EP03. "AI Fluency for Educators：给教育者的 4D 框架实战"

• 这门课把 4D 框架套进「备课、教材、教学」这条主线，一句话总结课程立场：「教育者的 AI Fluency，是在教学里加强、而不是取代人的专业判断」（augmentation 而不是 automation）
• Anthropic Academy「AI Fluency」系列面向教师、教学设计师、教育管理者的专属课程，只有 4 节课 + 1 测验，约 1.5 小时，是这个系列里最短的分支课
• 全程围绕一份贯穿始终的「Teaching Context（教学背景文档）」展开——第一节课就要求跟 AI 对话产出这份文档，后面「设计课程」「做教材」两节课都要求先把这份文档丢给 AI，才开始干活
• 前置知识：如果已经上过通用课 AI Fluency: Framework & Foundations（见 03_AI Fluency/EP01），第 2 节「框架复习」可以跳过；4D 定义本身这门课没有新讲法，价值都在后两节「怎么套用」

重点内容

为什么教育者需要这个框架

课程开篇给了三个理由，都跟「教育」这个场景绑定：

• 学生已经在用 AI 工具了——教育者不面对这件事，学生自己也会摸索着用
• 雇主已经默认期待毕业生具备 AI 能力
• 教育者有机会示范怎么负责任地用 AI，这本身也是在教

第一步：建一份可以反复复用的 Teaching Context 文档

这是这门课最核心的一步实操，后面两节课全部建立在这份文档之上。做法是先自己反思，再跟 AI 对话产出文档：

先想清楚（10 分钟自问）：

• 自己的教学核心价值观和理念是什么
• 有什么独特的限制（机构规定、技术条件、时间）
• 平时教的学生大概是什么样的背景、常遇到什么困难、有什么诉求
• 自己偏好的教学方法、看重哪种学习体验，为什么

再跟 AI 对话（25 分钟）：跟 AI 说明自己是教育者、想产出一份以后能反复拿出来用的摘要文档，让 AI 帮忙梳理教学实践的各个维度——可以选「AI 主导提问」或「自己主动倒信息」两种方式。要覆盖的话题：教什么科目/年级/具体课程、学生常遇到的困难、所在机构的条件和资源限制、教学理念和方法偏好、平时备课的痛点、想让 AI 帮上什么忙、这个教学情境有什么特别之处。

4D 框架回顾：本课不重新定义，只强调一个重点

第 2 节课基本是 4D 定义的快速复习（Delegation 三部分/Description 三层/Discernment/Diligence），跟通用课讲法一致，没有教育场景专属的新内容，唯一值得记的是这句定调：

4D 落地一：课程设计与学习目标

课程设计拆成三个具体任务，4D 各自在这条线上的角色：

三个具体设计任务：① 挑出必学的核心内容和概念；② 规划学习路径（怎么从头排到尾）；③ 写出具体、可衡量的学习目标。

实操流程（约 50 分钟）：

1. 动手前先想清楚：要设计/重新设计哪门课或哪个单元？具体要完成什么工作（选内容、排顺序、定目标）？哪些部分必须靠自己的专业判断、哪些可以让 AI 帮忙？
2. 开新对话，把第 1 节的 Teaching Context 文档丢进去，说明具体是哪门课、想达到什么效果——不只是报课程名字，要讲清楚具体遇到的困难、这门课的特殊之处（学生需求、先修要求、期望结果）、心目中「成功」长什么样、为什么想找 AI 一起做这部分（Delegation 的思路讲出来）。同时讲清楚限制条件（时间、资源、机构要求），以及是从零开始还是在修改现有教材。
3. 靠 Description-Discernment 循环把对话往下推：内容筛选阶段，让 AI 给建议，自己逐条判断「这个真的适合我这批学生吗」，并把理由讲回给 AI（不只是接受/拒绝，要解释为什么）；学习路径阶段，让 AI 排 3-4 节课的顺序，站在学生视角看衔接处会不会卡壳、需要什么铺垫；学习目标阶段，把前面梳理的内容转成具体可衡量的目标，核对是否符合机构要求，让 AI 帮忙挑出遗漏或重复的地方。
4. 收尾：核实事实和引用来源、记录关键决定和背后理由、记下被自己否掉的 AI 建议以及否掉的原因、写一小段说明 AI 在这次备课里参与了什么，考虑要不要把这个协作过程分享给学生或同事看。

4D 落地二：教材与作业制作

同一套逻辑套进「做教材」，Diligence 这里额外强调保护敏感数据、核实准确性、检查偏见、对 AI 参与程度保持透明。这节课也是全课唯一直接碰「学术诚信」的地方——📌 学生自己也在用 AI，教育者掌握这套框架，才知道怎么设计出真正促进学习、而不只是防抄袭的评估方式。

课程给了 4 种教材各自的制作流程（每种约 50 分钟走完设置→制作→检查三步）：

① 课堂 PPT：设置阶段讲清楚上课风格、课堂互动方式、PPT 该讲多少/口头补充多少、有没有视觉/机构模板偏好；制作阶段先要大纲、评估逻辑顺不顺/难度合不合适，逐页判断要不要加改，挑一页最关键的一起精修，全程讲清楚「为什么这样改适合我的学生」；最后核实事实准确性、标出还缺的图片/引用、记录 AI 的贡献。

② 复习指南：设置阶段说明学生平时怎么复习、过去哪些复习资料有效/无效、是给学生自己看还是有老师带着看；制作阶段列出必须掌握的核心概念、设计不同难度的自测题、预判常见的误解、串联其他章节的关联知识；最后核对答案准确性、跟评估内容对齐、检查可读性和无障碍性。

③ 课堂互动练习：设置阶段说明教室条件、班级人数、可用时间、平时哪种互动方式对学生有效、具体学习目标是什么；制作阶段一起设计能加强这个主题的活动、规划分组和分享结果的方式、预判学生可能的不同反应、写清楚操作说明和时间安排、准备应对进度失控的备案；最后测试说明是否够清楚、考虑不同学习风格的可及性。

④ 知识检测测验：设置阶段对照学习目标、说明想测到什么理解程度、讨论学术诚信的处理方式（比如要不要允许学生用 AI）、说明是形成性还是总结性评估；制作阶段出 5-10 道不同难度的题、混合题型（选择/简答/应用）、每题对应具体的学习目标、干扰选项要有迷惑性、写详细的答案解析；最后核实答案正确性、检查有没有无意的偏见或误导、确认难度合适、预判学生可能的误读。

常见错误

• ❌ 没先做第 1 节的 Teaching Context 文档，直接跳到课程设计/教材制作——每次都要重新跟 AI 交代一遍背景，产出的东西容易零散、互相不连贯
• ❌ 对 AI 给的课程/教材建议只做「接受」或「拒绝」，没有解释「为什么适合/不适合我的学生」——Discernment 这一步的价值就在这句解释，跳过等于没做评估
• ❌ 把「用 AI 备课」当成从零到一全自动产出（automation），课程反复强调这个场景更适合 augmentation——AI 加强你的判断，不是替你做判断
• 💡 制作学生用的测验/作业时，学术诚信不是「防不防学生用 AI」的问题，是「怎么设计出真正促进学习的评估方式」的问题——这也是这门课唯一直接碰学术诚信的地方，值得多想一层

Sources

官方文档：

1. AI Fluency for Educators（课程总览）— https://academy.claude.com/courses/ai-fluency-for-educators
2. Introduction to AI Fluency for Educators — https://academy.claude.com/courses/ai-fluency-for-educators/introduction-to-ai-fluency-for-educators
3. AI Fluency Framework review — https://academy.claude.com/courses/ai-fluency-for-educators/ai-fluency-framework-review
4. Applying AI Fluency to course design and learning outcomes — https://academy.claude.com/courses/ai-fluency-for-educators/applying-ai-fluency-to-course-design-and-learning-outcomes
5. Applying AI Fluency to learning materials and assignments — https://academy.claude.com/courses/ai-fluency-for-educators/applying-ai-fluency-to-learning-materials-and-assignments