生成式人工智能賦能學科深度備課

生成式人工智能的誕生與快速發展，對社會與教育的影響是極為深遠的。教育部部長懷進鵬近期在會議上強調，將加強教師隊伍建設，把人工智能技術深入到教育教學和管理全過程、全環節，讓青年一代更加主動地學，讓教師更加創造性地教[1]。黎加厚等學者認為，生成式人工智能的應用應超越工具性，成為教育新質生產力的關鍵要素，其著力點應在于催生生成式探究學習，從而有效培養學生的批判性思維、創新思維以及應對不確定性世界的獨立思考能力等[2]。

掌握生成式人工智能大模型的交互方法容易，但要用好、用深，絕非一日之功。如何才能從淺層應用走向深層應用？按照整合技術的學科教學知識（TPACK）理論框架看，生成式人工智能賦能備課的實質是將學科知識、教學法知識和技術性知識這三者有機整合起來[3]，促進教與學的創新變革。鑒于此，本文從生成式人工智能賦能學習理解的視角來談生成式人工智能的深度應用，即如何深度備課以促進學習理解的發生。

一、生成式人工智能賦能備課的現狀

（一）“為我生成”多，“伴我生成”少

大部分教師應用生成式人工智能趨向于“拿來主義”，寄希望憑借提示語一步到位，如“請幫我設計一篇關于韓信點兵的算法教學方案，面向六年級學生，字數不少于1000字”。這種一鍵生成的教學設計，效果往往不盡如人意，原因在于：一是大模型缺乏學科教學領域的最新優質數據的訓練；二是生成式人工智能的生成也依賴于問題解決的具體背景（如教材、策略集、教案范本等），否則其生成結果就會缺乏針對性。因此，不是天模型乏力，而是應用思路要從依賴型變為建構型，從“為我生成”變為“伴我生成”，從“機器包辦”變為“人在回路”，才能達到備課的真正深度。

（二）用于教的素材多，探索學的模式少

備課，要備什么？是不是使用生成式人工智能助力搜集素材、打磨工具、完成PPT，就足夠了？目前來看，教師以學生為中心的教學理念還沒建立起來，尚未在學生學習如何面向未來、如何涵養素養等方面進行深人思考。那么，生成式人工智能就還只是輔助教的工具，而非教學新質生產力的關鍵要素。教師的心智模型與新時代教學理念缺乏聯結點，其應用就很難走向“人工智能 + 教學”的新境界。

（三）單點應用多，系統優化少

對于生成式人工智能，一線教師常囿于單點應用，如構思一個生活情境、編寫一段范例程序等。這種“零敲碎打”的嘗試，未能通盤考量生成式人工智能的功能，因此無法將其功能作為整體與教學有效整合。人工智能賦能備課要產生撬動力，還需要從大觀念教學、大單元教學、教學評一致性、元認知提升等多個角度，對教學設計進行有層次性的系統優化。

二、生成式人工智能賦能備課的新思路

生成式人工智能賦能備課的終極目標是實現“學的成長”。因此，教師在備課時需要思考兩個關鍵問題：什么是“學的成長”？生成式人工智能可以在哪些方面助力“學的成長”？

（一）持續性問題解決對于成長的意義

從素養視角看，“學的成長”是一種對于觀念、學的方法、價值觀及自我認知的立體式獲得。成長依賴于“做中學”，即依賴于持續性的問題思考與解決，它會與一連串復雜的感性知覺、情感、希望、欲望以及調節思維的精神活動聯系在一起[4]。進一步地說，問題從產生到解決，往往不是一蹴而就的，在問題解決中再發現新問題或拓展原問題，從而引發新的問題解決過程，這是一個迭代深化的過程。在此過程中，學生的經驗得以調用、思維得以活化、動機得以增強。同時，學的方法、情感價值觀及對自我的認知，都會同步累積或升華，實現“做事成人”。

（二）人工智能賦能持續性問題解決的落腳點

生成式人工智能賦能深度備課的突破口在于，以學生為主體的持續性問題解決。這主要包括三個層面：為問題的發掘賦能、為問題解決的“做中學”賦能、為學習的自我認知賦能。

“為問題的發掘賦能”主要解決“化學為境”的問題，即將陳述式的教材文本轉化為問題式的場域情境；“為問題解決的‘做中學’賦能”主要解決“化學為做”的問題，即如何沿著關鍵問題，為學生提供支架與實驗工具，讓學生以“做”的方式探索問題解決之道；“為學習的自我認知賦能”主要解決“化學為智”的問題，即學生對學的結果、學的方法、學的思維的反思與改進。這將提升學生的元認知水平，養成一種評估與引導自我學習的能力。

三、生成式人工智能賦能備課的策略

（一）六層迭代：為問題的發掘賦能

如何將教材內容轉化為關鍵問題，是備課的重中之重。但提問不是將陳述句改為疑問句這么簡單，而是需要指向意義聯系和難點突破。教師只有自身先達成深度理解，才能基于學生的認知邏輯，將教材內容轉化為促進他們學習的問題。

1.人工智能賦能的深度理解

（1）生成實例的概念理解。這包括以下兩個方面的轉化。一是將概念轉化為實例。教師舉出與概念對應的例子，再用生成式人工智能將描述性例子轉化為網頁、程序、素材等實例，進而基于實例的特征內化對概念的理解。二是將實例轉化為概念。教師使用系統截屏、現場拍照等方法獲取教學場景圖，通過開放式、收斂式、聯想式等方式構造提示語，如“這個場景中有哪些人工智能技術可以挖掘”，從而通過場景識別、推理生成等來反向提取概念（如圖1）。

（2）生成比較的關系理解。如果說生成實例的概念理解，指向的是概念本身的內涵，那么生成比較的關系理解，則指向了一個概念和其他概念在內涵上的聯系與區別，即不以孤立的方式理解概念，而是要打破鄰近概念、相似概念、天小概念在大腦中各自為政的存儲模式，主動構建起概念間的意義聯系。比如，與生成式人工智能討論“圖像編碼與音頻編碼有相同的本質嗎”。

（3）生成反饋的自知理解。生成式人工智能可以扮演反饋器的角色，對教師的理解進行評價，促進教師對理解程度的自我認知。例如，教師輸出對教材的理解（文本），讓人工智能來剖析亮點、不足與建議，實現一對一式的診斷反饋。

2.人工智能賦能的問題挖掘

（1）以解題邏輯生成問題。每節課的學習可被視作對一類問題的解決，這包括起始狀態、目標狀態以及由子目標和操作應用所構成的解決問題的路徑[5。教師要明確解決問題的路徑，即由起始至目標達成所經歷的一系列思考。當然，教師也可以將問題與結果拋給人工智能，讓其以問題鏈的方式補全中間需要思考的關鍵問題，如“從韓信點兵的情境到同余法的代碼實現，需要經歷哪些關鍵性思考，請列出5個要思考的問題”

（2）以認知邏輯生成問題。簡單地說，就是要把教師思考問題的邏輯轉化為符合學生認知邏輯的問題鏈。這就需要教師充分考慮起點、難點、遷移關聯點等要素，構造一種能夠關聯新舊知識并促進學習進階的問題序列，以問題序列促生思維鏈。教師可將設計要素作為提示語的參數，如“根據同余法的算法教學（韓信點兵情境），僅設計6個關鍵性的問題（要簡潔），要考慮：學生為六年級，已學過篩選法，導人要聯系已學（指出不足），第6個問題要關聯篩選法與枚舉法”。

（3）以啟問邏輯生成問題。從教師提問過渡到學生參與提問，再到學生主動并持續性地提問，這是深度教學的訴求。如何將教師提問變為學生自己發現并提出問題呢？這就要將教師的提問行為轉化為教師呈現新穎、差異、異常、極端的現象，或揭示矛盾點、沖突點、痛點等事實，讓學生產生好奇心與探究欲，促進學生的察缺生問、疑象生問、猜想生問、聯結生問和質疑生問。

教師可借助以上提煉的核心觀點，從解題邏輯、認知邏輯和啟問邏輯多輪接力式地詢問人工智能，并以上一輪生成的問題作為待處理的背景數據，探索啟發式問題的設計（如圖2）。

（二）利器拓用：為問題解決的做中學賦能

教師先行理解概念是第一步，引導學生理解概念則是第二步。學生的理解過程會與教師的理解過程相似，但教師需要充分考慮學生的特點，并構造“做中學”情境，為他們的理解做好必要的支撐。其中，關鍵性思考有：用怎樣的一款工具（學件）揭示問題指向的概念或原理？以怎樣的實驗單為學生提供實驗的猜想、記錄和結論推導？該用怎樣的問題讓學生提出實驗猜想、構思求證方法和推導實驗結論？

1.生成工具賦能學科實踐

生成式人工智能強大的源代碼生成能力，為教師打造學件提供助力。經過定向聯想、人工智能生成、手工精調三環節，教師可借助人工智能生成Python、HTML、Scratch等格式的學件。

（1）定向聯想：概念具象為實例文本

將抽象的概念轉化為實例，其目的在于，讓學生從可感知的實例出發，經歷從具體到抽象的認知過程。教師要從概念的內涵出發，從學生的生活經驗中選取實例。兼具意義感與共鳴感的實例，能助力學生的觀察與感知。因此，教師構思的實例要具備指向概念內涵、基于生活經驗、實驗效果顯著的特征。例如，針對“數據編碼”教學，可聯想到圖書錄人與借閱的實例；針對“系統的組成”的教學，可聯想到生態魚缸系統的實例；針對“GET與POST”概念教學，可聯想到體育比賽報名網頁實例；等等。

（2）人工智能生成：實例文本轉化為學件

將實例文本轉化為程序，需要把握以下三個要點：一是明確輸出格式，并依據構思的實例明確開發的工具，即生成的源代碼需要在哪款可編程工具中調試；二是構造提示語，將大任務逐一分解，用結構化的提示語將描述式的實例轉化為可執行的源代碼；三是調試源代碼，打包為交互式學件，檢驗其可用性，驗證其效果是否顯著。

例如，為實現學生對“分布式計算”概念的理解，筆者構思了以“《三國演義》小說中人物出現頻次統計”為情境的Python程序，并讓生成式人工智能選用一種低效率的算法一一逐字匹配算法，以求得實驗效果的顯著性。然而經實測，4臺并發計算耗時比單機運行還多。這主要是因為總計算任務過小，而分布式計算卻因網絡傳輸產生較多耗時。怎么解決這個問題，從而讓該實驗凸顯分布式計算的效率優勢呢？在筆者的多輪詢問下，生成式人工智能給出了“小說的情感計算”的方向。最終，通過增加計算任務“用jieba庫負責分詞與詞頻統計”“用HowNet正負情感詞典進行情感分計算”（如圖3），使4臺分布式計算（i5/8G/64位/100M交換機）的平均時長為4.259秒，明顯小于單機獨立計算的耗時（6.318秒）。

上述打磨學件的實驗，展現了生成式人工智能賦能備課的無限可能性，也給予教師重要啟示：即便是邏輯上已完美自洽的設想，也需要經過實踐的驗證與修正。在生成式人工智能的加持下，這種未雨綢繆的學件“智制”，既會增強學生實驗探究的成功體驗，又促進了教師自身對關鍵概念的深人理解，厚植了探究未知時實事求是的實驗精神。

（3）手工精調：以建構性調校學件

人工智能生成的學件屬于初代產品，還需要根據以下原則加以優化。一是容易上手。不求工具的大而全，而追求現象與概念原理的對接。學件的界面要簡潔、操作要簡便，避免因工具使用的復雜性而讓學生頻繁“踩坑”。二是凸顯探究性。開發的學件要能夠與學生交互，能將需要理解的計算過程顯現出來，有助于學生理解計算的內在邏輯，突破對關鍵概念與原理的理解。三是留白。提供“半成品”工具，將“完善工具”與“用工具探究”結合起來，使學生“知其然，知其所以然”。四是單元整體設計。學件應“一境到底”，實現單元學習的情境貫穿，但又要以變式靈活應對單元內各課內容的變化。

例如，用人工智能生成的“生態魚缸”學件游戲腳本，就以單元核心概念與跨學科為視野，將信息科技學科要理解的系統特征、系統要素與結構等概念，與生物學知識進行有意義的“聯結”。在學件中，學生需要拖動小石子、水草、魚等要素，以構建魚缸系統；生態魚缸插電后，學生需要解決“缺氧”“水質混濁”“水溫太低”等問題，以控制魚缸生態系統實施模擬養護，促進學生對系統中各要素關系的理解（如圖4）。此外，盡管“魚缸”情境貫穿整個單元，但為避免單調，教師引入了變式，三節課的學件分別是“點亮魚缸的聯想”“生態魚缸的構成”“觀察魚缸的思考”，從而適應不同內容和不同梯度的教學。

2.生成實驗單賦能學科探究

如果說學件是實驗教學的探究性工具，那么實驗單則是概念與原理的探究性框架、記錄性工具和深化思維的載體，為探究提供框架性和推導性的學習支持。實驗單的生成是一個較為復雜的過程，可將其拆解為鎖定概念、依版生成和人機同驗三個關鍵步驟。

（1）鎖定概念，智搜情境實驗教學的目的在于讓學生重新發現知識，（3）人機同驗，迭代改進

什么樣的實驗單是科學的？什么樣的實驗單是能激發好奇心與探究欲的？教師需要對人工智能生成的實驗單進行評估與檢驗，并以提示語的方式再反饋給人工智能，要求人工智能從教師的角度審驗實驗單。

其一，一致性檢驗。看實驗假設、實驗過程與實驗結論是否一致，是否圍繞實驗目的或聚焦關鍵概念展開，分析實驗過程能否求證猜想，實驗記錄的數據能否得出結論。

其二，趣味性檢驗。趣味性不僅在于營造異常、矛盾、反差、意外的情境，還體現在實驗單上文字的可讀性與吸引力。實驗目的、實驗猜想、實驗過程記錄、實驗結論等文字應通俗易懂，但也不能丟失要強化的舊概念和要理解的新概念。

自主探究與建構未知。因此，實驗單的設計應牢牢聚焦學科概念或原理，將它們還原至學生觸手可及的實驗情境中。這里所說的實驗情境，不僅指用文本描述的情境，還指支持硬件搭建、程序探究、虛擬仿真等方式的“做中學”情境。

例如，針對六年級“或運算”概念，教師可以用“草莓天棚啟動風扇的任意兩個條件”這樣的提示語，要求人工智能搜索符合現實的情境，提供更為精細的閾值參數（如溫度 $＼geqslant 2 8 ＼ { ^ ＼circ } ＼mathrm { C }$ 或濕度 ? 8 0 % ，一般需要借助通風實現降溫、除濕）。

（2）依版生成，智制實驗單

盡管每課的實驗內容不同，但實驗單的基本結構與要素相同，一般都包括實驗目的、實驗猜想、實驗過程及實驗結論等內容。在確定實驗探究的關鍵概念、確定實驗情境的基礎上，教師可借助大模型的模式識別、長鏈推理和自然語言生成的能力，通過上傳實驗單為樣板，讓人工智能依樣制單。比如，教師以“與運算”實驗單為樣板，要求人工智能結合新情境設計實驗單，并完成數據記錄的試填寫。

其三，容量與難度檢驗。實驗單需要學生在課堂上完成，這就不得不考慮其耗時問題。若一項實驗耗時15分鐘，減去實驗前后的引導和反饋，學生實際動手操作的時間可能僅剩10分鐘。在有限的時間內，學生能否獨立或合作完成實驗探究、數據記錄和結論推導？教師需要評估實驗單填寫的數量、填寫的文字容量以及學生動手觀察與思考所需的時間，做好容量與難度評估。

從深度學習的視角看，學生不應成為實驗探究中的操作者，而應成為實驗探究的參與設計者和深度理解者。因此，在完成實驗單設計的基礎上，教師可進一步利用人工智能構思三類問題：一是激發實驗猜想的問題，二是引導思考“如何驗證猜想”的問題，三是深化結論理解的問題，以此促進學生開展深度實驗探究。

（三）煉思成智：為學習的自我認知賦能

反思是促進深度教學發生的必要環節，但反思并非“有”就行，而是要追求反思的質量。教師備課時，不僅需要為學生的反思提供時間，還要指明反思的方向、結構和內容，甚至要關注對反思的反思，引導學生持續深入地思考，不斷迭代進步，實現“煉思成智”。

1.人工智能自評表，促結構化反思

心理學研究表明，讓學生監控自己的行為并評估學習能力，會增強他們的自我效能感，促使他們自我調節學習[。因此，教師要充分重視每節課學生對學得怎樣的自我評估，既要體現自主性，也要體現反思的結構化。若要讓人工智能生成自評表，不僅需要上傳實驗單作為背景資料，也需要構建結構化的提示語（見表1），以生成更為適切的自評表。

2.以人工智能為“鏡”，照出亮點與盲區

以人工智能為“鏡”，學生能從被動記錄反思轉向主動鍛造思維，實現認知升華。在此過程中，學生能夠以一種更開放、更自由、更個性化的方式梳理內心活動，涵蓋五方面：內容理解、概念聯系、方法感悟、思維提煉及學習困惑與好奇。

例如，在教學篩選法后，教師可引導學生用簡潔的語言概括學習心得，并尋求人工智能的建議，以增強自我獲得感、深化對自身思維的認知，實現學科思維的深化與相似實踐的拓展（如圖5）。面對人工智能的反饋，教師應引導學生細致審閱，既不輕視，也不盲從，深人剖析學習過程中的思維疏漏與認知偏差，進而重新評估學習方法的有效性，拓展認知理解的深度與廣度。

提示語：我是一名小學六年級學生，我對篩選法的算法進行了思考，請給出亮點與不足，并提出一點小建議，以鼓勵為主，以下是我的感悟：我覺得篩選法與枚舉法有點差不多，篩選法也是需要一個個去判斷的，只不過每一層它的判斷范圍在不斷地縮小。

人工智能賦能備課的關鍵在于教師創新的動機和對人工智能的認識與態度。教師既不應仰視人工智能，也不應俯視人工智能，而是要將其視為一種新智能，以平等的視角客觀對待。人工智能與教師的能力應有機結合，既要充分發揮人類現實生活經驗豐富、熟知學情以及具身實踐的洞察力等優勢，也要發揮人工智能海量知識庫、長思維鏈推理以及不知疲倦生成內容的優勢，在二者優勢互補的基礎上重構備課模式，激發師生的創造力與反思力。但是，值得反向思考的是：人工智能賦能備課，是否會產生思維依賴，造成教師的思維惰性？這種擔憂不無道理，但關鍵還在于教師自身能否站在智能巨人之肩，秉持“更上一層樓”的育人初心。

參考文獻

[1]林煥新，高毅哲，厚植人民幸福之本夯實國家富強之基[N].中國教育報，2024-03-10（1）.

[2]黎加厚，牟艷娜，邁向生成式人工智能時代的教學行動[J].中小學數字化教學，2024（4）：27-32.

[3]KOEHLER M J， MISHRA P. What is Technological Peda-gogical Content Knowledge？[J].Contemporary Issues inTechnology and Teacher Education，20o9（1）：60-70.

[4]懷特海.教育的目的[M].徐汝舟，譯.北京：生活·讀書·新知三聯書店，2022：4.

[5]戴爾·H.申克.教育視角下的學習理論：第7版上[M].周宇芬，譯．上海：華東師范大學出版社，2022：329.

[6]戴爾·H.申克.教育視角下的學習理論：第7版下[M].周宇芬，譯.上海：華東師范大學出版社，2022：514.

（作者系浙江省寧波江北區教育局教研室信息科技教研員、正高級教師，浙江省優秀教研員，浙江師范大學兼職教授）

責任編輯：牟艷娜