持续提升智能时代师生的胜任力。为应对智能时代技术对劳动力就业市场和职业发展前景的冲击，需将培养师生的胜任力置于重要地位，全面提升师生数字化创造力、适应力和生存力。对于学生而言，一是优化学生数字素养与技能的培育机制。有效开展信息科技课程，培育学生数字素养与技能，并建立数字素养测评与监测体系，动态追踪学生成长的进阶数据，准确描绘其数字素养与技能的发展轨迹。二是提升学生自主学习能力。鼓励教师在课堂教学中引入主动学习方案，培养学生自我规划、自我监督、自我评价等自主学习的习惯。三是提升利用智能技术进行学习的效果。人工智能大模型可以在知识获取、自主学习和学习陪伴三个方面发挥作用，帮助学生复习和学习课程内容，为学生提供良好的学习体验，并支持学生对学习时间、任务和过程的管理。对于教师而言，其一，鼓励教师积极探索与应用智能技术。教师对智能技术的应用存在“觉醒—体验—实践—传播”四个境界，需要鼓励教师主动学习人工智能知识和原理，并利用技术优势赋能自身学习和优化教学工作，积极交流分享应用经验。其二，培养教师角色转变的自觉意识。学校需依据教师的个性化需求开展教师数字素养与技能培训，持续提升教师的人机协同教学能力，引导教师关注并承担起对学生进行情感补位与品行培育的角色。其三，开展精准教研，助力教师专业发展。积极利用智能技术采集并分析多类型、多来源、多维度的教育数据，准确了解教师在教学法、学科知识、技术应用等方面的不足，形成有关教学过程的工作总结和分析报告，协助教师开展人机协同式的精准教研，帮助教师更好地了解课堂教学过程，反思教育设计与实践，并促进教学能力的提高。

优化智能产品的学校准入机制。为积极推动智能技术产品在教育教学领域的融合应用，防范其带来的隐私安全、有害内容传播等问题，需要采取相应保障措施，为师生营造健康、安全、绿色的学习环境。一是要建立人工智能教育技术产品的全覆盖、差异化准入审查制度。包括产品分类与风险分级，对各类教育智能产品进行细致梳理与学科划分，并将相关产品使用中所关联的时间、地点、人物、资源、功能、学科等要素进行链条化分析，通过严谨的审查和适配流程，确保相关产品都能顺利融入多元教育场景，精准匹配各阶段师生的个性化教学需求。二是探索全方位、全天候的动态监管机制。包括建立产品的安全性与教育适用性测评机制，开展智能技术产品抽查和日常检查，实行黑、灰、白名单的动态管理办法，以及探索基于应用场景的安全风险预警与应急机制等，做好产品的安全性和有效性评估。三是探索开发具有更高准确度、逻辑连贯性和教育适配性的教育专用人工智能大模型。不断强化伦理检测，减少错误、偏见或不适宜内容的生成，构建安全、合规、合乎伦理的数字教学环境。四是健全智能技术产品校园应用的实践指南体系。教育行政主体、实践主体与研究主体联合研制并出台面向学生成长、教师发展和学校转型的智能技术产品应用实践指南，以差异教学、增强教学、协同教学、知识获取、自主学习、校园赋能、家校互联增强等多元场景为切入点，引导师生合理、合规地使用产品。

有序开展人机协同的教育实践。随着智能技术不断演进及其在教育中的融合应用，人机协同教学已成为未来教育实践形态发展的必然趋势之一，需要鼓励教师积极探索与应用智能技术，更好地在人机协同环境中开展教育实践活动。一是以数字教学法作为人机协同教学的基本理论支撑。需要锚定有效教学与深度学习，以数字环境优化为基础，以数字资源与新技术应用为手段，以学与教的有效实践为目的，在可信赖的数字化环境中聚焦技术赋能和以学习者为中心的学习。二是深化人机协同的教学机制研究。进一步强化人机协同教学机理研究，利用多学科融合与交叉的方法，探寻人机协同教学中的教学行为及“师-机-生”复杂交互规律，丰富人机协同教学的理论体系。并以循证为导向，系统性评估人机协同教学的综合影响，基于证据迭代优化人机协同教学的结构与程序。三是发布人机协同教学实践指南和教学标准。促进教师在学情分析、资源检索、试题生成、教学设计、评价反馈等教学各环节中应用生成式人工智能技术，同时引导学生合理应用智能技术。四是做好人机协同教学经验传播。挖掘人机协同教学促进教育质量提升的典型案例，发挥优秀教师的引领示范作用。基于教师真实需求系统部署相关教师培训，进一步推广先进的、可迁移的、优质的人机协同教学实践经验。搭建人机协同教学交流社群与网络平台，促进教师间的交流协作和资源共享，共同探索人机协同教学新方向。

制定生成式人工智能教育应用标准。为避免引发难以预料的技术风险，保护辨别能力缺乏、有待培养和成长的学习者群体，需要注重技术在教育应用过程中的伦理原则和服务规范，制定相关教育服务标准。一是技术标准。技术标准具有明显的基础性、通用性和先导性特征。相关技术标准包括但不限于以下方面：平台架构需确保系统的稳定性和扩展性；访问入口需保证用户的便捷性和安全性；信息安全需制定严格的数据加密和隐私保护措施；数据交换需采用统一的协议以保证系统间的数据互通；产权管理需明确内容的归属权和使用权限；等等。二是质量标准。质量标准体系应能衡量生成式人工智能平台的价值、效率和效益。相关质量标准包括但不限于以下方面：定期测试和评估模型的准确性与稳定性；确保数据来源的可靠性和多样性；监控生成内容的准确性、相关性和适用性；评估应用效果，确保技术能有效支持教学目标；等等。三是服务标准。服务标准应涵盖技术服务、内容确权、规范指引、问题反馈等方面，规范生成式人工智能在教育领域的应用范围与指引，明确使用范围、对象和场景，提出师生使用指引，并提供详细的操作指南和最佳实践。具体来说，技术服务需包含全天候技术支持和针对相关人员的定期培训；内容确权要明确知识产权归属以防止侵权；规范指引需详细说明系统操作流程和使用规范；问题反馈应设立便捷的反馈渠道，及时响应用户的疑问和建议；等等。

构建大模型技术安全与伦理规范体系。人工智能大模型的规模化应用也可能带来错误或虚假信息传播、隐私与数据泄露、算法偏见与歧视等一系列技术安全与伦理规范的新问题。为规避风险，需要多主体协同联动，共同确保大模型设计、开发和应用的有序合规。一是建立健全监管体系，提升外部监督监管力度。制定并实施相关政策，对大模型的设计开发和应用进行有效引导和管理。保护数据安全和隐私，防止数据泄露、未经授权的访问和其他形式的隐私侵犯。实施数据治理和可信计算，制定严格的数据加密标准，开展常规的安全审计和风险评估。二是增强大模型研发机构和人员的责任意识。从技术发展角度，需要增强人工智能系统设计和应用的可追溯性与决策程序的可解释性，设计透明的算法框架，记录和追踪决策过程，提供详细的算法解释文档。从社会应用角度，需要加强行业自律，采用可信准则嵌入，预防、监测和消除任何形式的歧视与偏见，建立行业标准和自律公约，定期发布透明度报告。三是加强大模型技术使用者的自我约束和应用规范。大模型技术的使用需要遵守数据与网络安全法律法规，合理且负责任地应用技术，避免任何非法或不道德的行为，不以任何形式侵害他人隐私，避免数据滥用。通过内部培训和宣传，提高使用者的法律意识和道德责任感，建立监管和投诉机制。