AI场景落地
从"会用工具"到"课堂融入"
本环节部分理论和案例来源：北京邮电大学 陈光教授
核心理念转变：工具会越来越多，功能也会越来越强，但真正决定AI价值的，不是我们用了多少工具，而是能不能把它放进一个真实教学场景，解决一个真实问题。
一、现场实践：让AI设计一节课
小实验
打开任意一个AI工具（豆包、元宝、DeepSeek、通义千问、Kimi），输入：
请帮我设计一些关于【填写你正在教的知识点】的教学方案。
AI生成的方案看起来怎么样？
以《林黛玉进贾府》精读课为例，AI生成的教学方案第一眼看上去不错：教学流程完整，有导入、有品读、有拓展、有作业、有评价。
关键追问：如果满分10分，你会给AI生成的教学设计打几分？
它有没有解决这节课最想解决的问题？看似正确的套话和真正有效的教学设计之间，差距在哪里？
它有没有解决这节课最想解决的问题？看似正确的套话和真正有效的教学设计之间，差距在哪里？
二、从"会用工具"到"场景落地"
核心观点：如果AI只是替我们写教案、出习题、批作业，它发挥的还是比较基础的价值。
就像当年使用PPT：一开始只是把板书搬到PPT上，后来才意识到PPT的真正价值是让原来不可见的东西变得可见。
就像当年使用PPT：一开始只是把板书搬到PPT上，后来才意识到PPT的真正价值是让原来不可见的东西变得可见。
AI赋能教学真正要问的问题
不是"AI能帮我做什么"，而是：
在我的教学中，有哪些事情我一直知道应该做，但因为时间、精力、人数、资源限制，一直做不到？
比如：
- 想更关注每个学生，但一个班几十个人很难做到
- 想看到学生的思考过程，但往往只能看到最后答案
- 想给学生更及时的反馈，但教师精力有限
- 想让学生进入真实工作情境反复训练，但课堂条件不允许
比如：
- 想更关注每个学生，但一个班几十个人很难做到
- 想看到学生的思考过程，但往往只能看到最后答案
- 想给学生更及时的反馈，但教师精力有限
- 想让学生进入真实工作情境反复训练，但课堂条件不允许
这些，才是AI真正值得进入教学的地方。
三、AI赋能教学：AI应该用在哪些地方？
AI值得用的四个场景
场景1：学生卡住但教师无法逐一指导时
比如程序运行不出来，学生可能错在变量命名、缩进、循环逻辑，教师很难同时给几十个学生排查。AI可以先做第一轮助教，帮助学生定位问题、给出提示，而不是直接给答案。
比如程序运行不出来，学生可能错在变量命名、缩进、循环逻辑，教师很难同时给几十个学生排查。AI可以先做第一轮助教，帮助学生定位问题、给出提示，而不是直接给答案。
场景2：学生需要反复练习和即时反馈时
语言类、技能类、操作类学习都需要大量练习，但教师不可能每一次都即时反馈。AI可以先给一轮提示，让学生马上修改。
语言类、技能类、操作类学习都需要大量练习，但教师不可能每一次都即时反馈。AI可以先给一轮提示，让学生马上修改。
场景3：学习过程需要被看见时
教师往往只看到学生最后的答案，却看不到他是怎么想错的。如果AI能让学生边说思路边解题，教师就能更准确地知道下一步该讲哪里。
教师往往只看到学生最后的答案，却看不到他是怎么想错的。如果AI能让学生边说思路边解题，教师就能更准确地知道下一步该讲哪里。
场景4：真实情境难以进入课堂时
AI可以模拟真实工作场景，让学生在接近真实的环境中训练。
AI可以模拟真实工作场景，让学生在接近真实的环境中训练。
四、AI课堂四步嵌入法
- AI预诊（课前）：通过前测题、问卷、作业或学生表达材料，了解学生真实基础。目标不是简单分成好中差，而是判断不同学生需要什么样的支持。
- 问题探究（课中）：AI不负责完整讲解，而是在学生卡住、产生分歧、需要迁移、表达不清时提供追问和提示。作用是让学生多想一步。
- 智能反馈（课中/课后）：不只告诉对错，而是指出哪里合理、关键问题在哪里、下一步该怎么改。
- 循证改进（课后）：教师根据学生作品、AI对话记录、前后测结果和课堂表现，调整下一轮教学。
核心要点：工具本身不是目的，关键是让数据和反馈进入教学改进循环。
五、案例1：数学课中的AI融入
课程：中职数学《圆锥》 授课对象：数字媒体技术应用专业学生
教师：数学教研室 李艳老师
教学设计亮点
设计了"从古代冲天锥 → 近代汉阳造铜锥 → 现代航天锥"的主线，将数学知识与专业技能结合（圆锥形成→三维软件旋转/车削命令，圆锥展开→UV展开和贴图设计）。
已有的AI融入
- 课前：学生用AI搜索圆锥相关资料
- 课中：AI交互动画观察截面和展开过程；AI现场出题；AI犯错让学生质疑
- 课后：AI生成思维导图帮助学生复盘
用"四步嵌入法"进一步优化
第一步AI预诊优化：不只是搜索资料，而是设计3-5道前测题，判断学生最容易卡在哪里（母线/高/半径分不清？展开图与扇形关系不清？公式来源不理解？），决定课堂重点。
第二步问题探究优化：AI动画不只是播放，还要带着问题探究。追问：为什么展开后是扇形？弧长和周长什么关系？扇形半径为什么对应母线而不是高？
第三步智能反馈优化：不只判断对错，还要分析学生用了什么方法、有没有更优解法、有没有发现规律。
第四步循证改进优化：根据课堂数据调整下一节课，哪些概念需要再讲，哪些学生需要个别关注。
六、如何让AI帮你设计AI赋能课
可直接复用的提示词
请帮我设计一节AI赋能课。
课程主题：【填写】
学生年级：【填写】
教学目标：【填写】
课堂流程：【填写当前流程】
当前痛点：【填写教学中遇到的最大困难】
请从以下方面分析：
1. 适合用AI辅助的教学环节及具体方案
2. 不建议使用AI的环节及理由
3. AI在本课中的具体角色定位
4. 预期的AI输出内容
5. 教师需要把握的关键环节
注意：请特别关注"不建议使用AI的环节"，好的AI课堂不是让AI多做事，而是让AI做它该做、能做、值得做的事。
重要：涉及学生安全、身体状态、严重动作错误、伤病风险时，AI只能辅助，不能替代教师判断。一节课的情感激励、现场保护、学生情绪观察也不能简单交给AI。
七、案例2：体育课中的AI融入
将体育课堂拆分成六个环节：课前诊断、热身导入、技能讲解、分组练习、即时反馈、课后巩固。
各环节AI应用思路
| 环节 | AI可以做什么 |
|---|---|
| 课前诊断 | 根据体测数据给出分层任务建议 |
| 热身导入 | 生成贴近学生的情境导入或安全提醒 |
| 技能讲解 | 把专业术语转成通俗口令化表达（如"手臂像弹簧一样从后往前甩"） |
| 分组练习 | 生成A、B、C不同层级的小组任务 |
| 即时反馈 | 辅助生成简短反馈语 |
| 课后巩固 | 把练习变成短、清晰、可打卡、可反馈的行动 |
思路推广：很多老师觉得AI不好落地，是因为一开始就想让AI服务整节课。但整节课太复杂，变量太多。可以把课堂拆小，AI的位置就清楚了。这个思路不只适用于体育课。
八、AI课堂评估
五个评估维度
| 维度 | 评估要点 |
|---|---|
| 学业表现 | 前测后测有没有变化？易错题完成情况有没有改善？不能只看课堂热不热闹，还要看学习结果有没有证据 |
| 思维品质 | 学生能不能说清"为什么"？能不能发现AI的错误？能不能把方法迁移到新情境？ |
| 课堂行为 | 学生在提问、表达、讨论中的参与度有没有提高？AI是不是在关键卡点上产生了价值？ |
| 作业变化 | 错误是否减少？个性任务、补救提升、分层任务是否更有效？ |
| 教师改进 | 教师的提问是否更高阶？课后是否能根据学习证据继续迭代？ |
总结：AI课堂评价不能只看AI用了多少，更要看教师的教学方式有没有因为AI而发生改变，学生的学习过程有没有因为AI而获得更多支持。