高中英语·选择性必修四 AI赋能的大单元“师-机-生”多元协同教学设计讲义（2026教师精进版）

高中英语·选择性必修四|AI赋能的大单元“师—机—生”多元协同教学设计讲义（2026教师精进版）

一、引言：从“数字辅助”到“智能重构”——2026年高中英语教学的时代转向进入2026年，人工智能与教育的融合已从零散的工具应用迈入系统性变革的新阶段。2026年4月，教育部等五部门联合印发的《“人工智能+教育”行动计划》（教科信〔2026〕1号）明确提出，要“探索人机协同教学模式，利用智能系统参与教学环节”，推动“智能技术与教育全要素融合、全过程贯通、全场景覆盖”-1。这一顶层设计为高中英语教学指明了清晰方向：AI不再是教学的点缀，而是融入课前、课中、课后全流程的有机组成部分，加速推动英语教学从“知识传授”向“素养培育”深度转型。对于高中英语学科而言，这一转型尤为迫切。《普通高中英语课程标准（2017年版2020年修订）》着力培养学生的语言能力、文化意识、思维品质和学习能力四大核心素养，同时倡导以主题意义为引领、以语篇为依托、以英语学习活动观为路径的教学范式。AI技术的介入，恰恰为在核心素养导向下实现大规模个性化教学提供了前所未有的可能。生成式人工智能的动态生成、情境适配和即时反馈等技术特性，与英语学习活动观所强调的活动设计的综合性、关联性和实践性高度契合，为教师落实教学评一致性提供了强有力的技术支撑。本讲义以人教版高中英语选择性必修课程为具体语境，围绕一位高二英语教师在“EnvironmentandSustainability”（环境与可持续发展）大单元教学中的真实案例展开，系统探讨AI如何在课前学情诊断与智能备课、课中情景创设与深度互动、课后个性化辅导与智能评价等全流程中赋能，帮助教师构建“师—机—生”多元协同的新型教学关系。讲义坚持“以智助教、以智助学、以智助评”的核心理念，力求为一线教师提供一套可操作、可迁移、可迭代的AI赋能教学实践指南。二、课前篇：AI赋能精准学情诊断与智能备课（一）学情画像：从经验判断到数据循证传统教学中，教师对学情的把握往往依赖于日常观察、作业批改和测验结果，呈现碎片化、滞后性强等问题。AI技术介入后，通过构建学情数据采集与分析系统，可以实现对学生学习状态的多维度、伴随式追踪，为精准教学提供科学依据。【重要】在英语大单元教学中，学情画像的构建通常涵盖以下数据维度：语言基础维度，包括词汇掌握率、语法错误类型分布、阅读速度与理解水平；学习行为维度，包括课堂参与度、作业完成时长、自主学习频率与习惯；学习态度与策略维度，包括学习兴趣自我评价、学习策略使用情况、合作学习参与度；思维品质维度，包括信息获取能力、逻辑分析能力、迁移创新能力等。以高二选择性必修四的“EnvironmentandSustainability”大单元为例，教师可以在单元开启前利用智能学习平台发布前置性学习任务——一段关于全球变暖影响的英文TED演讲视频及相关的阅读理解题和开放式思辨题。平台自动记录学生观看时的停顿点、回看点、答题正确率、简答题中关键术语的使用频次等数据，经过算法处理后生成可视化的班级学情报告及每位学生的个体画像-15。报告显示，本班32名学生中，85%能够准确获取演讲中列举的事实性信息，但仅42%能提取支撑观点的主要论据；在开放式论述中，大部分学生能够表达“globalwarmingisserious”的结论，但缺乏用“asaresult”“consequently”“thisleadsto”等因果逻辑连接词来组织论证的能力。AI系统进一步分析发现，学生在“提出假设—寻找证据—得出结论”这一科学论证链条上的逻辑断层尤为突出。这一精准诊断让教师得以将本单元的教学重点从“环境事实罗列”调整为“基于证据的论证与观点阐述”，直指学生在核心素养发展上的真实短板。（二）智能备课：AI辅助下的教学方案优化基于上述学情分析，AI在备课环节的价值体现为多维度的智能辅助。一是教学目标的精准制定。教师可以输入语篇原文、学情数据和课程标准要求，利用生成式AI辅助生成分层、递进、可操作的课时教学目标。以Unit3中“TheFutureofOurPlanet”语篇为例，AI根据对语篇结构和学情的深度解析，协助教师制定了三个层次的课时目标：学习理解层——梳理作者关于可再生能源与传统能源的比较论据；应用实践层——运用因果逻辑连接词完成对给定环境现象的分析论述；迁移创新层——模拟联合国气候变化大会进行立场陈述与辩论-21。需要强调的是，精确理解教材文本是AI辅助备课的前提，教师应先将完整的单元内容上传至AI平台，让其深度解析“EnvironmentandSustainability”单元中语篇的主题意义、结构特征和核心观点，从而生成更具针对性的教学方案-。二是教学活动与任务链的设计。AI能够围绕教学目标，智能生成层层递进、形式多样的学习任务序列。针对本单元“从事实信息到观点论证”的教学重点，AI生成了以下任务链：任务一（个体阅读+信息提取），完成作者论点论据对照表；任务二（同伴讨论+观点梳理），用因果图梳理文本论证链条；任务三（小组协作+观点表达），围绕“是否应该停止使用化石燃料”这一有争议性话题，各小组利用AI辅助检索正反方论据；任务四（全班辩论+迁移创新），开展模拟气候峰会的角色扮演辩论。每一环节均配套AI生成的分层即时评价量规，让教师能够实时掌握每名学生的任务达成度。三是教学资源与课件的智能生成。教师向AI输入语篇内容和教学目标后，AI可在数分钟内生成包含情景导入视频脚本、核心词汇可视化图谱、段落结构思维导图、分层阅读理解题及参考答案、课堂互动投票题等在内的配套教学资源包。以本单元“可再生能源发展”语篇为例，AI自动生成了“RenewableEnergyTimeline”交互式时间轴课件，将太阳能、风能、地热能等能源形式的关键发展节点以时间线方式可视化呈现；同时生成了包含课堂用AI数字人采访科学家、虚拟环境变化模拟视频等在内的情景素材库-19。四是分层作业与差异化任务的自动生成。AI根据学情报告中的数据，为不同层次的学生生成差异化课后任务。基础层学生完成词汇匹配和段落排序等巩固性任务；提高层学生完成短篇论据补全及逻辑连接词填空等发展性任务；拓展层学生完成给定数据的图表描述写作和在线论坛观点评论等挑战性任务。教师对AI生成内容进行审核、筛选和优化后，即可投入使用，备课效率显著提升-24。【重要】在备课过程中，教师的作用并非被动接受AI生成内容，而是扮演“学习架构师”的角色。教师需要对AI产出的教学目标、活动设计和学习资源进行专业判断与优化调整，确保教学设计与课程标准、学情实际和育人目标相匹配，实现“教师把关筛选、调整打磨生成的内容”。AI承担大量重复性、程序性的备课工作，教师则将更多精力投入到学习任务创造性设计和个性化指导方案制定等核心工作中-41。三、课中篇：AI赋能情景创设与深度互动（一）情景创设：AI技术重构真实任务情境在高中英语课堂中，如何创设真实、有意义的语言运用情境，始终是落实核心素养培养的关键。AI技术通过多模态交互、虚拟场景生成和即时反馈等方式，为这一问题的解决提供了全新路径。【核心素养】以“EnvironmentandSustainability”大单元的核心课时“围绕可再生能源的国际论坛”为例，教师利用AI工具构建了完整的课堂情境创设体系。课堂伊始，AI数字人以联合国环境规划署官员身份出现在大屏幕上，向学生发出参会邀请：“我们正在为即将召开的世界可再生能源峰会征集青年代表发言，你的班级将派出代表团参会。”这一导入方式既创设了真实的任务语境，又迅速激发了学生的角色代入感和任务驱动力。在文本研读环节，传统做法是让学生分段阅读关于可再生能源的技术说明文本，再用问题填空检测理解情况。而在AI赋能的课堂上，教师借助AI将文本转化为多模态学习资源。学生使用平板电脑点击大屏幕上高亮显示的能源关键词，AI语音即自动进行术语解释并播放语义情境视频片段；点击段落末尾的展开按钮，AI自动呈现该段的思维导图；遇到难以理解的复合句时，点击句子可触发AI的句式解析与中文语境解释。这种可视化的、可交互的语篇解读方式，使学生的阅读参与度和理解深度显著提升。以宁夏银川一中孙紫涵老师的观摩课为例，她在执教选择性必修第一册Unit6NurturingNature中的“TheSkyRailway”（青藏铁路）语篇时，巧妙运用AI数字人、情景视频、动态地图等技术，将“天路”这一抽象的自然工程主题可视化，极大增强了学生的代入感。课堂以“挑战与解决方案”为逻辑主线，层层递进设计问题链，借助支架式教学帮助学生自信表达，实现了语言能力、思维品质、文化意识与学习能力的有机融合-19。【拓展延伸】在输出表达环节，AI技术继续发挥作用。课本任务原本要求学生以小组为单位，整理观点后向全班做陈述报告。在AI赋能版本中，教师引导学生使用AI辅助生成发言提纲、润色语言表达、检查语法错误后投入模拟论坛展示。展示结束后，利用平板电脑发起即时投票和互评，全体学生对各小组的论据充分性、表达流畅度、反驳有效性等维度进行评分与建议。AI系统实时汇总评价数据并生成小组表现雷达图，精准反馈各组的优势与短板，教师据此开展针对性点评与指导。（二）即时反馈：智能技术破解评价滞后难题高质量的口语表达与写作能力培养，离不开及时、具体、指向性明确的反馈。传统课堂中，教师很难在有限的课时内对每位学生的课堂表现做出即时、有针对性的评价。AI技术的介入，使大规模即时反馈成为现实。在一次课堂辩论活动结束后，AI口语测评系统迅速对每位学生的发言录音进行了分析，从准确度、流利度、韵律感三个维度生成反馈报告-16。一位学生说：“Ithinkweshouldstopusingfossilfuelsbecausetheyarebad.”系统反馈指出：“请尝试使用‘moreover’‘furthermore’‘inaddition’等连接词来扩展论证；使用‘carbonemissions’‘airpollution’‘climatechange’等更具体的术语来支撑观点。”学生随即根据提示进行二次表达：“Ithinkweshouldstopusingfossilfuelsbecausetheyreleaselargeamountsofcarbondioxide,whichisamajorcauseofclimatechange.Furthermore,renewableenergysourceslikesolarandwindpowerarebecomingmoreaffordable.”这种“表达—反馈—修正—再表达”的即时循环，大大加快了语言产出质量的提升速度。在写作教学场景中，AI同样展现出强大的即时反馈能力。学生限时完成关于“个人能为应对气候变化做什么”的150词段落写作后，上传至智能写作批改平台，AI在数十秒内完成语法检查、词汇多样性分析、逻辑连贯性判断和结构建议。与传统批改软件只圈出语法错误不同，AI在批改中坚持“启发式批改”原则——通过提问引导学生思考，而非直接给出答案-16。例如针对某学生的段落，AI反馈为：“你的观点很清晰。思考一下三个建议在逻辑顺序上可以怎样调整，让劝说效果更突出？第5句的‘but’是否可以用‘meanwhile’或‘incontrast’来更准确地表达转折关系？”这一反馈不仅指出问题，更引导学生主动优化表达，指向学生的思维发展而非一次性成果。【重要】即时反馈的应用须建立科学的“师—机—生”三元协同机制。AI承担错误分类统计、语言风格分析、共性问题筛查等可规模化的反馈任务，为教师提供班级层面的共性问题和个体层面的典型错误数据；教师则在此基础上聚焦续写策略构建、批判性思维训练、个性化问题指导等高阶思维培育任务-13。问题严重的文本由AI标注后推送给教师进行重点面批；已达到较好水平的文本由AI完成批阅，教师只需快速抽查。这种分工既显著减轻了教师的批阅负担，又将教师的精力集中到最有价值的个性化指导中，实现了效率与质量的双重提升。（三）分层教学：AI满足学生差异化学习需求在面向全班30余人的大班教学中，学生的语言水平、学习风格和思维发展速度存在显著差异。AI赋能的分层教学，为实现因材施教提供了切实可行的技术路径。在精读环节，教师利用AI分组系统将学生按语言基础和学习方式的差异划分为若干异质小组。阅读速度较慢的学生由AI阅读助手提供逐句朗读、关键词释义、长难句切分辅助等脚手架支持；学有余力的学生则挑战更高层次的语篇分析任务——识别作者的隐含立场、分析论证逻辑的严密性、对比不同能源方案优劣等。这一分层安排确保不同层次的学生在同一节课堂上都能在适切的任务中获得成长。在语言实践环节，AI根据学生已掌握的词汇量、语法知识和语言表达能力，为他们推送难度适配的口语或写作任务。基础层学生练习用老师提供的句型支架完成描述性表达：“First,...Second,...Finally,...”；提高层学生进行带有论据支持的简短论述：“Although...,Ibelieve...because...”；拓展层学生则面向开放性问题基于多角度分析提出综合解决方案。当AI检测到某位学生因任务难度过高而产生挫败感时（通过分析语音的犹豫频次、停顿时长和面部微表情等指标，端侧模型可实时感知情绪状态），系统会自动调整交互策略——降低任务难度、增加中文提示或视觉脚手架、发送鼓励性话语-16。这一自适应机制在保护学生学习积极性的同时，让每位学生始终处于“最近发展区”内。四、课后篇：AI赋能个性辅导与伴随式评价（一）个性化辅导：智能技术实现因材施教课后环节是学生巩固所学、查漏补缺、深化理解的关键阶段。AI技术赋能下的个性化辅导体系，能够为每位学生量身定制学习路径，真正实现从“千人一面”到“千人千面”的转变。【基础】AI个性化辅导系统的核心是智能体的协同工作架构。以英语学科为例，多个AI智能体各司其职、协同完成个性化学习支持任务。学情分析智能体持续追踪学生在课堂互动、作业完成、测验表现等环节产生的高颗粒度学习数据，精准识别知识薄弱点和能力断点，构建“知识—行为—情感”三位一体的动态学生画像-37。任务编排智能体根据学情画像和学习目标，从知识库中动态选取适配的学习内容，设计由浅入深的学习任务序列，生成当天的个性化学习任务单-23。反馈与纠错智能体在学生学习过程中提供即时、启发式的指导，在指出错误之后通过提问引导学生思考正确用法，避免直接给出答案。心理陪伴智能体则通过分析学生完成任务的时长、正确率变化曲线和交互语气，识别学习状态中的异常信号——持续的低正确率、频繁的求助行为或放弃倾向——并及时介入，或降低难度以维持信心，或发送鼓励性话语并推荐休息片段以调节情绪。以本单元一位英语基础较为薄弱的学生为例，她在本单元词汇测验中正确率仅为65%，且“energyefficiency”“carbonoffset”“sustainabledevelopment”等核心术语识别困难。AI学习系统首先为她生成了分三天的巩固任务：第一天，以图文配对、选词填空等形式强化核心术语记忆；第二天，在段落上下文中推断术语含义，完成语境理解题；第三天，运用核心术语完成给定话题的短篇论述。每一阶段均包含微学习视频、互动练习和即时反馈。到单元结束时，该生对核心术语的掌握率提升至88%，并能独立完成“Explainhowenergyefficiencycontributestosustainabledevelopment”的论述任务，实现了从知识习得到初步运用的跨越。对于基础较好的学生，AI系统推送更具挑战性的拓展任务。学有余力的学生本单元成绩为95%，系统自动推送了以“ClimateChangeandSocialJustice”为主题的延伸阅读材料，包含来自国际期刊、联合国报告和政策文献的精选段落，要求学生分析这些文献中论证逻辑的异同，撰写200词以上书评式分析报告，并在班级论坛发布以供讨论。完成拓展任务后，该生尝试用该观点去分析给定材料中气候政策的公平性，在迁移性表达和批判性思维方面获得了更高水平的锻炼。云谷学校的实践数据显示，通过自研AI平台实现全息画像、个性化成长报告、智能体共建等创新应用，教师每周可节省5至10小时的行政事务和重复性劳动时间，用于设计更加丰富、多元的人机协同学习场景-25。这组数据从一个侧面验证了AI个性辅导系统在释放师资潜能、提升教育效益方面的巨大潜力。（二）伴随式评价：打破“一考定终身”评价困局《“人工智能+教育”行动计划》明确提出要“利用智能技术分析课堂教学行为，开展人工智能循证教研实践”-41。北京东城区已启动“AI课堂循证千人种子教师计划”，以AI技术赋能课堂变革的全域实践进入整校推进的新阶段-46。在英语学科评价领域，AI赋能的伴随式评价正在重构传统评价的形态与功能。伴随式评价的核心是将评估嵌入学习过程的各个环节。学生在智能学习平台上的互动轨迹、课堂讨论中的思维表现、项目探究中的解决方案迭代、议论文写作中的修改历程，都能实时转化为能力发展的连续性数据-34。这种数据驱动的全过程评价，比基于期末考试的终结性评价更能真实地反映学生的学习过程和素养发展状况。以本单元为例，每个学生构建的单元核心素养档案涵盖以下四个核心素养维度：语言能力部分，包含词汇掌握率追踪曲线、口语表达流利度与准确度走势、写作中复杂句式使用的频次变化等具体指标；文化意识部分，追踪学生在课堂辩论中提及中国文化视角的频率和质量、在讨论全球性议题时表达立场的文化根基意识等数据；思维品质部分，记录课堂上提出问题的问题质量、进行分析论证时的逻辑链条完整性、在辩论中识别对方逻辑漏洞的能力等表现数据；学习能力部分，反映完成自主学习任务的主动性、使用学习策略解决困难的情况、对AI反馈的采纳与内化程度等元认知能力数据。期末成绩报告中，分数不再是唯一的关注焦点。每个学生的报告均附带AI系统生成的章节发展趋势图，直观呈现各项能力在本学期六个大单元中的变化轨迹。更重要的是，学生档案中包含了“成长亮点”“待突破领域”“下一步学习建议”三个板块的个性化分析。系统还会在报告末尾生成针对性的寒假英语学习计划推荐，精准匹配每位学生当前的学习阶段与能力起点。从更深层次看，AI赋能的伴随式评价正在重塑教学评价的基本逻辑。上海师范大学原校长杨德广在相关研讨会上指出，智能时代将改变传统的评价模式，大幅提升过程性评价的权重，过程性评价可能从过去普遍的40%提升至60%左右，期末考试权重降至40%，形成“过程为主、结果为辅”的评价格局-9。这一评价格局的变革，将从根本上撬动英语教学的重心转移——从为考试而学转向为成长而学，从关注分数转向关注发展。五、研训篇：AI赋能教师专业成长与教研革新（一）教师数字素养的新标准与新要求在人工智能与教育深度融合的进程中，教师是决定变革成败的关键。《“人工智能+教育”行动计划》明确提出要“制定教师智能素养标准，明确教师应具备的人工智能素养能力”，并“将人工智能纳入教师资格考试和认证内容”-41。这意味着智能素养将从倡导性要求转变为制度性门槛，未来教师不仅要会用人工智能，更要适应与人工智能共事的全新工作范式。面向2026年及以后的英语教师，AI赋能教学所需的数字素养可以归纳为以下层次：基础层要求教师熟练掌握主流教育教学类AI工具的操作使用，涵盖智能备课助手（如生成教学目标、活动设计与课件）、智能测评系统（学情分析与个性化推送）、学习数据分析平台（学生行为数据的查收与解读）等场景。应用层要求教师能够设计并实施人机协同的教学流程，整合AI工具与课堂教学主线，创设具有真实任务情境的学习体验，将AI嵌入学习理解、应用实践、迁移创新等各环节。评价层要求教师能够准确解读AI生成的学习数据分析报告，将分析结果转化为教学改进策略和个性化辅导方案，形成“评估—诊断—干预”的教研闭环。建构层则要求教师能够识别教育场景中的技术痛点并提炼具体需求，与技术人员协同开发定制化的教学智能体或应用工具，成为智能教育生态的共创者。【重要】构建以AI赋能为支点的教研体系创新，需要系统性的制度设计与资源保障。以江苏省常州市武进区的实践为例，他们编制了中小学教师人工智能素养基本框架，系统部署数字化素养提振计划，实施分层分类的“强师”行动。面向近两万人次教师的全员普及类培训从“助教、助研、助评”等实践维度提升数字素养；组织骨干教师高级研修从智能体搭建、数智场景应用等关键能力的实操层面着力进行精深培训；同时遴选人工智能种子校长和领航教师，培育引领区域AI赋能教育创新的核心力量-47。这一分层培养体系对于一线高中英语教师而言同样具有重要的参考价值。（二）智能教研：数据驱动的新型教师专业发展以AI技术驱动的循证教研，正在从根本上改变传统教研以经验分享为主、缺乏实证支撑的局限。AI不仅改变教师“如何教”，还深刻影响教师“如何研”，教研重心正逐步从经验交流转向数据驱动的精准诊断和问题导向的循证改进。高中英语教研组可以依托AI课堂分析系统，开展对本校课堂教学的常态化数据采集与诊断。该系统能对一堂课进行“切片”分析，从目标达成度、思维挑战性、互动质量、反馈有效性等维度给出量化描述与质性建议。例如系统提示“教师提问频次已达标，但问题链中涉及高认知层级（分析、评价、创造）的问题占比不足”，教师团队由此可以聚焦“如何在常态课堂中设计更具思维含量的层次性问题链”开展专题教研。在跨校协作教研中，区域教研共同体利用AI教研创新平台开展基于真实数据的精准研训。北京市东城区先行先试，以“1+4+5”行动研究模式推进课堂改革，在前期培育近百名种子教师后正式启动“AI课堂循证千人种子教师计划”，首批“数智教研员”以每名教研员定向培养八名种子教师的配置推进骨干教师梯队建设-46。这一模式有效解决了传统教研中远距离观摩“看热闹”、无法深入教学真实场景的问题，使教研指导与一线教学实际形成动态闭环。武汉外国语学校的一位高中英语教师分享了自己的循证教研案例。在观摩同伴的阅读课后，她利用AI平台回放课堂录音的转写文本，聚焦“教师如何回应学生阅读理解中的错误答案”这一指标进行编码和标注分析。研究发现，教师对事实信息型答案的及时性强、准确率高，但对需要因果推理的深度问题往往仅给予“Goodtry”“Close”等泛泛鼓励。团队据此设计出“四步引导型反馈模板”——重述、澄清、追问、鼓励，通过持续的课例研讨和课堂实操，教师的思维导向型互动质量显著提升。从深层次看，AI技术正在推动从“教研来自课堂”到“教研反哺课堂”的范式转型。华师大组建的数智教研联盟通过建设教师教学学术共同体，将各具所长的骨干教师组合在一起，通过“季度论坛”“月度分享”和“云上教研”等服务模式，帮助教师将日常教学中凝练的问题转化为系统的研究课题，借助AI工具完成数据采集和效果验证，最终产出可推广的教学策略或实践案例，实现“教学投入”到“教研产出”的转化-44。六、伦理与边界：AI赋能教育的理性审视（一）技术依赖与师生主体性的平衡在拥抱AI赋能带来的便利与效率提升的同时，我们必须对AI在教育中的过度使用和不当使用保持清醒的反思意识。AI技术的本质是辅助工具，其应有的理性定位是“解放教师、赋能学生”，而不是替代教师或异化教学-10。英语学科尤其需要警惕过度依赖AI导致的师生互动质量下降。语言学习从根本上说是一种社会性实践，是在人与人的真实交流中习得和内化的。AI可以纠正语法错误、提供词汇建议、模拟对话场景，但它无法替代师生之间眼神的交流、真实的共情陪伴和在共同探究中形成的思维碰撞与情感联结。当一位学生在课堂辩论中因观点受到质疑而流露出困惑和犹豫时，老师一个鼓励的眼神、一句恰到好处的引导，是任何AI算法都无法传递的温度。因此，教师在运用AI时必须坚守“以学生为中心”的根本原则，让技术服务于育人目标，而不是让育人目标迁就技术便利。从学生视角看，过度依赖AI可能会削弱自主学习和独立思考的意愿与能力。不少高校教师在授课时发现，学生在AI辅助写作工具的“代劳”之下，作业成绩虽然提高，但独立思考能力和批判性思维的锻炼却打了折扣-9。在AI时代，学生不仅需要学会使用AI，更需要学会独立于AI而思考——如何提出有价值的问题，如何进行多角度的分析，如何做出独立的价值判断。这些素质恰恰构成了未来人才的核心竞争力，也是高中教育阶段应该着力培养的。因此，教师应当在教学中相机设置不使用AI的独立思考和限时表达训练环节，帮助学生保持独立思维的活力。（二）数据隐私与算法公平的制度保障AI赋能教育的可持续性，建立在数据隐私保护和算法公平性的扎实保障之上。围绕数据隐私问题，《“人工智能+教育”行动计划》明确提出“加强内容安全、技术安全、数据安全、算法安全和伦理安全的评估与保护，坚持育人为本、素养为先、应用导向、智能向善”的原则-1。在涉及学生生物特征（人脸、声音）和学习轨迹数据传输时，必须采用经过严格审查的合规数据链路，所有数据存储于国内服务器并进行分级分类保护，非核心降维数据经脱敏处理后方可开放-16。教师在选用第三方AI教学平台时，应当向学校相关部门和平台运营方明确询问数据收集范围、存储方式和使用授权期限，确保在教学服务协议中明确约定数据的使用边界和退出处理机制。算法公平性同样不容忽视。AI推荐系统在个性化学习路径推送中，可能因训练数据的代表性偏差而产生“算法偏见”。较常见的情况是，基于学生过往学习数据构建的知识图谱和难度判断，可能对基础薄弱的学生形成持续推送偏低难度任务的循环效应，导致他们始终被“锁定”在基础层面。教师需要定期检查AI推荐的个性化任务与班级整体教学进度的匹配程度，主动干预打破可能的“低期望闭环”，确保每位学生都有机会接触富有挑战性的学习内容。北京东城区的实践表明，建立“AI辅助决策+专家人工评审”的人机协同评价模式，是平衡技术效率与教育公平的有效路径-33。在形成性评价的每个关键节点——单元测验排名、作业表