生成式人工智能赋能学科深度备课.docx

生成式人工智能赋能学科深度备课

生成式人工智能的诞生与快速发展，对社会与教育的影响是极为深远的。教育部部长怀进鹏近期在会议上强调，将加强教师队伍建设，把人工智能技术深入到教育教学和管理全过程、全环节，让青年一代更加主动地学，让教师更加创造性地教[1]。黎加厚等学者认为，生成式人工智能的应用应超越工具性，成为教育新质生产力的关键要素，其着力点应在于催生生成式探究学习，从而有效培养学生的批判性思维、创新思维以及应对不确定性世界的独立思考能力等[2]。

掌握生成式人工智能大模型的交互方法容易，但要用好、用深，绝非一日之功。如何才能从浅层应用走向深层应用？按照整合技术的学科教学知识（TPACK）理论框架看，生成式人工智能赋能备课的实质是将学科知识、教学法知识和技术性知识这三者有机整合起来[3]，促进教与学的创新变革。鉴于此，本文从生成式人工智能赋能学习理解的视角来谈生成式人工智能的深度应用，即如何深度备课以促进学习理解的发生。

一、生成式人工智能赋能备课的现状

（一）“为我生成”多，“伴我生成”少

大部分教师应用生成式人工智能趋向于“拿来主义”，寄希望凭借提示语一步到位，如“请帮我设计一篇关于韩信点兵的算法教学方案，面向六年级学生，字数不少于1000字”。这种一键生成的教学设计，效果往往不尽如人意，原因在于：一是大模型缺乏学科教学领域的最新优质数据的训练；二是生成式人工智能的生成也依赖于问题解决的具体背景（如教材、策略集、教案范本等），否则其生成结果就会缺乏针对性。因此，不是天模型乏力，而是应用思路要从依赖型变为建构型，从“为我生成”变为“伴我生成”，从“机器包办”变为“人在回路”，才能达到备课的真正深度。

（二）用于教的素材多，探索学的模式少

备课，要备什么？是不是使用生成式人工智能助力搜集素材、打磨工具、完成PPT，就足够了？目前来看，教师以学生为中心的教学理念还没建立起来，尚未在学生学习如何面向未来、如何涵养素养等方面进行深人思考。那么，生成式人工智能就还只是辅助教的工具，而非教学新质生产力的关键要素。教师的心智模型与新时代教学理念缺乏联结点，其应用就很难走向“人工智能+教学”的新境界。

（三）单点应用多，系统优化少

对于生成式人工智能，一线教师常囿于单点应用，如构思一个生活情境、编写一段范例程序等。这种“零敲碎打”的尝试，未能通盘考量生成式人工智能的功能，因此无法将其功能作为整体与教学有效整合。人工智能赋能备课要产生撬动力，还需要从大观念教学、大单元教学、教学评一致性、元认知提升等多个角度，对教学设计进行有层次性的系统优化。

二、生成式人工智能赋能备课的新思路

生成式人工智能赋能备课的终极目标是实现“学的成长”。因此，教师在备课时需要思考两个关键问题：什么是“学的成长”？生成式人工智能可以在哪些方面助力“学的成长”？

（一）持续性问题解决对于成长的意义

从素养视角看，“学的成长”是一种对于观念、学的方法、价值观及自我认知的立体式获得。成长依赖于“做中学”，即依赖于持续性的问题思考与解决，它会与一连串复杂的感性知觉、情感、希望、欲望以及调节思维的精神活动联系在一起[4]。进一步地说，问题从产生到解决，往往不是一蹴而就的，在问题解决中再发现新问题或拓展原问题，从而引发新的问题解决过程，这是一个迭代深化的过程。在此过程中，学生的经验得以调用、思维得以活化、动机得以增强。同时，学的方法、情感价值观及对自我的认知，都会同步累积或升华，实现“做事成人”。

（二）人工智能赋能持续性问题解决的落脚点

生成式人工智能赋能深度备课的突破口在于，以学生为主体的持续性问题解决。这主要包括三个层面：为问题的发掘赋能、为问题解决的“做中学”赋能、为学习的自我认知赋能。

“为问题的发掘赋能”主要解决“化学为境”的问题，即将陈述式的教材文本转化为问题式的场域情境；“为问题解决的‘做中学’赋能”主要解决“化学为做”的问题，即如何沿着关键问题，为学生提供支架与实验工具，让学生以“做”的方式探索问题解决之道；“为学习的自我认知赋能”主要解决“化学为智”的问题，即学生对学的结果、学的方法、学的思维的反思与改进。这将提升学生的元认知水平，养成一种评估与引导自我学习的能力。

三、生成式人工智能赋能备课的策略

（一）六层迭代：为问题的发掘赋能

如何将教材内容转化为关键问题，是备课的重中之重。但提问不是将陈述句改为疑问句这么简单，而是需要指向意义联系和难点突破。教师只有自身先达成深度理解，才能基于学生的认知逻辑，将教材内容转化为促进他们学习的问题。

1.人工智能赋能的深度理解

（1）生成实例的概念理解。这包括以下两个方面的转化。一是将概念转化为实例。教师举出与概念对应的例子，再用生成式人工智能将描述性例子转化为网页、程序、素材等实例，进而基于实例的特征内化对概念的理解。