重塑研究生態：數字技術支持下語文思維課堂觀察與教學改進

[中圖分類號] G623.2 [文獻標識碼]A [文章編號] 1007-9068（2025）22-0001-05

《義務教育語文課程標準（2022年版）》將“思維能力\"確立為語文核心素養的關鍵維度，強調通過閱讀、表達、探究等學習活動發展學生的思維品質與能力。對語文教學實踐而言，思維課堂研究的關鍵在于如何精準把握學生思維發展的動態過程，即解決對思維過程難以進行有效觀測與評估的問題。本研究以典型課例為觀察對象，實證分析數字技術融合課堂觀察在促進學生語文思維進階方面的操作路徑與效能，賦能語文思維課堂的深度建構。

一、技術賦能：智能觀課系統、SOLO分類理論和生成式AI在課堂觀察中的價值闡釋

智能觀課系統、SOLO分類理論、生成式AI三者融合形成思維課堂觀察協同體系，將學生內隱的思維顯性化，為循證教學干預提供認知導航，能超越經驗主義的觀察局限，有效提高學生的學習品質。

（一）智能觀課系統：破解思維過程隱性化的觀察困境

傳統的課堂觀察主要依靠教師的課堂筆記。但是，教師筆記較為粗放，無法對一節課呈現的信息進行及時的歸類梳理，因此很難達成精準的課堂分析。智能觀課系統在教師課堂教學結束后，可以即刻提供教學實錄、課堂影像回放、課堂教學畫像報告，為課堂教學改進提供全息的依據和指引。比如，在思維課堂觀察研究中，智能觀課系統在一節課錄制結束后，會對教師的問題數量進行統計。真實的數據記錄，能讓教師逐個分析問題，對低階問題進行刪減與合并，以提升課堂提問的思維含量，擴大學生思考與表達的學習空間。

（二）SOLO分類理論：建立思維觀察的科學評估標尺

SOLO分類理論在思維課堂觀察中的不可替代性在于其能夠提供思維層級的結構化解碼框架，解決傳統評價對思維深度界定模糊的問題。通過五級認知模型：前結構、單點結構、多點結構、關聯結構、拓展抽象結構，精確標明學生思維所處的發展階段。SOLO分類理論就像一把清晰的標尺，能具體測量出學生思維的深淺。它既能揭示從單一觀點捕捉到跨情境遷移應用的發展路徑，又能診斷群體性思辨的瓶頸，讓原本看不見、摸不著的學生思考過程變得有跡可循。這樣，實現了基于認知發展規律的科學觀察與測評。

（三）生成式AI：創生認知智能體決策支持伙伴

在思維課堂觀察中，生成式AI的核心價值體現為構建認知發展性評估與教學決策支持系統。生成式AI是教師的協同觀察者，通過自然語言處理技術解構學生言語中的認知特征，依據SOLO分類框架，自動識別個體所處的思維層級。生成式AI還可以成為教師的智能研究伙伴，評估教師行為和學生反應之間的關系，生成針對性的教學改進策略，為教師提供循證教研的基礎。其深度思考以秒為單位的快速響應特點，在課后數據分析環節展現出極大優勢：能在極短時間內完成對課堂數據的解構，以客觀視角判定學生認知發展的關鍵點、教學互動中的有效環節與待優化節點等。這種高效性能讓教師從煩瑣的數據分析中解放出來，將精力集中于解讀結論、設計改進方案上，使課堂觀察研究的周期大幅縮短，研究效率與精準度得到雙重提升。

二、實踐透視：基于數字技術融合的思維課堂觀察應用

教師的課堂提問是學生思維發展的核心引擎。智能觀課數據揭示，課堂普遍存在教師提問數量過多且低階問題占比高的問題，這會導致課堂淪為淺層次的“問答場”。下面就以修訂版統編語文教材二年級上冊《去外婆家》一課中教師的提問評估和改進為例，探討數字技術如何助力課堂觀察與教學改進。

（一）基于智能觀課系統的教學切片分析

以下是教師試教后由智能觀課系統提供的教學實錄片段。

問題1：外婆家有什么好玩的？朗讀第四自然段，找一找。

生，：小山雀在林間蹦來跳去，很好玩。

生 ₂： 從小養大的小山雀不怕人，會飛到“我”手上來。

問題2：想一想，山雀除了歡快地蹦來跳去，還會歡快地干什么？唱什么？

生3：還會自己找蟲子吃。

生4：會嘰嘰喳喳唱歌，聲音很清脆。

問題3：為什么山雀那么歡快，人來了也不怕？

生5：因為是從小喂大的。

問題4：想一想誰給你喂過吃的？或者你給誰喂過吃的？

生6：我給小金魚喂過吃的。

生，：小時候，奶奶給我喂過吃的。

問題5：“我”在山林間還可以做什么？當“我”在山林間的時候，是怎樣的心情？為什么？

生8：還可以采蘑菇，聽小溪的流水聲。

生。：還可以爬樹、摘野花。很開心。

師：山雀是自由的、快樂的，山林間的“我”也是自由的、快樂的。我們一起分享這份快樂，快樂地

讀一讀。

教師將這一教學實錄片段輸入生成式AI平臺，通過與生成式AI的多輪對話，對教師的問題設計與學生的思維層級進行評估。

【教師提問1這是二年級上冊《去外婆家》課堂實錄片段，請評估教師提出的這五個問題對學生思維發展的作用。

【AI回答1】（深度思考13秒）這五個問題設計巧妙，層次清晰：問題1，信息提取，找好玩之處；問題2，合理想象，拓展山雀行為；問題3，深度推理與情感聯結，分析山雀不怕人的原因；問題4和問題5，移情體驗，聯系生活感受“我”的心情。設計體現了從表層到深層、從文本到生活的遞進。

【教師提問2這個教學設計片段中的提問存在什么問題？請進行評價。

【AI回答2】（深度思考17秒）這五個問題中，問題1需要切換朗讀、查找兩種認知模式；問題3和問題4包含原因分析+生字教學+情感關聯三重任務；問題5涉及想象遷移與情感歸因。這些問題的疊加容易造成認知超載。問題過多，缺乏向心力。課堂應該聚焦核心體驗“山林間的自由快樂”。

【教師提問3請根據SOLO分類理論，對學生的回答進行思維層級評估，并給出評估理由。用表格（見表1）呈現。

【AI回答3】（深度思考24秒）

表1AI根據SOLO分類理論對學生的回答進行思維層級評估

根據以上教師與生成式AI的對話，我們可以提取出以下信息：一是生成式人工智能既肯定了問題設計的優點一一層次清晰、逐步推進，又提出了課堂教學片段中存在的問題一一問題過多造成的認知超載，向心力不強。二是學生的回答基本呈現單點結構思維層級和多點結構思維層級，教師提問數量過多且缺乏深度。這是導致學生思維難以突破低階層級的重要原因一過于密集的問題鏈壓縮了學生深度思考的空間，使學生只能停留在對單一信息的提取或零散觀點的羅列上。而這種低階思維的反復呈現，又會反向固化教師的提問模式，形成“淺提問一低思維”的循環，難以推動學生的思維向關聯結構的高階思維發展。

（二）基于教學切片分析的教學設計改進

教師根據存在的問題，繼續與生成式AI進行多輪對話，不斷向其提出問題，如“請改進提問，提出一個核心問題，預估學生對核心問題的回答再進行追問，形成問題鏈”“請斟酌提問的表述，改進題干，促進學生關聯結構思維的發生\"等。以下是教師借助生成式AI并結合自身教學經驗改進后的問題設計。

核心問題：這一段寫到外婆家有好玩的山雀。 你從哪些地方感受到山雀特別好玩呢？

追問問題1：根據學生回答“山雀在林間歡快地蹦來跳去”，追問“山雀還會歡快地干什么，讓你也覺得很歡快？”

追問問題2：根據學生回答“山雀不會逃”，追問“你有過和小動物這么近距離的接觸嗎？這種近距離的接觸讓你有什么感覺？”

師：山林間的山雀是自由的、快樂的，山林間的“我”也是自由的、快樂的。我們一起分享這份快樂，快樂地讀一讀。

我們可以比較改進后的提問和原來提問的差異：一是問題的數量刪減了。從原本5個問題，變成3個問題。二是問題的結構變化了。從原來平行推進的5個問題，變為由核心問題統領兩次追問的思維進階的問題鏈。三是問題的思維導引。兩次追問都采用組合式提問，將“做了什么”和“什么感覺\"整合在一個問題中，重在引發學生關聯結構思維的發生。

以上三處差異是教師憑借教學經驗做出的判斷，我們可以來看看生成式AI對優化后的教師提問做出的評價。

【教師提問】你覺得以上兩次教學設計中哪次提問更能夠幫助學生形成關聯結構思維？為什么？請用300字左右進行說明。

【AI回答】我認為教學設計二更能促進學生關聯思維的形成，理由如下。

一是核心問題引導整體關聯：設計二以“從哪些地方感受到山雀特別好玩”為核心，要求學生系統梳理文本細節，并主動建立細節與文本表達的情感之間的關聯，形成對段落的整體理解。二是追問聚焦深度聯結：追問1要求學生基于“歡快”進行合理想象，將文字描述與生活觀察緊密結合，強化行為與情感的因果關聯。追問2打通文本與個人經驗，引導學生將“山雀不會逃”的異常現象與自身經歷關聯，建立“動物行為一人類感受一文本主題”的多維聯結。

在上述課例中，將原先分散的提問整合為核心問題引領下的遞進式追問問題鏈，有效促進學生建立行為現象與情感體驗的關聯結構思維。生成式AI以SOLO分類理論為依據，助力教師將抽象的教育理論轉化為具象、可操作的教學策略，助力經驗式教學邁向科學化設計。人機協同的研討模式為教師提供了高效認知導航。

（三）基于二輪試教的分析反思與教師成長

教學改進方案的價值最終需要在真實的課堂情境中驗證。教師依據生成式AI協同優化的教學設計進行第二輪試教。智能觀課系統完整捕捉課堂動態，其提供的實錄片段與生成式AI的即時評估共同構成了評估改進成效的多維證據。以下是第二輪試教的教學實錄片段（見表2）。

表2第二輪試教教學片段實錄及AI評估

續表

以上數據清晰地顯示，改進后的教學促進了學生思維從單點結構向關聯結構的進階。教師提出的問題“它們蹦來跳去在干什么呢？為什么會讓你們覺得很好玩？\"引發學生類比遷移，與生活經歷關聯；教師提出的另一個問題“誰和小動物這樣親近過？為什么小動物也不怕你呢？\"引發學生與生活經歷聯結。這樣的回答，精準對應SOLO層級中關聯結構的核心特征，即整合多要素，建立邏輯關系，形成對自由快樂的理解。通過這個案例，我們發現能引發關聯結構思維的問題，其共同點在于：都要求學生將文本中的具體現象與自身的生活經驗建立聯系，并解釋這些現象引發的感受，從而推動學生整合信息，形成有邏輯的關聯性思考。

對兩輪試教進行分析反思，為教師在思維課堂研究方面的成長提供了扎實的基礎。教師直觀地看到了教學策略調整與學生思維層級變化之間的直接關聯，能將對SOLO分類理論的抽象認知轉化為具體的教學操作能力，掌握了如何通過提問精準推動學生思維進階。

三、應用審思：數字技術融合的課堂觀察如何重塑研究生態

（一）課堂觀察從經驗直覺走向循證反思

數字技術融合的課堂觀察將傳統依賴教師主觀經驗的教學反思轉化為基于客觀數據與科學理論的循證實踐。在《去外婆家》課例中，教師對提問設計的改進不再僅憑自己的模糊判斷，而是依托智能觀課系統統計的問題數據、生成式AI基于SO-LO分類理論的思維層級分析，精準定位“低階問題占比高”“思維引導碎片化\"等核心問題。這種轉變的關鍵在于，技術工具提供了可追溯、可量化的證據鏈，從首輪試教中5個問題導致認知超載的具體表現，到改進后核心問題鏈使關聯結構思維占比提升的效果驗證。教師的反思由此擺脫經驗主義的局限。

（二）人機協同重構研究主體的互動范式

數字技術融合背景下的課堂觀察打破了傳統教師主導、技術輔助的研究方式，建構了“教師一AI\"雙主體的教學研究互動范式。這種互動范式中，教師與AI的雙主體關系呈現出動態平衡：一方面，要承認生成式AI作為“會思考的智能體”的獨特價值一一它基于數據與算法邏輯形成的判斷，具有超越個體經驗的客觀性與系統性，教師應尊重其理性思考成果，將其視為教研決策的重要參照；另一方面，教師必須堅守教育的主體性，對AI輸出保持批判性審視，遵循為學生服務的原則。上述課例中，兩種互動方式清晰地展現了這一平衡：首輪試教后，教師先通過人機對話獲取生成式AI對問題的設計和學生思維的分析，再結合經驗研判改進方向，屬“先人機對話，再做出研判”；改進設計時，教師先自主判斷核心問題統領追問設計的可行性，再了解生成式AI的想法，即“先自主研判，再人機對話”。這一過程正是教師保持獨立審視思考的重要體現。教師與AI各司其職，最終推動課堂觀察研究走向人機互哺的共生狀態。

（三）教學策略從零散探索走向結構化建構

傳統課堂研究中，教師對“什么是有思維含量的提問\"認知模糊，缺乏系統性的框架支撐。數字技術融合的課堂觀察可以將分散的教學行為轉化為可復制的結構化策略。以《去外婆家》的教學為例，數字技術工具不僅診斷出“問題過多導致認知超載”的具體問題，而且通過數據對比提煉出“核心問題統領 + 雙維度追問”的結構化提問模型。進一步來看，對多個課例進行技術分析并積累數據后，可形成針對不同學段、不同文本類型的思維教學策略庫，如文學閱讀可用“具象行為 + 情感體驗”的關聯提問結構，思辨性閱讀則用“觀點提取 + 邏輯驗證”的遞進提問框架。這種結構化建構讓思維教學從個體的觀察研究，升級為有章可循的系統性實踐，為學科思維課堂的規模化推廣提供了可操作的路徑支撐。

技術賦能的課堂觀察新范式，通過智能觀課系統、SOLO分類理論與生成式AI的融合，突破了傳統語文思維課堂中觀察難、評估模糊的瓶頸，將內隱思維轉化為可觀測、可分析的顯性數據，推動課堂研究從經驗驅動轉向循證實踐，重塑了教學研究的生態。未來需持續探索數字技術應用的邊界與優化路徑，讓數字技術更好地服務于思維課堂的深度建構，助力語文學科核心素養的落地與師生的共同成長。

[參考文獻]

[1］中華人民共和國教育部.義務教育語文課程標準（2022年版）[S].北京：北京師范大學出版社，2022.

[2] 約翰B.彼格斯，凱文F.科利斯.學習質量評價：SO-LO分類理論可觀察的學習成果結構[M」.人民教育出版社，2010.

[3]李明超.人工智能時代教師的技術隱憂與角色紓解：基于“主體性”教育哲學的視角[J」.當代教育論壇，2023（6）：105-112.

[4] 楊曉哲.基于人工智能的課堂分析架構：一種智能的課堂教學研究[J].全球教育展望，2021，50（12）：55-65.

[5] 馬筱瓊.生成式人工智能驅動下的校本教研轉型：困境與對策[J].中小學管理，2025（4）：27-31.

（責編韋雄）