教育领域长期流行一种说法，认为生成式人工智能（genAI）势不可挡，教育者若不迅速适应就会被淘汰。与此同时，科技公司将AI工具包装为课堂“终极助手”，部分流行叙事则将其描述为对学生写作的冲击。在此背景下，教师群体也常被贴上“抗拒技术”“风险规避”的标签，课堂技术讨论往往被简化为“接受或拒绝”的二元选择。

不过，来自教育者的研究指出，将“AI创新者”与“反技术者”对立的框架，难以解释课堂中的真实做法。为更具体了解语言教学一线如何处理AI工具，渥太华大学官方语言与双语研究所（OLBI）开展了一项自下而上的机构调查，面向英语作为第二语言（ESL）与法语作为第二语言（FSL）教师，了解其对AI辅助工具的态度与使用情况。

调查显示，在60名符合条件的教职员工中，共有24人回应，响应率为40%。研究者表示，这一样本为理解一线教学决策的细微差别提供了观察窗口。总体而言，多数受访教师在复杂教学环境中采取了更为细致、务实的应对方式。

“抗拒教师”的刻板印象

调查结果与教育史学家拉里·古班（Larry Cuban）的观点相呼应：教师并非天然抗拒技术，而是抗拒那些无法解决其实际问题的工具。第二语言习得研究也显示，经验丰富的语言教师倾向于寻求技术的“常态化”——当工具逐渐“隐形”，学习本身成为焦点。

在对AI整合的态度上，多数OLBI受访者并未选择“怀疑”立场。研究者将其概括为“务实派”：他们认可生成式AI的潜力，但在缺乏可靠教学证据前，并未全面采纳。

同时，少数受访者提出了更具哲学基础的担忧。一位FSL教师将生成式AI称为“une menace à l'autonomie de la pensée”（对思维自主性的威胁），其关注点指向高等教育所强调的批判性思维能力。

“隐形AI”与工具边界

调查还呈现出教师对AI认知的不一致：有受访者称自己“从不”使用生成式AI，但在后续问题中承认经常使用Grammarly写作辅助或DeepL翻译等工具。资料显示，Grammarly早期AI技术融合机器学习与自然语言处理，其生成式AI功能可关闭；DeepL也开发了生成式AI模型。

更关键的是，教师似乎在实践中区分两类工具：一类被视为辅助既有工作的AI（如纠正、润色、翻译），另一类被视为生成新文本的AI。研究者认为，这种区分反映了教师对作者身份、主体性以及可接受使用范围的不同理解。调查数据也显示，教师普遍更能接受用于润色或纠正已有作品的“辅助型”工具，而对“代表用户生成内容”的工具更为谨慎。

作为“效率工具”的优先使用

调查中最突出的发现之一是，教师更倾向将生成式AI用于行政与备课效率提升，例如生成课程计划、起草课程通知、制作课堂短文等。这些工作耗时较多，但通常不直接构成学生学习的核心环节。一位ESL教师表示，课程计划与活动创意的可能性“无穷”。

但当涉及将这些工具引入学生学习过程时，部分同样认可AI提升生产力的教师表现出明显犹豫。其理由与认知科学相关：语言习得依赖心理学家罗伯特·比约克与伊丽莎白·比约克提出的“理想困难”（desirable difficulties），即费力的认知加工有助于将新知识巩固进长期记忆。

受访者担忧，若学生将语法决策交给自动补全，或将论证构建交由语言模型完成，可能绕过关键的学习参与过程，形成所谓“认知卸载”，从而出现书面作品看似成熟但基础能力未同步发展的情况。一位受访者直言：“如果学生侥幸通过，那他们永远学不会写作。”

研究者指出，这类谨慎态度与联合国教科文组织（UNESCO）2023年关于生成式AI在教育与研究中的指导意见相一致。该指导意见提醒，生成式AI在教育领域的采用速度不应超出社会对其认知与伦理影响的集体理解。

政策制定需贴近教学实践

基于OLBI的调查，研究者认为，有意义的AI教育政策不宜自上而下强行推进。若高校在未充分咨询理解学习认知结构的教育者情况下发布广泛的创新采纳指令，可能形成行政上整齐、操作上矛盾的政策。

另一方面，全面禁止也可能忽视现实：学生将进入一个充斥AI工具的劳动力市场，需要培养负责任使用工具的批判性素养。研究者称，多数“务实派”教师所指向的路径，是发展“批判性AI素养”，并提出三项机构层面的承诺方向：

• 区分AI功能：引导学生按功能而非底层技术来理解工具差异，尤其区分用于纠正、润色、翻译既有作品的辅助性工具，与代表用户生成内容的生成性工具。
• 保护学习过程：在评估设计中强调写作与论证的过程（草拟、修订、反思），而非仅以最终成果为导向。
• 重新定位教师角色：参考经合组织（OECD）的表述，教育者角色正从知识传递者转向批判性评估者与学习设计师；AI可支持这一转变，但前提是教师保有界定使用条款的主动权。

研究者最后提出，高校面临的关键问题在于，是否信任最了解学生认知需求的一线教育者来划定AI使用的关键边界。