人工智能在網絡教研中的應用

摘要：在教育過程中，課堂教學作為核心環節對學生的學習效果具有至關重要的影響。要實現高質量的課堂教學，需要從教學和教研兩個維度共同發力。因此，本文從人工智能與教研相結合的視角出發，聚焦于基于課堂的教研活動和基于教師專業成長的教研活動，深入探討如何利用人工智能賦能網絡教研，以實現基于文本、基于視頻和基于虛擬的教研，為教師創新教研模式提供啟發與指導。

關鍵詞：人工智能；網絡教研；教研活動

中圖分類號：G434"文獻標識碼：A"論文編號：1674-2117（2025）02-0084-05

引言

傳統的網絡教研模式存在教學資源信息過載和篩選困難、教學觀察與診斷主觀化、臆測化較為嚴重[1]，以及培訓枯燥無味等問題，而人工智能的快速發展與應用為網絡教研模式的改進和創新提供了新的機遇。因此，本文從人工智能與教研相結合的視角出發，聚焦基于課堂的教研活動和基于教師專業成長的教研活動，深入探討如何利用人工智能賦能網絡教研，以期為廣大教師在網絡教研中應用人工智能技術提供更多的思路和建議。

人工智能賦能網絡教研研究現狀

網絡教研是在傳統教研技術的基礎上不斷發展而成的一種新型的教研形式。從教研目的上講，陳忠德等學者認為，網絡教研作為一種促進教師專業發展的教研模式，利用現代信息技術，以發現、研究和解決問題為核心，優化和改進學校教研的方式、過程和結構，從而提高教學質量。[2]而尹洪輝等學者認為，網絡教研的核心目標在于有效促進課堂教學的實施，通過利用網絡平臺和資源，支持教師在教學過程中的優化和創新，以提高學生的學習效果和成就。[3]從教研的形式上講，李擁軍等學者提出網絡教研的活動形式包括聽課、評課、集體備課、個案研討、專題研討等。[4]肖正德學者也提出網絡教研的形式有專家引領、網絡課程培訓、專題研討以及實踐中的總結與反思等形式。[5]通過梳理不同學者對網絡教研的定義，可以看出，網絡教研通常采用集體備課、聽評課、開展專題或個案研討、課后反思、遠程培訓等教研活動形式，其目的是提升教師的教學水平，從而更有效地推動課堂教學實施。

為了分析國內人工智能賦能網絡教研的研究趨勢和研究熱點，本研究在中國知網以關鍵詞“人工智能”和“教研”為主題進行搜索，將文獻的分類目錄設置為社會科學II輯，時間范圍為2016-2023年，總計檢索到了101篇相關文獻。結果顯示，學術界對網絡教研的關注度和發文量在過去3年間呈顯著上升趨勢。這一趨勢表明，學術界對人工智能在網絡教研中的應用越來越感興趣，對其的研究也越發重視。

人工智能在基于課堂的網絡教研活動中的應用

1.傳統的網絡教研流程

經驗學習圈理論是由大衛·庫伯（DavidKolb）提出的循環學習模式，該理論包括具體體驗、觀察反思、抽象概念、積極實踐四個循環階段。[6]該理論描述了學習過程中實踐與理論相互作用、轉化的模式，被廣泛應用于教學、培訓等領域。[7]

依據該理論，傳統的教研流程通常包括教學設計與實施、課堂觀察與反思、課后交流與研討、教學改進與優化。其中教學設計與實施，即教師根據教學目標和學科特點，進行組內備課和教學資源等準備工作，最后制成設計方案并在課堂上進行實施。課堂觀察與反思，即授課教師在實際教學過程中負責指導學生的學習，觀課教師進行課堂觀察，以獲取學生的實際表現和反應。課后交流與研討，即教師與同事進行溝通，分享彼此的教學方法和策略，共同針對課例進行研討，從中獲取新的教學啟示，形成概念。教學改進與優化，即教師根據教學診斷對自己的教學設計進行相應的調整和優化，以提升教學質量和效果。

然而，傳統網絡教研存在諸多問題。首先，課前備課不精準。由于受時間與資源限制，教師難以精準把握學生需求與教學目標，從而影響教學的有效性。其次，在課堂實施環節，課堂觀察主要依賴于教師的主觀經驗和直觀印象，這種評判可能受到主觀偏見和個人經驗的影響。最后，課后診斷環節依賴教師的個人回憶和主觀感受，教師較難全面客觀評估自己的教學效果。

2.智能技術支持下的網絡教研流程

（1）課前教研，為課堂教學打好基礎

①教育知識圖譜能夠幫助實現精準備課。教育知識圖譜是知識圖譜在教育領域的一種應用，其以知識元為節點，根據知識元之間的多維語義關系（如上下位關系、關聯關系、因果關系）進行關聯，在知識層面和認知層面表示學科領域知識和學生認知狀態，可用作知識導航、認知診斷、資源聚合、路徑推薦的知識組織與認知表征工具。[8]

通過教育知識圖譜，教師能清晰地了解各個知識點之間的聯系以及學生的認知狀態，從而優化備課方案。

②利用生成式人工智能生成個性化備課方案。生成式人工智能是一類可生成具有創造性與獨特性內容（如文本、圖像、音頻等）的人工智能系統。其中，ChatGPT作為教師的智能助手，借助深度學習和自然語言處理技術構建語言模型，依據教師所輸入的學生信息、教學場景以及教學目標，可以生成契合不同學生需求與教學場景的個性化備課方案，其步驟如圖1所示。這種個性化備課方案的生成方法不僅能夠滿足不同學生和教學場景的個性化需求，還可以提高備課效率，減輕教師的工作負擔。

（2）課中觀察，實現機器智能與人的智能相統一

課中觀察有兩種方式：一種是定性觀察法，它主要是通過使用觀察者的口頭陳述或對課堂進行實時錄像的方法還原真實授課活動。在運用定性觀察法觀察課堂時，觀察者的觀察以及描述課堂過程的能力都對觀察結果產生重要影響。另一種是定量觀察法，這種方法是按照一定的框架或規則進行記錄的，并且需要將觀察到的信息轉化為具體的數值進而量化，觀察者需要使用如自制的觀察量化的觀察工具進行記錄。但是，如果僅依靠觀察者人為進行量化的觀察記錄，存在三個問題：一是教師在觀察過程中僅能抓取少數幾個角度進行記錄，容易疏漏掉其他的課堂信息；二是主觀性較強，可能會導致遺漏和偏差[9]；三是課后的評分結果不易進行統計和分析。

隨著智能技術的不斷發展，課堂觀察也進入了新的階段，以智能研修平臺為例，其能夠將機器的“智能”與人的“智力”相結合，實現兩個目標：一是實現基于人工智能的機器觀察；二是實現基于量規的人工觀察。

①利用智能錄播教室實現對課堂行為數據的采集。想要實現對課堂師生行為數據的常態化、伴隨式記錄，第一步是對教學行為進行編碼，在教學行為編碼方面，程云等人提出了一種基于言語活動的教學行為編碼系統，將教師和學生的言語行為與活動行為共四類行為進行了編碼。[10]基于這個編碼系統，智能研修平臺對教師的講授、板書、巡視、師生互動以及學生的聽講、舉手、應答、讀寫和生生互動等九種行為進行編碼和建模。[11]第二步是利用智能錄播教室實現師生行為的常態化伴隨式采集。首先，其配備了高清攝像設備，包括固定攝像機和跟蹤攝像機，可以從多個視角捕捉教師和學生的行為。其次，音頻設備的配置使得教學中的聲音可以被清晰地記錄，以確保高質量的音頻錄制。此外，智能錄播教室集成了光學字符、語音、姿勢識別以及人臉辨識等技術，這些技術共同記錄教師教學行為數據、學生學習行為數據、師生互動行為數據與生生互動行為數據。

②利用基于AI的課堂教學行為分析工具進行數據分析和可視化。基于上述的課堂行為，智能研修平臺可以實現７個維度的學情分析（如圖2），并能自動生成3份精準分析報告：其一是《教學行為分析報告》，供教師結合視頻進行精準反思；其二是《兩堂課的對比分析報告》，即對異構同課、同構同課以及異構異課的課程進行對比分析；其三是《周期教學行為數據統計分析報告》，即以周、月、季度、年為單位，自動統計和分析每位教師在周期范圍內的教學行為數據。

③對觀察教師的教學評價數據進行采集和分析。除了實現對師生教學行為的伴隨式采集外，平臺還能實現對教學評價數據的精準采集。首先，平臺內置的在線聽評課模塊使參與評課的教師和教研員無需親臨教室現場，便能在任何時間、任何地點，通過手機、計算機等多種終端完成聽評課。其次，平臺在聽評課系統中嵌入了基于人工智能的課堂教學行為分析工具，這使得參與評課的教師能夠同步獲取被評課例的部分（直播聽課獲取部分）或全部（錄播聽課獲取全部）AI教學行為數據，并可以點擊數據進行主觀評價。此外，聽評課教師可以結合課前制訂的課堂觀察量化表，觀課并對被評課例的講授教師進行教學設計能力評分以及課堂實施質量評分，平臺會自動匯總和統計所有打分結果，并生成教師能力矩陣和雷達分析圖，以多維度的評測結果為教師開展研修反思提供科學的數據支持。

（3）課后研修，開展精準診斷和反思

課后研修是課堂教學結束后的關鍵環節，旨在組織教師進行精準診斷和反思，以深入理解教學現象與教學理論。在教學診斷環節，教師可以利用觀察量表主觀評分，確定診斷方向，再結合人工智能客觀數據，精準定位問題。

①根據觀察量表，確定診斷方向。以某教師執教的一節小學數學課為例，從觀察量表的權重設計來看，任務設計和問題設計是該課堂的兩個重要觀察和診斷維度，這兩個環節的預期效果達成率均未達到80%，與理想達成率相差較大，表明教學設計仍有改進空間。因此，接下來可以針對這兩個維度結合AI教學行為數據，開展實證精準分析。

②依據客觀數據，精準定位問題。在應用數據開展診斷之前，首先必須對課堂教學設計進行“庖丁解牛式”的分解，故依據本節課的教學設計流程和課堂表現度曲線（如圖3）可以對數據進行解讀，以下以“任務設計”為例展開分析。

從整堂課的總時長來看“造成整節課拖沓的任務環節”。首先，本節課時長超過了56分鐘，遠大于45分鐘的時長，這說明課堂節奏把控有待改進。其次，通過一級任務環節的時間占比，可以發現“探究規律”環節持續了49分鐘，這是問題所在。在該環節中，教師設計了三項任務：“設疑引思”“初步感知規律”“發現規律”。觀察二級任務環節的時間分配，可以發現“初步感知規律”耗時25分鐘，“發現規律”耗時19分鐘。考慮到前面的“感知規律”環節，學生已經進行了對規律的多次觀察，再去發現規律應該是一個呼之欲出的環節，但“發現規律”仍花費了19分鐘的時間，這就要思考前面的“感知規律”環節是否設計得科學合理。

從表現度曲線拐點看“學生參與數學學習活動和交流的機會”。具體地說，當學生表現度曲線呈上升趨勢時，可能存在以下三種情況：一是教師正在向全班學生進行講授、展示和提問；二是全班學生正在進行集體思考、閱讀、書寫和齊聲回答問題；三是學生代表正在向全班做匯報、展示和提問。相反，當學生表現度曲線呈下降趨勢時，學生很可能正在進行分組探究、實踐操作或全班討論等活動。在本案例中，所有下降的曲線代表學生進行小組活動。如圖4所示，可以清晰地看到，在三個學習任務中共安排了四次小組活動，共耗時9分鐘。相對于總課時56分鐘而言，小組活動僅占16%的時間。因此，需要進一步反思小組活動是否充分。此外，還可以發現，在發現規律任務的學習單環節，曲線起伏明顯，說明教師介入學生的學習活動，包括對學生干預、對知識點進行梳理等，因此，教師需要反思導學單設計得是否合理。

人工智能在基于教師專業成長的網絡教研活動中的作用

1.利用元宇宙構建創新的遠程協同培訓場景

首先，教師可以在元宇宙中建立虛擬的教研場地，進行更加真實的互動和交流。在元宇宙中，教師可以創建自己的虛擬形象，感受到更加真實的教研場景，提升參與感和沉浸感。以虛擬教研室為例，在教研內容方面，教師可以利用虛擬教研室中的減速器模型進行教學研究，系統能扮演虛擬學生的角色，使得研訓更加貼近真實的課堂教學。[12]

2.利用ChatGPT實現“虛擬專家”個性化培訓指導

傳統的以培訓為主要方式的“專家指導”容易疏忽教師在抽象理論到具體實踐的轉化過程中面臨的挑戰和困難，且缺乏針對性，而ChatGPT可以搭建理論與實踐之間的橋梁，提供個性化的“虛擬專家指導”。在ChatGPT的支持下，教師能夠以對話的形式與“虛擬專家”進行互動，如上傳自己在教學實踐中遇到的問題，讓ChatGPT從理論層面分析問題成因，并給予實踐建議。教師在與ChatGPT共同解決問題的過程中，可以逐漸突破理論轉化實踐的難點，獲得教學實踐能力的提升。

結語

本研究從人工智能賦能教研切入，探索智能時代教研展開方式。在課前階段，教師可以借助知識圖譜技術和生成式人工智能實現備課和上課的精準化。在課中階段，人工智能技術可以伴隨式采集師生行為數據和評課者評價數據。而在課后階段，教師可通過人工智能生成的可視化圖譜進行精準診斷和反思，促進個人專業成長。此外，培訓對教師的專業發展至關重要，而基于虛擬環境和個性化指導的智能可以在培訓中發揮不錯的效果。但智能與教研結合有技術可靠性、應用能力接受度、數據隱私倫理等挑戰，未來研究需解決并探索前沿應用，為教師提供支持，推動教育進步。

參考文獻：

[1]李淼浩，曾維義.基于數據的校本教研助力教師專業發展研究[J].中國電化教育，2019（04）：123-129.

[2]陳忠德，肖正德.網絡教研的價值、問題與對策[J].現代教育論叢，2007（02）：28-30+61.

[3]尹洪輝，李成兄.開展網絡教研促進教師專業發展[J].教育教學論壇，2020（26）：43-44.

[4]李擁軍.淺談中小學網絡教研的現狀[J].中小學電教，2010（11）：15-16.

[5]肖正德.網絡教研：一種促進教師專業發展的新型教研模式[J].現代遠距離教育，2007（01）：34-36.

[6]KOLBDA.Experientiallearning：experienceasasourceoflearninganddevelopment[M].EnglewoodCliffs，NJ：PrenticeHall，1984.

[7]BogguTA，SundarsinghJ.AnExperientialLearningApproachtoFosteringLearnerAutonomyamongOmaniStudents[J].JournalofLanguageTeachingandResearch，2019，10（01）.

[8]李振，周東岱.教育知識圖譜的概念模型與構建方法研究[J].電化教育研究，2019，40（08）：78-86+113.

[9]唐維樓.利用AI課堂行為分析支持教師專業成長的實踐研究[J].中國新通信，2021（06）：173-175.

[10]程云，劉清堂，王艷麗，等.課堂教學行為分析云模型的構建與應用研究[J].遠程教育雜志，2017，35（02）：36-42.

[11]李陽，曾祥翊.人工智能賦能教研高質量發展：智能精準教研的理論框架、實踐藍圖與發展脈絡[J].中國電化教育，2022（11）：99-107+122.

[12]萬斑星火，正在形成燎原之勢——元宇宙教育現狀與未來[J].中關村，2022（11）：43-45.

作者簡介：王麗珍（1970—），女，山西應縣人，山西大同大學教師發展中心主任、二級教授、碩士研究生導師，研究方向為信息技術支持下的教師專業發展研究；張澤榮（2001—），女，山西運城人，首都師范大學教育學院碩士研究生，研究方向為智能學習支持環境。

基金項目：2021年度山西省高等學校教學改革創新項目“‘互聯網+’視域下跨學科教師隊伍建設研究”（項目編號：J2021490）；2023年度大同市應用基礎研究計劃項目“以學生為中心的智能化課堂教學測評系統的影響因素和關鍵技術研究”（項目編號：2023057）。