教师生成式人工智能应用指引（第一版）解决路径1

《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，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
助力学习变革	教师可应用生成式人工智能，支持对话式、游戏化、个性化、协作探究与跨学科学习等多种学习方式，推动学生向知识建构与创新者转变，培养学生高阶思维。	场景示例1：对话式学习。应用生成式人工智能扮演特定角色，引导学生进行开放式、启发式的深度对话，激发其主动思考与自我反思，有效提升批判性思维与逻辑推理能力。	Deepseek 豆包元宝千问文心智谱 kimi等都可以。治理点：如何保证学生不直接抄袭答案；如何保证大模型回答问题是科学、合理且符合伦理道德的；终端规范应用。
		场景示例2：游戏化学习。应用生成式人工智能设计教育游戏情景、挑战任务与激励机制，创设沉浸式学习情境，将知识学习与能力训练融入游戏关卡，激发学习动机，提升学生问题解决与自主学习能力。	使用大模型设计游戏化互动网页；大模型扮演NPC引导游戏。治理点：防沉迷机制；终端规范应用。
		场景示例3：个性化学习。应用生成式人工智能规划适配学生个体需求的学习路径，定制差异化任务、精准推荐学习资源，并提供实时、动态的学习支持与反馈，实现因材施教。	尚无比较好的解决方案。痛点：海量的符合不同风格的基础内容资源库尚不健全。动态生成机制的科学性尚无实证研究。
		场景示例4：协作探究学习。应用生成式人工智能支持小组协作，辅助开展信息检索、观点梳理、成果整合与互评等任务，提升协作效率与探究深度，促进学生思维碰撞与能力共生。	可以支撑的工具见场景示例1。治理点：防止学生思维惰性。
		场景示例5：跨学科学习。应用生成式人工智能整合多学科知识素材，创设真实情境，辅助设计与实施跨学科项目式学习或主题学习活动，拓展学生认知边界，提升综合素养。	指向教师的教学设计的，可以借助开放平台应用。治理点：保证生成方案的科学性、合理性。
助力教学提质	教师可应用生成式人工智能优化教学设计、实施与反馈环节，探索大规模因材施教和人机协同教学的有效路径，提升教学活动的精准性与有效性。	场景示例1：学情分析。在教学各环节，应用生成式人工智能分析学生数据，辅助识别学生的学习兴趣、知识基础、认知特点等，生成学情报告，为教学目标设定与教学活动实施提供依据。	使用开放平台，分析单次学情优势较足。治理点：如何减少学情采集的工作负担，实现伴随式学情数据采集；学生学习兴趣、认知特点的分析周全性问题。
		场景示例2：教案设计。在课时教学、单元教学、主题式教学、项目式教学、探究式教学等教案设计中，通过上传教学主题、教材内容、学情信息与方法偏好等，由生成式人工智能生成或优化教案建议，提升备课质量与效率。	使用上述开放平台可以解决。治理点：在智能技术环境下教师经验生成机制再造问题；避免直接应用大模型生成内容。
		场景示例3：课件制作。根据教学需要，输入课程大纲和教学目标，应用生成式人工智能生成课件所需的图片、视频、习题和公式等素材，协同完成课件制作，提升备课效率。	图片视频：即梦、星流、度加、海螺AI、MOKI等习题、公式等素材：飞象老师、讯飞星火等治理点：教师去技能化风险。
		场景示例4：课堂互动。在课堂活动中，应用生成式人工智能创设互动情境、设计问题链与思维支架，或引入智能助教，引导学生探究与建构知识，增强互动质量，培养创新思维。	大模型生成互动网页，和上述的图片、视频生成工具辅助创设情境。治理点：防止学生依赖和思维惰性。
		场景示例5：作业设计。在随堂、课时、单元、分层、合作、跨学科等多样化作业设计中，通过上传教案、参考材料、学生水平及作业要求，应用生成式人工智能设计多样化作业，兼顾知识巩固与思维发展，提升作业设计的科学性与实效性。	上述开放大模型都可支持。治理点：作业内容与学科进度、学生能力的匹配度问题。