生成式人工智能支持下的初中生物學教學設計路徑研究

隨著全球教育數字化轉型的加速，生成式人工智能技術為教育領域帶來了前所未有的變革。教育部于2022年啟動實施國家教育數字化戰略行動，大力推動包括生成式人工智能在內的數字技術賦能教師教學，提升教育質量與效率。在傳統初中生物學教學中，教師常面臨備課耗時長、抽象概念講解困難及分層作業設計壓力大等挑戰。這些問題不僅增加了教師的工作負擔，也限制了教學效果的提升。為解決這些問題，筆者以人教版《義務教育教科書生物學七年級下冊》“種子的萌發”為例，運用ICDO結構化提問方法，為教師提供高效、可復用的人工智能輔助備課模式。

一、ICDO結構化提問四維框架：生成式人工智能支持的教學設計方法論

ICDO結構化提問是一種優化生成式人工智能交互的提示工程框架，其核心組成包括指令（Instruction）、上下文（Context）、輸入數據（InputData）和輸出要求（OutputIndicator）四個維度[1]。該方法通過明確教學目標與核心知識點、構建真實教學場景、細化分層任務要求并規范內容格式與風格，引導生成式AI輸出精準、實用的教學設計內容。教師進行ICDO結構化提問，能夠快速生成符合教學需求的課程內容，確保生成的內容精準、實用，避免內容的空洞化和泛泛而談。

（一）ICDO結構化提問方法釋義

ICDO結構化提問方法借鑒了布盧姆分類法等教育目標分類理論，融人了建構主義學習理論的核心思想。該方法通過以下四個維度實現教學設計的優化。 ① 指令：明確教學目標與核心知識點，確保教學設計聚焦于課程標準和學情與需求。② 上下文：結合真實教學場景，構建與教學內容相關的背景信息，以增強教學設計的針對性。 ③ 輸人數據：根據教學內容和學情，細化分層任務要求，確保教學設計滿足不同層次學生的需求。④ 輸出要求：規范內容格式與風格，確保教學設計內容精準、實用，符合教學需求。

（二）四步備課流程

筆者提出的“目標拆解 $$ 資源生成 $$ 風格適配 $$ 優化迭代”四步備課流程，旨在通過生成式人工智能技術實現教學設計的高效生成與優化。以“種子的萌發”為例，具體流程如表1所示。

二、教學實踐：生成式人工智能在“種子的萌發”中的應用

（一）案例實施：目標梯度拆解與資源動態生成

1.目標分層：核心素養導向的三級拆解策略

教師依據《義務教育生物學課程標準（2022年版）》（以下簡稱“課標”）和學情，對核心概念進行梯度式拆解，明確每個課時的具體教學目標。“種子的萌發”為3課時，教學內容包括了解種子的基本結構及其功能，探究種子萌發所需的外部條件，掌握種子從吸水到胚根突破種皮的生理過程。根據ICDO結構化提問法利用DeepSeek生成提示詞，生成教學設計，采用差異化支持策略，以表現性任務與課堂互動反饋雙線驅動評估，確保目標落地（見表2）。

表1生成式AI支持的四步備課流程

通過類比解決七年級學生易混淆“子葉”與“胚乳”功能的學情痛點。導人環節增設認知沖突，例如提問“蟲蛀種子為何不能萌發”，引導學生思考完整胚的重要性；實驗環節約束材料，僅提供干種子與浸泡種子進行對比，聚焦“吸水膨脹是萌發的前提”的探究目標。同時，放大胚結構。

表2七年級下冊“種子的萌發”（第1課時）優化前的教學設計

以第1課時“觀察種子的結構”為例，將本節課內容（表2）進行資源再生成，接著運用ICDO結構化提問法，讓DeepSeek設計提示詞如下。

針對第1課時“觀察種子的結構”進行細化，寫明教學流程，如教學環節、教師活動、學生活動、設計意圖。深化知識點與學情適配。結合課標中“生物體的結構與功能相適應”核心觀念，重點剖析胚芽、胚軸、胚根的功能聯系，并或播放解剖動畫，并融入袁隆平研究種子的案例，滲透科學精神與德育。細化教學方法與分層任務。采用問題引導式學習設計遞進問題鏈，覆蓋布盧姆認知層級：從“標出菜豆種子結構名稱”（記憶）到“對比單雙子葉種子差異”（分析），再到“討論種皮破損的種子能否存活”（評價）。針對學困生提供標注模板，為能力較強學生增設“繪制種子萌發后結構發育流程圖”的進階任務，實現差異化支持。增強互動性與評估實效。教師語言生活化，例如“像拆禮物一樣剝開種皮，探索內部秘密”，激發學生興趣；評估環節設計“種子結構解密卡”制作任務，要求學生結合功能與生活類比，并利用“紅綠燈卡”實時反饋理解程度，確保核心素養目標落地。

2.資源生成：多模態素材的智能化生成路徑

教師利用DeepSeek生成初步教學設計，參考經典教學案例，將教材內容拍照后上傳到DeepSeek，輸人設計好的提示詞，生成教學內容。以第1課時“觀察種子的結構”為例，運用ICDO結構化提問的方法，讓DeepSeek按提示詞執行任務，使知識點與學情更加適配，細化教學方法與分層任務，增強互動性與評估實效，生成詳細完整的教學設計（見表3）。

表3七年級下冊“種子的萌發”（第1課時）優化后的教學設計

3.風格適配：教學語言的場景化重構

教師根據教學風格和學生特點，調整生成內容的表達方式。如導入環節教師活動部分，先展示兩顆種子（完整的與蟲蛀過的），向DeepSeek提問“為什么被蟲蛀過的種子無法發芽”，這部分導入內容簡單，表述平鋪直敘，未能有效激發學生興趣。要想用幽默風趣的風格吸引學生的注意力，可以更改教學風格，首先利用DeepSeek設計一段提示詞：破除“種子完整性不影響萌發”的前科學概念，使七年級生物學課堂更加生動有趣，結合懸念、故事化表達和互動提問，激發學生的好奇心，降低抽象概念的理解難度，需包含類比推理問題，導入環節不超過3分鐘。然后將上述提示詞輸入DeepSeek并執行，導入環節內容經過風格適配得到優化后的輸出結果：“同學們，今天老師帶來了兩顆‘神秘種子’一—它們看起來差不多，但命運卻完全不同！（展示完整種子和被蟲蛀過的種子）第一顆種子圓潤飽滿，像一名蓄勢待發的小戰士；第二顆種子有蟲洞，仿佛被‘偷襲’過猜一猜：如果把它們同時種進土里，誰會成功發芽？為什么那顆‘受傷’的種子可能永遠沉睡？揭秘時刻：原來，種子就像一個小型‘營養倉庫’！蟲子啃咬時，不僅破壞了它的‘外衣’，還吃掉了關鍵的‘能量包’（結合動畫或剖面圖講解胚的結構）接下來，我們一起當‘種子偵探’，解剖觀察它們的秘密！

DeepSeek生成的教學導人內容生動有趣，降低了學生理解抽象概念的難度，使抽象生物學概念轉化為符合七年級學生認知特點的鮮活敘事。此外，為破除“種子萌發與環境無關”的前科學概念，還可利用DeepSeek生成設計與地理學科結合的跨學科問題鏈，探究自然地理環境對種子萌發的影響，進行跨學科整合[2]。

4.優化迭代：雙循環反饋修正

教師結合教學反饋，對生成內容進行優化。針對需要修改的內容，利用DeepSeek設計生成提示詞，限定DeepSeek的生成范圍，逐步提升生成內容的準確性與適用性。雖然DeepSeek在教學設計中展現出高效性和創新性，但其生成內容可能受到訓練數據偏差或提示詞設計不足的影響，需進行人工審核與修正。

（二）生成式人工智能的適配性分析

在“種子的萌發”這一課例中，生成式人工智能展現了顯著的優勢。教師可以在1小時內生成初步框架，在2小時內完成設計，縮短備課時間。生成式人工智能快速生成教學設計框架、實驗方案等，教師只需微調和優化，資源生成效率提升。生成式人工智能能夠生成跨學科教學設計，如結合地理學科探究環境對種子萌發的影響，跨學科整合豐富了教學內容。生成式人工智能生成詳細的分層任務設計，如為基礎薄弱學生提供實驗步驟模板，為優生設計拓展探究任務，分層任務設計更具系統性和針對性，滿足不同學生的學習需求。生成式人工智能生成生活化、生動化的教學語言，如將子葉比喻為“能量包”，這種生活化的語言風格降低了對抽象概念的理解難度，提高了學生的學習興趣。然而，生成式人工智能在復雜實驗設計中的支持有限，生成的內容可能不夠精準，需要教師進行人工修正和補充。學生表示對生成式人工智能生成的內容更感興趣，課堂參與度顯著提升。

三、反思展望：生成式人工智能教學應用的邊界突破與生態重構

（一）智能協同形成新范式

傳統的教學設計主要依靠教師的教學經驗和專業知識儲備，教師的教學能力和水平在很大程度上制約著教學設計的質量。在人工智能技術日臻成熟的背景下，以生成式人工智能為代表的互動生成教學設計模式日益成為中學課程設計新的風向標[3]。通過ICDO結構化提問的方法與四步備課流程，教師能夠快速生成符合課程標準、適配學情的教學設計，并實現教學資源的高效迭代。在使用DeepSeek的過程中，自動化生成教學設計框架、實驗方案等基礎內容，減少教師機械性勞動，使其更專注于教學策略優化。通過遞進式問題鏈與跨學科整合，促進學生深度學習。生成式人工智能的四步備課流程與ICDO結構化提問方法，雖以初中生物學“種子的萌發”為例進行設計，但其底層邏輯具有學科適配潛力，可遷移至其他學科。

（二）技術應用是雙刃劍

生成式人工智能雖然為教學提供了新思路，但存在局限性。過度依賴生成式工具可能導致教師教學設計能力退化，并且生成式人工智能對復雜實驗設計的支持不足，尤其是在涉及多變量控制的實驗設計中，需增強生成式人工智能在復雜情境中的適配性。建議結合優化提示詞，增強教學設計的適配性；提供優秀的案例進行迭代，增加教師教學設計能力與生成式人工智能協作技能的雙重培訓；在使用生成式人工智能進行教學設計時，教師需要注意生成式人工智能使用的倫理邊界，規避數據隱私風險，堅持教師主導性原則。

（三）教育生態再進化

生成式人工智能在教學設計中有廣闊的應用前景。它可以協助教師設計復雜的跨學科項目，促進學生深度學習；多模態生成技術的整合將豐富教學設計，讓教學內容更加生動直觀，更能激發學生興趣。此外，學校推行DeepSeek的本地部署，建立共享教學案例庫，將促進生成式人工智能與學科教學的深度融合，推動教學模式的創新與變革。實踐表明，生成式人工智能結合ICDO結構化提問方法，能夠顯著提升備課效率和教學設計質量。通過“目標拆解 $$ 資源生成 $$ 風格適配 $$ 優化迭代”四步備課流程，教師能夠快速生成符合課程標準和學情需求的教學設計。生成式人工智能的應用促進了跨學科整合和分層任務設計，不僅減輕了教師的工作負擔，而且促進了學生的深度學習。然而，生成式人工智能在復雜實驗設計中的支持有限，需進一步優化。未來的研究應關注生成式人工智能在其他學科中的適配性，以及如何更好地結合教師的專業知識和生成式人工智能技術，推動教育模式的創新與變革。

注：本文系福建省教育科學規劃2024年常規課題“中小學教師資格考試與科學教師專業發展的關系研究”（編號：FJJKZX24-350）的研究成果。

參考文獻

[1]方軍，柯洲，譚星星，成為提問工程師[M].北京：人民郵電出版社，2024.

[2]張軍愛，李高峰，劉海軍．生成式人工智能賦能高中生物學備課的創新功能[J].生物學教學，2025（1）：52-54.

[3]張軍愛，劉海軍，李高峰，等．人工智能ChatGPT賦能初中化學教學設計的創新功能與價值定位［J].化學教育（中英文），2025（5）：86-88.

（作者永樹其系云南省文山壯族苗族自治州廣南縣第四中學校教師；張鋒系福建省普通教育教學研究室正高級教師）

責任編輯：祝元志