总结：对AI赋能教学的新思考

11月26日，我完成了公开周的“AI赋能”公开课项目。经历了AI赋能教学的种种探索与挑战，我对最终的课堂呈现较为满意。在设计、打磨、授课的流程中，我对AI赋能教学有了更加深刻的思考。谨以此文回应我10月份随想中提出的问题随想：对AI赋能教学的一些思考。

先介绍我在设计公开课的思路。

本次授课内容是选择性必修二第一章第二节《区域发展差异与因地制宜》。主要教授湘教版教材中的“区域发展阶段”（如何用区域发展阶段的理论来解释区域发展差异，还是有一定的迷思，这些问题将会在下一篇随想中详细介绍）。这部分内容讲述了一个区域可能会经历的区域发展阶段，课程的明线是不同区域发展阶段在各个角度上的特定表现，暗线是推动区域发展的原因。在课堂内容推进过程中，要让学生知道要从哪些角度（如产业结构、内部发展差异、人地关系等内容）来评价各个区域发展阶段（区域发展阶段有什么），接着让学生理解推动区域发展的原因是生产力发展和人地关系认识的深化。最后使用案例巩固总结。

面对这样的教学目标，AI该如何赋能教学？我将用几个思考来阐述这个问题。

一、AI赋能教学是什么？

我认为，AI的存在极大地解放了个人的生产力，提升了个人工作效率。AI赋能教学，本质上就是提升教师和学生的效率。但是这个赋能的对象往往是独立的个体，AI的产出一定是个性化的（课堂中各小组操作AI的结果确实各有千秋）。所以，在课前与课后的环节中AI完全可以对单个教师的工作、单个学生的学习进行效率提升，目前学界也有较多的工作路线。然而课中环节，教师面对的是一群学生，是个体面对集体的交互过程，想用个性化的产品来提升群体的目标，似乎难以做到。所以，想要AI在课中赋能教学，最基本要求是完备的硬件设施，保证实现个性化的效率提升。

二、AI如何赋能教学？

AI赋能教学的口号已喊至25年11月，历经近1年的发展，就我个人观察，目前AI赋能教学出现了两大流派。

一派是技术派，通过AI强大的编程能力设计python、HTML程序，为授课学生设计个性化软件辅助学习。在程序设计中将抽象、静态、复杂的概念转化为可视、动态、直观的内容。该流派主要借助AI弥合了教师编程能力的鸿沟，比较经典的课堂就是前段时间华师大附二的《商业区位》公开课，通过设计互动程序，将克利斯泰勒的中心地理论变得活灵活现，让学生在学习时有最直观的感受。

另一派是生成派，通过LLM（大型语言模型）的深度思考能力生成额外的教学内容。目前来看，这一流派追随者众多但水平参差不齐。许多一线教师在设计AI赋能课堂时主要采用AI的现场生成功能，利用LLM生成的内容往往停留在数字人对话、图像生成、视频生成、内容生成上，算是课堂学习的成果展示。但是这些成果展示是否与本节课的教学目标有关，是否真正帮助了学生掌握课程内容？我想大部分的“成果”设计都属于锦上添花（画蛇添足）。

本月的公开课，因为课程内容不太能用可视化的内容呈现，所以无法采用技术派的手段赋能教学，只能采用生成派的手段。但是让学生生成一些成果显然不太合适。在教研组的合作讨论下，我们在生成派原有的实操基础上进行了深入思考。

AI的生成，可以简单分成以下功能：

1.查询：将AI视作一个高级百度，获取信息；

2.思考：利用AI深度思考，反馈人工智能的思维过程，可以当学生思维的脚手架；

3.生成：生成数字人、图片、视频，作为学习成果；

4.评价：对学生课堂自己生成的内容进行评价，并给出指导意见；

5.总结：对本节课教师或学生的生成内容进行总结，作为课后复习整理的素材；

6.验证：在教师设计的前提下，赋予学生真实情境，对学生创意思考进行验证。

7.拓展：为学生提供丰富的课后素材、习题、设想。适合学有余力的同学。

三、AI赋能教学如何实操？

在我的课程设计的课中环节中，我使用了AI的评价、总结、验证这3个功能，摒弃了传统的查询、生成内容，没有融入思考、拓展等内容。这里仅针对评价、总结、验证的生成式课堂的实操进行简介。

• 生成准备。对于技术派，路径比较清晰，本文不加赘述。对于生成派，一般来说要让AI有效赋能，前提是贯穿课堂的，让AI能理解自己是在伴学而非完成指令任务。因此，在进行任何AI生成前，必须让AI了解本节课的意图，在课前输入指令，为整堂课的AI生成有一个确定的背景。保证AI在接下来的对话中不会脱离背景。例如：

• 在评价环节，评价的前提，是要有可供AI分析的电子材料。有两种方式能够在当下传统课堂时间中落实评价。第一，直接利用AI的OCR功能识别学生在纸质学案上的答案；第二，在课堂中，直接安排学生在硬件设施上（如平板）输入内容，即在平板上设计好电子学案。

随后，将内容上传至AI。此时AI是不能有效识别任务的，所以要有明确的指令词。然而让学生上课自行撰写指令词，一是效率低下，二是不能精准有效提问，三是可能会脱离教学目标，教师可以提前准备包含指令词内容的电子学案，可以是固定的指令词，也可以是半开放的指令词，例如：

当然，评价也可以在完成授课后进行课堂总结时进行评价，这里的评价也可以归属于总结环节的一部分。

• 在总结环节，必须在前期至少需要有2个及以上的对话。发出指令后，AI会总结以上所有对话内容。在这个过程中，AI不仅总结知识内容，还包括思维逻辑、评价润色等内容。

  
  

• 在验证环节，教师必须提前设计情境，在学生思考的前提下，对自己的所思所想进行验证。此处的AI指令词一般是半开放性的。然后利用AI在验证的基础上进行拓展，例如：

• 实施呈现。以上所有内容虽然是针对某个小组或某位同学的个性化评价，但是能否实时呈现在课堂呢？利用AI软件多源登录的特征，用一个账号登录多台设备即可实现内容呈现。不同组（人）之间也可以通过“对话记录”实时查看其他组（人）的对话记录，教师可以随时随意调取某个端口的AI赋能结果呈现，实现共同学习。

四、AI赋能教学的利弊如何

经历一个月的AI赋能思考与尝试，我认为从“AI赋能课堂”的角度来看，技术派显然是利大于弊，生成派是弊大于利。下面仅对生成派进行分析。

• 首先学生对AI的认知水平较低。多数学生往往利用AI来查询或生成一些低水平的娱乐内容，满足自己的猎奇心理。在课堂中若不对学生的AI使用加以引导或管理，很可能有部分学生在课堂开小差，不正确使用AI。

  
  

• 其次师生在操作AI时学习成本过高。不正确的提问，不完整的材料、不合理的教学设计都无法获取正确且有效地生成结果，浪费宝贵的课堂时间与精力。很有可能课堂主线会偏离原有的学科教学，进行转向学习如何向AI进行提问或修正。

  
  

• 最后AI的赋能效果不能保证。由于目前仍无统一认可的AI赋能教学设计，不良低效的教学设计会让学生的收获感参差不齐。就我的公开课而言，学生课后反馈自己的收获仅限于AI能润色我的回答。姑且不论润色回答的水平如何，学生能否掌握这些润色后的回答及其对应的能力，尚存疑问。

  
  

总的来说，如果是生成派，使用AI一定要有一个原则：学生的思考先于AI的思考。教师应该统筹AI，引导学生在使用AI前进行深度思考，尽量避免学生形成“AI的回答一定正确，是我的救命稻草”这样的心理预设。唯有如此，才能避免技术反噬教育本质，防止学生陷入“依赖AI、弱化思维、再依赖AI”的恶性循环。

五、展望：AI是隐身的助手

<