教师生成式人工智能应用指引（第一版）解决路径2

《教师生成式人工智能应用指引（第一版）》为我们基础教育教师应用人工智能提供了六大方向，分别为助力学习变革、助力教学提质、助力育人进阶、助力评价增效、助力管理升级、助力研究创新。但是相关内容都是场景示例，没有提供具体的操作路径，接下来我们就分3次（2），提供一些路径的参考和新技术环境下治理点或痛点的分析。

场景	场景说明	场景示例	解决路径
助力育人进阶	教师可应用生成式人工智能拓展育人途径，在坚守育人主导地位的基础上发挥技术辅助优势，促进学生全面发展和健康成长。	场景示例1：品德教育。应用生成式人工智能辅助构建道德情境案例库，智能推送德育故事、时事案例等资源，生成贴近学生生活的伦理情境，辅助开展价值辨析与行为引导。	即梦、星流ai、豆包、百度文库漫画、MOKI等治理点：教师去技能化；价值观对齐。
		场景示例2：体育教育。应用生成式人工智能分析学生运动数据，基于学生身体指标和运动目标定制锻炼计划。在运动中提供实时动作指导与纠正，激励学生科学锻炼。	智慧体育治理点：教师专色转变。
		场景示例3：美育教育。应用生成式人工智能辅助绘画、音乐等艺术创作，分析学生作品风格与创作过程，推荐适配的美育资源，激发学生艺术兴趣与创造潜能，提升审美和表达能力。	绘画：即梦、星流ai、豆包；音乐：豆包、网易天音治理点：学生去技能化。
		场景示例4：劳动教育。应用生成式人工智能辅助制定劳动计划，提供操作指南与技能教学视频，评估劳动成果质量，生成劳动成长档案，帮助学生树立正确劳动观念、掌握劳动技能。	开放的大模型皆可支持治理点：劳育本元坚守
		场景示例5：心理健康教育。应用生成式人工智能辅助制定个性化心理健康教育方案，合规处理学生心理健康数据，形成心理健康成长报告，为开展心理辅导和危机干预提供参考，助力学生身心和谐发展。	开放的大模型皆可支持治理点：如何保证大模型结果科学、健康、合理
助力评价增效	教师可应用生成式人工智能改革评价工具与方法，通过人机协同实施作业批改、学业诊断、试题命制与量规设计，提升评价的客观性、时效性与育人价值。	场景示例1：课堂评价。在课堂教学中，利用生成式人工智能自动批改客观题与结构化主观题，批量分析作业、测验中的共性错误，快速生成班级得分分布图与知识薄弱点，减轻教师重复劳动。分析师生课堂互动、学生思维表现，为教师调整教学方案、优化课程设计提供数据支撑。	豆包等治理点：长周期学情采集负担，横向、纵向对比数据安全。
		场景示例2：作业反馈。应用生成式人工智能对作文、论述、报告等主观类作业进行初步批阅，快速生成分析建议。通过输入评分标准，在应用生成式人工智能辅助评分的基础上，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。	开放大模型均可治理点：如何体现正向教育的观点；如何把握适切性。
		场景示例3：试题设计。通过上传课程标准、学习材料与学情数据，应用生成式人工智能围绕教学目标生成涵盖不同认知层次与题型的试题。此外，也可对已有试题进行改编或智能标注，识别其难度、知识点、思维层级等属性，助力教师构建结构化、分层化的试题资源库。	飞象老师、开放大模型治理点：教师创编、改变设计作业和试题的能力提升
		场景示例4：量规设计。针对项目式学习、研究报告等开放型任务，通过输入任务说明、学习目标、评价维度与等级要求，应用生成式人工智能生成清晰、可操作的评价标准，并提供各等级反馈示例，使量规不仅用于评分，更成为引导学生自我反思与提升的学习支架。	开放的大模型治理点：教师去技能化风险；教师能力提升
		场景示例5：学业诊断。在课后，输入脱敏的班级作业、测验及课堂互动数据，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。	开放大模型治理点：教师去技能化风险；精准辅导与教学改进的学理性。