用数据循证促进备课数字化转型

数据循证可以帮助教师，基于数据促进学习目标优化、学习资源设计、教学活动改进，从而促进备课的数字化转型。

能力评价数据循证促学习目标优化。教学的服务对象是学生，学情不同，学习目标也应该差异化。差异化体现在目标的定位上，即教师参考学生能力评价数据，科学设计课时、单元目标。目前，教师应用数据，主要是通过智能分析工具获取班级平均分、优秀率、良好率、及格率等数据，这是关注结果的数据应用。就学生学习水平诊断数据的分析，教师需从群体知识掌握程度，专项分析学生个体的学科能力和素养，对学生的认知水平做出判断，如针对某一习题正确率较低，教师需要重点分析习题背后反映了学生哪个知识盲点，从而调整教学目标。

学业发展数据循证促学习资源设计。笔者在北京市昌平区一所高中进行教学调研时，学校一位高中语文教师，通过多次学业数据追踪，发现学生在文言文翻译方法上存在短板。因此，围绕删除无意义虚词、删除偏义复词、换古今异义词等重点设计了文言文专题复习课，形成了典型文言文教学导学案，学生学业表现明显转好。这个案例正是数据循证促学习资源设计的典型案例，即教师通过对学情基础数据的分析，更精准地选择和调整上课所用的导学案、作业、微课等教学资源。

教学诊断数据循证促教学活动改进。学生学情数据一方面辅助教师更清晰地了解学生，设计更契合其成长发展区的学习活动，备课中的教学活动设计也可以依托教情数据获得助力。

依托教学能力智能测评技术，教师可以从教学特色、教学模式胜任度、课堂互动行为、课堂教学策略、问题设计的层次、课堂教学的类型、学生学习反馈等多维度了解自己的课堂教学情况，并将其作为优化教学活动设计的依据。如课堂互动活动上，依托师生互动行为占比，引导教师在备课设计上调控时间，增加类似自主练习、小组合作、研讨分析等学生参与性的活动设计，凸显以学生为主体的活动设计；依托教师的理答反馈数据，引导教师在备课设计时更加关注学生生成式回答的有效响应，提升学生学习投入度，关注教师理性回应。

数据来自学生、来自教师，数据流转起来，进入到备课环节，就是循证的出发点和落脚点，数据指引学习目标、教学活动和学习资源设计，高效实现数据赋能备课，带动数字化转型的实际发生。（来源：中国教育报）

如何为人工智能赋“魂”

随着ChatGPT和Sora的横空出世，人工智能成为加速推进新一轮科技革命和产业变革的引擎。人工智能的应用为推动人才培养模式和教学方法改革、构建新型教育体系提供了新的动力和创新路径。2024年3月，教育部启动人工智能赋能教育行动，提出要促进智能技术与教育教学、科学研究等深度融合，为学习型社会、智能教育和数字技术发展提供有效的行动支撑。如何利用人工智能为教育教学赋能，成为教育界热议的话题和研究课题。

目前，人工智能是不具备独立思考能力和价值判断能力的，也就是说，人工智能自身是没有“魂”的。但我们在利用人工智能改造课堂教学、利用人工智能为教育服务时，是带有一定的目标和价值追求的。这个目标和价值追求就是人工智能的“魂”。人工智能没有自主价值判断能力而人有，人工智能深度融合下的教育变革，它的“魂”实际上就是教育者的“魂”，应从三个方面去思考和把握：

一、守住底线铸牢伦理之“魂”

人工智能技术是基于数据和算法的，而数据和算法在设计和应用过程中存在违背道德和技术伦理的可能。比如现在很多学校在教室里安装摄像头或通过人工智能感知软件，捕捉学生学习过程中的多模态信息数据，对学生大脑反应情况及学习状况进行分析，这一过程中可能存在数据过分收集、造成学生心理乃至身体不适等问题；在数据处理过程中，还可能造成敏感数据信息泄露、侵犯学生个人隐私权，甚至数据被不法分子利用等问题。

算法是设计者主观判断和价值理念的映射，如果在算法设计时被植入功利的教育政绩观，则可能导致教育形式化、学习路径被算法绑架而变得机械刻板、教育丧失人文色彩而陷入“唯数字化”的泥沼等问题。人工智能还可能生成包含意识形态偏见的文本，带来意识形态安全风险；可能为抄袭、剽窃等学术不端行为和“刷课”“替考”等舞弊行为大开方便之门……人工智能技术和其他技术一样具有自然科学的客观性，其利弊效应取决于人的观念，故而在构建底层逻辑、输入数据进行大模型训练、进行“人工智能+教育”相关产品算法设计时，必须牢牢守住法律法规红线和伦理道德底线，铸牢伦理之“魂”。

二、尊重规律锻造科学之“魂”

儿童在成长过程中，其思维和认知是按照一定的顺序和阶段逐步发展的，从直观的动作思维到具体的形象思维，再到抽象的逻辑思维，体现出阶段性、顺序性、连续性、差异性特征。人工智能技术再强大，也不能揠苗助长。尽管从生物进化论的角度看，工具的使用可以影响人类智力的发展，但那是一个漫长的过程，在个体身上几乎可以忽略不计。“人工催熟”可能会带来识字、计算能力的提升和考试成绩的提高等短期收益，但也容易造成儿童认知过载，影响其正常发育成长，扰乱学习应有的节奏，对于学生的长远发展、可持续发展更是有害无益。

教育教学是一门科学，有其内在规律性。比如要遵循简约性规律，不能忽视来自生活的直接经验，做到直接经验与间接经验（书本知识）相结合；遵循发展性规律，掌握知识和发展能力互相促进，做到知情意行相协调；遵循教育性规律，学科知识传授与学科育人相融合；遵循合作性规律，教师主导性与学生主体性相统一，师生互动教学相长。抛开这些规律进行教学改革、技术革新，都是失之偏颇的，难以实现培养高素质人才的目标。在遵循这些教育教学基本规律的前提下，我们还应积极思考，如何利用人工智能技术手段使当下的教学更加符合教育教学规律，比如利用人工智能技术进行个性化学习诊断和个性化作业推送，可以克服现实中很多因素的制约，使因材施教理念更好地得以落实。总之，在利用人工智能技术时，必须尊重规律、顺应规律，锻造科学之“魂”。

三、育人为本内塑价值之“魂”

首先，应在引领学生全面发展上着力。人工智能技术的应用，极大地拓展和丰富了体育、美育、劳动教育的实践情境和场域，亦有利于实施过程性评价和增值性评价，助力改变体育、美育、劳动教育被弱化的状况，补齐“五育”并举的短板。其次，应在引领素质教育发展上着力。人工智能应为扭转应试教育倾向、培养学生核心素养提供创新工具和路径，而不是被打造成“提分”的利器，加剧教育“内卷”。最后，应在培养学生自主学习和独立思考能力上着力。人工智能应为拔尖创新人才培养助力，激发学生好奇心，培养学生质疑精神和创新意识，而不是以人工智能替代人脑思考，让学生形成思维惰性，时时处处依赖人工智能。人工智能要为培养全面发展且有创造力的时代新人服务，必须内塑价值之“魂”。

在教育教学中，人工智能的“魂”与“能”犹如人的“德”与“才”。以“魂”驭“能”，方能在正确的轨道上加速前进，培养德才兼备之人。我们在利用人工智能为教育赋“能”之前，应该先思考如何为人工智能赋“魂”。（来源：中国教育报）

把握底层逻辑，构建人工智能教育体系

教育部日前部署中小学人工智能课程教学、资源建设及试点工作，要求2030年前实现基本普及。这对抢占全球人工智能技术和人才高地至关重要，必将引发教育领域的系列深层变革。顺利推进人工智能教育，需深化基础研究，把握底层框架和逻辑，做好体系化构建。

一、人工智能教育的理论基础和底层系统

人工智能是一种新型知识，其知识来源是信息社会，知识本质是人机互动，知识范围是众多学科复合，知识标准界定也有新的逻辑、结构和方法，复杂程度超过以往任何知识类型，知识价值指向人机协同和人机共生，知识性质有更多不确定性，需要更多批判性审视。人工智能教育普及，需要搭建系统框架，组织强大的多学科团队协同攻关，围绕人工智能知识理论基础，从知识原点层面研究其本质、来源、范围、标准、价值，解决“为何”“如何”“何为”问题，为教育教学定向把航。

人工智能教育何以支撑？要着力于课程内容的组织。人工智能作为一种新的知识类型，正处于快速知识化过程。今年8月，联合国教科文组织发布了师生人工智能能力框架。《面向学生的人工智能能力框架》强调学生的四种核心能力，包括“以人为本的思维方式、人工智能伦理、人工智能技术和应用、人工智能系统设计”，在理解、应用和创造三个等级维度下，概述了学生应具备的12项能力，详细说明了相关课程目标和特定领域的教学方法。

人工智能教育行动，重在知识筛选、传播、分配，推动实践发展，并在实践中提出更多、更高、更复杂的知识需求。按照人类知识产生、发展、增长的进程与经验，任何新兴学科内容进入学校课程，都需要有统领概念、体系框架和经典脚本，一般都会经历长时段的创建、积累、实验与循证，沉淀和炼制标准知识体系，找到具有“定海神针”作用的核心点，然后体系化，进而开发分级分类的教学材料以支撑教学。

二、开创人工智能教育新赛道新空间新优势

一是开创新赛道。人工智能系统设计，需要学生深入理解人工智能系统架构，学习如何识别和定义问题、设计解决方案，并利用人工智能技术实现方案。目前实践中大多采取的是“讲练”模式，以“输入”学习为主。为提高有效性，应建立真实情境、真实任务、真实研究，把知识、原理、思维、方法、技术等嵌入任务情境之中，让学生在完成任务的实践过程中学习、研究，并将创意转化为产品，实现学、研、产、创一条龙。

二是开创新空间。人工智能涉及众多学科，例如计算机科学、信息论、控制论、医学、哲学等。人工智能课程教学的空间环境、技术工具、认知场景，目前大部分学校都难以满足。当前，亟须建立社会化解决途径，盘活社会场馆资源，为人工智能教育提供物质基础。学生应通过实践活动和项目，如编程、数据分析和机器学习等，加深对人工智能技术的理解，明白其真实问题驱动、真实情境支撑的特性。

三是开创新优势。人工智能教育内容包括推理方法、机器学习、自然语言理解、计算机视觉、智能机器人等方面，很多都是前沿课题。目前人工智能教育逻辑结构、知识增长规律、获得知识途径、成果检验标准等，尚未形成系统理论。因此，早布局，早发力，开创人工智能新优势，意义重大。目前，部分国家已将人工智能学习目标纳入国家课程，并制定了教师专业发展计划，有望成为教育跃升的杠杆。

三、聚焦范式更新，促进教育迭代升级

以往，我们教育的传统范式是教—学—评。经过一轮又一轮改革，教育范式已经进化为教—学—做—（用）—评。人工智能教育范式，可以反转过来设计，即：用—做—学—教，再加以场景支撑、情境认知、评价牵引，构成人工智能教育新态范式。笔者2016年—2019年在深圳等地建立基地，并与多方合作开展实验。我们把“用—做—学—教”作为操作系统，通过实际观测，总结出如下策略：

一是以用促学。人工智能教育采用“以用促学”方式推进。在实验学校先让学生“玩AI”，包括人工智能应用前沿六大场景，分组轮流到AI小镇尽情玩，动员各人工智能厂家在学校各个角落安放不同类型智能设备，作为免费展示体验互动窗口。孩子们在玩的过程中，逐渐体会到AI的有趣之处，并激发了动手科研的兴趣。

二是现学现用。有的学生研究组想利用人工智能设计交通智能预警系统，发布每天上下学高峰时段的车流量实时动态，解决该时段交通拥堵问题。还有的想设计考试无人监管系统，有的想研制教学机器人，等等。这些研究涉及人工智能知识、原理、技术、工程等所有要素，是巩固所学知识的良好手段。

三是先用先学。当学生面临一个亟待解决的问题时，先适量运用知识原理进行设计，再根据需求逐步拓展。如学校举办大型现场会，学生为此研制服务机器人，就经历了绘制学校地图、整理学校简介、学习3D建模等步步深入的过程。

四是急用急学。如某学生要做一款互动软件用于即将举行的项目展示交流活动，老师可以允许他调整课时，投入精力集中研制，并为其配备指导教师、实验室及设施设备支持，在考评上也可予以专门考虑。

目前，经过实验小组在北京、深圳的实验、评估和论证，“用—做—学—教”作为人工智能教育的范式基本可行，契合人工智能的强互动性、逻辑的强复杂性、知识的强不确定性和增长的强叠加性，契合新一代学习科学建构与认知原理，有望促进智能时代育人模式转型。（来源：光明日报 ）

本期编辑：信息中心