大語言模型賦能教師課堂提問：困境、方法和案例

中圖分類號：G420 文獻標識碼：A 文章編號：2095-5995（2025）02-004-10

近年來，中共中央、國務院發布《關于全面深化新時代教師隊伍建設改革的意見》《關于弘揚教育家精神加強新時代高素質專業化教師隊伍建設的意見》等重要文件，均突顯了對教師教學技能提升的重視[1][2]。課堂提問是高級的教學技能，具有思維啟迪性的課堂提問是促進學生認知發展的腳手架，也是提高教師教學組織重要工具[3]。以往的課堂提問受教師主觀影響較大，多依靠教師自身專業素養和教學實踐經驗，新手教師難以快速達到熟練、有效、準確的課堂提問層次，甚至熟手教師也難以避免課堂問題出現不準確、不規范、目的性不強等問題[4][5] U

大語言模型（LargeLanguageModel）是新一輪科技產業革命的重要技術支撐，是教育領域創新發展的新引擎。大語言模型以自然語言交互為基礎，具有深層語義解析能力和自然語言生成能力，能夠幫助教師生成連貫性強、邏輯性通的課堂提問，在優化教學提問、引領教師向優質提問型教師發展上提供有力支持。當前，大語言模型賦能教師課堂提問正在起步階段，因此相關研究較少。鑒于此，本研究聚焦“大語言模型如何賦能教師課堂提問”，基于“現實困境、方法探尋、案例展示”的研究路徑，剖析大語言模型與教師課堂提問的深層聯系，同時結合文獻研究，提出利用大語言模型提升教師課堂提問層次的方法和案例。

一、教師課堂提問現實困境

課堂提問作為教師教學活動中的核心組成部分，貫穿于整個教學過程，是教師通過精心設計的激發學生思考、促進知識理解和應用能力發展的關鍵途徑。相關研究揭示了課堂提問的深層價值取向，特別強調了問題層次建構與核心素養培養之間的協同關系[6]。從角色與知識傳遞的視角，師生課堂提問主體轉向的機理進一步凸顯了提問在教學互動中的橋梁作用[7]。目前，針對教師課堂提問的研究已有廣泛結論。在課堂提問類型方面，有研究根據認知層級劃分出了識記型提問、應用型提問和評價型提問等[8]，也有研究從提問目的的角度出發，將提問類型分為常會管理性問題、記憶性問題、推理性問題、創造性問題和批判性問題等[4]]。

學者們對課堂提問的功能認知經歷了顯著演變過程。起初課堂提問被視為簡單的檢查工具，其重要性未得到充分認可[9]。但隨著建構主義的傳播熱潮，課堂提問作為思維激活工具的價值逐漸凸顯[10]。國外有研究系統歸納了課堂提問的18項核心功能，涵蓋了發現學生知識的漏洞、檢查學生知識的掌握度、吸引學生學習的注意力、促進學生能力發展等多個方面[1]。在此基礎上，后續研究進一步提煉出課堂提問的多重功能，如評估反饋、促進師生交流、課堂管理、教學組織等[12]。國內實證研究表明，優質提問策略不僅能從激發思維能力、促進主動學習、發展批判思維等維度優化課堂生態[13]，還在學生核心素養培養、學習過程引導、遞進思維發展等方面具有顯著作用（見表1）[14]。由此可見，教師課堂提問不僅受到了學者的廣泛重視，其多功能性也得到了教育界普遍認可。

課堂提問作為教學互動的核心機制之一，其理念定位、問題結構、認知層級及反饋策略共同構成教學效能的關鍵作用框架[15]。然而，現有實踐在理念轉型、結構優化、學情適配和理答反饋等維度存在矛盾，這種矛盾既體現為問題設計對教學目標覆蓋性不足，也表現為提問反饋路徑對學生認知激活有限，折射出工具理性與素養導向之間的博弈。

（一）以教師為中心的課堂提問理念亟需改變

教師課堂提問理念的形成根植于教師的教育價值取向、專業素養及教學經驗，該理念不僅作為課堂教學的理論基礎[16]，也直接影響整個課堂活動環節的設計與實施。當前，課堂提問存在主體、認知、思維三重失衡。一是課堂提問主體的權利傾斜。教師作為課堂提問的主導者充當著“知識權威”的角色，而固守傳統的“教師提問-學生回答”模式使本應作為“學習主人翁”的學生鮮有主動發問的機會。二是教師對有效提問的認知薄弱。一方面，教師對課堂提問的類型使用場景理解模糊，例如，教師易將封閉性問題與開放性問題兩者錯配，導致開放性問題被簡化為事實性應答，封閉性問題則機械套用于激發高階思維的環節，削弱了課堂提問的認知激活價值。另一方面，教師將提問固化為知識檢測與紀律管理工具，忽視其激發學生深度思考的教育價值。三是教師提問層級的扁平化局限。在不同教學情境下，教師課堂提問仍然傾向選擇淺層、單一的提問形式，多停留于記憶和理解等低階認知層面，缺少分析、綜合、評價等高階問題，制約學生創新能力培養。究其根本，教師對“問題意識培養”與“認知腳手架搭建”的認知薄弱，亟需確立以學生為中心的提問理念，推動課堂提問由“知識權威控制”向“思維發展賦能”轉型。

（二）教師亟需加強課堂提問的結構設計

課堂提問的結構序列化設計需遵循認知進階規律。在教學論視角看來，教師課堂提問序列作為教學互動的核心要素，本質是通過結構化問題鏈搭建認知腳手架[17]，引導學生思維從低階向高階躍遷。這種結構化設計包含雙重向度：宏觀層面要求匹配學科知識體系的結構特征，依據單元知識圖譜的內在邏輯，通過問題鏈實現知識整合與思維進階；微觀層面則需強化問題系統內部各要素之間的邏輯關聯，形成具有內在一致性的認知框架。

然而，當前教學實踐存在教師提問結構序列性差和問題內容淺層兩大突出問題。其一，點狀提問割裂知識體系。課堂提問拘泥于單個知識點呈現碎片化特征，問題之間缺乏邏輯聯系、序列編排未遵循認知梯度、機械套用固定模版等[18]。其二，低階設問阻滯思維發展。部分教師慣用判斷句，諸如“是不是”“對不對”等二元化設問。此類提問具有雙重局限：一方面是內容層面空洞化，既無法觸發概念辨析的元認知活動，又難以形成知識遷移的認知彈性；另一方面是素養層面淺表化，既阻滯思維的迭代深化，又易引發學生的思考惰性，甚至抑制批判性思維萌芽、阻礙認知水平的積極發展[19]。

（三）課堂提問亟需結合學情設計問題難度

學生的學情適配度直接關聯課堂提問的有效性。基于維果茨基最近發展區理論構建的梯度化問題設計，通過精準劃分不同問題的難度梯度，旨在實現個體學習潛能的最大化。當前，教師雖普遍注重提問環節，卻常陷入目標泛化與路徑模糊的雙重困境，教學實踐中精準定位知識重難點、把握學生認知銜接點，從而很大程度上制約了學生知識建構的深度。

基于學情的設計理念，現有的課堂提問設計存在問題梯度失調問題，直接影響教學效能。教師應系統評估學生的認知基礎、心理狀態以及認知參與度，據此構建分層問題序列。若教師在設計問題時忽視對學生地考量，課堂提問可能會出現無人應答或思維脫韁的兩級分化局面。從認知基礎角度看，當提問難度超過學生認知閾限，導致認知超載，表現為概念鏈接斷裂與知識遷移阻滯；而問題難度長期低于現有認知水平，則會導致認知惰性，形成低階思維路徑依賴。從心理狀態角度出發，高頻高難度提問易誘發認知焦慮，而持續低階設問則引發成就動機萎縮。從認知參與度視角來看，梯度失調的問題序列會導致認知卷人度與思維活躍度失衡[20]。超閾問題使學生無法調動深層思維，低閾問題則抑制元認知的激活。

（四）課堂提問亟需合適的理答反饋機制

理答反饋是構成師生認知交互的調控中樞，是對學生的應答情況給予回應或評價的交互過程，具有診斷學習成效、促進認知建構、調節課堂生態等功能。當前教師課堂提問存在三個常見的理答反饋問題。一是候答時間短。一方面，教師沒有預留足夠候答時間，壓縮了學生進行元認知加工的時間，導致概念聯結不充分；另一方面，當候答時間未能提供充分的認知緩沖時，學生在快速應答環境中的容易產生對課堂的焦慮，觸發學業壓力負荷。二是評價方式單一。教師為了追求課堂流程的流暢性，選擇“短平快”的回應方式變成了課堂提問反饋的一種普遍現象[5]。然而，這違背了課堂提問的根本目的，教師在學生回答不夠全面或者有錯誤時草率帶過，沒有及時指出并說明正確答案，最終使得學生既不了解自己的回答情況，又打擊了其回答問題的積極性。三是追問環節缺失。課堂提問常常終止于首次應答，教師未能構建追問的認知推進過程，21]具體表現為認知沖突創設缺失、層級遞進設計缺乏。

二、大語言模型賦能教師課堂提問的方法探尋

大語言模型是基于深度學習架構的自然語言處理算法模型，主要通過對海量文本數據建模，實現對人類語言的語義內涵和復雜語言的理解和生成，該特征形成了輔助教師課堂提問的技術基礎和應用前提。大語言模型通過教育文本數據的收集預處理、特征分析和預訓練的學習過程獲得教育語言運用規律的能力，再利用上下文分析、預測輸出等策略實現賦能教師課堂提問智慧化發展[22]。在教師教學領域中，大語言模型賦能教師課堂提問的范圍已擴展到參與課堂提問教學、收集課堂提問資料素材、設計課程提問環節、撰寫課堂提問教案、制作課堂提問教學資源、實時解答課堂提問、及時反饋預評估等。

（一）三元課堂主體革新課堂提問理念

大語言模型的技術優勢能為教師課堂提問提供新的價值洞察視角。課堂提問是教學的重要組成部分，教師提問理念是課堂提問策略設計與調整的“指揮棒”，更新教師提問理念是課堂提問革新的伊始[23]。

課堂提問不僅是知識傳遞的工具，更是教師通過語言刺激與學生形成的雙向對話系統[24]。傳統的課堂提問理念中，存在師生提問地位失衡、教師科學提問理念薄弱、提問內容扁平等課堂提問頑疾，阻礙課堂教學高質量發展。大語言模型進入課堂將改變課堂主體認知、為提問分析提供智能工具支撐等，能整合人類智慧與智能模型的優勢，提升課堂提問理念決策的可靠性。大語言模型能夠實現教學問題鏈方案的科學設計、識別教學提問過程、教育評價的實時反饋[25]。除了宏觀把控教學實踐過程，大語言模型還參與課堂教師角色扮演。大語言模型在教學場景扮演數字教師角色，能協助教師進行課堂教學設計、分析和決策，改變傳統課堂提問的“師-生”二元主體模式，使之轉向更多元的“師-機-生”三元主體提問課堂模式[26]。

（二）智能增強問題序列化結構設計

大語言模型強大的語言識別和生成能力，能夠基于輸人描述理解任務間的關聯關系重構課堂提問的生成模式，超越教師智慧和機器智能的局限性[2]。教師課堂提問作為教學互動的核心工具，其結構整體設計應圍繞“激發學生思維”劃分不同難度等級展開。

大語言模型根據教學主題或關鍵詞深剖課堂教學內容核心，生成強結構的序列化問題鏈，生成事實性問題、分析性問題、創造性問題等不同類型的多樣化提問，涵蓋豐富的知識點和認知層次，能多角度啟迪學生思考、滿足學生多層次認知學習需求。大語言模型結合課堂提問數據資料學習、增長提問能力，以“師-機”共同合作形式將是何、為何、如何、若何的“四何問題”進行教學過程序列化設計，共同構成智能深度課堂[22]，促進學生由淺入深開展思考。教師可以利用大語言模型生成的結構化課堂提問作為參考，結合教學目標和學生情況設計更有效的提問策略，在減輕教師的備課負擔的同時，提高自身結構化思維水平，也為課堂提問的產生方式提供新的可能性。

（三）智能生成符合學情的梯度問題

課堂提問是教育教學的邏輯起點，對學生思維啟迪和發展起著重要作用。一般情況下，教師課堂提問功能是傳遞教學內容、激發學生學習思考、培養學生學習興趣。大語言模型依托智能分析，實現課堂提問精準適配學生學情以及不同梯度問題建構。大語言模型生成不同難度梯度課堂提問，關注了學生最近發展區，能通過控制提問難度來引導學生自主思考和探索，培養學生的自主學習能力。教師在大語言模型輸人教學目標、教學內容、教學重點、教學難點等內容，依據三個難度層次生成課堂提問問題，如在簡單難度生成記憶類、簡單理解類問題，促進水平較弱學生理解記憶；在中等難度生成應用型提升思維能力問題；在高等難度生成綜合類、分析類思維拓展問題，滿足綜合能力較高層次學生的學習需要。在預設問題與課堂預設情況發生偏差時，大語言模型根據學生認知水平、教學內容和教學環境等對課堂提問問題的動態優化和重構，能夠即刻生成指定知識主題的設計分層遞進式教學問題。

（四）智能構建適配的課堂理答策略

大語言模型能夠彌補課堂理答反饋類型單一、無深人追問、評價反饋不及時的問題。在神經網絡識別課堂提問對話中，大模型智能技術能對提問、回答、反饋內容、對話類型等內容進行自動編碼，課堂提問識別準確率達 84.11%^[28] ，為提升課堂提問理答策略的準確性提供保障。

首先，大語言模型智能技術能對師生開展“人機結合”的教學質量評價與多樣反饋。從分析對象來說，大語言模型通過語音識別分析學生課堂回答，如發言頻次、發言長度等，為學生反饋答題結果與課堂專注度情況；再是識別教師教學授課語言專業度，如語速、語調、發音、專業術語等特征，生成針對理答邏輯性與和互動深度的優化建議，助力教師改進課堂提問策略。其次，大語言模型生成適時深人追問的新問題，引導學生思考問題之間的聯系。通過分析學生的回答實現深度課堂學習，大語言模型幫助學生更好地促進創造性思考和批判性思維的發展[29]。例如，華東師范大學團隊使用大語言模型的多智能體“數智蘇格拉底”，構建了師生機互相提問、互相反饋的人機對話提問模式[30]。最后，大語言模型可以提供即時的理答反饋，幫助教師調整提問策略與優化教學過程。在學生問題回答普遍不理想的情況下，教師可以利用大語言模型生成提示或引導性問題，借助問題理解支架輔助學生更好地理解問題。例如，阿里巴巴集團開發的大型預訓練語言模型阿里通義千問，能夠在課堂提問中能夠根據教師和學生的需求，提供實時反饋和定制化學習路徑[31]。

三、大語言模型生成課堂提問的案例展示

基于教師課堂提問的現實需求，本研究參考教育智能體開發框架，形成了大語言模型賦能的教師課堂提問智能體的操作案例。以下是基于豆包開源平臺為技術載體創建的“教師課堂提問助手”智能體配置、調試、應用過程。

（一）配置“教師課堂提問助手”智能體

本研究從“教師課堂提問設計內容與認知目標層級”出發，配置“教師課堂提問助手”智能體的知識庫學習資料（見表2），包括兩大核心模塊：一是基礎功能模塊。基于課堂提問需求，描述智能體角色定位和執行任務內容。智能體首先通過解析教師提供的教學科目、教學目標、教學重難點等相關信息生成序列化課堂問題鏈，然后按需將序列化問題設計為高低階問題、梯度難度問題、多類型評價反饋等。二是知識庫建設模塊。為滿足輸出的課堂提問符合序列化、類型化、梯度化等要求，除了借助豆包平臺開源模型的搜索引擎，還需要智能體利用大語言模型的自然語言理解能力學習相關知識，提高課堂提問生成效率。

（二）調試“教師課堂提問助手”智能體

調試智能體是確保課堂提問智能生成功能實現的重要步驟，也是使用智能體輸出科學可行結果的前提。“教師課堂提問助手”智能體的調試任務主要為三個方面：一是參考答案協同生成。當智能體接受到用戶的提問以及需要一同輸出參考答案的需求后，后續問題將自動實現提供參考答案這一隱性規定。二是根提問序列動態優化。智能體在初始階段生成的課堂提問以學情層級排列，依次生成不同知識點的序列化問題鏈。三是理科經典例題生成。由于理科的特殊性，學生需要通過典型例題訓練來深化概念理解，實現舉一反三。“教師課堂提問助手”智能體在生成分層練習題的同時需要提供計算解題過程（見表3）。

續表

堂提問建議的輸出效果，本研究選用教科版高中信息技術必修二《信息系統與社會》的節選內容，進行課堂提問問題生成。首先，需要在“教師課堂提問助手”智能體中輸人教學目標、學情情況、問題（見圖1）。“教師課堂提問助手”智能體，將問題難度梯度變化、問題結構序列化、問題類型多樣化等要求糅合于生成的問題鏈中，輸出內容符合實際課堂提問常規習慣，基本滿足課堂提問預設要求。

8 教學學科、教學目標、教學重點、教學難點、學情分級、其他

教師 我是一設與，課據，班級學生可提為級，教學內容是教科修學信息解瀑布模型和快速原型模型的特點。難度梯度gt; 結構序列化 gt; 智能體生成問題示例學習了瀑布模型和快速原型模型，哪位同學能說一說瀑布模型是按照

智能體 基礎學情 →簡單推理問題（中等難度） →記憶性問題 （簡單難度） 怎樣的開發頗序進行的發，這樣的方式有什么優點呢？結合項目管理的角度思考一下。快速原型模型先快速構建一個可以運行的軟件原型，那這種方式對獲→簡單推理問題 （中等難度）取用戶反饋有什么好處呢？瀑布模型強調每個階段的嚴格順序，在實際項目開發中，這種特點可→推理性問題 1 （中等難度）能會帶來什么問題？特別是當項目需求發生變更時。快速原型模型雖然能快速獲取用戶反饋，但也可能出現原型質量不高中等學情 →綜合性問題 （中上難度） 的情況。如何在保證快速構建原型的同時，提高原型的質量？→對比性問題 1 （中上難度） 對比瀑布模型和，原型模型更在并發一個小型的、需求相對明確但→綜合性問題 （中等難度） 結合瀑布模型和快速原型模型的特點，如何將兩種模型進行有機結合以滿足項目的開發需求？詳細闡述結合的方式、優勢以及可能的挑戰從項目風險管理的角度，比較瀑布模型和快速原型模型們在應對不同批判性問題 （中上難度）較高學情 類型風險（如技術風險、需求風險、進度風險）方面的優缺點。假設未來軟件開發環境發生重大變化，如人工智能在開發過程中得到→創新性問題 （高等難度） 更廣泛應用。基于這種變化，如何創新性地改進瀑布模型和快速原型模型，以適應新的開發環境？闡述兩種模型的改進思路和預期效果。

除了生成課堂提問問題，“教師課堂提問助手”智能體還能為教師提供多樣化追問問題。例如，在為初二物理復習課《物態變化》生成的追問問題中，“教師課堂提問助手”智能體基于目標認知分類法，構建三級追問機制。第一是“記憶-理解”層追問，即提問學生“是何”后再說“為何”問題。例如，在六種物態變化中 （是何），哪些是吸熱過程，為什么呢（為何）？第二是“應用-分析”層追問，即提問學生“為何”后再說“如何”問題。例如，夏天的液化發生在空調房的外側，那如果是冬天，冰花會出現在窗戶哪一側呢 （如何）？第三是“評價-創造”層追問，即提問學生“如何”后再說“若何”問題。例如，火箭發射的“白氣”和普通的水蒸氣液化現象有什么不一樣嗎 （若何）？

四、大語言模型賦能教師課堂提問發展趨勢

中共中央、國務院強調：“教師主動適應信息化、人工智能等新技術變革，積極有效開展教育教學”2]，這為新時代教師專業發展指明了方向。隨著教育大模型的興起，教師的課堂提問范式正在進行智能化轉變。從前以知識傳遞為主導的“教師獨白式”提問，正在逐步轉變為多主體互動、智能技術支持的“對話生成式”提問。同時，教育智能大模型的應用不僅正在促使教育進行自我變革，而且從根本上重新定義教師的專業角色。教師的核心職能正從知識傳播者轉向學習引導者與思維素養培養者，從知識灌輸者轉向思維開發者。大語言模型作為教育邁向智能化的重要推手，通過提問設計范式突破、數據驅動策略優化和師機提問協同發展三個維度的變革，重構課堂提問范式推動教師提問能力發展。

（一）突破提問設計范式

大語言模型通過提問的內容、提問的動機目的、提問的方法、提問的注意事項和提問的流程設計等優化提問結構化組成，突破傳統課堂提問存在的設計趨同化、經驗化等難題，實現科學提問理論體系與教學實踐的有機融合。與受限于教師個體經驗和知識儲備的提問方式相比，大語言模型通過學習海量文本數據，能生成多層次的問題，滿足不同學習風格與能力水平學生的需求。

具體而言，大語言模型通過三方面推動課堂提問創新。其一，構建多元化問題樣本拓展教師的提問范式。如大語言模型將封閉式問題轉化為開放式探究問題，推動提問策略從知識傳遞向思維建構轉型。其二，基于學科特點生成的差異的提問方案。如數學課堂側重邏輯推導型問題，語文課堂則創設情境化情感體悟問題。其三，通過跨學科知識融合拓展問題設計邊界，在提升專業性的同時增強創新性。這種智能化的提問系統為建立科學化、精準化的課堂互動提供了技術支持。

（二）優化數據驅動策略

大語言模型通過實時分析學生作答數據生成課堂提問分析報告，為教師提供基于數據分析的課堂提問策略優化建議，主要體現在三個維度賦能。一是資源自動化構建，通過智能生成教案問題庫與模擬課堂問答場景，減輕教師的重復性勞動，使其更專注于教學設計與策略優化。二是交互動態化調節，依托強大的數據檢索能力，大語言模型能夠動態優化教學交互路徑。當課堂中教師發現預設問題因難度較大出現無人應答的情況時，大語言模型能及時調整問題難度或拆分問題，解決師生教學交互難的問題。三是效果量化評估，基于大語言模型的課堂提問分析系統可量化評估提問效果，例如，通過問題類型分布、學生響應時長等指標構建教學能力評價模型，為教師提供精準的數據驅動發展建議。

（三）鼓勵師機協同提問

大語言模型對教師專業發展的賦能體現在三個協同層面：工具賦能層面，大語言模型具有智能生成教案庫、模擬課堂問答場景等功能；認知賦能層面，大語言模型提供的批判性思維問題樣本使高階問題的占比提高，改善提問的認知層級分布；實踐賦能層面，依托大語言模型的協同教研平臺構建了跨校際專業共同體。例如，廣州共享課堂教育平臺連接了全國上百所學校的提問案例庫，教師可通過共享課堂提問資料庫開展協作反思，形成“設計-實踐-評估”的專業成長模型，助力教師專業能力提升。

綜上所述，大語言模型通過優化教師課堂三維提問范式，將技術創新與教育場景深度融合，突破教師個體的經驗局限與認知邊界，構建結構化框架并生成學科適配性問題。大語言模型還推動了師機協同發展，形成工具、認知、實踐協同機制，憑借智能備課與跨校教研促進教師專業成長。此外，大語言模型憑借智能生成與動態調整能力，結合跨學科教學設計理念，為構建靈活適配的課堂提問教學體系提供技術支撐。這一系列變革推動教師課堂提問從經驗驅動走向數據驅動，為教育智能化轉型提供了理論與實踐的雙重支撐。

五、總結

在智能化時代背景下，越來越多知識和技能獲取途徑呈現在教師眼前，大語言模型的技術優勢使其成為智能教育中不可或缺的工具，正確高效使用大語言模型也成為教師課堂提問專業發展的主要方向之一。1]本文首先提出了當前教師課堂提問的四重現實困境，包括教師課堂提問理念固化、提問結構劣構、提問難度不匹配和課堂理答反饋不及時。隨后介紹了大語言模型從四重路徑賦能突破，通過重構提問理念、構建序列化提問設計框架、設定適配學情的梯度問題和提出智能理答策略，最終總結出大語言模型在課堂提問中的應用方法。期望通過大語言模型平臺的數據分析和提問教學建議，教師能夠全面客觀地了解自身課堂提問的教學實踐情況，獲得提升課堂提問的策略和建議。

當前，大語言模型應用于教師課堂提問仍面臨重重挑戰：其一，大語言模型生成問題易陷入模式化，需要通過提示工程增強情境感知能力和適配輸出內容；其二，師生過度依賴模型可能導致其主體性和思辨性弱化，教師在保持教學主導權的同時充分發揮技術工具的增強效應；其三，數據隱私與算法偏見問題需要符合教育倫理的約束。未來，需要加強教師數字素養培訓，重點培養提示詞設計、輸出批判性驗證、人機分工決策等核心能力，使大語言模型從“替代性工具”轉變為“增強型伙伴”，在提升教師專業性的同時守護教育主體價值。

參考文獻：

[1］中華人民共和國中央人民政府．中共中央國務院關于全面深化新時代教師隊伍建設改革的意見［EB/OL].（2018-01-20）[2025-03-11]．http：//www.moe.gov.cn/jyb_xwfb/moe_1946/fj_2018/201801/t20180131_326148.html

[2]中共中央國務院關于弘揚教育家精神加強新時代高素質專業化教師隊伍建設的意見[EB/OL].（2024-08-26）[2025-03-11].http：//www.moe.gov.cn/jyb_xxgk/moe_ 1777/m0e_ 1778/202408/t20240826_1147269.html

[3]唐玉法．有效課堂提問實施路徑探究［J]．中國教育學刊，2013，（S3）：70-71.

[4］王亞敏，崔志鈺，崔景貴．積極課堂提問的策略設計[J]．河北師范大學學報（教育科學版），2022，24（04）：108-114.

[5］周劍波．初中信息技術課堂有效提問策略研究——以Python程序設計課為例[J]．好家長，2022，（03）：75-76.

[6］尚宇飛，黃友初．小學數學專家型教師課堂提問特征研究［J]．現代基礎教育研究，2023，52（4）：132-139.

[7］王陸，張敏霞，馮濤．課堂提問主體轉向的機理分析[J]．課程．教材．教法，2022，42（08）：107-114.

[8］馬玉慧，夏雪瑩，張文慧，基于深度學習的教師課堂提問分析方法研究［J]．電化教育研究，2021，42（09）：108-114.

[9]于國文，曹一鳴．“中澳法芬”中學數學課堂教師提問的實證研究［J]．數學教育學報，2019，28（02）：56-63.

[10]Baird JR，Northfield JR，Learningfromthe PEELexperience[M].Australia：MonashUniversityPrinting，1992.

[11]（美）克拉克，斯塔爾．中學教學法［M]．趙寶恒，蔡俊年，等譯．北京：人民教育出版社，1985：54-76.

[12]Christine Howe，Sara Hennessy，Neil Mercer，MariaVrikki， LisaWheatley（2019）．Teacher-StudentDialogue During Classroom Teaching：Does It ReallyImpact on Student Outcomes？ Journal of the LearningSciences，28（4-5），462-512.

[13]蘇永強，高中數學生態課堂提問有效性研究［J].中國教育學刊，2024，（S2）：70-72.

[14］劉涵，許桂清，何杰軒．基于三維評估模型的物理課堂提問診斷研究——2021—2023年廣東省高校師范生物理教學技能大賽教學錄像分析［J].物理教學，2024，46（04）： 7-11+77

[15]黃翠瑤．思想政治理論課教師課堂提問研究［J].黑龍江高教研究，2020，（12）：122-126.

[16]趙云建，許明雪，趙梓明．信息化創新課堂的實踐診斷與優化之道—基于第十四屆全國中小學創新課堂教學案例的分析［J]．中國電化教育，2023，（08）： 102-111+118

[17]王厚紅．學習中心教學：歷史演進、學理邏輯與實踐進路[J]．當代教育論壇，2023，（02）：85-92.

[18]Anderson LW，Krathwohl D R，BloomB S.ATaxonomy for Learning，Teaching，and Assessing：aRevisionofBloom'sTaxonomyofEducationalObjectives[J]．european legacy，2000.

[19]韋冬余，閱讀教學中的教師提問：問題與突破[J].課程．教材．教法，2019，39（04）：52-58.

[20]曹碧華，張平，李紅，等．不同認知卷入程度分心活動對幼兒延遲滿足的影響［J]．學前教育研究，2019，（09）：37-47.

[21］裴晨陽，夏軍，徐琴，核心素養視域下高中化學教學中的提問時機研究一一以“鐵及其化合物”教學為例[J]．化學教學，2023，（05）：42-47.

[22]王琦，郭芳，張藝馨，等，基于大模型的深度課堂變革研究［J]．開放教育研究，2024，30（04）：104-112.

[23]Khanmigo （2024）．Khan Academy Help Center[EB/OL]．[2025-02-26].https：//support.khanacademy.org/hc/en-us/categories/24449383583757

[24]Gall，M.D.（1970）．The Use of QuestionsinTeaching.Reviewof Educational Research，40，707-721.

[25]楊現民，丁杰．生成式人工智能如何與教學深度融合［N]．中國教育報，2024-06-15（004）.

[26］蘇旭東．數智時代的“人師”與“機師”協同教學[J]．開放教育研究，2024，30（04）：46-52.

[27］王一巖，吳國政，鄭永和．生成式人工智能賦能教育信息科學與技術研究：新機遇、新趨勢、新議題[J]．現代遠程教育研究，2024，36（06）：46-54.

[28]楊曉哲，王晴晴，蔣佳龍，基于人工智能的課堂師生對話分析：IRE的自動分類與分水平構建［J].電化教育研究，2023，44（10）：79-86.

[29]譚多寧，彭茂輝，譚紹華，三分三度：基于AI技術的職業教育課堂革命模式建構［J]．教育科學論壇，2025，（03）：59-63.

[30]趙曉偉，沈書生，祝智庭．數智蘇格拉底：以對話塑造學習者的主體性［J]．中國遠程教育，2024，44（06）：13-24.

[31］郭平，幸敏，葉文，等，AIGC技術在高職程序設計基礎課程教學中的實踐探究［J]．廣西教育，2024，（21）：156-160.

[32]王越，徐鵬．初中語文單元寫作任務序列化建構與實施［J]．語文建設，2023，（23）：13-17.

[33] Bloom，B.S.，amp;Krathwohl，D.R．（1956）．TaxonomyofEducational Objectives：The ClassificationofEducational.

[34］王陸，彭功．2015一2019年中小學課堂高階問題特征圖譜［J]．電化教育研究，2020，41（10）：65-72+113

[35]胡小勇．問題化教學設計一信息技術促進教學變革「D]．上海：華東師范大學，2005.

Large Language Models Empower Teachers’Classroom Questioning： Dilemmas，Methodsand Cases

HuXiaoyong1，Chen Li-shi2，Lu Jie-ru2，XieYa-qi2 （1.Instituteof Artificial Intelligence in Education，South China Normal University;

2．Schoolof InformationTechnology in Education，South China Normal University，Guangzhou，510631）

Abstract：Questioning is the sourceof wisdom，and good questioning can revealthedepthof thinking.However，at present，teachers'classroomquestioning facesseveralpracticaldificults，suchasrigidthinking，poorstructuraldesign， unmatcheddifficultyanduntimelyfedback．Basedontheanalysisofteachers’practicaldilemmasinclassoom questioning，this studydeplyanalyzes themethodsandapplicationsof large languagemodelstoinnovateclassroom questioning concepts.Itenhances theserialized structureofclassroomquestioning，generates graded questions and adaptiveresponsestrategies.Atthesametime，itconstructsaclassroomquestionagenttoachieve theserializationand gradationofclassroomquestions，andprovidescoresponding functional cases.Finally，based ontherational understandingof theapplicationof large languagemodelinthefieldof education，thedevelopmenttrendsof large language model inoptimizing teachers'classroomquestioningpracticeand promoting teachers’professional development is expected.

Keywords：Large Language Models；Teacher；Classroom Questioning；Agent

（責任編校：周文鼎）