生成式人工智能賦能初中化學學情分析的路徑

摘要： 學情分析是教學設計的起點與教學質量的關鍵保障。以DeepSeek模型為例，研究者構建基于生成式人工智能的學情分析實踐路徑，闡述了技術助力下的學情分析方法與優勢。實踐表明，鏈接核心素養構建內容體系、智能精準分類厘清分層路向、動態監測增值形成教學優化閉環，推進了學情分析的智能化與系統化，為中學化學教師提供了有益借鑒。

關鍵詞：學情分析；生成式人工智能；DeepSeek；化學核心素養

隨著教育部啟動人工智能賦能教育行動，眾多研究聚焦于利用人工智能推動教與學的深度融合，構建智能教育生態，促進基礎教育高質量發展。DeepSeek作為國內生成式人工智能的代表，憑借其在算法模型、思維鏈技術上的突破，實現低成本訓練與高效率輸出，脫穎而出^[1]。該平臺植根中國，具有很強的本土適配性。地方政府與高等院校的本地部署使其在課堂教學中的應用更加便捷^[2]。然而，當前研究多集中于人工智能賦能教學過程、實驗教學及教師備課，對生成式人工智能賦能學情分析機制的研究較少。筆者將從內容體系、分層路徑、教學閉環三方面構建基于生成式人工智能的學情分析實踐路徑，以助力教師學情分析提質增效。

一、鏈接核心素養，構建學情分析的內容體系

學情分析是教學設計的起點與教學質量的關鍵保障?！八仞B本位”的學情分析認為，學情分析與教學實踐的根本目標均為發展學生的核心素養，應掌握學生的認知、能力、態度等核心素養情況^[3]。教師構建學情分析的內容體系應做到“知情異結合”?！爸笔前l展核心素養的基礎，“情”是動力，“異”是依據。

（一）賦能“知”解，筑核心素養之基

有效的學情分析應立足于學生認知層面的實際情況，明確已有知識基礎和能力水平與核心素養目標之間的差距，挖掘學生的潛在發展能力及突破點，預設核心素養的生成方向。傳統學情分析在龐大且動態變化的學生群體面前，難以實時、精準反饋學習情況。DeepSeek賦能“知”解，能夠即時捕捉認知變化、實時追蹤學習軌跡、瞬時呈現學情分析結果，有效提升學情分析的廣度、深度與精度。以DeepSeek模型為例，教師可按“輸入學情數據—設定診斷要求—優化分析路徑—限定具體內容—獲得輸出結果”的流程，智能精準地診斷學生的認知水平，識別知識盲區與素養突破點，推動學生向更高素養水平邁進。

（二）賦能“情”意，助核心素養之力

在學情分析中，教師對情感要素的把握常依賴主觀判斷和經驗積累，而人工智能技術的引入能增強其客觀性與邏輯性。人工智能的情感分析技術可通過分析學生在課堂上的面部表情和語音語調等情感信號，動態感知其學習情感狀態，全面評估學生的學習體驗和參與度^[4]。DeepSeek雖展現出類意識表征，實質仍是數字情感的外顯與算力體現，不能代替師生之間的真實情感體驗。因此，教師應從與學生密切相關的生活經驗中尋找能產生情感共鳴的真實情境，在真實情境中設置高質量問題，驅動學生核心素養的發展。借助DeepSeek，教師可高效篩選出契合學生興趣的真實情境。例如，在九年級化學教學中，學生雖對化學學科充滿好奇，卻缺乏將學科知識與實際生活和社會問題關聯的能力。DeepSeek的應用可以快速聯系社會熱點，提供與化學學科關聯的生動情境（見表1），幫助教師跨越認知鴻溝，拓展學科視野，提升課堂教學的吸引力和時代感，促進師生在情境上互相靠近，在情感上產生共鳴，在認知上深度融合。

（三）賦能“異”識，促進個性化發展

學生的個體差異是學情分析的難點與痛點，也是生成式人工智能賦能“異”識的技術優勢與價值所在。生成式人工智能以內容生成高效化、數據分析精確化、結果輸出穩定化的優勢分析學生個體差異，為學生量身定制個性化學習方案。以DeepSeek為例構建差異性分析模型，教師基于學生學習行為數據、學習反饋數據、學業表現和測評數據、教師觀察與評價記錄以及智能系統采集數據，對學生個體進行學習風格識別、學習行為分析與學習障礙定位等（如圖1）。這不僅能夠對龐雜零散的學習數據進行處理與整合，為不同學生量身定制學習方案，還能結合班級整體情況，設計出既能滿足學生個性化需求、又能推動學生整體發展的課堂教學計劃。

二、智能精準分類，厘清學情分析的分層路徑

學情分析立足差異現象，其實施過程本質上是一種隱性的動態分層。生成式人工智能的引入使得學情分析的分層路徑更清晰。

（一）基于多元標準的智能分層題庫建設

基于分層理念進行學情分析，首先要對學生的認知水平進行精細化分層，以布盧姆教育目標分類學在認知領域的記憶、理解、應用、分析、評價、創造六個層次為分類依據，并借助DeepSeek輔助教師對學生進行智能精準分類。以科粵版九年級化學下冊第六章第二節“金屬的化學性質”為例，借助DeepSeek快速生成對應層次的分層測試題（見表2），幫助學生“對號入座”，將學生的認知能力劃分為不同層次，使學生能夠從記憶到評價逐步深入理解金屬的化學性質，并在實際應用中培養其化學核心素養與問題解決能力，確保每位學生都能在“最近發展區”內挑戰自我，實現有效學習。

除了對認知水平等知識層面的分層外，還需設置多元化的分層標準，如對學生的學習態度、學習意愿、思維模式、素養能力等因素進行分層。DeepSeek同樣可以針對多元化的分層標準，智能生成分層題庫或分層任務等，使得學情分析的分層不僅限于知識層面，也可以拓展到思維、能力和情感層面。例如，診斷學生的學習意愿是主動學習型還是被動接受型、思維方式是活躍型還是沉思型等。

（二）基于學情測評結果預設分層路徑

厘清前期準備后，課堂實踐中教學內容與方法的分層設計，也是教師在學情分析過程中要提前預設的環節。教師可依據智能分層測試的結果，將學生分為基礎層、發展層、研究層等不同層次，并結合DeepSeek的智能分析技術，為不同層次的學生制定知識、能力與方法的分層目標，確保目標匹配；設計層次化學習任務，確保任務匹配；同時，利用智能評價系統對學習任務表現進行即時評價，使之不斷調整與優化，確保過程匹配。以發展層學生為例，在掌握基礎知識的前提下，教師需進一步拓展該層次學生學習的深度與廣度，借助DeepSeek精準設置高階思維任務，如設計并優化實驗方案、基于數據定量分析實驗結論、走進生活進行開放性探究任務等，在目標匹配、任務匹配、過程匹配的基礎上推動學生向更高層次的素養水平發展。

（三）基于“人機協同”優化分析系統

在建立智能分層題庫和預設分層路徑的基礎上，如何確保智能工具應用在學情分析中的公平性、透明性與可解釋性是個值得關注的問題。人工智能進行學情分析是否存在數據偏見？是否更傾向于給成績優異的學生推薦更高難度的學習任務而忽視學困生的需求？是否會受到數據訓練的影響，對不同背景下的學生存在不公平的評估？這需要教師在使用人工智能時加以辨別、合理干預，不能完全依賴智能工具的生成結果，而是要具備批判性思維對其生成內容進行審慎分析，以提高智能學情分析過程中的可追溯性、可解釋性和可復現性，提升分析學情的透明度與公平性。

三、動態監測增值，形成學情分析的教學閉環

從評價層面看，學情分析的本質是對學生前一階段學習情況與動態變化的階段性總結與評價，這與增值性評價的理念不謀而合?！读x務教育化學課程標準（2022年版）》倡導教師探索增值性評價，構建過程性評價、終結性評價、綜合評價與增值評價四位一體的評價體系。增值性評價重視學生起點差異及學生學習態度、學習方式和學習意志的變化，是在測評學生差異的基礎上追求可持續發展的深刻體現。學情分析作為增值性評價的前提，而增值性評價又是對學情分析的進一步深化，二者相互促進，共同構成了落實教學評一體化理念的教學優化閉環（如圖2）。

（一）學情分析對增值評價過程的優化

增值評價注重對比學生一段時間內學習的動態變化量，但如果起點數據不準確，則會影響評價的效果和真實性。生成式人工智能分析學生的認知水平、情感要素和個體差異，使得學情數據更加精確，能夠及時監測學情數據的動態變化，為增值評價提供了客觀準確的起點數據，避免數據偏差。同時，作為智能題庫的設計者與智能測評助手，生成式人工智能通過設置分層題庫檢測到的學情結果也可以作為增值評價的前測依據，確保不同層次學生的學習起點得到科學、高效、智能的測量，提高增值評價的科學性，使教師看到不同層次學生的學習變化、學習情感或知識盲區，從而有針對性地改進教學。除了前期數據的支持，DeepSeek賦能學情分析也影響著增值評價的過程和結果。一方面，借助DeepSeek能夠豐富增值評價的評價指標，使其不僅僅局限于“智育”增量的測量上，更能拓展至德、體、美、勞等四育的評價。另一方面，DeepSeek實時分析學生學習情況、采集學情數據，能夠基于算法合理地預測學生的未來發展趨勢，減少教師在長期監測增值量過程中的投入負擔，為增值評價提供數據驅動、技術支持的評估體系。

（二）增值評價對學情分析的反向促進

反過來，增值評價也能促進學情分析的可持續發展。增值評價通過長期的數據積累和增值量的測量，可以為學情分析提供穩定、持久的學情數據，提高學情分析的準確性和長效性。學情分析的教學應用頻率相對較高，每一學期、單元或課時都需要進行學情分析，屬于短期的學情診斷和數據積累，且更新頻率高。增值評價則是基于長期數據，可能是一個單元的教學實踐，也可能是一個月甚至幾個月的階段性測量與數據收集，這些長期數據的積累反過來也能驗證學情分析的準確性，衡量學情分析的教學成效，作為反饋持續優化學情分析的內容體系與分層路向。例如，若實施增值評價發現DeepSeek提供的某些個性化學習方案對學生的長遠發展貢獻不大，可以結合增值評價數據，對DeepSeek進行數據補充與過程優化，不斷訓練和改進，以提高DeepSeek賦能學情分析的準確度。

（三）二者有效結合形成教學優化閉環

學情分析與增值評價相互促進、相輔相成，使用智能工具將二者有效結合，發揮各自優勢，構建智能化的“學情分析—教師干預—增值評價—優化反饋”的教學優化閉環，落實教學評一體化理念。以化學教學為例，借助DeepSeek輔助教師進行學情分析，如分析學生對“金屬和金屬材料”單元的掌握情況，設計分層測試題庫，將學生群體分為基礎層、發展層、研究層三個層次，作為前測數據。教師結合自身專業素養對不同層次的學生設計個性化分層路徑，對DeepSeek的測評結果進行合理干預。結合增值評價對比學生一段時間后的學習表現，測量其增加值，并評估DeepSeek賦能學情分析與教師干預的教學效果，作為后測數據。最后，依據后測數據不斷調整DeepSeek賦能學情分析的路徑，以實現教學優化閉環。

數智時代背景下，教師應會用、善用、智用人工智能技術，在“人機協同”的基礎上充分發揮學生的主體性，用批判質疑的態度審視智能生成內容，積極探索人工智能賦能中學化學教學與實驗的新模式，不斷提升自身數字素養，讓生成式人工智能成為教師備、教、學、評的強大助力。

注：本文系內蒙古自治區研究生精品課程建設項目“中學化學教學設計與實施”（JP20231018）、內蒙古師范大學基本科研業務費項目“化學學科核心素養為本的教學評價研究”（2022JBJJ007）、內蒙古師范大學第十批教學研究課題“循證評估視角下化學專業師范生培養模式研究”（項目編號：2023sfzx23831）的研究成果。

參考文獻

[1] 鄧建鵬，趙治松.DeepSeek的破局與變局：論生成式人工智能的監管方向[J].新疆師范大學學報（哲學社會科學版）， 2025（4）：1-10.

[2] 王聞萱，王丹.中國生成式人工智能DeepSeek的核心特征、價值超越及未來路向[J].統一戰線學研究，2025（2）：1-14.

[3] 馬思騰，褚宏啟.基于學生核心素養發展的學情分析[J].現代教育管理，2019（5）：124-128.

[4] 陳蘭芳.人工智能對化學教育的賦能與挑戰[J].化學工程與裝備，2024（12）：169-172.

（作者白靜系內蒙古師范大學化學與環境科學學院碩士研究生；李玉珍系內蒙古師范大學化學與環境科學學院教授）

責任編輯：祝元志