EP04. "AI Fluency for pK–12 Educators：给中小学教育者的 4D 框架实战"

首页 › AI 工具 › Claude · AI Fluency Collections · EP04

约 17 分钟· #EP04#Claude#AI Fluency Collections

这门课不是 Anthropic 一家出的——是跟美国教师培训组织 Teach For America（专注培养教育领导者、缩小教育机会差距的非营利组织，校友超过 7.2 万人）合作开发，课堂案例、教学法把关、试讲收反馈都是 TFA 团队做的，官方标注针对 pK-12（学前到高中） 一线教师的实际需求和顾虑设计
Anthropic Academy「AI Fluency」系列面向中小学教育者的专属课程，10 节课 + 1 测验，约 3 小时，是这系列篇幅最长的分支课之一，唯一一门专门开一整节课讲 AI 伦理与数据合规（FERPA）
全程贯穿一份不断叠加的个人背景/价值文档：第 3 节先建「Context Document」，第 7-8 节扩写成「Personal Value Document」（Intentions/Principles/Boundaries 三段），最后一节直接拿这份文档指导设计一个真正解决自己教学痛点的东西
前置知识：不需要，课程内建了动手用语言模型的环节（claude.ai 免费账号即可），适合完全没系统学过 AI 协作框架的一线教师

重点内容

4D 框架 + 两个循环，跟教学技能对得上

这门课把 4D 拆成课程里反复用到的两个循环，并且直接点名它们分别对应教师已经会的技能，降低学习门槛：

循环	包含	对应教师已有的技能
Description-Discernment 循环（日常互动）	Description（讲清楚要什么）+ Discernment（挑判断产出好不好）	Description 很像写教案（定产出/步骤/成功标准）；Discernment 很像批改学生作业和评审课程材料
Delegation-Diligence 循环（高层决策）	Delegation（决定该不该丢给 AI）+ Diligence（为怎么用 AI 负责）	决定「该交给谁做」和「谁对结果负责」，教师在排课/分组时天天都在做类似判断

建 Context Document 的四步实操（第 3 节课，贯穿全课的第一份文档）：

价值澄清（5 分钟自问）：最想让学生通过自己的教学变成什么样的人？自己最有野心的课堂目标是什么？哪些目标一旦被 AI 用得不小心反而会被破坏？AI 能帮自己腾出时间做哪件更有价值的事？
AI 访谈：把第 1 步的笔记分享给 AI，让 AI 反过来采访自己的角色、学生特点、限制条件、目标、用 AI 时看重的价值观（⚠️ 强调不能透露能识别学生身份的细节）
整合：AI 把对话整理成一份可复用的背景文档，价值观放最前面，然后是角色/学生/目标，自己审阅修改后存起来
框架映射：回头标注文档里哪些价值观/顾虑/目标分别对应 4D 里的哪一个

AI 能力与局限：「戳边界」实测练习

这节课不只是背「幻觉/知识截止/上下文窗口/推理短板」这几个局限的定义，而是设计了一个叫 Testing the Edges（戳边界） 的实测练习，挑一个自己熟悉的教学主题，做三项测试：

多面向测试：让 AI 在同一个回答里，分别用二年级学生、七年级学生、新手教师三种对象的语言解释同一个主题，检查对象适配度和难点讲解是否到位
幻觉测试：让 AI 推荐 2-3 个具体的教学资源（书、视频、课纲），自己动手核实至少一个是不是真实存在
知识截止 + 推理测试：问一个跟时效/在地相关的问题（比如当前的考试周安排、最近修订的课标），看 AI 有没有老实标注「这可能过时」，还是把旧信息讲得像是最新的；再测一下 AI 有没有能力纠正一个常见的误解

📌 「效果最好的用法是人和 AI 各自发挥强项——批判性思考、判断力、创造力、伦理把关这些 AI 补不了的，还是得靠人。」

Description-Discernment 循环落地：做差异化教材

第 6 节课用一个虚构案例——七年级科学老师 Ms. Okafor——示范怎么把 Description-Discernment 循环用在「给程度不同的学生做差异化教材」这件具体事上：先起草一份分层的说明文本，再用自己的学科专业知识评估、修改 AI 的产出，反复迭代几轮，才把一份泛泛的初稿磨成能直接进课堂用的材料。

📌 「第一版 prompt 很少能一次到位；靠每一次回应教会你的东西去改。」

评估 AI 产出用的 Discernment Checklist（做教材前必查）：

学科内容是否准确
阅读难度是否合适，关键词汇有没有配上足够的支持
是否跟预定的学生活动和课程进度对得上
会不会对某些学生群体产生负面影响

实操练习（差异化教材挑战）：

Description 阶段：挑一个真实的教学需求（带讨论题的朗读、分层课文、数学学习站、视觉辅助、练习题、活动角……），Description 里要写清楚：对应哪条课标/学习目标、班上学生的多样性、至少一个具体的差异化需求、学生最终要怎么用这份材料
Discernment 阶段：把 prompt 丢给 AI，拿上面的 checklist 逐条检查产出；写一条具体到细节的修改指令（不是泛泛地说「再好一点」），对比修改前后的差别
进阶目标：把修改后的材料做成能直接发给学生的成品——说明、目标、支架、理解检查都要有，反复走 Description-Discernment 循环直到达到专业标准

Ethics & Responsible AI Use：全系列唯一专讲数据合规的一节

这是「AI Fluency」系列里目前唯一直接点名法规的一节课，围绕 Delegation-Diligence 循环 处理「学生数据」这个中小学场景特有的高风险问题：

📌 数据保护规定同样适用于 AI 工具——像美国的 FERPA（家庭教育权利和隐私法）这类规定，只有学区批准过的工具才能拿来处理学生信息；很多灰色地带政策没有明确说法，责任落在教师自己的专业判断上。

六个常见的伦理张力（练习要求从中挑 1-2 个跟自己教学最相关的）：

依赖：AI 用多了，学生该自己做的思考被替代掉
去社会化：AI 挤掉了本该发生的人与人互动、关系建立
偏见：AI 可能强化刻板印象或既有的不平等
学生能动性：AI 该由谁来决定怎么部署，学生有没有话语权
访问公平性：谁能用得上、谁被排除在外
环境影响：AI 运算背后的能耗和计算成本

实操：写三句「个人承诺」：① 明确列出哪些决定绝对不会交给 AI（比如最终评分、涉及关系的反馈、高风险评估）；② 定义在什么情况下 AI 真正有用、又不会加重上面挑出的张力；③ 写清楚遇到不确定该不该用 AI 时，自己会走什么流程去判断。

AI「性格」差异 + 把 Context Document 升级成 Personal Value Document

第 8 节课先讲不同 AI 模型有不同的「个性」，适合的教学任务不一样，值得针对任务挑模型，不是只用一个模型打天下。真正的重点是把第 3 节建的 Context Document、加上第 7 节伦理练习的内容，一起整合升级成一份「Personal Value Document」，固定三段结构：

Intentions（意图）——想用 AI 达成什么
Principles（原则）——用 AI 时坚持的判断标准
Boundaries（边界）——绝对不会让 AI 碰的事

📌 「AI 不是教学法本身——你才是。写清楚的价值观，能让你一直坐在驾驶座上。」文档做完鼓励找一位同事互相分享比较——不是找认同，是观察「同样是教师，为什么价值观写出来不一样」，背后是情境和角色的差异。

每年至少做一件事维持敏捷度：课程给了具体例子——固定关注可信的研究者/教育工作者、每学期回顾一次学区最新指引、找同事讨论 AI 实施情况、拿到新工具先在低风险场合试用。

Tying It All Together：一次走完全流程 + 结课设计练习

第 9 节课要求挑一件 1-2 周内真的要交的工作，把 4D 完整走一遍，并且全程记录：怎么写 prompt、改了几次、产出哪里好哪里差、哪些内容留用/改动/丢弃（连同理由）、哪些贡献只有教育者自己能提供、最后愿不愿意署上自己的名字（Diligence 的归属判断）。

📌 三句话总结这节课的立场：「你要一直留在这个循环里——AI 做完不代表工作『完成』了」「这里练的技能是掌控整个过程，不是掌控某一次产出」「4D 用熟了之后，会变得『看不见』（不再是刻意套用的步骤，而是自然而然的工作方式）」。

第 10 节（结课）延续同一个逻辑，但换成「设计一个解决自己教学痛点的东西」——用「我希望 ___ 存在」「我花太多时间在 ___ 上」这类句式挑问题，做出第一版后照样拿 4D 逐项检查：Delegation（哪部分必须保留人来做）、Description（目的和对象讲清楚了吗）、Discernment（真的解决原本那个问题了吗）、Diligence（能不能拿给学生/同事看）。📌 4D 框架「是一个循环，不是一条直线」——从 Delegation 走到 Description，回头调整 Discernment，再回来改 Delegation，是常态，不是流程走错了。

常见错误

❌ 拿学生个人信息或能识别身份的细节喂给 AI（不管是建 Context Document 还是分析学生数据）——课程反复提醒，AI 工具同样受 FERPA 这类数据保护规定约束，只能用学区批准过的工具处理学生信息
❌ 把「幻觉」当成偶发小毛病，AI 说得越自信就越信——Testing the Edges 练习的设计前提就是「AI 说错的时候往往听起来跟说对的时候一样自信」，必须动手核实
❌ 用 Discernment Checklist 检查教材时只看「内容对不对」，漏了阅读难度、对特定学生群体的潜在负面影响这些同样在清单里的项目
❌ 六个伦理张力（依赖/去社会化/偏见/学生能动性/访问公平性/环境影响）挑不出跟自己教学相关的，就跳过不写个人承诺——课程要求至少认真挑 1-2 个，不是走过场
💡 AI 做完不等于工作完成——教师仍然要留在循环里做最后的判断和署名决定，这是 Tying It All Together 这节课反复强调的核心

Sources

官方文档：

AI Fluency for pK–12 Educators（课程总览）— https://academy.claude.com/courses/ai-fluency-for-k-12-educators
How this course was made — https://academy.claude.com/courses/ai-fluency-for-k-12-educators/how-this-course-was-made
Welcome to AI Fluency for educators — https://academy.claude.com/courses/ai-fluency-for-k-12-educators/welcome-to-ai-fluency-for-k-12-educators
The 4D Framework — https://academy.claude.com/courses/ai-fluency-for-k-12-educators/the-4d-framework
Explore! — https://academy.claude.com/courses/ai-fluency-for-k-12-educators/explore
AI capabilities and limitations — https://academy.claude.com/courses/ai-fluency-for-k-12-educators/ai-capabilities-and-limitations
Creating high quality AI outputs in your teaching practice — https://academy.claude.com/courses/ai-fluency-for-k-12-educators/creating-high-quality-ai-outputs-in-your-teaching-practice
Ethics & responsible AI use — https://academy.claude.com/courses/ai-fluency-for-k-12-educators/ethics-responsible-use
AI's constitution, pedagogy, and you — https://academy.claude.com/courses/ai-fluency-for-k-12-educators/ai-s-constitution-pedagogy-and-you
Tying it all together — https://academy.claude.com/courses/ai-fluency-for-k-12-educators/tying-it-all-together
Closure and enrichment — https://academy.claude.com/courses/ai-fluency-for-k-12-educators/closure-and-enrichment