教师生成式人工智能应用指引（第一版）30个场景逐一实操——校本教研

教师生成式人工智能应用指引（第一版）30个场景逐一实操——对话式学习教师生成式人工智能应用指引（第一版）30个场景逐一实操——游戏化学习教师生成式人工智能应用指引（第一版）30个场景逐一实操——个性化学习教师生成式人工智能应用指引（第一版）30个场景逐一实操——协作探究学习教师生成式人工智能应用指引（第一版）30个场景逐一实操——跨学科学习教师生成式人工智能应用指引（第一版）30个场景逐一实操——学情分析教师生成式人工智能应用指引（第一版）30个场景逐一实操——教案设计教师生成式人工智能应用指引（第一版）30个场景逐一实操——课件制作教师生成式人工智能应用指引（第一版）30个场景逐一实操——课堂互动教师生成式人工智能应用指引（第一版）30个场景逐一实操——作业设计教师生成式人工智能应用指引（第一版）30个场景逐一实操——品德教育教师生成式人工智能应用指引（第一版）30个场景逐一实操——体育教育教师生成式人工智能应用指引（第一版）30个场景逐一实操——美育教育教师生成式人工智能应用指引（第一版）30个场景逐一实操——劳动教育教师生成式人工智能应用指引（第一版）30个场景逐一实操——心理健康教育教师生成式人工智能应用指引（第一版）30个场景逐一实操——课堂评价教师生成式人工智能应用指引（第一版）30个场景逐一实操——作业反馈教师生成式人工智能应用指引（第一版）30个场景逐一实操——试题设计教师生成式人工智能应用指引（第一版）30个场景逐一实操——量规设计教师生成式人工智能应用指引（第一版）30个场景逐一实操——学业诊断教师生成式人工智能应用指引（第一版）30个场景逐一实操——班级管理教师生成式人工智能应用指引（第一版）30个场景逐一实操——校务管理教师生成式人工智能应用指引（第一版）30个场景逐一实操——家校协同教师生成式人工智能应用指引（第一版）30个场景逐一实操——学生异常识别教师生成式人工智能应用指引（第一版）30个场景逐一实操——课堂组织管理教师生成式人工智能应用指引（第一版）30个场景逐一实操——教学反思教师生成式人工智能应用指引（第一版）30个场景逐一实操——技能练习教师生成式人工智能应用指引（第一版）30个场景逐一实操——专题学习（六）助力研究创新教师可应用生成式人工智能开展基于证据的教学反思、个性化知识更新与创新性课题研究，不断提升教育教学研究能力与专业发展水平，构建持续发展的专业成长模式。场景示例4：校本教研。应用生成式人工智能快速搜集与整合主题相关的文献、案例，协助设计教研流程与研讨问题，生成多样化教研方案。通过智能分析活动内容，为教研提供客观证据，推动研讨从经验型向数据驱动型转变，提升教研实效。“校本教研是一所学校发展的动力引擎。”对此我深以为然，从一定意义上讲，校本教研的深度与实效直接决定了教师专业发展的高度和学生学习质量的提升程度。借助生成式人工智能，教师可精准提取跨学科研究成果，动态生成契合本校学情的教研主题，实现从“凭经验研”到“用数据研”的转变。通过智能工具对课堂实录、教学设计和反馈数据进行关联分析，既提升了问题诊断的科学性，又使研讨过程更具针对性与前瞻性。如何利用生成式人工智能构建校本教研新范式，成为当前教学改革的重要突破口。教师可依托AI快速梳理国内外相关研究脉络，精准定位研究空白，生成基于证据的教研问题链。系统可依据本校课程实施现状，智能推荐契合的研讨框架与数据采集方案，并对多轮教研活动展开持续追踪分析，进而提炼出可复制的教学改进策略。依托自然语言处理技术，AI能够实时归纳教师发言要点，助力形成结构化研讨记录，从而提升对话深度。通过将课堂行为数据与学业表现进行关联建模，可助力教研组发现潜在规律，推动研究从“主观判断”迈向“循证决策”。一所学校要想利用生成式人工智能技术赋能校本教研，需首先构建数据收集和融通的技术环境，打通教学、评价与研修系统间的数据壁垒。同时也要充实自己学校的校本资源库，积累涵盖教学设计、课堂实录、学生作业与反馈的多模态数据，并基于生成式人工智能构建校本教研知识图谱。通过持续训练适配本校学情的轻量化模型，实现教研需求的智能识别与资源精准推送，提升教师参与教研的主动性与实效性。在此基础上，应注重教师数字素养的系统培育，将生成式人工智能的应用能力纳入校本研修内容，帮助教师掌握数据解读、提示词设计与AI协同研讨等新型专业技能。笔者结合自身实际教研探索发现，教师在掌握基础提示词工程技巧后，可更高效地借助AI生成针对性教学改进方案。例如，在教学设计阶段，教师可以利用生成式AI，依据最新的高中生物课程标准，快速生成一份包含核心素养目标、大单元教学视角下的课时定位、情境化导入建议、探究性问题链设计及分层作业布置等要素的高中生物人教版必修一第一章第一节教学方案初稿。教师在此基础上进行个性化调整与优化，不仅提升了备课效率，也促进了对课程标准的深度理解。

同样也可以采用该提示词的模板，通过AI技术的迁移应用，可以针对不同学科、学段和教学内容实现教学设计的智能化与标准化，从而提升教学效果和学生的学习体验。同时还可以通过反复迭代优化提示词指令，设计出针对本校特色的提示词体系，进一步提升AI输出内容的适切性与实用性。例如，将“结合本校‘三环五步’教学模式”“基于学生前测数据生成差异化教学策略”等校本化要素嵌入指令模板，使生成内容更贴合实际教学情境。通过建立共享型提示词库，促进教师间经验交流与集体智慧沉淀，推动校本教研向智能化、协同化方向发展。此类应用虽多，但多基于个人或与学校整体教研规划脱节的零散尝试，尚未形成系统化、常态化的运行机制。要真正实现从“点状应用”到“范式转型”，需将生成式人工智能深度融入校本教研的整体架构中，构建“数据采集—智能分析—协同研讨—实践改进”的闭环生态。在现有条件下，构建学校和学科的“知识库”显得尤为重要，它作为AI理解与服务校本教研需求的底层支撑。知识库可涵盖课程标准、教学案例、学生学情数据、典型教学问题及解决方案等多模态资源，并通过结构化标注实现快速调用与动态更新。依托统一的知识库，生成式人工智能可基于真实教学场景，提供更具针对性的分析与建议，助力教师在集体备课、课堂观察、教学反思等关键环节实现数据驱动的精准决策，进而推动教研活动从经验导向转向证据导向，为构建可持续迭代的教研新范式筑牢基础。目前，部分学校已启动校本知识库的初步建设，但普遍存在资源碎片化、标注不统一、更新滞后等问题，制约了AI深度应用的效果。为此，需构建专门的教研数据治理机制，明确资源采集标准、分类体系及权限管理规则，以保障知识库的系统性与安全性。同时，应强化教师数据素养培训，提升其对多源信息的整合分析能力，使其不仅能“会用”AI工具，更能“善用”数据开展循证教研活动。例如笔者所在的学校，首先以学科组为单位，借助“ima知识库”构建本学科的知识库。将学科教材、课程标准、历年高考真题以及权威的作业设计相关论文等资源进行结构化归类和标签化处理，形成可检索、可扩展的学科知识图谱。在此基础上，精心挑选部分教师的优质教学设计，尤其是经过课堂实践检验的教学案例纳入知识库，并附上学校推行的“2.1.6教学模式”操作环节，将这些内容一同导入知识库。在教师备课过程中，可以利用人工智能技术，通过提示词工程调用AI，以生成符合本校学生实际情况的教学策略建议或问题链设计。同时，还能在课前检测学生的预习效果，并将检测结果存入知识库。教师备课时输入“结合高一物理‘牛顿第二定律’教学难点，基于我校学生前测错误率较高的知识点分布，生成三个递进式探究问题”，系统就能依托知识库中的学情数据和课例资源，输出具有校本特色的教学支持方案。这一过程不仅提高了备课效率，更促进了教研成果的转化与共享。在教师授课的过程中，可以采用手机录音的方式，借助与“通义”或者“天工”等大模型对接的语音转写工具，将课堂实录自动转化为文字，并提取关键教学行为与学生应答片段。系统可进一步结合预设的观察量表，对师生互动频次、问题类型分布、认知层次等维度进行智能分析，生成可视化课堂诊断报告，正如在小学美术、生物和物理课堂中的创新实践所展示的那样。课后，教师可基于报告开展精准反思，学科组则依托报告组织靶向性研讨，聚焦典型问题优化教学策略。并且将优化的结果再一次导入知识库，让大模型持续学习与迭代优化，实现教学策略的动态更新与个性化推荐。而教师在集体教研时，也可以借助“通义”的“实时录音”功能，将会议内容实时转写并生成研讨纪要，自动提取核心观点，经过教师的二次手动校验，也可以成为知识库的一部分。这些数据的积累与沉淀，更重要的是不断迭代升级，使知识库逐步具备自我进化能力，形成“实践—反思—优化—沉淀”的良性循环。使一人之智慧，成为全校师生共有的资源；令全校师生的资源，为每一位师生所用，最终达成资源共建，智慧共享的教研新生态。课后学生的作业数据也可以及时上传到知识库，通过分析学生的作答情况，识别共性错题与薄弱知识点分布，生成个人学情、班级学情、学校学情画像，为教学改进与课题研究提供精准数据支撑。系统可进一步基于错题模式聚类分析，自动生成典型错误归因报告，并推送匹配的补救教学资源与分层作业建议，实现从“共性讲评”向“个性干预”的转变。同时，结合时间序列分析，追踪学生知识点掌握的动态变化，辅助教师调整教学进度与策略，推动作业设计从经验判断走向循证优化。在此基础上，教师可依托系统生成的学情趋势图谱，精准识别学生认知发展的关键节点与分化区间，及时开展前置干预与分层指导。系统还能根据知识点关联网络，智能推荐跨课时、跨章节的整合复习方案，提升知识结构化水平。当学生居家期间，教师可以按照一定的权限将知识库向学生开放，学生可自主调取自己的学习轨迹与错题分析报告，并可以查看个性化学习建议与推荐资源，实现自主查漏补缺。通过大模型生成的错题解析视频、变式训练题组及知识点微课，学生可在家完成针对性巩固提升。真正实现教学的个性化和精准化。与此同时，学校可以搭建专业的论文共建共享知识库，大家可以将自己感兴趣的论文和学校付费购买的部分论文固定分类，并按研究主题、学科领域、方法论等维度进行标签化管理。教师可基于标签体系快速检索相关文献，借助生成式人工智能对多篇论文进行综述性提炼，自动生成研究现状图谱与理论框架建议。系统还能根据教研主题推荐高相关性的参考文献，辅助教师精准定位创新切入点。通过持续积累与智能分类，知识库逐步发展为支持课题申报、课例研究与成果发表的学术支撑平台，推动校本教研向循证化、系统化纵深发展。在此基础上，学校可进一步构建校本教研的提示词工程体系，针对不同研究场景设计标准化、可复用的提示模板，如“课堂提问有效性分析”“学生认知层次诊断”“教学环节时间分布评估”等，提升人工智能响应的精准度与实用性。而教师自己撰写的论文在不侵犯版权的基础上也可以和知识库中的优质论文进行对比分析，识别研究范式差异与写作改进空间，进而优化自身论文结构与论证逻辑。校本教研的数字化转型不仅依赖技术工具的引入，更需建立与之匹配的制度保障与专业发展机制。学校应设立专项教研数据管理团队，负责知识库的维护更新、权限管理与质量审核，确保数据来源的权威性与使用的规范性。这包括数据的收集与整理、定期更新、数据分析与报告撰写、数据管理系统维护、数据质量控制以及遵循相关政策与法规。同时，将教师参与知识库建设、提示词设计与AI协同研讨的情况纳入专业成长档案，作为校本研修学分认定和职称评聘的参考依据，激发持续参与的内生动力。应建立健全教研数据伦理规范，明确数据采集、存储与使用的边界，保障师生隐私权与学术自主性。同时，定期开展教师数字素养培训，提升其在AI环境下的信息甄别、技术调用与批判性思维能力，避免对技术的盲目依赖。唯有实现技术赋能与人文关怀的平衡，才能真正推动校本教研从经验驱动向数据驱动转型，构建可持续发展的智慧教研新范式。