生成式人工智能助力课堂教学

【摘  要】生成式人工智能的快速发展正逐步影响当前教育教学过程，其在课堂教学中的正确合理应用尤为重要。课前，它有助于高效处理教育数据，辅助教师分析学情，优化教学目标，生成高质量教学方案和资源；课中，它有助于引领学生深入探究，为学生提供专业的个性化指导以及情感支持；课后，它有助于开展过程性评价，为学生定制个性化作业与丰富的拓展资源，助力教师反思教学与改进教学策略。

【关键词】生成式人工智能；大模型；课堂教学

生成式人工智能基于预训练大模型等技术生成多模态内容，通过超大规模神经网络模型从海量数据中提取隐含特征和规律，具有强大的启发性内容生成、对话情境理解、序列任务执行等能力。[1]具体来说，它可以基于给定的主题，生成具有启发性和创意性的多模态内容；也可以在多轮对话中识别和理解人类非结构化语言中的语义信息与情境信息，进而生成连贯性回复，为用户提供良好的交互体验；还可以利用自身的逻辑推理能力，理解用户指令的关联信息，并拆解信息，进而完成多步骤复杂任务。

在教育领域，我们可以利用教育场景数据，训练用于解决教育任务的专用大模型；基于通用大模型，通过微调训练使其获得教育专业服务能力；通过引入外部知识库和提示工程，让通用大模型学习教育领域的重要情景信息及服务逻辑。[2]在一线教学中，教师可以根据教育场景和实际需求使用生成式人工智能，让其在课前、课中、课后三个教学场景中辅助教师完成不同任务。

一、课前：精准规划与资源优化

1.教学目标生成与优化

生成式人工智能能够快速处理大量教育数据，教师只要提供学生课前测试数据，或用自然语言陈述班级学生真实的学习情况，生成式人工智能就能分析学生的知识掌握情况与能力层级分布。据此，教师就能不再仅凭直觉和经验设定教学目标，而是借助大数据生成与学生实际需求相匹配的教学目标，有效避免教学内容难度设置不当的问题。

以初中信息科技课程“互联网的诞生与演化”为例。在课前，教师可以收集学生作业完成情况、课堂表现数据，以及关于网络基础知识的小测验成绩等信息。例如：在之前的打字练习中，约50%的学生能达到每分钟30字以上的速度，并且准确率在80%以上；在文档格式排版中，约20%的学生能完全按照要求规范排版；在介绍计算机基本组成的课堂上，约40%的学生能主动回答问题且答案较为准确，其余学生很少主动回应；本班互联网基础知识小测验平均成绩为70分，约60%的学生能够描述互联网的基本概念，约20%的学生知道互联网发展中的重大事件，而关于网络协议基础概念的题目错误率达到90%。生成式人工智能搜集上述资料，据此分析学生的学习情况：“本班学生在信息技术基础操作和知识掌握上有一定基础，部分学生对网络的基本概念有一定了解，但在网络发展历程的时间线梳理和关键技术理解上存在不足。部分学生对抽象的技术原理理解较为困难，整体学习能力和兴趣存在差异。”基于此，教师可将教学目标设定为：“学生能够清晰阐述互联网诞生的背景与关键事件，准确描述互联网发展过程中的主要阶段及其技术特征。”

2.教学设计生成与优化

设计教学时，教师只需明确教学设计需求，输入课程主题、教学内容、教学重难点等基本要素，生成式人工智能就能快速产出层次分明的教学设计提纲，教师可在此基础上调整、完善教学设计。教师也可以输入已有教学方案，并结合自己的想法与现实资源，利用生成式人工智能修改和优化教学方法、教学活动、教学组织形式等，如融合前沿教学理念、巧妙穿插启发式提问、规划小组协作环节等。生成式人工智能拥有丰富的知识储备与案例库，无论是在项目式学习方面，还是在跨学科融合方面，都能提供具体方案，助力教师构思新颖又契合教学目标的学习活动。

同样以“互联网的诞生与演化”为例。在教学设计环节，教师可以要求生成式人工智能提供关于互联网的起源、关键发展节点、技术演进等方面的教学素材。在此基础上，生成式人工智能可以实时生成教学设计提纲，包括但不限于导入、知识讲解、小组活动等，并提供切合教学目标的教学活动及方案。教师可以在此基础上通过不断向生成式人工智能提出自己的想法，修改教学方案，优化教学设计。

3.教学资源生成与优化

网络上有丰富的优质教学资源，但其整合、筛选极为繁琐，自制资源更是对教师专业技能、时间、精力的考验。生成式人工智能可以转变现有人工制作教育资源的模式，从分发预制的学习资源转变为汇聚、加工、生成个性化资源，并且资源可以涵盖文字素材、图片素材、趣味动画、模拟实验视频等模态。教师可以着力挖掘学生兴趣点，利用生成式人工智能将其与教学资源巧妙融合。例如，教师可以要求生成式人工智能整合、筛选关于互联网诞生与演化的优质教学资源，如互联网先驱者的传记等文字素材、各个时期的网络设备和协议的图片素材等。为提升学生学习兴趣，教师还可以利用生成式人工智能，结合流行的电影、电视节目，设计课堂导入的文字和图片素材，展示未来网络可能带来的奇幻场景等。此外，生成式人工智能还可生成模拟互联网数据传输过程的互动小程序，帮助学生直观理解技术原理。

二、课中：人机交互与个性化指导

1.通过生成式人工智能开展探究性学习

在课堂教学中，传统的知识传授方式往往难以充分激发学生的自主探究精神。教师可以引导学生借助生成式人工智能针对课程主题从不同角度提出各种富有挑战性的问题。例如，在讲解互联网诞生的基本背景后，教师可以引导学生向生成式人工智能提问，如“除了军事需求，还有哪些因素可能促使互联网诞生”，生成式人工智能能够迅速提供多维度资料，如经济发展需求、科研合作趋势等因素对互联网诞生的影响，以及各国在早期互联网建设中的不同技术路线和具体案例。学生可以通过分析比较这些资料，深入探究互联网诞生的多元背景，培养批判性思维和自主探究能力。

2.通过生成式人工智能获得个性化指导

无论是在项目式学习、基于问题的学习等开放性较强的课堂上，还是在课后自主学习的过程中，教师对学生提出的个性化问题都难以做到一对一、即时且精准的回答，生成式人工智能则能承担个性化答疑和指导工作。当学生遇到困惑，无论是数学题的解题思路，还是语文课文中晦涩语句的理解，生成式人工智能都能根据学生的知识水平和理解能力，提供难易不同、侧重点不同的个性化答疑指导。例如，在自主学习和小组讨论过程中，学生可能遇到诸多问题，如对TCP/IP协议结构和运行原理理解困难等，生成式人工智能能用简单易懂的语言解释，甚至可以为学生提供实践机会，通过文本命令式操作和图形化界面方式帮助学生理解。

3.利用生成式人工智能提供情感支持

当前各学段学生常因在学习中遇到困难或竞争压力感到焦虑，生成式人工智能可以为学生减压提供情感支持。我们可以通过提示等方式对大模型进行调优，输入标注后的文本情绪数据或示例让大模型学习，使其更加敏锐地感知学生的情绪变化，并进行相应的干预。[3]例如，生成式人工智能感知到学生对复杂的技术概念和历史事件感到困惑与焦虑时，可以发送鼓励话语或聊天互动，帮助学生稳定情绪，逐步增强学习信心；如果学生表现优异，生成式人工智能可以持续给予积极反馈和鼓励，增强学生的自我效能感与内在学习动机。

三、课后：个性化反馈与拓展提升

1.开展智能化过程性评价

传统的学习评价往往只关注结果性评价，难以全面、精准地反映学生的学习情况。生成式人工智能在引导学生学习的同时，可以收集学生的各种过程性交互与表现数据，包括参与讨论的活跃度、探究问题的深度、自主思考的程度等。教师可以利用教学智能体等，根据不同课程的需求分析学生在学习过程中展现的不同层面的基本学情和能力素养等。同时，生成式人工智能在多学科作业批改方面的功能日趋成熟，它可以在自动评分的基础上，分析学生错误答案和原因，提供个性化解题思路等辅导。例如，针对“简述互联网发展中某个关键技术突破的过程和影响”题目，生成式人工智能不仅能评估每名学生作答的完整性和准确性，还能分析其错误原因，如概念混淆、时间线错误等，并为不同学生提供正确的答题思路。

2.生成个性化作业与拓展性学习资源

生成式人工智能可以根据教师反馈的学情以及学生与生成式人工智能的交互情况，为学生量身定制个性化作业。对基础知识薄弱的学生，生成式人工智能会生成巩固基础知识的练习题；对学有余力的学生，生成式人工智能则提供具有挑战性的拓展作业。除了个性化作业，生成式人工智能能生成丰富多样的拓展性学习资源，以满足学生不同的学习需求，让他们在课后继续深入学习。例如，生成式人工智能可以为基础知识薄弱的学生布置“制作互联网诞生关键事件的思维导图并标注事件意义”等基础性作业；为学有余力的学生提供“研究本地互联网企业发展历程并撰写报告”等拓展性作业。同时，生成式人工智能可以为学生检索、生成相关拓展阅读材料，如互联网行业分析报告、技术专家访谈录等。

3.与生成式人工智能交互开展教学反思与研究

教学反思是教师专业成长的重要途径，教师可以与生成式人工智能交流课堂教学中的各种问题和困惑，生成式人工智能可以基于优秀教学案例和课程教学理论为教师提供专业的建议。同时，生成式人工智能能帮助教师收集和整理相关的教育研究资料，协助教师开展教学研究，为教师的专业发展提供有力支持，促进其教学水平提升。例如，教师可以与生成式人工智能交流“小组活动中部分学生参与度不高的原因是什么”，也可以利用生成式人工智能收集相关教研资料，如“项目式学习在信息技术历史相关内容教学中的应用方式”等。

生成式人工智能在课堂教学的各个环节均已展现出巨大的应用潜力。随着教育大模型技术的不断进步和优化，它有望进一步增强对教育场景的理解和适配能力，为教师和学生带来更加智能化、高效的服务体验。不过，在教育数字化转型推进过程中，教育管理部门必须高度重视数据隐私保护、技术滥用及伦理安全等方面的问题，确保生成式人工智能在教育领域的健康发展与有序推进，使之成为推动教育现代化的重要动力，为培育符合未来社会需求的创新型人才提供坚实的支撑。

参考文献

[1]卢宇，余京蕾，陈鹏鹤等.生成式人工智能的教育应用与展望——以ChatGPT系统为例[J].中国远程教育，2023，43（04）：24-31+51.

[2]卢宇，余京蕾，陈鹏鹤等.多模态大模型的教育应用研究与展望[J].电化教育研究，2023，44（06）：38-44.DOI：10.13811/j.cnki.eer.2023.06.005.

[3]刘邦奇，聂小林，王士进等.生成式人工智能与未来教育形态重塑：技术框架、能力特征及应用趋势[J].电化教育研究，2024，45（01）：13-20.DOI：10.13811/j.cnki.eer.2024.01.002.

（作者单位：北京师范大学教育学部）

文字编辑  罗义安