生成式人工智能助力課堂教學

【摘" 要】生成式人工智能的快速發展正逐步影響當前教育教學過程，其在課堂教學中的正確合理應用尤為重要。課前，它有助于高效處理教育數據，輔助教師分析學情，優化教學目標，生成高質量教學方案和資源；課中，它有助于引領學生深入探究，為學生提供專業的個性化指導以及情感支持；課后，它有助于開展過程性評價，為學生定制個性化作業與豐富的拓展資源，助力教師反思教學與改進教學策略。

【關鍵詞】生成式人工智能；大模型；課堂教學

生成式人工智能基于預訓練大模型等技術生成多模態內容，通過超大規模神經網絡模型從海量數據中提取隱含特征和規律，具有強大的啟發性內容生成、對話情境理解、序列任務執行等能力。[1]具體來說，它可以基于給定的主題，生成具有啟發性和創意性的多模態內容；也可以在多輪對話中識別和理解人類非結構化語言中的語義信息與情境信息，進而生成連貫性回復，為用戶提供良好的交互體驗；還可以利用自身的邏輯推理能力，理解用戶指令的關聯信息，并拆解信息，進而完成多步驟復雜任務。

在教育領域，我們可以利用教育場景數據，訓練用于解決教育任務的專用大模型；基于通用大模型，通過微調訓練使其獲得教育專業服務能力；通過引入外部知識庫和提示工程，讓通用大模型學習教育領域的重要情景信息及服務邏輯。[2]在一線教學中，教師可以根據教育場景和實際需求使用生成式人工智能，讓其在課前、課中、課后三個教學場景中輔助教師完成不同任務。

一、課前：精準規劃與資源優化

1.教學目標生成與優化

生成式人工智能能夠快速處理大量教育數據，教師只要提供學生課前測試數據，或用自然語言陳述班級學生真實的學習情況，生成式人工智能就能分析學生的知識掌握情況與能力層級分布。據此，教師就能不再僅憑直覺和經驗設定教學目標，而是借助大數據生成與學生實際需求相匹配的教學目標，有效避免教學內容難度設置不當的問題。

以初中信息科技課程“互聯網的誕生與演化”為例。在課前，教師可以收集學生作業完成情況、課堂表現數據，以及關于網絡基礎知識的小測驗成績等信息。例如：在之前的打字練習中，約50%的學生能達到每分鐘30字以上的速度，并且準確率在80%以上；在文檔格式排版中，約20%的學生能完全按照要求規范排版；在介紹計算機基本組成的課堂上，約40%的學生能主動回答問題且答案較為準確，其余學生很少主動回應；本班互聯網基礎知識小測驗平均成績為70分，約60%的學生能夠描述互聯網的基本概念，約20%的學生知道互聯網發展中的重大事件，而關于網絡協議基礎概念的題目錯誤率達到90%。生成式人工智能搜集上述資料，據此分析學生的學習情況：“本班學生在信息技術基礎操作和知識掌握上有一定基礎，部分學生對網絡的基本概念有一定了解，但在網絡發展歷程的時間線梳理和關鍵技術理解上存在不足。部分學生對抽象的技術原理理解較為困難，整體學習能力和興趣存在差異。”基于此，教師可將教學目標設定為：“學生能夠清晰闡述互聯網誕生的背景與關鍵事件，準確描述互聯網發展過程中的主要階段及其技術特征。”

2.教學設計生成與優化

設計教學時，教師只需明確教學設計需求，輸入課程主題、教學內容、教學重難點等基本要素，生成式人工智能就能快速產出層次分明的教學設計提綱，教師可在此基礎上調整、完善教學設計。教師也可以輸入已有教學方案，并結合自己的想法與現實資源，利用生成式人工智能修改和優化教學方法、教學活動、教學組織形式等，如融合前沿教學理念、巧妙穿插啟發式提問、規劃小組協作環節等。生成式人工智能擁有豐富的知識儲備與案例庫，無論是在項目式學習方面，還是在跨學科融合方面，都能提供具體方案，助力教師構思新穎又契合教學目標的學習活動。

同樣以“互聯網的誕生與演化”為例。在教學設計環節，教師可以要求生成式人工智能提供關于互聯網的起源、關鍵發展節點、技術演進等方面的教學素材。在此基礎上，生成式人工智能可以實時生成教學設計提綱，包括但不限于導入、知識講解、小組活動等，并提供切合教學目標的教學活動及方案。教師可以在此基礎上通過不斷向生成式人工智能提出自己的想法，修改教學方案，優化教學設計。

3.教學資源生成與優化

網絡上有豐富的優質教學資源，但其整合、篩選極為繁瑣，自制資源更是對教師專業技能、時間、精力的考驗。生成式人工智能可以轉變現有人工制作教育資源的模式，從分發預制的學習資源轉變為匯聚、加工、生成個性化資源，并且資源可以涵蓋文字素材、圖片素材、趣味動畫、模擬實驗視頻等模態。教師可以著力挖掘學生興趣點，利用生成式人工智能將其與教學資源巧妙融合。例如，教師可以要求生成式人工智能整合、篩選關于互聯網誕生與演化的優質教學資源，如互聯網先驅者的傳記等文字素材、各個時期的網絡設備和協議的圖片素材等。為提升學生學習興趣，教師還可以利用生成式人工智能，結合流行的電影、電視節目，設計課堂導入的文字和圖片素材，展示未來網絡可能帶來的奇幻場景等。此外，生成式人工智能還可生成模擬互聯網數據傳輸過程的互動小程序，幫助學生直觀理解技術原理。

二、課中：人機交互與個性化指導

1.通過生成式人工智能開展探究性學習

在課堂教學中，傳統的知識傳授方式往往難以充分激發學生的自主探究精神。教師可以引導學生借助生成式人工智能針對課程主題從不同角度提出各種富有挑戰性的問題。例如，在講解互聯網誕生的基本背景后，教師可以引導學生向生成式人工智能提問，如“除了軍事需求，還有哪些因素可能促使互聯網誕生”，生成式人工智能能夠迅速提供多維度資料，如經濟發展需求、科研合作趨勢等因素對互聯網誕生的影響，以及各國在早期互聯網建設中的不同技術路線和具體案例。學生可以通過分析比較這些資料，深入探究互聯網誕生的多元背景，培養批判性思維和自主探究能力。

2.通過生成式人工智能獲得個性化指導

無論是在項目式學習、基于問題的學習等開放性較強的課堂上，還是在課后自主學習的過程中，教師對學生提出的個性化問題都難以做到一對一、即時且精準的回答，生成式人工智能則能承擔個性化答疑和指導工作。當學生遇到困惑，無論是數學題的解題思路，還是語文課文中晦澀語句的理解，生成式人工智能都能根據學生的知識水平和理解能力，提供難易不同、側重點不同的個性化答疑指導。例如，在自主學習和小組討論過程中，學生可能遇到諸多問題，如對TCP/IP協議結構和運行原理理解困難等，生成式人工智能能用簡單易懂的語言解釋，甚至可以為學生提供實踐機會，通過文本命令式操作和圖形化界面方式幫助學生理解。

3.利用生成式人工智能提供情感支持

當前各學段學生常因在學習中遇到困難或競爭壓力感到焦慮，生成式人工智能可以為學生減壓提供情感支持。我們可以通過提示等方式對大模型進行調優，輸入標注后的文本情緒數據或示例讓大模型學習，使其更加敏銳地感知學生的情緒變化，并進行相應的干預。[3]例如，生成式人工智能感知到學生對復雜的技術概念和歷史事件感到困惑與焦慮時，可以發送鼓勵話語或聊天互動，幫助學生穩定情緒，逐步增強學習信心；如果學生表現優異，生成式人工智能可以持續給予積極反饋和鼓勵，增強學生的自我效能感與內在學習動機。

三、課后：個性化反饋與拓展提升

1.開展智能化過程性評價

傳統的學習評價往往只關注結果性評價，難以全面、精準地反映學生的學習情況。生成式人工智能在引導學生學習的同時，可以收集學生的各種過程性交互與表現數據，包括參與討論的活躍度、探究問題的深度、自主思考的程度等。教師可以利用教學智能體等，根據不同課程的需求分析學生在學習過程中展現的不同層面的基本學情和能力素養等。同時，生成式人工智能在多學科作業批改方面的功能日趨成熟，它可以在自動評分的基礎上，分析學生錯誤答案和原因，提供個性化解題思路等輔導。例如，針對“簡述互聯網發展中某個關鍵技術突破的過程和影響”題目，生成式人工智能不僅能評估每名學生作答的完整性和準確性，還能分析其錯誤原因，如概念混淆、時間線錯誤等，并為不同學生提供正確的答題思路。

2.生成個性化作業與拓展性學習資源

生成式人工智能可以根據教師反饋的學情以及學生與生成式人工智能的交互情況，為學生量身定制個性化作業。對基礎知識薄弱的學生，生成式人工智能會生成鞏固基礎知識的練習題；對學有余力的學生，生成式人工智能則提供具有挑戰性的拓展作業。除了個性化作業，生成式人工智能能生成豐富多樣的拓展性學習資源，以滿足學生不同的學習需求，讓他們在課后繼續深入學習。例如，生成式人工智能可以為基礎知識薄弱的學生布置“制作互聯網誕生關鍵事件的思維導圖并標注事件意義”等基礎性作業；為學有余力的學生提供“研究本地互聯網企業發展歷程并撰寫報告”等拓展性作業。同時，生成式人工智能可以為學生檢索、生成相關拓展閱讀材料，如互聯網行業分析報告、技術專家訪談錄等。

3.與生成式人工智能交互開展教學反思與研究

教學反思是教師專業成長的重要途徑，教師可以與生成式人工智能交流課堂教學中的各種問題和困惑，生成式人工智能可以基于優秀教學案例和課程教學理論為教師提供專業的建議。同時，生成式人工智能能幫助教師收集和整理相關的教育研究資料，協助教師開展教學研究，為教師的專業發展提供有力支持，促進其教學水平提升。例如，教師可以與生成式人工智能交流“小組活動中部分學生參與度不高的原因是什么”，也可以利用生成式人工智能收集相關教研資料，如“項目式學習在信息技術歷史相關內容教學中的應用方式”等。

生成式人工智能在課堂教學的各個環節均已展現出巨大的應用潛力。隨著教育大模型技術的不斷進步和優化，它有望進一步增強對教育場景的理解和適配能力，為教師和學生帶來更加智能化、高效的服務體驗。不過，在教育數字化轉型推進過程中，教育管理部門必須高度重視數據隱私保護、技術濫用及倫理安全等方面的問題，確保生成式人工智能在教育領域的健康發展與有序推進，使之成為推動教育現代化的重要動力，為培育符合未來社會需求的創新型人才提供堅實的支撐。

參考文獻

[1]盧宇，余京蕾，陳鵬鶴等.生成式人工智能的教育應用與展望——以ChatGPT系統為例[J].中國遠程教育，2023，43（04）：24-31+51.

[2]盧宇，余京蕾，陳鵬鶴等.多模態大模型的教育應用研究與展望[J].電化教育研究，2023，44（06）：38-44.DOI：10.13811/j.cnki.eer.2023.06.005.

[3]劉邦奇，聶小林，王士進等.生成式人工智能與未來教育形態重塑：技術框架、能力特征及應用趨勢[J].電化教育研究，2024，45（01）：13-20.DOI：10.13811/j.cnki.eer.2024.01.002.

（作者單位：北京師范大學教育學部）

文字編輯" 羅義安