人工智能助推精準教學的學校實踐

【中圖分類號】G434；G632.0 【文獻標志碼】A 【文章編號】1005-6009（2025）31-0019-04

精準教學指的是一種以學生為中心，針對性地設計和實施教學活動的教學策略，指向學生的個性化學習。南京江北新區浦口外國語學校（以下簡稱“浦外”）作為區級智慧教學的試點學校，依托區域智能研修平臺推進精準教研，促進精準施教與精準評價，全面落實學科育人。浦外教師運用智慧教學系統、AI聽說系統、AI作業平臺、智能研修平臺，實現“課前一課中—課后”全流程貫通，將智慧教學系統的學情數據與智能研修平臺的行為數據深度融合，將分析結果作為教學決策的依據，實現教學與教研相互協同、互相促進的良好生態（具體見圖1）。

圖1數據驅動的\"融通式\"決策

一、數據驅動的精準教研

浦外校本教研以數字化平臺為支撐，基于數據形成“診斷—設計一實踐—反思—優化”精準教研的閉環。

1.“四步五環\"課例研修模式

學校在區域統籌下部署了央館智能研修平臺，教研組同步優化原有備課流程，形成了線上線下相結合的“四步五環\"課例研修模式（見圖2）。該模式以“數據”為證，將智慧教學系統的“學情報告”與智能研修平臺的“AI課堂報告\"融合分析，實現“備一授一評一研”一體化。

圖2“四步五環\"課例研修模式

2.基于智能研修平臺的學科切片診斷

課堂切片診斷是通過對教學過程中各個環節的觀察、分析和評價，找出教學中的問題，聚焦不足之處，提出改進措施。以初中數學《反比例函數的圖像和性質》教學為例，研課時截取三個片段進行詳細分析。

【切片1課堂教學第2—6分鐘，學生的表現曲線與參與度曲線持續下降。回看視頻發現，在這個環節中，教師簡單引入課題后直接提問：“大家觀察算式，猜一猜這個函數圖像有什么樣的特征？”學生因為不能數形結合，所以無法準確理解算式的函數表現形式，回答情況并不理想。診斷分析：教學內容難度較大，學生沒有充分思考的時間。改進優化建議：先讓學生觀察并試著寫一寫，留足自主思考的空間，然后再針對性追問。

【切片2課堂教學第12—20分鐘，各項曲線出現異常。回看視頻發現，此環節在猜想完特征后，教師直接讓學生完成“列表、描點、連線”的作圖步驟。教師先花費了大量時間在黑板上畫了完整的表格以及平面直角坐標系，隨后巡視學生作圖并收集素材，講評學生列表時出現的問題，但學生在講評環節的反應并不積極。診斷分析：教師在黑板上畫圖時，學生的課堂表現度快速下降，但參與度與關注度持續上升。改進優化建議：教師課前準備好平面直角坐標系板書，減少作圖時間；在學生自己列表前，教師應先引導學生認識列表取值的注意點，再讓學生完成作圖，避免因認知錯誤導致作圖失敗。

【切片3】課堂教學第34—36分鐘，學生的參與度與關注度曲線快速下降。回看錄像發現，此時距離下課還有幾分鐘，教師仍在提問并立刻點名學生回答問題。診斷分析：學生的思考時間不夠。改進優化建議：利用幾何畫板展示圖像，通過直觀對比分析，展示同特征函數圖像，引導學生思考延伸。

教師依據改進優化建議進行調整，再次試上后的數據顯示：師生互動時間增加至10分鐘，生生互動也稍有增加，一節課的整體曲線幾乎都維持在較高水平。

二、數據驅動的精準教學

1.“三學”教學模式探索

浦外基于智慧教學系統，依托網絡學習空間，以線上與線下融合的方式，開展數據驅動的“三學\"教學模式實踐，即\"課前問學一課中研學一課后評學”。

初中英語學科教學運用AI聽說課堂系統，學生的答題器具有“選擇”\"判斷”\"語音輸人\"等功能，課堂上可實現及時互動與即時評價，有效落實了新課標“教一學一評”一體化的要求。以初中英語Unit4Findingyourway的Reading板塊教學為例，課前問學階段，教師運用“單詞PK\"功能，了解學生對方位的認知程度以及方位詞識記的準確率，精準定位本節課的重難點。課中研學階段，教師要求學生讀完課文，梳理文章寫作邏輯，找出動物園的游玩路線。教師發布“選擇”習題，促進學生熟練分辨方位以及“相對位置關系\"的表達；發布“判斷\"習題，引導學生把握文章細節，訓練閱讀技巧；發布“課本聽讀\"習題，全班同時測評，根據后臺實時評分結果，選擇得分率低的語句進行點評和指導，糾正學生發音，提升英語口語能力。課后評學階段，教師根據課前、課中環節的數據，布置彈性作業，要求學生對薄弱環節進行訓練，強化個性化學習。

在物理學科教學中，學生運用學習終端獲取和提交數據，教師根據生成性數據及時反饋，推動教學決策的精準化。以“電學實驗專題復習”為例，課前問學階段，教師利用人工智能生成視頻，讓課本中的人物開口說話，激發學生興趣。課中研學階段，教師利用“觀點云”收集學生觀點，了解學生的學習困惑，培養學生敢提問、會提問的良好學習品質。同時，教師投屏展示學生的電路實驗過程，放大細節，發現問題并解決問題；指導學生利用人工智能拍照解題，學會向人工智能提問，與智能體對話，解決學生個性化發展的問題。課后評學階段，學生線上答題，教師及時評價學習效果。

2.數據驅動的學科教學改進路徑

學校以備課組為單位，依托智慧教學系統，憑借科學的數據分析模型，基于數據的多維度分析，以問題為導向，制定學科教學改進的智慧路徑（見圖3）。

各學科備課組設計統一作業，運用學情系統采集并批閱作業，平臺自動生成學情數據。開展教研活動時，組長依據年級整體數據分析，提出學科組層面的教學設計及學案設計的優化方案，同時設計薄弱知識點的變式練習，從而進行鞏固提高。教師自行查看各自班級的數據分析報告，重點分析學情及錯因，反思自身教學，聚焦學生特點，制定下一階段的教學策略。

三、數據驅動的精準評價

學校建設校本題庫，編制彈性作業，分章節裝訂成“題卡合一\"的練習冊，借助高掃與平臺，實現作業數據常態采集分析，完善數據驅動的校本作業設計與使用流程（見下頁圖4）。

作業數據主要有四大應用場景。一是精準施教。教師課前了解學情，關注學生個體化差異，及時調整教學重難點。二是精準輔導。對于學生作業中出現的共性問題，教師以組卷再練的形式加以鞏固；對于個別學生的個性化錯題，以課間個輔的形式及時處理。三是精準優化，及時替換準確率達 95% 以上或 20% 以下的試題，實現“高效作業”。四是精準再練。學生利用AI工具生成個人錯題集，在教師的指導下進行二次訂正和變式練習。

總之，在數字化轉型背景下，浦外的“人工智能 + 教學”探索，以數據驅動教學決策為突破口，深耕課堂教學改革，聚焦學科素養，有效落實“教一學一評”一致性，為培育時代新人貢獻學校智慧。

【參考文獻】

[1]曹鵬.探索信息化教研新生態：基于智能研修平臺提升中小學教師教研水平的江蘇實踐[J].江蘇教育，2023（52）：39-42.

[2]秦黎靜，胡希榮，底燕.基于智能研修平臺的精準教研實踐［J].中小學數字化教學，2024（1）：91-95.

[3]金國成，郭元勇.由點入面精準教學[J].上海中學數學，2024（1）：86-89.

[4]任學寶.從教學監測到精準教學[J].課程·教材·教法，2020，40（5）：38-44.

責任編輯：周小濤