类未来教师教学技能智能实训新模式，以期提供可参考、基于分布式认知与共生理论，构建覆盖实训前、中、后三阶段的多智能体支持未来教师教学基本技能实训框架，以“人机融智”为核心，通过分布式认知整合未来教师个体、智能体与智能实训场景等要素的关联节点，依托共生机制优化资源流动与教学基本技能发展关系，形成“诊断—训练—认证—进化”同完成教学基本技能诊断与训练规划，解决传统实训中资源供需错配的问题。未来教师自主提供教学设计等主观经验数据，智能体基于未来教师的行为数据，为未来教师个体构建多源数据融合的初始教学基本技能画像。教学法教师根据教学经验对智能体构建的初始能力画像进行交互校准诊断结果。智能体根据教学基本技能画像，为未来教师定制课堂教学技能训练方案，未来教师根据自身师深度协同，降低未来教师认知负荷，实现“边实践、边优化”的良性循环。未来教师在智能实训场景模拟授课，智能实训平台完成对未来教师教学行为的实时捕捉，实时生成分析报告，智能体协助未来教师对报告进行深度解读，未来教师根据智能体建议动态调整教学行为，智能实训平台实时追踪改进效果，训生态持续优化。一是智能体聚合未来教师群体实训数据，精准识别共性短板与优秀实践技能维度，生成群体教学基本技能发展报告，实时动态更新教学案例库，教学法教师基于群体表现提炼共性教学问题与有效的教学策略。二是智能体针对未来教师个体的实训表现，结合群体数据分析结果，预测其发展轨迹，基于此，教学法教师个性化制定成长规划，智能体推荐学习资源，实现未来教师教学基本技能培养精准的指导。三是智能体将实训过程中的数据和经验反馈（二）双导师协同驱动的“智能教”与“教智能”双导师协同机制整合高校导师与实践导师资源，以智能实训平台为技术支撑，构建“高校导师+实践导师+智能实训平台”三方联动的协同模式。此机制通过明确双导师分工、发挥智能实训平台技术赋能作用以及建立循证优化评价体系，推动了数据驱动下的未来教师职业胜任力场景化发展以及教学能力的提升，并以华南师范大学附属中学人工智能课程为实践载体，实现“智能教”与双导师协同机制中，高校导师聚焦学科前沿理论与学术研究，负责设计定制化培训计划，指导未来教师完成理论建模与教学设计方案审核；实践导师则教学短板，针对性传授课堂管理策略与学情应对技巧[10]；智能实训平台作为协同枢纽，通过多模态数据采集，生成四类核心支撑成果：AI分析报告量化评估教学行为；个人画像刻画个体发展特质；群体画像呈现整体培养态势；推送高[10]穆肃,张誉尹,陈孝然.从智能到智慧：人智协同反馈能让教学基本技能训练提速增效吗?[J分示范案例。这些数据成为双导师协同培养未来教师的“数字纽带”，驱动形具体而言，通过智能实训平台的多模态数据采集和分析技术实现对未来教师“智能教”的精准化指导，同时依托双导师协同体系助力其在实践中深化“教智能”的能力建构，最终达成“智能教”与“教智能”的双向赋能与有机创新训练模式，培养涵盖未来教师的教学基本技能、教学设计技能、教学实施技能和教学反思技能，以精准高效的方式搭建理论培养与课堂实践的闭环训练多技能融合创新训练包含4个环环相扣、紧密相依的环节，形成完整的一体化训练体系。一是筑牢根基：基于智能实训平台的教学基本技能实训。分别经历“一站式”训练的技能评估与基础训练、技能深化与实践准备、系统学习与技能提升、技能整合与教学实践四个阶段。二是精准设计：依托智能实训平台的教学设计技能打磨。形成“智能体+同伴+专家”的AI+教学设计共同体模式。三是高效实施：“双师+AI”协同指导共促教学实施技能提升引领方向+一师实战指导+AI反馈辅诊”的“经验+数据”双洞察的三师协同指导。四是以省促进：运用数智环境推动教学反思技能精进。构建了融合“智能实训平台支撑、多方导师精准引领、反思社群互动互鉴”的教学反思体系，其中，教学反思技能贯穿未来教师培养全程，助力未来教师进行更有针对性的技新模式旨在促进未来教师教学技能的持续发展追踪和诊断[11]。模式以多模态数据融合与智能算法建模为核心，驱动未来教师教学技能评价从“经验主义”向“数据主义”的跨越式转型[12]。的指标变化情况，可以清晰地发现，经过四次智能实训，R在口头语控制方面取得了明显的进步，在第四次实训中很好地克服了自身惯性，避免过多出现口头语。R表示个人画像用数据显化了自己的持续成长，直观地帮助其反思自身人工智能技术发展如潮，智能时代的好老师不仅要春江水暖，作智能教育风向的观察者、深思者；更要充电蓄能，作智能教育的学习者和践行者。人工智能技术发展如潮，智能时代的好老师不仅要春江水暖，作智能教育风向的观察者、深思者；更要充电蓄能，作智能教育的学习者和践行者。教学技能是教师运用专业知识、教学理论，依据学习理论和教学原则进行教学设计、教学实施、教学反思，有效促进教学目标达成的活动方式，是影响教学质量、促进学生学习的关键。针对未来教师教学技能培养过程中的四大难题，本团队构建的四类教学技能智能实训新模式，创新赋能未来教师技能提升，华南师范大学校内实训覆盖全学段多学科，未来教师教学技能广泛提升。地理、历史、生物、科学、思想政治、信息技术等15个学科（图4-1）。不同专业学生进行融合训练后，在访谈中反馈：“系统可以录制教学视频并快速自动生成分析报告”“系统反馈较为智能和详细”“这可以让我们更清楚地了解自己在教学技能训练方面还存在什么问题”。部分未来教师在训练后参加广东省本科高校师范生教学技能大赛、“田家炳杯”全日制教育硕士专业学位哲学社会科学规划青年项目《数字化转型视域下教师生成式人工智能教育应用2023年广东省学位与研究生教育改革研究项目《人工智能赋能教育硕士教学基本技能训练研究》、2022年国家社科基金教育学一般项目《人工智能视域下的教师画像及应用研究》、2022年度教育部信息化教学应用实践共同体项目像构建方法》《基于云服务的教学姿态及表情应用技能评估方法、系统、装置和存储介质》等方法类发明专利共9项（图4-5）。第三，发表国内外权威期刊学术论文。发表高水平学术论文14篇，其中能让教学基本技能训练提速增效吗?》（CSSCI）、《多模态大模型赋能教师数字画像构建与应用》（CSSCI）、《生成式人工智能赋能教学设计分析：需求、方法和发展》（CSSCI）、《数字化转型视野下教师网络集体研修行为投入的效能识别》（CSSCI）、《赋能教育高质量发展的数字化教学实践共同体关键“人工智能助力师范生教学基本技能训练的创新实践”获评广东省“新师范”新与实践”获得华南师范大学首届研究生教智能实训的系列成果，通过学术主题报告、同行专家交流、新闻报道等方第一，研发成果入选全国第二批32个“人工智能+案例，广东省首批“人工智能+高等教育”典型应用场景案例并在全球智慧教育大会、高等教育博览会和相关学术研讨会上展示。2024年10月，智能实训成进一步获评教育部全国高校第二批“人工智能+高等教育”典型应用场景案例（共32个）（图4-7）。2025年，该成果再获教育部学位与研究生教育发展中心月，研究团队在全球智慧教育大会发布《师范生教学基本技能智能实训发展报告》，团队负责人应邀作主题报告，系统阐述了本团队在人工智能助推实训方面的原创性工作与技术研发成果，引起与会者广泛关注与好评（图4-8）。研发负责人在全国人工智能赋能研究生培养研讨会（2025）、一流师范人才培养暨“新师范”建设成果交流会（2024）、教育技术国际论坛（2023）、全国学科教育联盟第三届年会（2024）、教育部“教师智能教育素养研究”虚拟教研室学术研讨会上进行分享，辐射在线人数累计超百万人次。2025年7月，研究院主办了广东省研究生“教育人工智能学科交叉”学术论坛，分享教育人工智能赋能学科交叉“三创”研究型人才培养的实践案例（图4-9）；2023年研究院与学校教务处共同承办“人工智能助推湾区新师范高质量建设”学术研讨会并举行“师范生教学基本技能智能实训系统”鉴定会，辐射粤港澳数十所高校，成果第二，大批领导和高校同行、中小学教师发展中心到未来教师智能培养关团专程到访；2024年9月，中央政治局委员、广东省委书记黄坤明，第二十届中团队研发成果并寄予厚望；2024年11月，教育部发展规划司专家组莅临我院考察人工智能研发成果。近三年来基地共接待各级各类教育行政部门、各师范院校同行、各地中小学教师发展中心、全国专家和研究同行200余批次，超3000人），第三，智能实训系统的创新示范性受多家权威媒体报道。相关成果2025年7月受中国教育报（《专家学者齐聚广州共探人工智能赋能教育变革与学科交叉融合》）、广州日报《专家学者齐聚广州共探人工智能赋能教育变革与学科交叉融合》）、新华网（《专家学者齐聚广州共探人工智能赋能教育变革与学科交叉融合》）、南方教育报道（《融AI之力华南师范大学探索学科交叉新路向》）、羊城晚报（《AI如何赋能新质研究人才培养？华南师大给出学科交叉答案》）多家权威媒体报道。且近四年受中国教师报（《聚焦教师教育赛道，助力教育强国建设》，2025年1月）、国教育新闻网（《数智时代如何为教育强国培育未来之师》，2024年12月）、中国教育新闻网（《“人工智能助推湾区新师范高质量建设”学术研讨会举办》，2023年6月）、羊城晚报（《新科技革南师范大学打造五个“一体化”的“新师范”体系，用数字化智能化培养卓越教师》，2022年12月）、学习强国（《人工智能助推师范生高质量培养》，2022年8月）等报道转载（图4-12），充分展现了相关理论实践一体化融合工作智能技术迅猛发展的背景下，未来教师的角色与能力正在经历深刻变革。本团队提出的四种教学技能智能实训新模式为提升实训效能、培养适应新时代需求的高素质预备师资奠定了坚实基础。展望未来，本团队将进一步深耕人工智能助推未来教师的高质量培养，以数智技术为底座，从技术驱动、范式重构、联合教育领域专家，聚焦教学技能智能实训的核心场景，系统论证智能评价指标与新时代教师培养要求的适配性，梳理当前职前教学技能评价规范与实践需求的差距。在此基础上形成专项提案，积极参与国家层面“未来教师教学技能培养标准”的修订与细化，确保标准既覆盖教学设计技能、教学实施技能和教学反思技能等核心能力，又融入智能时代对教师数字素养的新要求，使职深耕职前阶段教学技能形成规律，聚焦“从新手到合格教师”的能力跃迁需求，构建涵盖“未来教师数字素养”“未来课堂特征”“未来学校功能”等多维度的前瞻性“未来教师教学胜任力框架”。使之成为培养方案设计、课程改革与评价体系的核心理论依据，并产出标志性学术成果，为职前教学技能实聚焦提升教学技能实训评价指标的精准度与科学性，重点提升智能系统对教学行为的量化分析能力，通过优化多模态数据（如试讲视频、板书轨迹、语言互动等）采集与算法模型，确保对“课堂提问有效性”“重难点讲解清晰度”等指标的评估更贴合真实教学场景。引入大模型技术赋能个性化反馈生成，针对不同技能短板自动推送改进建议与训练资源，实现“一人一策”的精准实训。针对教学技能实训过程中“无生试讲拟真度低”的痛点，重点探索增强现实、虚拟现实技术在教学技能实训中的深度应用，构建高保真教学镜像场域，强化未来教师在工作场景中与多主体的情感交互和临场决策训练；打通职前职后培养壁垒，规划教学技能进阶体系，创新“三笔一画”等传统教学基本技能智能化实训范式，实现从基本技能到教学智慧的持续性进化，为培育适应未来开发《未来教师智能实训指导手册》与配套“微课程”资源库，覆盖自主训练、协作互评等多元场景，为未来教师提供清晰成长路径。建立健全“优秀实践案例”的孵化、评选、分析与全域推广机制，赋能教学法教师发展，精心提炼并广泛宣传基于智能实训系统的卓越教学案例及成效数据，使之成为系统深化“未来教师教学技能智能画像”系统建设，基于构建的教学技能评价观测指标体系，通过采集实训过程中的多源数据，生成个人成长画像、群体共性画像，为未来教师提供个性化成长建议，为高校优化实训课程设置、配置师资资源提供数据支撑。通过举办“未来教师教学技能智能实训研讨会”等高规格实效性论坛，有效链接管理者、研究者、名师与新锐未来教师，持续提升系教育兴则国家兴，教育强则国家强。教师作为立教之本、兴教之源，是推动教育高质量发展、建设教育强国的核心支撑力量。在国家大力推进教育数字化战略转型的时代背景下，未来教师的培养与发展面临着前所未有的机遇与挑战。本团队在学校领导下，整合力量协同奋发，进行“未来教师智能培养关键技术与示范应用产学研基地”的升级建设，致力于通过构建科学的评价指标体系、搭建技能培养智能系统、创新双贯通智能培养模式以及保障常态化实践，为未来教师教学技能的提升提供智能化、精准化支持。实践证明，智能实训不仅有效提升了未来教师的教学基本功和设计实践反思能力，也为探索数智驱动的教师专业发展新范式积累了宝贵经验，为培养未来高素质专业化创新型教师展望未来，人工智能与教育教学的深度融合是大势所趋。我们将继续秉持创新精神，深化产学研用协同，以大模型技术为重要驱动力，推动智能实训从平台应用向生态构建迈进，从技术赋能向素养培育深化。我们将持续优化智能实训系统，探索虚实融合的沉浸式体验，深化大模型与教师培养体系的融合应用，研发支持教学技能个性化提升的专有大模型，构建未来教师协同互助的成长共同体，以期为培养更多师德高尚、业务精湛、结构合理、充满活力的高素师。学校以“新师范”建设为抓手，构建了“全口径、协同式、一体化”的教师教育体系，强调全领域、全学段、全层次的教师培养，确保师范生具备广泛的教育视野和扎实的教学能力。同时，学校注重跨学科融合，通过“通识教育+大类教育+专业教育”的层次性课程结构设置，培养具有综合素养和创新能力的未来教师。拥有覆盖全学段、多学科的教师教育专业体系，还注重跨学科融合，培养具备宽广知识视野和扎实教学技能的师范生。通过“通识教育+专业教育”的课程体系，确保每位未来教师都能获得全面的教育素养和深厚的专业知识。注重实践教学环节，与遍布粤东西北和珠三角地区的180新时代新征程，华南师大坚持以习近平新时代中国特色社会主义思想为指导，以教育强国为使命，以立德树人为根本，聚焦教育强国总体部署和省委“1310”具体部署，确立了“锚定一个目标、实施‘两步走’战略、激活三大动力、构建八个一流体系”的“1238”发展思路，努力建设教师教育特色鲜明、综合性、创新型的世界一流大学，培养更多“四有”好老师和适应高质量发展的各类人才，力争为广东和湾区发展、强国建设、民族复兴作出新的更大贡献。华南师范大学教育人工智能研究院创建于2022年，是全国高校首个教育人工智能研究院，是多学科交叉融合的研究平台、政产学研用协同服务平台，是国内外智能教育领域中具有重要影响力的研究平台。凸显师范大学服务好教师教育和基础教育的根本使命，注重“研究引领、产研融合、成果转化、创新发展”，校企共建了未来教师智能培养关键技术与示范应用产学研基地、乡村智能教育支撑平台研发与示范应用产学研基地、LLM支持下生成式课堂教学智能分析系统研究等基地项目群。研究院近三年在教师智能培养领域成果显著，包括：教育部“教师智能教育素养研究”虚拟教研室、教育部“智能教研环境设计与应用”实践共同体、国家一流课程《人工智能教育应用》、国家科研重点研发计划课题《面向专业素养的多元形成性评价及智慧学习领航技术》、国家社科基金《教师数字胜任力伴随式智能测评研究》、国家教学成果二等奖《信息化教研赋能教师集群化高质量协同发展的创新与实践》、国家自科基金《基于自注意霍克斯过程与随机置换的在线学习事件序列依赖挖掘方法研究》、中国博士后科学基金《人机双师协同赋能学生高阶能力培养模式与实践追踪研究》等。在高端教学成果培育方面呈现出集群化发展态势，2021年至今主持或指导累计获教学成果奖国家级二等奖2项、省级一二等奖9项；教育人工智能成果入选教育部2025年度国家级第二批“人工智能+高等教育”典型应用场景案例，“教师数字素养智能测评场景”入选人工智能大模型教育场景应用案例，参与研制广东省中小学师生人工智能素养框架“2+1”方案，携手科大讯飞共研问课“教研大模型，撰写的资政报告多次获教育部领导批示。成果陆续被《人民日报》《学习强国》《中国教育报》等媒体报道，所研制的报告在主办的GSE2025全球智慧教育大会“人工智能与未来教师”论坛、GSE2024全球智慧教育大会“人工智能与未来教师”论坛、生成式人工智能赋能教师新质素养提升高峰论坛、联合国教科文组织教师人工智能素养会议做学术交流，影响广泛。（三）技术支持机构：华南师范大学未来教师智能培养关键技术与基地由华南师范大学与北京中庆现代技术股份有限公司校企共建而成，围绕“未来教师教学能力智能实训”主题，针对未来教师培养中的难点、痛点和核心需求，以人工智能技术助推未来教师高质量培养为导向，开展教学能力智——《现代远距离教育》穆肃，张誉尹，陈孝然《师范生教学基本技能智能实训模型及应用研究》——《电化教育研究》孙硕，胡小勇，穆肃，刘阳《多模态大模型赋能教师数字画像构建与应用》——《开放教育研究》谢雅淇，张雅慧，许课雪，胡小勇《面向教师画像的能力精准测评和可视化呈现》——《中国电化教育》胡小勇，许课雪，张缨斌教育数字化教育数字化从智能到智慧：人智协同反馈能让教学基本技能训练提速增效吗？【摘要】教师是立教之本、兴教之源，教学基本技能是职前职初教师职业成长的关键基石。传统教学技能实训反馈存在主观滞后与难规模化的困境，为此本研究依托数据行为使用理论、认知学徒制理论和反馈素养理论，构建“智能机师(AI诊断智慧人师（教师指导）”的人智协同反馈方式，通过实验探究其对39名师范生被试教学基本技能及效能感的作用。研究发现：(1)人智协同反馈能够缩短教学基本技能训练周期；(2)人智协同反馈对教学基本技能各维度的干预效果存在差异；(3)人智协同反馈对教学基本技能的效能感有促进作用；(4)被试对人智协同反馈的感受积极，并愿意在实训中持续接受该种反馈指导。可见人智协同反馈通过精准诊断驱动提速与经验智慧赋能增效的互补，推动教学基本技能训练从“主观经验导向”转向“数据＋经验”双驱动的协同范式，为规模化精准训练职前职初教师的教学基本技能提供了可复制的实践路径。DOI:10.13927/ki.yuan.20250705国务院发布《关于全面深化新时代教师队伍建设改革“强化教学基本功和教学技能训练”[1]。教学基本技能是教师良好习得其他教学技能的必备性基础能力，是教师职业能力的关键性基座[2]。我国在《教师教育越教师培养计划2.0的意见》等文件中提出要“打造教学技能实训平台”“强化师范生教学基本功和教学技能训练与考核”，可见国家对教师教学基本技能训第二批人工智能助推教师队伍建设行动试点工作的通知》，提出“要探索建立或应用教师能力诊断测评系统，诊断教师学习发展需求，开展精准培养培训”，形成新技术助推教师队伍建设的新路径和新模式[3]。2025年1月，全国教育工作会议提出“要健全教师教育培养培训体系，超前谋划教师资源配置”[4]；同年4 月，教育部召开国家教育数字化战略行动2025年部术融入教育教学全要素、全过程。因此，师范院校应立足新时代教师队伍建设需求，以国家教育数字化战略为指引，融入智能技术创新师范教育方法，提高教学基本技能训练质量，以培养具有坚实技能基础和高数字素养的未来之师。当前，全国庞大的职前职初教师群体亟需有效的教学基本技能训练指导方法，常规技能训练面临多重困境：其一，规模化指导受限。据最新公开的教育部数据统计，我国高等教育学校生师比高于20:1[5],教对一技能训练指导，而一线教学环境下的带教教师往往工作繁忙，对职初教师教学基本技能指导有限。其二，指导与反馈质量不足。依赖指导教师反馈的技能实训普遍存在滞后性[6-7]、主观性[8-9]、评价标准单一[10]及个性化缺失[11]等问题。技能训练的创新路径，提出关键研究问题：(1)人智协【作者简介】穆肃，博士，华南师范大学教育人工智能研究院教授，博士生导师，华南师范大学教育人工智能研究院副院长；张誉尹，华南师范大学教育信息技术学院硕士研究生；陈孝然（通信作者华南师范大学教育信息技术学院博士研究生。同反馈能否有效提升教学基本技能的训练效果？(2)该反馈方式对教学基本技能不同维度的培养作用是否存在差异？二、教学基本技能训练的相关研究（一）教学基本技能的内涵与构成教学基本技能是职前职初教师有效掌握教学实践能力的必备基础性要素，为教师职业专业化发展提供基础支撑。自1994年国家教委推出《高等师范学教育部发布《中学教育专业师范生教师职业能力标准[12],都明确了技能训练的内容和建议，强调了师范生掌握教学基本技能的重要性及今后站稳讲台的要求。结合教育部相关标准文件，并基于2024年全球智慧教育大会发布的《师范生教学基本技能智能实训发展报告》及前序研究构建的教学基本技能观测指标框架[2],认为教学基本技能是教学实践所需的最基本通用技能，不涉及某一学科专业特性，不含学科教学法应用及课堂组织管理技能，可划分为教学语言应用、教学姿态控制、教学表情应用和教学板书设计四项技能维度及对应细化微技能观测点。考虑到指标测评需要有权威标准支撑，本研究选取了教学基本技能中的8项测评标准明确的可量化观测指标（如表1教学基本技能可量化观测指标维度观测指标观测指标说明教学语言应用语音音量控制教学过程中控制音量大小和变化的合理程度口头语使用频率非必要重复性口语表达教学姿态控制肩部平稳度保持双肩水平持续时间占授课时间的比例腿部直立度保持双腿直立持续时间占授课时间的比例教学表情应用正向表情占比正向表情持续时间占授课时间的比例表情丰富度授课表情的种类数目教学板书设计字体规范评分字体工整程度，参照楷体书写规范行倾斜度每一行板书相较于基准线的偏移程度反馈作为一种教学策略在教育学领域被广泛研究和应用。研究表明，反馈指导能够有效促进教学技能的培养，向训练者提供反馈对支持他们的微格实训和实践实习至关重要[13-14]。传统实训中常用的反馈方式有回看视频反馈法、同伴评价反馈法和带教教师指导反馈法等。回看视频反馈法是指职前职初教师通过回看自己的试讲视频，利用视频材料刺激回忆引起自我的注意和反思[15]。同伴评价反馈法是指同组伙伴针对彼此的试讲开展互评，促进试讲者反思并修正问题[16]。带教教师指导反馈法是指有丰富教学经验的带教教师指出试讲中的问题并作出正确示范，试讲者观摩示范后进行对照反思[17]。传统的反馈方式为职前职初教师提升教学基本技能提供了一定的指技能实训需要融入智能技术，以实现精准和及时的反馈指导。表2教学基本技能反馈环节存在问题存在问题核心观点学者反馈存在延迟性传统的书面反馈存在延迟性，学生更关注即时反馈而不是延迟反馈；指导教师无法及时进行反馈评价芳等[7]反馈评价方式单一获取到的评价反馈主要为言语信息，实训效果难以落实马爱婷等[10]反馈存在主观性需要将主观、客观评价结合在一起同时进行；教学评价反馈没有科学评判标准李小志[8]、赖玉华[9]反馈个性化缺失缺乏示范性和针对性，不能满足个性化学习需要和群体共享吴焕庆[11]随着人工智能技术的不断发展，对教学技能实训的反馈不再停留在定性分析上，而是向定量分析转变[18]。构建技术融入的人智协同反馈方式有助于提升教学基本技能训练成效。人工智能技术可对教师教学实训过程中的数据进行收集和分析，基于客观数据分析的实训反馈，有助于实现群体大规模精准教学化分析的单一反馈实用性并不理想，而综合自动化和人类教师的双通道反馈在提高受训教师的职前教学效[13]。可见，构建支持教学基本技能培养的人智协同反馈方式并验证其成效，能够助力实现规模化与个性化的反馈指导，为优化教学实训提供参考[19],助力职前职初教师群体的教学基本技能实训提质增效。本研究整合数据使用行为理论、认知学徒制与反循证化人智协同反馈方式。数据使用行为理论由-知识－行动－结果”的循环框架[22],支撑多模态教[20-知识－行动－结果”的循环框架[22],支撑多模态教练从经验导向向数据驱动的范式转型；认知学徒制由情境学习理论发展而来，以解决问题为导向[23],通过“专家示范－情境实践－反思提升”的路径，破解传统实训中理论与实践相割裂的问题，通过教师指导促进隐性知识传递与教学思维培养；反馈素养理论则从认息－评价消息－判断意义－自我决策息－评价消息－判断意义－自我决策－投入动机-馈信息的主动利用与自我调控能力，促成训练者从被动接受反馈向主动寻求反馈的转变。三者协同形成理论指导闭环，数据使用行为理论提供量化诊断基础，认知学徒制建立专家指导通道，反馈素养理论保证化训练生态。2.人智协同反馈方式构建人机结合可以辅助人类突破个体认知的极限，教师与智能设备的协同教学应是未来教育的理想范式[26]。本研究基于数据使用行为理论，通过智能实训空间进行多模态数据采集；依托认知学徒制，设计“AI诊断分析”“人类教师指导”两条实践反馈路径，促进训练者从“知识内化”到“实践迁移”；结合反馈素养理论，通过量化反馈与质性指导的协同，提升训练者的自我调控能力。以此构建教学基本技能训练中的人智协同反馈方式，将智能实训平台的AI智能诊断分析和教学法教师或同行的专业指导相结合，汇聚人类智慧和人工智能，融合数据与经验合力促进教学基本技能的持续提升，规模化且个性化地实现精准指导。过数据与经验的互补赋能技能实训。针对传统反馈主观滞后、难规模化的困境以及自动化反馈的情感与人文关怀缺失问题，人智协同反馈方式通过以下过程改进：(1)即时性反馈：AI技术实时采集多模态数据可在1分钟内生成量化分析数据和诊断报告，加快技迭代－提升”的周期；(2)客观性提升：智能分析系统能实训的反馈速度，缩短技能训练中“训练－反馈-迭代－提升”的周期；(2)客观性提升：智能分析系统结合AI数据与教学经验提供个性化指导，精准解析训练者存在的问题并给出技能改善建议，避免主观性以及纯机器反馈的情感缺失性；(3)规模化覆盖：AI支持全样本、全过程自动分析，可为所有训练者提供反馈，也可帮助带教教师节约时间为更多训练者提供指导，实现教学基本技能训练的规模化精准指导。适应学习策略”的动态循环系统[25],强化训练者对反学数据的采集、智能诊断与循证化反馈，实现技能训适应学习策略”的动态循环系统[25],强化训练者对反学数据的采集、智能诊断与循证化反馈，实现技能训通过算法模型提供标准化诊断，减少主观偏差，教师图1人智协同反馈人智协同反馈通过两条路径来提供反馈（如图1所示）。(1)反馈路径1：智能机师。依托智能实训平台的感知设备与AI技术，实时采集实训的多模态数价值在于快速、客观和全指标覆盖的自动反馈，从数据视角发现显性技能短板。(2)反馈路径2：智慧人师。由教学法教师基于AI诊断报告，结合个人教学经验提供针对性点评与策略性指导。其优势在于隐性经验与情感关怀的传递，能够分析AI无法量化的隐性问题。两条反馈路径并非简单叠加，而是在“可提升”中螺旋上升。反馈路径1提升”中螺旋上升。反馈路径1通过多模态感知与AI分析，为训练者建立可量化的技能基线；反馈路径2基于基线数据，由教师挖掘个性化改进策略；训练者根据双重反馈调整实训行为，新数据再次输入智能实训平台，形成持续优化的能力增长飞轮。反馈路径1为反馈路径2提供数据支撑，反馈路径2为反馈路径1补充经验洞察，这一机制既规避了纯自动化反馈的“情感缺失”局限，又弥补了纯人工反馈的“主观片面能的精准化诊断与个性化培养的统一。本研究采用准实验设计，依托H大学本科一年级教育技术学专业师范生的教学基本技能实训课程开展。研究对象为同一教学班的39名学生，通过随机习环境与课程任务保持一致。实验组接受“智能机师+智慧人师”的人智协同反馈，对照组仅接受人类教师指导反馈，两组均需根据反馈改进后续训练。通过通过访谈收集实验组对人智协同反馈的接受度。实验依托华南师范大学师范生智能实训关键技术与场景示范产学研基地首创研发的教学基本技能智能实训分析平台（以下简称“智能实训平台”）进行，为期四周。实验开始前，所有被试选取义务教育阶段信息科技课程进行教学设计，并完成前测问卷。实验中，被试每周在智能实训平台进行8—12分钟模拟授课，持续4周的模拟授课全程通过智能实训平台的多模态录播系统记录。协同反馈。每次授课后，平台生成针对教学基本技能的语音、姿态、表情和板书四维度智能分析结果和诊个人经验为师范生解读AI诊断报告并给予针对性指导。被试需综合两条路径的反馈进行复盘和改进，该流程在四周内循环迭代。对照组(n=19)仅接受教师的经验指导反馈。实验结束后，全体被试填写后测问卷，研究者对实验组被试开展深度访谈以收集主观体验数据。实验通过对比两组教学技能分析数据、效能感变化及质性反馈，综合评估人智协同反馈的干预效图2实验流程图本研究的数据包括被试每次参加实训的教学基本技能客观数据、教学基本技能效能感前后测问卷、实验组被试实训后的体验与感受等内容。对39名被试的前后测问卷进行回收，整理并分析两组被试在实训前后关于教学基本技能效能感调研问卷以及实验组被试访谈数据，来验证人智协同反馈对教学基本技能的培养效果。1.教学基本技能客观数据的收集与处理智能实训系统内置的高精度录播设备，实时捕获师范生授课的音频、视频及板书图像数据，并基于预训练的多模态分析模型，快速自动提取结构化指标数据，并生成可视化AI诊断报告：(1)利用语音识别技术对视频中的语言内容与音量特征进行提取分析；对实训视频中的人体骨架数据进行提取分析；(3)利用表情识别技术对视频中师范生的表情进行识别分简称OCR)技术对课堂板书图像进行字体规范度、行语言对每一位师范生的第一次与第四次实训数据进行清洗与标准化处理，通过量化、对比分析每位师范生在各技能维度的动态变化，以理清训练周期内的技能变化情况。2.教学基本技能效能感数据的收集与处理师范生的效能感会影响他们在教学中投入的努力，具有强烈效能感的师范生往往表现出更高水平的计划和组织能力[27]。研究者在实训前后分别调查两组师范生的教学基本技能效能感。研究基于量表OS-TES[28]并根据师范生教学基本技能的教学语言应用、教学姿态控制、教学表情应用和教学板书设计四大技能维度，设计了师范生教学基本技能效能感的李克特五级量表前后测问卷，包括师范生对其教学语言(4板书(2题项）四个维度，被试根据自己的能力水平进行自测打分。利用SPSS26.0对问卷进行信效度检pha>0.91),说明此问卷基本符合测验编制的要求，即前后测问卷回收的各个维度数据结果具备稳定与可靠性。基于问卷前后测结果，对两组师范生的教学基本技能效能感前后测得分进行配对样本t检验，以此探究两组师范生的教学基本技能效能感在实验前后的变化情况。3.师范生体验与感受类数据的收集与处理实验结束后，研究者对实验组20名师范生进行平台使用体验与感受的访谈，了解师范生对智能实训平台以及人智协同反馈的有效性和接受度等的感知。访谈通过间接形式进行，通过5道开放式问题收集师范生的体验与感受数据。访谈问题包括师范生对智能实训平台的持续使用意愿与态度、智能实训平台的功能性问题、改进建议以及个人实训需求等。研究者围绕访谈问题对访谈内容分类整理，深入调查师范生对人智协同反馈的体验与感受。周期实验组每位被试的四次教学基本技能的AI分析数据可反映训练8项子技能的发展情况，图3为被试R四次训练后教学基本技能各维度指标的变化水平。通过可视化呈现R的教学基本技能指标变化情况，可以清晰地发现，经过四周的教学基本技能训练，R在教学基本技能多个维度上的训练颇具成效，尤其是在口头语控制方面，在第四次实训中很好地克服了自身惯性，避免过多出现口头语。而在表情控制方面，四次实训过后，R反而呈现正向表情占比变低的情况。实训后对R进行访谈发现，四次实训均使用同一授课内容进行模拟授课，导致随着对教学内容的熟悉，R对教学表情的管理反而松懈了。个人实训数据变化情况显示，在人智协同反馈支持下，师范生通过为期四周的模拟授课提升了教学基本技能，技能训练提速效果突出。2.人智协同反馈对教学基本技能各维度产生差异化干预效果本研究采用Python对教学基本技能的8项微技能观测指标（授课音量、口头语控制、肩部平稳时间、分和板书行倾斜度）进行系统化处理与分析，得出39位被试的8项微技能观测指标的具体数值，为量化实组与对照组的Cliff'sDelta效应量来衡量两组之间的值在0.147以下的效应微不足道(Negligible),大于um),0.474以上为大效应(Large)值越大表明组间分布重叠程度越低[30]。分析结果如通过对师范生教学基本技能的八个可观测指标进行量化分析发现，实验组与对照组在干预后的不同技能指标变化情况呈现差异。在教学语言应用方面，实验组口头语使用量相较对照组产生了小效应量的EQ\*jc3\*hps20\o\al(\s\up6(Ｄ),果)EQ\*jc3\*hps20\o\al(\s\up6(ｔａ＝),未达)EQ\*jc3\*hps20\o\al(\s\up6(８７),著)EQ\*jc3\*hps20\o\al(\s\up6(而在),异)EQ\*jc3\*hps20\o\al(\s\up6(授),Ｃ)EQ\*jc3\*hps20\o\al(\s\up6(调),Ｄｅ)EQ\*jc3\*hps20\o\al(\s\up6(节),ｔａ)0.053)。在教学姿态控制维度中，两组在肩部平稳时间占比和腿部直立时间占比变化上均无显著差异(|组相对于对照组在表情种类上产生了具有实际意义表情持续时间组间差异效应量较小，未形成显著差异验组相对于对照组在行倾斜度上产生了小效应量的验组相对于对照组在行倾斜度上产生了小效应量的综合上述分析结果发现，人智协同反馈对比传统人类综合上述分析结果发现，人智协同反馈对比传统人类教师反馈在教学基本技能各维度上产生干预效果存的技能维度促进作用明显，而对需要更长时间改进的肌肉记忆类技能则作用不明显，如教学姿态控制中的肩部平稳与腿部直立两项指标的改善有限。图3被试R的个人实训数据表3师范生教学基本技能各指标客观数据及其效应值维度效应量效应结果前测后测前测后测教学语言应用授课音量(dB)微不足道小效应教学姿态控制肩部平稳时间占比(%)微不足道腿部直立时间占比(%)微不足道教学表情应用正向表情时间占比(%)微不足道中效应教学板书设计微不足道行倾斜度(°)小效应3.人智协同反馈对教学基本技能的效能感有促进作用研究通过对回收的问卷进行筛查和审核，按照预范生教学语言应用、教学姿态控制、教学表情应用和教学板书设计四维度效能感的前后测分数进行配对样本t检验，结果显示（如表4所示对照组的教学基本技能效能感均无显著差异(P>0.05),而实验组则在教学语言应用、教学姿态控制以及教学板书设计三个维度上有显著差异(P<0.05),在教学表情应用维度上无显著差异。可见，人智协同反馈可以显著提升师范生的教学基本技能效能感，特别是在教学语言应用、教学姿态控制与教学板书设计的效能感上。图4各观测点效应量对比图表4师范生教学基本技能效能感前后测配对样本t检验教学基本技能维度tPtP教学语言应用前测后测教学姿态控制前测后测教学表情应用前测后测教学板书设计前测后测4.师范生基本认可人智协同反馈，并且愿意在实训中持续接受该反馈通过对实验组被试的纸笔访谈数据显示，师范生对人智协同反馈的感受整体上比较积极。从各访谈问题的描述统计结果可见，全部被试均认为智能实训平台所提供的AI诊断报告对于提升自身教学基本技35%的师范生明确提出AI诊断报告在提升教学语言应用、教学姿态控制、教学表情应用以及教学板书设计方面作用较大。此外，有90%的师范生认为在后续学习中“愿意”继续使用智能实训平台进行授课以获得人智协同反馈。可见，人智协同反馈在师范生教学基本技能训练中已初步显现出其应用价值与实践潜力。1.从协同反馈到精准分层：数据驱动与经验赋能的协同反馈方式优化本研究构建的人智协同反馈方式在提升教学基本技能方面展现出突出潜力，而对不同教学基本技能的提升效果存在差异化表现。其中，教学姿态控制维个体长期形成的习惯或与肌肉记忆相关的技能，仅依靠4周4轮实训较难引导其行为大幅改变；对于教学表情应用技能，则需要更多依靠教师经验指导，通过指导教师的示范性指导弥补自动化情感分析和反馈的不足；对于板书设计技能，可以通过高频的自主训练来提高，并根据智能实训平台的反馈结果，及时纠正和调整板书书写习惯。因此，进一步制定人智协同的教学基本技能实训反馈策略需要针对不同特性的技能维度动态调整“智能机师”与“智慧人师”的权重，对数据依赖型或需要高频练习的技能，构建以智能机师为主、智慧人师为辅的动态多轮反馈策略；对于经验与情感依赖型技能，则构建以智慧人师为核心、智能机师为辅助的反馈策略。通过针对不同特性的技能优化“数据诊断＋经验赋能”的人智协同反馈训练的适配性与有效性。未来，还可以通过构建职前职初教师其他技能训练的跨场景多模态数据集，提升模型泛化能力[31],进一步优化多模态数据采集技术，加强AI模型的训练数据多样性，以提升分析的精准度[32]。2.从个体成长到群体提质：探索群体技能发展的长效机制本研究受试全为同一高校教育技术学专业的师范生，样本规模较小且学科背景单一，可能会影响结论的普适性。未来的研究需要纳入不同学科（如文的参与者，探索人智协同反馈在职前职初教师群体中提速增效的普适性。同时，本研究所构建的人智协同反馈能通过提升反馈的速率来缩短技能迭代提升的周期，但仍然需要注意，教学基本技能的习得是一个研究可延长实验周期并设计长期纵向追踪，结合智能实训平台的多模态数据采集与分析能力，动态监测技能的发展轨迹，观察技能提升的持续性效果，以验证其对教学基本技能培养的长期支持作用。此外，可以结合大样本多模态数据，进一步挖掘技能训练的共性准培养策略，为规模化应用人智协同反馈提供更具说服力的证据，让教学技能训练从个体成长走向群体规模化协同提质。化的深度融合路径研究已初步验证人智协同反馈方式对于教学基本技能训练具有提速增效作用，未来需推动人智协同增加，人们对用AI技术生成结论的过度依赖也会增加[33],自觉