人工智能在网络教研中的应用

摘要：在教育过程中，课堂教学作为核心环节对学生的学习效果具有至关重要的影响。要实现高质量的课堂教学，需要从教学和教研两个维度共同发力。因此，本文从人工智能与教研相结合的视角出发，聚焦于基于课堂的教研活动和基于教师专业成长的教研活动，深入探讨如何利用人工智能赋能网络教研，以实现基于文本、基于视频和基于虚拟的教研，为教师创新教研模式提供启发与指导。

关键词：人工智能；网络教研；教研活动

中图分类号：G434  文献标识码：A  论文编号：1674-2117（2025）02-0084-05

引言

传统的网络教研模式存在教学资源信息过载和筛选困难、教学观察与诊断主观化、臆测化较为严重[1]，以及培训枯燥无味等问题，而人工智能的快速发展与应用为网络教研模式的改进和创新提供了新的机遇。因此，本文从人工智能与教研相结合的视角出发，聚焦基于课堂的教研活动和基于教师专业成长的教研活动，深入探讨如何利用人工智能赋能网络教研，以期为广大教师在网络教研中应用人工智能技术提供更多的思路和建议。

人工智能赋能网络教研研究现状

网络教研是在传统教研技术的基础上不断发展而成的一种新型的教研形式。从教研目的上讲，陈忠德等学者认为，网络教研作为一种促进教师专业发展的教研模式，利用现代信息技术，以发现、研究和解决问题为核心，优化和改进学校教研的方式、过程和结构，从而提高教学质量。[2]而尹洪辉等学者认为，网络教研的核心目标在于有效促进课堂教学的实施，通过利用网络平台和资源，支持教师在教学过程中的优化和创新，以提高学生的学习效果和成就。[3]从教研的形式上讲，李拥军等学者提出网络教研的活动形式包括听课、评课、集体备课、个案研讨、专题研讨等。[4]肖正德学者也提出网络教研的形式有专家引领、网络课程培训、专题研讨以及实践中的总结与反思等形式。[5]通过梳理不同学者对网络教研的定义，可以看出，网络教研通常采用集体备课、听评课、开展专题或个案研讨、课后反思、远程培训等教研活动形式，其目的是提升教师的教学水平，从而更有效地推动课堂教学实施。

为了分析国内人工智能赋能网络教研的研究趋势和研究热点，本研究在中国知网以关键词“人工智能”和“教研”为主题进行搜索，将文献的分类目录设置为社会科学II辑，时间范围为2016-2023年，总计检索到了101篇相关文献。结果显示，学术界对网络教研的关注度和发文量在过去3年间呈显著上升趋势。这一趋势表明，学术界对人工智能在网络教研中的应用越来越感兴趣，对其的研究也越发重视。

人工智能在基于课堂的网络教研活动中的应用

1.传统的网络教研流程

经验学习圈理论是由大卫·库伯（DavidKolb）提出的循环学习模式，该理论包括具体体验、观察反思、抽象概念、积极实践四个循环阶段。[6]该理论描述了学习过程中实践与理论相互作用、转化的模式，被广泛应用于教学、培训等领域。[7]

依据该理论，传统的教研流程通常包括教学设计与实施、课堂观察与反思、课后交流与研讨、教学改进与优化。其中教学设计与实施，即教师根据教学目标和学科特点，进行组内备课和教学资源等准备工作，最后制成设计方案并在课堂上进行实施。课堂观察与反思，即授课教师在实际教学过程中负责指导学生的学习，观课教师进行课堂观察，以获取学生的实际表现和反应。课后交流与研讨，即教师与同事进行沟通，分享彼此的教学方法和策略，共同针对课例进行研讨，从中获取新的教学启示，形成概念。教学改进与优化，即教师根据教学诊断对自己的教学设计进行相应的调整和优化，以提升教学质量和效果。

然而，传统网络教研存在诸多问题。首先，课前备课不精准。由于受时间与资源限制，教师难以精准把握学生需求与教学目标，从而影响教学的有效性。其次，在课堂实施环节，课堂观察主要依赖于教师的主观经验和直观印象，这种评判可能受到主观偏见和个人经验的影响。最后，课后诊断环节依赖教师的个人回忆和主观感受，教师较难全面客观评估自己的教学效果。

2.智能技术支持下的网络教研流程

（1）课前教研，为课堂教学打好基础

①教育知识图谱能够帮助实现精准备课。教育知识图谱是知识图谱在教育领域的一种应用，其以知识元为节点，根据知识元之间的多维语义关系（如上下位关系、关联关系、因果关系）进行关联，在知识层面和认知层面表示学科领域知识和学生认知状态，可用作知识导航、认知诊断、资源聚合、路径推荐的知识组织与认知表征工具。[8]

通过教育知识图谱，教师能清晰地了解各个知识点之间的联系以及学生的认知状态，从而优化备课方案。

②利用生成式人工智能生成个性化备课方案。生成式人工智能是一类可生成具有创造性与独特性内容（如文本、图像、音频等）的人工智能系统。其中，ChatGPT作为教师的智能助手，借助深度学习和自然语言处理技术构建语言模型，依据教师所输入的学生信息、教学场景以及教学目标，可以生成契合不同学生需求与教学场景的个性化备课方案，其步骤如图1所示。这种个性化备课方案的生成方法不仅能够满足不同学生和教学场景的个性化需求，还可以提高备课效率，减轻教师的工作负担。

（2）课中观察，实现机器智能与人的智能相统一

课中观察有两种方式：一种是定性观察法，它主要是通过使用观察者的口头陈述或对课堂进行实时录像的方法还原真实授课活动。在运用定性观察法观察课堂时，观察者的观察以及描述课堂过程的能力都对观察结果产生重要影响。另一种是定量观察法，这种方法是按照一定的框架或规则进行记录的，并且需要将观察到的信息转化为具体的数值进而量化，观察者需要使用如自制的观察量化的观察工具进行记录。但是，如果仅依靠观察者人为进行量化的观察记录，存在三个问题：一是教师在观察过程中仅能抓取少数几个角度进行记录，容易疏漏掉其他的课堂信息；二是主观性较强，可能会导致遗漏和偏差[9]；三是课后的评分结果不易进行统计和分析。

随着智能技术的不断发展，课堂观察也进入了新的阶段，以智能研修平台为例，其能够将机器的“智能”与人的“智力”相结合，实现两个目标：一是实现基于人工智能的机器观察；二是实现基于量规的人工观察。

①利用智能录播教室实现对课堂行为数据的采集。想要实现对课堂师生行为数据的常态化、伴随式记录，第一步是对教学行为进行编码，在教学行为编码方面，程云等人提出了一种基于言语活动的教学行为编码系统，将教师和学生的言语行为与活动行为共四类行为进行了编码。[10]基于这个编码系统，智能研修平台对教师的讲授、板书、巡视、师生互动以及学生的听讲、举手、应答、读写和生生互动等九种行为进行编码和建模。[11]第二步是利用智能录播教室实现师生行为的常态化伴随式采集。首先，其配备了高清摄像设备，包括固定摄像机和跟踪摄像机，可以从多个视角捕捉教师和学生的行为。其次，音频设备的配置使得教学中的声音可以被清晰地记录，以确保高质量的音频录制。此外，智能录播教室集成了光学字符、语音、姿势识别以及人脸辨识等技术，这些技术共同记录教师教学行为数据、学生学习行为数据、师生互动行为数据与生生互动行为数据。

②利用基于AI的课堂教学行为分析工具进行数据分析和可视化。基于上述的课堂行为，智能研修平台可以实现７个维度的学情分析（如图2），并能自动生成3份精准分析报告：其一是《教学行为分析报告》，供教师结合视频进行精准反思；其二是《两堂课的对比分析报告》，即对异构同课、同构同课以及异构异课的课程进行对比分析；其三是《周期教学行为数据统计分析报告》，即以周、月、季度、年为单位，自动统计和分析每位教师在周期范围内的教学行为数据。

③对观察教师的教学评价数据进行采集和分析。除了实现对师生教学行为的伴随式采集外，平台还能实现对教学评价数据的精准采集。首先，平台内置的在线听评课模块使参与评课的教师和教研员无需亲临教室现场，便能在任何时间、任何地点，通过手机、计算机等多种终端完成听评课。其次，平台在听评课系统中嵌入了基于人工智能的课堂教学行为分析工具，这使得参与评课的教师能够同步获取被评课例的部分（直播听课获取部分）或全部（录播听课获取全部）AI教学行为数据，并可以点击数据进行主观评价。此外，听评课教师可以结合课前制订的课堂观察量化表，观课并对被评课例的讲授教师进行教学设计能力评分以及课堂实施质量评分，平台会自动汇总和统计所有打分结果，并生成教师能力矩阵和雷达分析图，以多维度的评测结果为教师开展研修反思提供科学的数据支持。

（3）课后研修，开展精准诊断和反思

课后研修是课堂教学结束后的关键环节，旨在组织教师进行精准诊断和反思，以深入理解教学现象与教学理论。在教学诊断环节，教师可以利用观察量表主观评分，确定诊断方向，再结合人工智能客观数据，精准定位问题。

①根据观察量表，确定诊断方向。以某教师执教的一节小学数学课为例，从观察量表的权重设计来看，任务设计和问题设计是该课堂的两个重要观察和诊断维度，这两个环节的预期效果达成率均未达到80%，与理想达成率相差较大，表明教学设计仍有改进空间。因此，接下来可以针对这两个维度结合AI教学行为数据，开展实证精准分析。

②依据客观数据，精准定位问题。在应用数据开展诊断之前，首先必须对课堂教学设计进行“庖丁解牛式”的分解，故依据本节课的教学设计流程和课堂表现度曲线（如图3）可以对数据进行解读，以下以“任务设计”为例展开分析。

从整堂课的总时长来看“造成整节课拖沓的任务环节”。首先，本节课时长超过了56分钟，远大于45分钟的时长，这说明课堂节奏把控有待改进。其次，通过一级任务环节的时间占比，可以发现“探究规律”环节持续了49分钟，这是问题所在。在该环节中，教师设计了三项任务：“设疑引思”“初步感知规律”“发现规律”。观察二级任务环节的时间分配，可以发现“初步感知规律”耗时25分钟，“发现规律”耗时19分钟。考虑到前面的“感知规律”环节，学生已经进行了对规律的多次观察，再去发现规律应该是一个呼之欲出的环节，但“发现规律”仍花费了19分钟的时间，这就要思考前面的“感知规律”环节是否设计得科学合理。

从表现度曲线拐点看“学生参与数学学习活动和交流的机会”。具体地说，当学生表现度曲线呈上升趋势时，可能存在以下三种情况：一是教师正在向全班学生进行讲授、展示和提问；二是全班学生正在进行集体思考、阅读、书写和齐声回答问题；三是学生代表正在向全班做汇报、展示和提问。相反，当学生表现度曲线呈下降趋势时，学生很可能正在进行分组探究、实践操作或全班讨论等活动。在本案例中，所有下降的曲线代表学生进行小组活动。如图4所示，可以清晰地看到，在三个学习任务中共安排了四次小组活动，共耗时9分钟。相对于总课时56分钟而言，小组活动仅占16%的时间。因此，需要进一步反思小组活动是否充分。此外，还可以发现，在发现规律任务的学习单环节，曲线起伏明显，说明教师介入学生的学习活动，包括对学生干预、对知识点进行梳理等，因此，教师需要反思导学单设计得是否合理。

人工智能在基于教师专业成长的网络教研活动中的作用

1.利用元宇宙构建创新的远程协同培训场景

首先，教师可以在元宇宙中建立虚拟的教研场地，进行更加真实的互动和交流。在元宇宙中，教师可以创建自己的虚拟形象，感受到更加真实的教研场景，提升参与感和沉浸感。以虚拟教研室为例，在教研内容方面，教师可以利用虚拟教研室中的减速器模型进行教学研究，系统能扮演虚拟学生的角色，使得研训更加贴近真实的课堂教学。[12]

2.利用ChatGPT实现“虚拟专家”个性化培训指导

传统的以培训为主要方式的“专家指导”容易疏忽教师在抽象理论到具体实践的转化过程中面临的挑战和困难，且缺乏针对性，而ChatGPT可以搭建理论与实践之间的桥梁，提供个性化的“虚拟专家指导”。在ChatGPT的支持下，教师能够以对话的形式与“虚拟专家”进行互动，如上传自己在教学实践中遇到的问题，让ChatGPT从理论层面分析问题成因，并给予实践建议。教师在与ChatGPT共同解决问题的过程中，可以逐渐突破理论转化实践的难点，获得教学实践能力的提升。