引用格式
胡小勇,伍希琳,朱敏捷,等.从职前到未来：以人工智能赋能教师高质量培养[J].中国教育信息化,2025,31(10):32-40.
从职前到未来：
以人工智能赋能教师高质量培养
胡小勇 伍希琳 朱敏捷 李何婷 陈孝然
摘 要： 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。在此背景下，需探讨人工智能技术如何赋能未来教师的高质量培养，以应对当前未来教师教学技能训练中存在的结构性、效能性、机制性和发展性等难题。据此，结合国内外相关文献、政策文件和以往实践经验，通过升级教学基本技能智能实训系统、创新双贯通智能培养模式、保障常态化实训的思路，设计并实践了多智能体支持、双导师协同、多技能融合创新及数字画像诊断四类未来教师教学技能智能实训新模式，并提出职前职后一体化智慧培养路径，为探索数智驱动的教师专业发展新范式积累宝贵经验。
关键词： 未来教师培养；人工智能；教育人工智能；教学技能；教学技能实训
中图分类号： G650
文献标志码： A
文章编号： 1673-8454（2025）10-0032-09
作者简介： 胡小勇，华南师范大学教育人工智能研究院教授，博士（广东广州 510631）；伍希琳、朱敏捷、李何婷，华南师范大学教育信息技术学院硕士研究生（广东广州 510631）；陈孝然，通讯作者，华南师范大学教育信息技术学院博士研究生（广东广州 510631）
基金项目： 2023年广东省研究生教育创新计划项目“人工智能赋能教育硕士教学基本技能训练研究”（编号：2023JGXM_040）
一、问题的提出
强国必先强教，强教必先强师。习近平总书记强调，党和国家事业发展需要一支宏大的师德高尚、业务精湛、结构合理、充满活力的高素质专业化教师队伍，需要一大批好老师[1]。《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[2]。建设高素质专业化的教师队伍，既要强化高层次教师培养，更要关注未来教师群体的发展。未来教师群体作为教师队伍的“蓄水池”，既包括师范生、教育硕士等职前教师与面向未来的职后教师，人工智能亦可能成为未来教师的新兴组成。《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”[3]，因此，如何推动教师群体及其能力素质结构转向未来，是一个全新的命题。
教学技能是未来教师培养不可或缺的关键要素，对其专业发展产生重要影响。然而在教学技能培养实施过程中却普遍存在着疑难问题[4]。一是规模化培养与个性化指导冲突的结构性难题。据最新已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]，承担核心教学技能指导的学科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[6]，规模化培养需求与个性化指导之间的矛盾制约了未来教师教学技能培养质量的集群化提升[7][8]。二是技能训练过程粗放与精确度不足的效能性难题。训练中缺少过程性数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、教学技能训练效果参差[9]。三是理论知识与技能实训的知行转换缺失上的机制性难题。“重知识传授、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。四是教学技能质量监管与动态纵深测评缺位的发展性难题。其核心在于静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数据追踪和评价创新。
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济社会转型，同时，在培养未来教师教学技能方面也展现出巨大潜力。基于此，本研究聚焦华南师范大学教育人工智能研究院的实践探索，系统阐述人工智能赋能未来教师培养的思路、模式及路径。
二、人工智能赋能未来教师高质量培养的思路设计
“上云用数赋智”助力创新教学技能智能训练新范式。本研究基于教师专业发展理论设计了教学技能智能实训新模式，融合分布式认知理论与共生理论构建了智能实训多智能体，借鉴行为科学理论与用户画像理论，升级个人及群体可视化数字画像的持续追踪、测评与反馈，从升级系统、创新模式、保障实践三方面，开展未来教师教学基本技能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实训新模式，为未来教师教学技能的职前职后一体化培养注入新动能。
（一）升级教学基本技能智能诊断及训练系统
前置研究依据《高等师范学校学生的教师职业技能训练大纲(试行)》（1994）[10]和《普通高等学校师范类专业认证标准》[11]“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，构建了教学基本技能“四维度18指标”微技能观测指标框架[12]。本研究进一步升级未来教师教学基本技能智能实训分析系统模型，提供智能化、精准化的全流程教学基本技能提升服务，如图1所示。该模型包括：一是理论基础层，结合教师专业发展、多模态符号学、分布式认知等理论基础，明晰教学基本技能的测评框架，为后续实训数据采集提供理论支撑；二是数据获取层，根据教学基本技能测评框架，通过智能录播系统等设备采集教学实训视频、音频、智能体对话等多模态数据，保证所采集的数据能够实现后续的挖掘分析；三是挖掘分析层，通过语义分析、视频理解等智能技术对多模态数据进行融合分析，并根据测评框架构建个人和群体画像；四是实训应用层，依据形成的个人和群体画像，为教学基本技能指导方案的制定和决策提供依据，助力未来教师自主训练、教学法导师的教学决策等。
图1 未来教师教学基本技能智能实训分析系统模型
（二）创新教学技能双贯通智能培养模式
当前未来教师在教学技能上表现出理论知识掌握较深入，但存在教学实践经验不足、创新教学能力较弱等实际问题，而以统一化、标准化为核心的传统培养模式已难以有效回应未来教师在专业发展路径、能力结构优化及职业角色定位等方面的差异化诉求[13]。为解决理论知识与技能实训在知行转换缺失上的机制性难题，本研究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，创新构建了未来教师教学技能一体化培养的双贯通智能培养模式，如图2所示。该模式深度融合教学内容知识（PCK）、技术内容知识（TCK）、技术教学知识（TPK）等理论知识与应用信息技术优化课堂教学的技能、教学基本技能等实践知识，依托信息化、网络化、数字化与智能化技术支撑，系统整合微格实训、顶岗实习、教育见习、教育研习等线下场景与网络工作坊，以及智能实训、云端支教、优课观摩等线上场景，形成虚实结合、多模态协同的实训生态，从而实现从教学基本技能到高阶信息化教学能力的系统化、贯通式培养。
图2 未来教师教学技能双贯通智能培养模式
（三）保障未来教师教学技能智能实训常态化实践
未来教师教学技能的持续提升，须依托常态化、系统化的智能实训机制作为基础保障。为实现常态化智能实训，需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构建保障机制：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、智慧教室等空间；二是提供智能实训指导手册、应用指南与管理规范，既保证智能实训系统及设备的运行效率，也引导未来教师在常态化的教学技能智能实训中，可以有效、规范、合理使用智能诊断及训练系统与相关设备。
三、人工智能赋能未来教师培养的应用模式创新
人工智能是把“金钥匙”，不仅影响着未来的教育，也影响着教育的未来[14]。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，本研究设计并实践了四类未来教师教学技能智能实训新模式，以期为人工智能赋能未来教师培养提供可参考、可借鉴的实践操作指南。
（一）多智能体支持的未来教师教学基本技能实训
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，以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”的未来教师教学基本技能发展闭环。
实训前：智能诊断与个性化规划。智能体、教学法教师与未来教师协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。
实训中：实时反馈与动态优化。通过智能实训平台、智能体与未来教师深度协同，降低未来教师认知负荷，实现“边实践、边优化”的良性循环。
实训后：诊断评估与系统进化。智能体与未来教师协同，推动智能实训生态持续优化。一是智能体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，教学法教师提炼共性教学问题与有效的教学策略。二是智能体结合群体数据分析结果，预测其发展轨迹，教学法教师制定个性化成长规划，智能体推荐学习资源，实现未来教师教学基本技能培养的精准指导。三是智能体将实训过程中的数据和经验反馈至自身的智能算法模型和知识库中，进行自我学习和优化。
（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“教智能”的双向赋能。
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；实践导师则立足真实课堂场景，依托智能实训平台生成的AI分析报告，结合一线经验诊断教学短板，针对性传授课堂管理策略与学情应对技巧[15]；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”，驱动形成“理论赋能—实践转化—数据驱动—协同优化”闭环培养路径。
具体而言，智能实训平台的多模态数据采集和分析技术，可以实现对未来教师“智能教”的精准化指导。同时，双导师协同体系助力未来教师在实践中深化“教智能”的能力建构，最终达成“智能教”与“教智能”的双向赋能与有机融合，推动其在理论素养与智能教学实践中实现协同发展。
（三）未来教师多技能融合创新训练
在成长型思维理论和RAT理论的指导下，基于智能实训平台构建技能融合创新训练模式，培养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桥梁，实现二者无缝对接且深度融合，全方位推动未来教师教学技能的提升。
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。实现“一师引领方向+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能训练。
（四）数字画像支持的技能持续发展诊断
结合智能实训平台自动化生成的AI分析报告和阶段性数字画像的智能实训新模式，旨在促进未来教师教学技能的持续发展追踪和诊断[16]。该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[17]。
以华南师范大学师范生R四次实训后个人数字画像为例，通过观察R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，如图3所示。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存在的问题并持续改进。
图3 R同学智能实训个人画像
四、职前职后未来教师一体化智慧培养路径
在人工智能与教育深度融合的背景下，构建职前职后一体化的未来教师智慧培养路径，已成为推动教师队伍高质量发展的战略选择。本研究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。基于此，本研究进一步以数智技术为底座，从夯实数智基建、创生数智资源、提升数智素养、优化数智机制四方面系统推进教师教育的纵深发展，创新赋能未来教师技能提升。
（一）夯实数智基建，打造未来教师培养新生态
数智基建是未来教师培养的基础支撑，其核心在于通过智能化、数字化基础设施的全面建设，把教师教育工作的规律性与数智技术的驱动力深度融合，有组织地把数智技术的红利赋能贯穿到高质量教师培育的全过程，构建一个高效、协同、开放的教师教育新生态。
1.构建智能教育基础设施体系，筑牢教师发展数字基座
聚焦教育新基建战略需求，系统部署教育专属大模型、高速校园网络和安全云平台等数字化基础设施。通过建设多模态数据采集与分析系统，集成智能录播设备、可穿戴传感装置和物联网终端，实现教学全过程数据的伴随式采集与标准化处理，为教师专业发展提供高速率、低时延、高可靠的技术环境，提供数据治理、算法调用和模型训练等基础服务，形成支撑教师智能培养的一体化数字基座。
2.攻关智能评价核心技术，驱动实训精准化升级
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，通过优化试讲视频、板书轨迹、语言互动等的多模态数据采集与算法模型，全面采集教师在“教、学、研、管、评、考”等多场景中的多模态数据，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，实现教师能力“一人一策”的精准评估与发展预测，推动教师教育从“经验主导”向“数据驱动”转变，实现“心中有数”的智治与善治，并同步开发分学科专属评价模块，适配不同学科教学技能的特殊性需求。
3.深化虚拟仿真技术应用，构建高拟真实训场景
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，为培育适应未来教育生态的卓越教师奠定坚实技术基础。
（二）创生数智资源，丰富未来教师培养新供给
数智资源是未来教师培养的核心内容载体，应以建设、汇聚、创生与共享数智化教育资源为切入点，丰富和提升教师教育服务内容供给的数量与质量，构建开放、共享、进化的数智资源体系，全面提升教师教育资源的数量、质量与适用性。
1.精研实训资源体系，孵化推广标杆案例
联合基础教育学校、教育科技企业和教研机构，协同开发覆盖教学设计、实施、评价全流程的智能教学资源库。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，使之成为系统价值与未来教师培养成效的权威印证。
2.创新资源服务形式，提升资源使用效能
以智能技术创新资源服务形式，开发数字教材、教育智能体、沉浸式实训系统、多模态教育知识图谱等新型资源形态。采用自适应推送技术，根据教师个性化需求和发展阶段，智能匹配和推荐适切的学习资源。建设虚实融合的资源体验中心，通过VR/AR技术提供沉浸式资源使用体验，增强资源的互动性和实用性。构建资源使用反馈机制，通过未来教师行为数据分析，持续优化资源服务模式，提升资源使用效率。
3.赋能资源质量增值，实现资源持续优化
利用数智技术赋能资源质量增值，建立基于教育大数据的资源质量监测与评估体系，通过数据挖掘和分析技术，对资源使用情况、用户评价、教学效果等进行多维度评估，实现资源质量的精准诊断。构建资源动态优化机制，根据评估结果和用户反馈，持续优化资源内容和表现形式，并通过资源使用数据的深度分析，发现资源优化方向，为资源更新迭代提供数据支撑。
（三）提升数智素养，应对未来教师发展新要求
要构筑好未来教育的支柱，就必须重视教师的学科能力、学科素养与数智素养的全面提升[18]。着重培育教师拥有将主干学科知识与跨学科知识、扎实理论功底与实践技能、专业基础能力与高阶创新能力、学科素养与智能素养相融通的新质素养，建立职业自信和专业自觉，是教师能够胜任智能时代教学创新与教育改革的关键。
1.增强教师对技术变革的“适应力”
开展系统化的人工智能通识教育，帮助教师建立对新兴技术的基本认知和理解框架。例如，华南师范大学教育人工智能研究院开设“生成式人工智能赋能未来教师”高级研修班，通过理论讲授、案例分析和实践操作相结合的方式，提升教师对GAI的接受度和应用意愿。设计循序渐进的技术适应课程体系，从基础操作到教学情境实操，逐步提升教师的技术适应能力。建立长期助教答疑机制，为教师提供持续的技术咨询和问题解决服务，降低技术使用门槛，助力教师迈向智能教育的新境界。
2.培养教师对技术应用的“实施力”
注重实践导向的能力培养，通过项目式学习、案例教学等方式，提升教师在真实教学场景中应用技术解决问题的能力。例如，华南师范大学教育人工智能研究院参与研制广东省中小学师生人工智能素养框架“2+1”方案，建立中小学教师人工智能素养框架[19]。该框架围绕中小学教师在教育教学活动过程中对人工智能应用的意识理念、知识技能、实践应用、专业发展以及社会责任五大维度构建，以期通过协作研修、工作坊等形式，提升教师数据收集、分析和应用能力，推动课堂教学精准化，同时开展教学设计创新实践，并建立实践共同体。
3.提升教师对技术风险的“防范力”
加强技术伦理和安全教育，提升教师对技术潜在风险的识别和防范能力。参考澳大利亚《学校中运用生成式人工智能框架》[20]等国际已有生成式人工智能应用伦理框架，制定适合本土实际的技术使用规范和伦理准则。开展案例教学和情境模拟，通过真实案例的分析和讨论，提升教师对数据隐私、算法偏见等技术风险的敏感度。建立技术使用审查机制，为教师提供技术应用的法律法规咨询和伦理审查服务。加强教师数字公民素养教育，培养教师负责任的技术使用态度和行为习惯。
（四）优化数智机制，激发未来教师培养新活力
健全数智技术赋能教师培养的适配机制，加强对人工智能应用的科学监管引导，构建有利于教师专业发展的制度环境，激发教师培养系统的内生动力和发展活力。
1.创新多主体协同机制，促进资源优化配置
依托国家智慧教育云平台，建立政府、学校、企业、社会多方协同的教师发展联盟。以教育部“众智行远”智能教研环境设计及应用实践共同体和“教师智能教育素养研究虚拟教研室”为平台，开展跨区域、跨学校的协作教研活动。完善校企合作机制，推动教育科技企业参与教师培养资源开发和服务提供，形成产教融合的良好生态。建立教师培养质量共同评价机制，引入第三方评估机构，形成多方参与的质量保障体系。
2.构建多级数据画像，强化协同育人效能
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，有效连接管理者、研究者、名师与新锐未来教师，持续提升系统在教师教育领域的引领力、辐射力和影响力。
五、结语
本研究整合力量协同奋发，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队伍奠定了坚实基础。
展望未来，人工智能与教育教学的深度融合是大势所趋。本研究后续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。同时，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、充满活力的高素质、专业化、创新型未来教师贡献智慧与力量。
参考文献：
[1]新华社.习近平在北京市八一学校考察时强调 全面贯彻落实党的教育方针 努力把我国基础教育越办越好[EB/OL].(2016-09-10)[2020-09-08].https://m.cnr.cn/news/20200908/t20200908_525244616.html.
[2]新华社.中共中央 国务院印发《教育强国建设规划纲要（2024—2035年）》[EB/OL].(2025-01-19)[2025-08-17].https://www.gov.cn/gongbao/2025/issue_11846/202502/content_ 7002799.html.
[3]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].http://www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/s5987/202505/t20250508_ 1189714.html.
[4]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,2025,11(2):54-61.
[5]教育部.2023年教育统计数据[EB/0L].(2024-12-25)[2025-02-26].https://hudong.moe.gov.cn/jyb_sjzl/moe_560/2023/quanguo/.
[6]VAN F M, EGGEN T, TIMMERS C F, et al. Effects offeedback in a computer-based assessment for learning[J]. Computers & Education, 2012(1):263-272
[7]穆玉芳,何英姿,陈云来.高校师范生微格教学中存在的问题及对策[J].大学教育,2016(7):35-36.
[8]吴焕庆,荆宝坤,基于知识建构的数字化微格教学模式构建研究[J].电化教育研究,2018(5):93-98.
[9]李小志,黎启龙,叶新东.基于网络的微格教学系统设计及其评价[J].现代教育技术,2012(12):53-56.
[10]国家教育委员会.高等师范学校学生的教师职业技能训练大纲(试行)[EB/OL].(1994-06-01)[2025-08-17]. http://luxiaoxu.net/grove.
[11]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://tea.heec.edu.cn.
[12]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(6):113-120.
[13]王帆,史贝贝,王珣.全国首届教育硕士（现代教育技术）教学技能大赛分析——兼论现代教育技术专业人才培养[J].电化教育研究,2019,40(7):92-100.
[14]郑旭东,李王伟,李新,等.2022—2024年中国教育数字化热点议题与研究前沿报告[J].中国教育信息化,2025,31(8):3-28.
[15]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].现代远距离教育,2025(3):45-53.
[16]胡小勇,眭慧,陈莹,等.多场景融合的教师数字画像：模式建构与应用方法[J].中国远程教育,2024,44(4):47-57.
[17]谢雅淇,张雅慧,许课雪,等.多模态大模型赋能教师数字画像构建与应用[J].开放教育研究,2025,31(1):100-109.
[18]沈世红.构筑未来教育支柱：新时代教师学科能力与学科素养的发展思考[J].中国教师,2024(12):21-25.
[19]广东省教育厅.广东省中小学教师人工智能素养框架(试行)[S].广州:广东省教育厅,2025.
[20]Australian Government Department of Education. The Australian Framework for Generative AI in Schools[S/OL]. Canberra: Australian Government Department of Education.(2023)[2024-09-05]. https://www.education.gov.au/school-resources/resources/australian-framework-generative-ai-schools.
From Pre-Service to Future:
AI-Empowered Pathways for High-Quality Teacher Development
Xiaoyong HU1, Xilin WU2, Minjie ZHU2, Heting LI2, Xiaoran CHEN2
（1.Institute of Educational Artificial Intelligence, South China Normal University, Guangzhou 510631, Guangdong;
2.School of Educational Information Technology, South China Normal University, Guangzhou 510631, Guangdong）
Abstract: Teachers are the primary resource in education, and future teachers such as normal school students and education master’s degree candidates are the “reservoir” of the teaching force. Enhancing the quality of future teacher training is a crucial link in building a teacher education system with Chinese characteristics and forming a high-quality reserve force of teachers. Against this backdrop, this study explores how artificial intelligence (AI) technology can empower the high-quality training of future teachers to address challenges related to structure, efficiency, mechanism, and development in their current teaching skills training. By integrating domestic and international literature, relevant policy documents, and past practical experiences, the study designs and implements four new models of intelligent training for future teachers’ teaching skills: multi-agent support, dual-mentor collaboration, multi-skill integration and innovation, and digital portrait diagnosis through upgrading the intelligent training system of basic teaching skill, innovating the dual-track intelligent training model, and ensuring normalized training. It also proposes an integrated pre-service and in-service intelligent training path, accumulating valuable experience for exploring a new paradigm of teacher professional development driven by digital intelligence.
Keywords: Future teacher training; Artificial intelligence; Educational artificial intelligence; Teaching skills; Teaching skills training
编辑：王晓明 校对：李晓萍
来源：中国教育信息化
