通过AI批改结果生成讲评课件的高效做法.docxVIP

通过AI批改结果生成讲评课件的高效做法

借助人工智能完成作业批改之后，如何把冰冷的批改数据转化为热气腾腾的课堂讲评，是许多教师正在探索的课题。讲评课件做得好，一节课就能让学生恍然大悟；做得粗糙，再精准的批改也只能躺在系统里沉睡。下面从流程、内容、形式三个层面，分享一套高效可操作的做法。

第一步是先读报告，再定方向。人工智能批改完成后，通常会生成班级整体分析、错误类型统计、个体差异画像等多维度数据。教师不要急于动手做课件，而应当先用十几分钟通读这些材料，问自己三个问题：学生错得最集中的是哪个知识点，哪些学生出现了典型且有价值的问题，哪些内容只需要一带而过。把这三个问题的答案写在便签上，就形成了讲评课的骨架。这样做的好处是讲评有的放矢，避免从头讲到尾、平均用力、学生昏昏欲睡的老毛病。

第二步是筛选例题，建立素材库。人工智能系统里往往保存着每一道题的作答情况，教师应当把学生答得最差的题目、答案五花八门的题目、解法令人眼前一亮的题目分别截取下来，存入一个专门的文件夹。截图时要保留学生答题的原貌，包括涂改痕迹和错误过程，因为真实的错误最有说服力。同时给每张截图打上一个简短标签，比如概念混淆类、审题不清类、表达不规范类，后期做课件时按标签调用，效率会大大提高。这个素材库可以长期积累，几年下来就是一份极宝贵的教学资源。

第三步是转化数据，让数字会说话。课件里直接粘贴系统的统计表格，学生未必看得进