AI大語言模型下中職語文“音畫思問”閱讀教學實踐

中圖分類號：G63 文獻標識碼：A文章編號：0450-9889(2025)17-0008-04

近年來，以大語言模型為代表的人工智能技術日益成熟，以國產DeepSeek、豆包、文心一言等為代表的產品已被廣大用戶所熟知。大語言模型能夠深入分析文本的語義結構，理解詞匯、句子和篇章之間的關系，無論是對文學作品中復雜情感的解讀，還是對專業文獻中專業術語的理解，都具有出色的能力。教學實踐表明，大語言模型不僅能夠根據內容的變化提供多維度的實時教學輔助，而且能夠根據學生的不同需求和學習進度，為學生提供個性化的學習支持，實時解答學生的問題，并提供詳細的解釋和有效的指導，幫助學生更好地理解和掌握知識、解讀文學作品等]。因此，在中職語文閱讀教學中，筆者借助AI語言大模型進行“音畫思問”的教學嘗試。

一、大語言模型的內涵及閱讀教學存在的問題

(一)大語言模型的內涵

大語言模型（LargeLanguageModel，以下簡稱LLM)，是一種基于深度學習技術構建的超大規模語言模型。其通過計算自然語言和統計自然語言里的文本依賴關系分析出文本語義結構，然后與人類知識庫中的海量數據進行對比，從而準確把握文本的含義。可見，LLM具備強大的語義理解、內容生成和邏輯推理等能力。同時，LLM能夠深入理解詞匯、句子和篇章之間的關系，準確把握文本的含義。在內容生成方面，LLM能夠根據用戶輸入的需求信息或指令，生成高質量畫面、音頻、視頻等內容，還可以創作故事、詩歌、論文等各種類型的文本，為教學提供豐富的素材；在邏輯推理方面，它能夠根據已知信息進行合理的推理和判斷，解決各種邏輯問題。在語文教學中，利用LLM對學生進行評價、分級、追問，有助于培養學生的閱讀與寫作能力[2]。

(二)中職語文閱讀教學面臨的困境

在教學實踐中，筆者發現當前中職語文閱讀教學面臨四重困境。一是如何幫助學生克服閱讀障礙。曾配合某心理協會對學生進行一項學習能力測試，結果發現超過半數的學生一旦遇到不能理解的語句閱讀就會中斷，不能順暢完成整篇文章的閱讀。這是一種閱讀障礙，其根源在于學生欠缺文字信息的解碼能力。這是中職生學習能力較低的原因之一，因為試題很多知識都是以文字的形式呈現的。二是如何引導學生體會文章的意境，從而提升其文學素養。多數中職生文學鑒賞能力較低、聯想能力較差，如果僅憑教師講解，他們很難領略作品意境，因而往往需要借助多媒體才能較好理解。但是與課文意境相匹配的多媒體素材并不好找；LLM出現以前，為每篇作品配上相應的多媒體素材，幾乎是不可能的。三是如何提高閱讀題的講評效率。在語文試卷中，閱讀理解題的比重很大，是重要的得分點。但由于大部分學生閱讀理解能力較弱，在閱讀理解題失分嚴重，這非常不利于學生參加職教高考。這一問題的原因在于試題隱含的思維邏輯：試題設計者預設考生已掌握“符號解碼 $$ 語境整合 $$ 主旨映射”的三維解析能力，期待其完成“文本精讀 $$ 語境再造 $$ 價值研判”的思維過程。然而多數學生思維常處于初級解析層面，所以當教師僅呈現結論性答案而沒有思維路徑的可視化分析時，這種認知斷層直接導致學生的邏輯鏈條坍塌，產生“聽得見答案卻悟不透道理”的教學困局。四是如何有效實施課程思政。在各科教學中融入思想政治理論知識、價值理念及精神追求等要素是課程思政的任務，也是新時代對教育提出的新要求。但是對部分語文教師來說，要有效把握某一節課的課程思政內涵并不是容易的事情，他們既缺乏課程思政的意識，又欠缺課程思政的能力。

二、基于大語言模型的中職語文閱讀教學“音畫思問”

實踐證明，LLM通過出色的語義理解、內容生成和邏輯推理能力，能夠有效解決教學中的很多難題。為此，筆者針對當前中職閱讀教學面臨的四大困境，借助LLM探索了“音畫思問”的閱讀教學方式。

（一）音：將文本轉成語音幫助學生消除閱讀障礙

LLM可以將文字轉換為語音。例如，文心一言、訊飛星火等模型，不僅可以將文字準確轉化為語音，而且能根據文章的內容、內涵自動設定語速、語調、停頓、變調等，同時還能設定為男聲、女聲、童聲等。備課時，教師要先根據內容將課文劃分為若干個學習段落，每段內容不宜過長，以便學生集中注意力進行理解和消化。教師需要將文本段落復制、粘貼到一個文檔上，接著在段落的開頭輸入LLM指令，如“請根據文章的意思，將這段文字用女聲慢速朗讀出來”“請用男聲抑揚頓挫地把下面的文章朗讀出來”等。指令的描述可根據教師的設計進行調整，但注意不要有歧義，以免上課時LLM不能正確輸出語音。所有設計完成后，教師要將相關素材儲存在一個文檔中備用。上課時，教師從文檔中復制相應的段落粘貼到LLM中，就會生成一段語音，再播放給學生聽。學生聽完后，教師要引導學生分析文章表達的情感。

（二)畫：將文本轉為圖畫幫助學生體會文章意境

LLM能夠根據提示完成繪畫。文心一言、豆包等模型在繪畫方面有非常出色的表現，用戶要求的每一個細節幾乎都能在生成的畫面中展現，生成的畫面可以將抽象的語言形象化，幫助學生更好地理解和記憶[3]。教師可以先讓LLM深入分析文章的意境，隨后以此為基礎輸入指令，讓LLM創作出一幅與之匹配的圖畫。例如，教師可給出指令：請結合上述文字內容提示，畫出一幅能充分體現文字內容的圖畫，畫面風格為古風。如果不滿意生成的圖畫或其表達不到位，教師可以不斷修改指令的內容，直至LLM輸出令人滿意的畫面。指令內容越具體，生成的畫面就越富有細節感。上課時，教師讓學生仔細觀察畫中景物、人物表情和動作等細節，然后讓學生分析這些畫面分別與文章的哪些句子相對應。通過這樣反復互動，學生就會在頭腦中完成對文章意境的感悟，得到“詩情畫意”的美妙體驗。

(三)思：展現閱讀題的答題思維過程

目前，以DeepSeek(R1版）、豆包（深度思考版）和文心一言(X1版)等為代表的LLM產品，已經具備展示思考過程和邏輯推理步驟的功能，還能接收圖片輸入。教師可以掃描試卷并截取題目部分保存為一個文件導入LLM中，然后輸入“這是一道語文閱讀題，請給出N小題的答案并附上思考和推理的詳細步驟和過程”的指令，LLM就能輸出相應內容的文本。教師檢查無誤并做修改后，就可以作為評講試卷的素材發布給學生。需要注意的是，當前的LLM產品解析圖片的速度較慢，不適合在課堂上演示。

（四）問：向大語言模型提問析出課文中的思政內容

目前，國產LLM對課程思政的理解要比普通教師的理解更為深刻，也更加完整和準確。教師可直接向LLM提問，如“請問這段文章里蘊含了哪些社會主義核心價值觀？”“請問這篇文章的哪些描寫體現了主人公身上的集體主義精神？”“請問這篇文章對青少年的品德養成有哪些積極作用？”等，LLM就能迅速提供詳盡的解讀。教師可根據LLM生成的材料進行篩選與整合，然后在課堂上引導學生發掘文章中的思政元素。深入探討文章中人物所展現的工匠精神，不僅能讓中職生理解這些人物的精神品質，而且能讓他們將這種工匠精神融入自身的職業素養中，為未來的職業生涯奠定堅實基礎。

三、基于語言大模型的“音畫思問\"教學實踐

（一)文本語音化，使風景描寫如在耳邊

以《風景談》的教學為例，教師先把課文中描繪六個畫面的文章段落做成電子板書，然后分別將段落轉換成有情感的語音片段，播放給學生聽，再引導學生結合音頻找出文中所描述的與音頻相關的內容。例如第一段，學生聽完后，教師可以提問“這段文字描述了哪些風景？”，學生每答對一點，教師就將段落中相應的文字涂上亮色。對一些情感比較強烈的語句，如“自然是偉大的，而人類更偉大！”，教師可以通過設置不同的指令，生成不同風格的語音，讓學生判斷哪種朗讀更能表達作者的情感，這樣能幫助學生更好地理解文章的含義和捕捉文章的情感基調。語音朗讀不僅能夠傳遞文章的情感和節奏，還能為教師提供一個引導學生深入思考的機會。

實踐發現，學生對這種教學形式非常認同，不斷要求教師增加使用的頻率。語音化學習在幫助學生理解文章內容方面具有三個方面的優勢：一是有利于降低理解難度，語音朗讀能夠直接將文字轉化為易于理解的聲音信號，減少學生因文字解碼困難而產生的挫敗感；二是有利于激發學習興趣，生動的語音朗讀和豐富的課堂互動能夠激發學生的興趣，使其更愿意參與學習；三是有利于培養綜合能力，在語音朗讀的基礎上開展討論和創作活動，不僅能夠提升學生的理解能力，還能培養他們的語言表達能力和創造力。

(二)文本圖像化，使詩詞意境可觀可感

以《詩經·邶風·靜女》為例，備課時，教師要先將《靜女》全文輸入文心一言，并輸入“解讀《靜女》這首詩的意境，畫出詩里不同意境的場景”的指令。文心一言很快就會輸出三幅畫：第一幅是一位男子在城墻前四處張望，一位拿著彩色笛子的嫻靜女子羞澀地躲在城腳下，生動展現“靜女其姝，俟我于城隅。愛而不見，搔首踟”的場景；第二幅是女子含羞地將插著茅草的笛子遞與男子，對應的是“靜女其變，貽我彤管。彤管有煒，說怪女美”；第三幅是男子端詳著茅草，面露欣喜的畫面，對應的是“自牧歸荑，洵美且異。匪女之為美，美人之貽”。如果對輸出的畫面不滿意或認為畫面意境與作品不符，教師可以通過改變指令對這些畫面進行調整。比如，教師對第二幅畫女子拿的“彤管”形象不滿意，可以重新調整指令，將女子手中拿的物品替換成自己想要的物品。

課堂上，在解釋完作品內容后，教師先打亂順序展示LLM生成的畫，引導學生仔細觀察畫中人物的表情、動作等細節，然后提問這些畫分別與詩中的哪些詩句相對應。這樣，學生就會在頭腦中完成對詩句意境的領悟，得到“詩情畫意”的美妙體驗。然后，教師將LLM生成的畫面按詩句的順序排好，通過幻燈片連續播放，讓學生完整地觀看全詩的意境，并要求學生看著詩句冥想畫面。如此，學生便能擺脫抽象文字的閱讀困境，能夠通過生動具體的畫面，更直觀、深入地體會詩中的意境，從而有效增強聯想力、想象力和理解力。

(三)展示閱讀題解題過程的思維鏈，促進學生思維能刀的形成

以2024年新高考I卷現代文閱讀Ⅱ為例，教師先用截圖工具將試題的完整內容截下來，然后排版在同一頁面上，存為一個jpg格式文件，導入豆包(深度思考版)或文心一言(X1版)，輸入“請展示解第7題的完整思維鏈。我需要知道你怎么閱讀、如何思考、如何得出結論的具體過程”的指令，LLM很快就會輸出結果。接著，教師讓學生根據題干定位試題中原文的相關段落，找到描述鋸木廠的原文：“買牛的那天我記得，你能想象我的激動。在下午，我和父親去兩里外的鄰村牽牛，已經提前談好了價。在鄰村的中心路邊，我頭一次見到鋸木廠，那電鋸沖開木料的聲音在午后的熱空氣里格外尖厲，幾乎能看見那聲音在閃耀著銀光。我停下來看陰影里的鋸木廠，橫七豎八堆滿了木料，新鮮的木頭味。”其次，教師引導學生逐項分析。 ① 原文開頭明確提到“買牛的那天我記得，你能想象我的激動”，說明激動的情緒讓當天的記憶格外鮮明，而鋸木廠的細節（電鋸聲、木屑、木頭味)正是在這種激動心情下被清晰記住的，那么A項正確，符合原文邏輯。 ② 原文提到“我頭一次見到鋸木廠”，直接表明鋸木廠對“我”而言是陌生的。那些電鋸的轟鳴、飛濺的木屑、堆積的木料等場景，對初次到此地的“我”而言，無一不散發著新奇與刺激的氣息，正是踏入一個“陌生而刺激的新天地”。因此B項正確，與原文內容一致。 ③ 選項提到了先抑后揚手法，“我”知道先抑后揚是需要先有壓抑或負面描寫，再轉向積極或正面描寫。然而，鋸木廠的段落自始至終都在極力渲染一種興奮，如“激動的情緒”“電鋸的尖叫”“木屑的飛濺”等，均未展現先抑后揚中的“抑”的部分。然后，“我”根據題干找到“興奮又糾結”的出處—“小牛屁顛屁顛跟著我們走這一路走得我興奮又糾結”。顯然，這種“興奮又糾結”的心理狀態是出現在牽牛回家的路上，與鋸木廠的段落并無直接關聯。因此，C項的判斷是錯誤的。 ④ 原文通過“熱氣里飛濺”的木屑、“新鮮的木頭味道”等感官描寫，結合“買牛的那天我記得”的回憶口吻，構建了一個充滿畫面感和懷舊氣息的記憶場景。這種多維度的感官描寫與回憶敘事相結合，自然營造出懷舊氛圍，因此D項貼合原文的情感基調。綜合判斷：選項A、B、D均能在原文中找到直接依據，且邏輯自洽，為正確答案；而選項C因缺乏文本支持且邏輯錯位，為錯誤答案。因此本題選C。學生看到這樣帶有邏輯思維鏈的解答過程，很快就能掌握答題技巧。如果對學生某些解釋還是感到困惑，教師可以將這段話復制為指令，讓LLM解釋得更詳細、更通俗。若閱讀有困難的學生難以理解答題思維鏈，教師可以考慮將這段話轉化為語音，以便他們通過聽覺來理解和吸收。

（四)設計指令問題鏈，將課程思政落到實處、細處

《語文(基礎模塊)》上冊第五單元有4篇文章分別講述焦裕祿、袁隆平、羅陽和張秉貴的事跡，分析這些人物身上體現的工匠精神，是落實課程思政的好素材。教師可先將這些文章復制到LLM中，通過指令讓其找出文章中關于工匠精神的描寫，指令為“請羅列出上述文章中描寫工匠精神的段落內容并做分析”之類。如果文章影響力比較大，還可以直接輸入篇名即可。例如，教師可發出“請將《喜看稻菽千重浪——記首屆國家最高科技獎獲得者袁隆平》中涉及袁隆平工匠精神描寫的段落摘抄出來”的指令。根據指令，LLM很快會輸出以下分析結果：一是實踐探索方面，2001年春節過后的第二天，湖南長沙馬坡嶺籠罩在薄霧之中…；二是敢于挑戰權威方面，“自花授粉作物自交不退化，因而雜交無優勢”的論斷出現在美國著名遺傳學家辛諾特和鄧恩的著作中；在淡泊名利方面，評估機構的一份報告稱，作為“世界雜交水稻之父”，袁隆平的身價為1000億元。如果學生還需要更深入地了解，教師可以將相關段落復制到LLM，然后發出“請分析上面段落蘊含的工匠精神具體是什么？這種精神如何落實到中職生的學習、生活中？”的指令。教師還可以將LLM找出不同文章的不同段落都放在一起，讓LLM對比并總結歸納出其中共同表現的工匠精神。當然，除了工匠精神，這些人物身上還有很多正能量，都可以用于進行思政教育，教師只要改變指令即可。

四、基于語言大模型進行“音畫思問\"教學的思考

(一)選對大語言模型是基礎

不同的LLM產品有不同的優勢，只有依據教學實際需求，挑選合適的工具，才能最大化地發揮其效能。例如，若要在教室的電子黑板上運用文本語音生成，可選用訊飛星火。科大訊飛的智慧黑板搭載了訊飛星火大模型，已在教育領域得到廣泛使用，包括在電子黑板上實現文本語音生成功能，這使得在教學中使用該技術變得更加方便。在畫圖方面，文心一言、豆包等可以直接輸出圖畫，但不少的LLM目前只能輸出繪圖思路的文字，不能給出圖像。

（二)準確編寫指令是關鍵

若輸入的指令有歧義，LLM會輸出不同甚至相反的內容，直接影響生成素材的使用。例如，在生成課文段落的語音時，若輸入“請朗讀下面這段話”“有感情地朗讀下面這段話”“請根據文章的意思，將這段文字用女聲慢速朗讀出來”這三條指令，會得到以下結果：一是生成生硬的“機器音”；二是雖然有感情，但是語氣輕讀和重讀方面與實際內容匹配不夠自然；三是第三條指令生成的結果就比較令人滿意。所以，教師要盡可能多地嘗試編寫多種指令，直到得出滿意的結果。

(三)豐富自身知識儲備是保障

盡管LLM能為教學帶來諸多便利，但教師仍需注意，LLM輸出的內容并非絕對準確，需謹慎甄別。例如，在利用LLM分析文章的意境時，不同的LLM可能會給出不同的解釋，甚至同一個LLM在不同時間或情境下對同一問題的回答也可能有差異。因此，教師需要不斷提升自身的文學素養，以便正確引導學生深入理解畫面與意境的內在聯系，從而進一步增強學生的聯想與創新能力。這就要求教師在傳統語文教學知識的基礎上，提高對AI和數字工具的運用能力[4]。

大語言模型為中職語文閱讀教學提供了新的路徑。教學實踐表明，通過“音畫思問”教學，能夠讓大多數中職生輕松跨越閱讀障礙，在音、畫交融中領悟文章意境，在思維鏈解析中提升閱讀能力，在課程思政浸潤中厚植精神品質。由此可見，AI技術不僅讓語文課堂煥發活力，還為新時代技能人才的培養鋪設一條智慧化、個性化之路。

參考文獻

[1]張文靜.AI在中職語文詩歌教學中的應用：以《歸園田居》為例[J].作家天地，2024(14)：34-36.

[2馬方原，于偉.面向大語言模型學習環境的小學語文教學路徑變革［J].教育科學研究，2024(9）：57-64.

[3]彭紅.AI繪畫賦能語文古詩詞教學的應用研究[J].信息與電腦(理論版)，2024，36(18)：203-205.

[4]萬玉丹.智能AI背景下中職語文教學的創新實踐與思考[J].漢字文化，2024(6)：203-205.

注：本文系2023年度廣西職業教育教學改革重點研究項目“基于中高職貫通背景下的中職語文核心素養培育改革與實踐”(GXZZJG2023A009)的研究成果。

(責編蒙秀溪)