让生成式人工智能真正成为教师能力的延伸

近年来，生成式人工智能从概念探讨走向教育实践，对教师而言，既是机遇也是挑战。2025年11月，教育部教师队伍建设专家指导委员会发布《教师生成式人工智能应用指引（第一版）》，这一针对教育群体的首项指南为广大教师应用生成式人工智能提供了行动框架。对于基层一线教师，如何将宏观场景转化为日常实践，需要教师深入探索，找到让先进技术服务教育实践需求的适配路径，找到技术与教育本质的连接点，让生成式人工智能成为教师能力的延伸。

教师如何用生成式人工智能实现学习变革

学习变革的核心，是让学生从被动的“知识接收者”转变为主动建构意义的探究者。由于人工智能的便捷性和可得性，许多教师最初容易将生成式人工智能简单当作“高级搜索引擎”或“答题器”，让学生直接提问获取结论。这非但无益，反而会扼杀学生的思考过程。真正的变革，在于利用生成式人工智能创设开放性问题情境，引导学生通过追问、反驳等多元视角自主“发现”知识。

策略一：利用生成式人工智能“对话式学习”功能，让学生动态理解学习概念。以生物课堂为例，教师可以通过设置“与‘达尔文’同行，探究华北豹的生存之道”的生成式人工智能对话主题，代替让学生直接背诵“影响种群数量的因素”等知识点。例如，设计探究任务，假设学生是19世纪的达尔文，在中国华北地区观察到华北豹小种群，与生成式人工智能扮演的“生态学家助手”对话，基于“自然选择”学说推测并论证决定该种群兴衰存亡的因素。这时，学生需向“助手”描述华北豹的特性、栖息地环境并提出初始假设。生成式人工智能则以科学家口吻回应并追问学生，如提及猎物数量波动对“生存斗争”的影响、人类活动下“适者生存”的体现等。在对话中，学生需调用食物链、种间关系等概念推理并修正模型。生成式人工智能的追问能力促使学生思考概念的深层联系而非孤立记忆，改变学生背诵知识为主的传统学习方法，理解所学习的概念是如何动态调整、多因素交织的。

策略二：利用人工智能“一对一”深度互动功能，培养学生的思维能力。在学习“基因工程”一课时，教师可以让学生扮演“生物技术公司的研发工程师”，任务是利用基因编辑技术改良一种作物；而生成式人工智能则扮演项目顾问，并作为“伦理审查委员会”与学生互动。例如，学生需要向虚拟顾问咨询：“我想设计一种抗虫玉米，应该选择哪种目的基因？使用哪种载体和工具酶最合适？”“顾问”不会直接给出方案，而是反问：“考虑到目标害虫的耐受性可能进化，你的单基因策略是否具有可持续性？多基因叠加策略的转化效率和技术难点是什么？”学生在方案初步形成后，还需提交“伦理审查委员会”审议，生成式人工智能会从生物安全、生态影响、社会伦理等多角度质疑。

这个过程，将冰冷的技术步骤转化为充满权衡与决策的真实项目。知识学习变成了问题解决，记忆负担变成了设计挑战。更重要的是，生成式人工智能提供了传统课堂无法给予的“一对一”深度互动，让每个学生都能按照自己的思维节奏进行学习探索。

总的来说，运用生成式人工智能改善学生学习方式时，有3个关键。一是进行角色化设计。教师所设置的智能体，务必赋予其明确的角色（如科学家、历史人物、辩论对手、项目顾问等），使对话具备“人设”，从而让人机互动更具沉浸感与目标性。当然，若自身无法进行精准设置，也可以输入大致思路，交由系统予以“润色”。二是注重问题链驱动。教师提前设计好引导性问题链，将生成式人工智能的对话纳入有结构的探究流程，避免漫无目的的闲聊。三是做好过程性记录。要求学生保存与生成式人工智能的关键对话记录，并附上自己的思维演变说明，作为过程性评价的依据。

如何用生成式人工智能助力教学提质

教学提质的关键，在于实现从基于经验的模糊判断，到基于学情的精准干预。生成式人工智能能帮助教师进行教学决策的数据增强和教学资源的智能创生，让备课和授课从“手工业”时代进入“智能辅助”时代。但要避免用生成式人工智能生成冗长、精美但脱离学情和教学目标的“课件替代品”。教师的核心工作应是输入精准的指令（学情、目标、情境），并对生成式人工智能生成的内容进行专业筛选、改编与整合。

策略一：利用精准指令节省作业设计时间，用于学生针对性辅导。对于高中教师而言，如何在有限的时间内，更高效地服务于学生快速提升的需求至关重要。但在高三复习阶段，学生容易出现分化严重的现象，需要教师准备分层练习。以往教师需要翻阅大量习题集，耗时耗力且针对性不强，借助人工智能将有效缓解这一困境。例如，教师可以在每次单元测验后，将全班学生每一道习题的详细作答情况和得分数据导入办公文档软件，利用其内置的生成式人工智能分析功能，发出复合指令：一是统计全班在三个核心考点的错误率。二是基于错误率，为错误率高于50%的学生群体生成5道基础巩固题（侧重概念辨析）；为错误率在20%至50%之间的学生生成5道能力提升题（侧重综合应用）；为错误率低于20%的学生生成2道拓展探究题（联系前沿时事）。三是每道题需附简要解析和知识点溯源（教材章节）。

生成式人工智能在几分钟内就能生成一份结构清晰、指向明确的分层练习草案。教师在此基础上，再结合本班学生最近讨论的热点，替换掉1—2处题干情境，让题目更接地气。这样能极大地解放教师的生产力，把节省出来的时间用于分析个别学生的独特错因，进而做“面对面”的辅导。

策略二：给学生布置作业，把背诵作业变成主动记忆任务，引导学生探究与建构知识。在讲授概念繁多、关系复杂的章节时，教师可以给学生布置周末家庭作业，让学生动手生成“可视化知识图谱”，让思维结构可见。例如，给学生一个起点指令：请以“细胞衰老、凋亡、癌变与个体健康的关系”为核心主题，构建一个思维导图。同时，将使用人工智能工具生成思维导图的方法告知学生：在生成式人工智能大模型中输入初步构想—生成Markdown（轻量级标记语言）格式的初步框架并转换成MD格式—导入Xmind等适合生成思维导图的软件—生成可视化的思维导图。此时，教师与生成式人工智能共同扮演“逻辑审查员”，检查思维导图中概念关系不准确、遗漏关键联系或层级混乱的地方，并提出修改建议。学生可以根据建议在思维导图上拖动节点、增删连线，实时调整图谱，还可以将自己生成的思维导图在班级群里分享。这样操作下来，每个学生都生成了一份独一无二的、经过自己思考和生成式人工智能辅助修正的章节知识结构图。这远比背诵现成的框架有效，顺利地将知识建构的过程转化为学生深度理解知识的过程。

在人工智能辅助教学改进中，一要做到学情数据化。将学生的作业、测验数据转化为可被生成式人工智能分析的结构化信息，这是精准教学的前提。二要做到指令精细化。给生成式人工智能的指令越具体（对象、场景、格式、要求），生成的内容就越贴合教学实际。三要注重教师再创作。生成式人工智能生成的是“毛坯”，教师必须进行情境化改编、价值判断和教学法加工，这是不可替代的专业环节。

如何用生成式人工智能助力评价增效

传统评价耗时费力，且往往止于分数与对错。生成式人工智能能快速处理大量文本、数据，实现过程性分析、质性反馈与归因建议，深度分析学习过程，提供个性化改进路径。教师不能仅进行罗列错题知识点等表面分析，而应该引导生成式人工智能聚焦于思维过程、论证逻辑、表达结构等深层维度，协助自己完成对学生的有效评价。

策略一：应用生成式人工智能识别班级共性与个性问题，生成诊断报告，支持精准辅导与教学改进。教师在进行学业诊断时，可以有计划地借助生成式人工智能工具。首先，输入详细的、有针对性的评价标准和指令，例如，“请作为生物学科助教，分析这份实验报告：指出其在‘提出问题与假设’‘方案设计严谨性’‘数据记录与处理’‘结论推导逻辑’四个维度的优点与不足”。其次，针对学生容易出错的地方，再次发出改进指令，如“针对‘结论推导逻辑’部分的不足，提供一个具体的修改建议片段”“基于该生整个报告的表现，推测其在科学探究思维上可能存在的习惯性弱点，并给出一条后续练习建议”。

这时，生成式人工智能的反馈不仅指出了“结论缺少重复实验验证”这个表面问题，还进一步分析：“该生在分析数据时，直接跳跃到了结论，缺少对逻辑链的阐述。建议补充：……”这种反馈直指科学思维的本质，其指导效果是传统评价的“对”或“错”无法实现的。

策略二：重点聚焦学生思维水平、创意表达等高阶能力，开展深度点评与指导，实现人机协同反馈。利用人工智能，教师可以生成个性化范文，对学生展开深度指导。例如，以往教师给出范文有限，缺乏针对性；如今生成式人工智能生成的范文能精准契合学生原文立意与表达逻辑，保留写作特点，示范如何深化主题、优化结构。这种“因文施教”的智能反馈能让学生在对比中看到改进空间，而非全盘否定原有思路。同时，当生成式人工智能生成的范文字字紧扣学生原文脉络时，学生更易产生共鸣与启发。这种精准化、个性化指导方式正在改变传统作文教学“批改粗放、反馈滞后”的困境，使写作成为思维升级的过程。

生成式人工智能辅助评价的关键之一在于评价维度的结构化，将核心素养转化为可执行的生成式人工智能分析指令。如将“语言建构与运用”“思维发展与提升”等宏观素养要求，拆解为“审题立意”“结构逻辑”“语言表达”“素材运用”“思想深度”等具体、可分析的维度，并为每个维度设计精确的生成式人工智能提示词，使智能批改有据可依，使结果结构化、可比较。其二，在于反馈的可操作化，从“评判对错”到“提供修改路径”。如要求生成式人工智能避免使用“内容空洞”“结构混乱”等笼统评语。通过“请基于原文观点，补充一个贴切的事实论据”等指令，让生成式人工智能提供具体的修改建议。核心是利用生成式人工智能生成以学生原文为蓝本的“个性化升格范文”，让学生通过对比，直观看到“如何改好”的具体路径。其三，在于数据的累积与追踪，建立学生写作能力的动态发展档案。利用表格工具将每次生成式人工智能批改产生的各维度评分、突出问题类型、修改建议关键词等结构化数据自动归档到每个学生名下。长期累积形成学生的“写作能力发展曲线”，用于精准的个体辅导和群体教学调整，并为学生提供可视化的成长反馈。

生成式人工智能要求教师更深刻地理解学科本质，更敏锐地洞察学生思维，更精心地设计教学流程。当教师能有效驾驭技术，才能在有限的田野上为每一个孩子播下无限的未来。

（作者系河南省濮阳市华中师范大学附属清丰高级中学信息中心主任、高级教师）

责任编辑：李景