人工智能正深度融入并助力教育变革,生成式人工智能(AIGC)全面赋能基础教育学科备课组。聚焦AIGC在化学备课组常规工作、教学积疑研讨、学生疑问诊断及集体备课模式革新等环节的实践应用,为AIGC应用于基础教育教学提供实践参考与理论启示。
AIGC生成教学进度和课时安排,大大节约了人工核算的时间成本。腾讯元宝回答“人教版选择性必修2《物质结构与性质》每章的每个小节分别需要多少课时(每节课40 min)?请以表格形式呈现”(如下页表2),也可以根据备课组实践经验让腾讯元宝调整课时计划。 核实后发现腾讯元宝合理微调了部分小节的教学顺序:原第三章第4小节的“配合物与超分子”被前提至第二章第4小节;原第四章第1小节中的“液晶”合并于“过渡晶体与混合型晶体”。豆包同样可以快速准确完成相关工作。教师提问:“从2025年2月1日开始上课,每周四节化学课,除去学生研学4天及考试3天不能上课,请结合这学期的国家法定假日,以《物质结构与性质》整本书约35个课时计算,预测结课时间是几月几日?”。豆包经过深度思考,最终确定结课日期为4月24日,人工核对发现预测结果准确可用。
二、备课组+AIGC研讨化学教学积疑 长期以来,备课组人员搭配常采用“师傅带徒弟”的熟手教师结合新手教师模式。新手教师成长为熟手教师的一般路径为:借鉴网络现成教学课件;复制或微调备课组共享资源。新手教师对部分教学内容的本质性、关联性和边界性问题不清楚,若备课组深度研讨缺失,新手教师被动成长,可能会失去对学科问题深度理解和课程原创设计的意识及动力,同时也失去了师生思维互动的快乐。 部分主动成长型新手教师面对学科深度理解的疑问时,不愿以“不考”或“特例”搪塞而过,希望能够高屋建瓴,由学生自己决定是否继续追问,但这可能要花费教师大量的时间和精力查阅不曾涉猎的专业文献来获取简短的有效信息。
AIGC快捷方便地解决了备课组熟手教师大量化学教学中的积疑,现举10例(如表3),有的甚至是拥有二三十年教学经验的熟手教师数次面对、不曾深度理解的问题。疑问T3的解答,让教师将原思维结论“最右侧碎片峰为分子离子峰”,修正为“最右侧具有一定丰度的碎片峰为分子离子峰”。疑问T5的解答,让教师深度理解键极性和键强度两个概念,化解了教材利用极性键解释化学反应断键机理带来的误解。疑问T7的解答,让教师将孤立的概念点教学符号化。疑问T8的解答,纠正了教师的知识错误。疑问T9的解答,加深了教师的概念理解,帮助教师摒弃不完善的思维结论。DeepSeek的解答引发备课组深度研讨化学问题的本质性、关联性和边界性,帮助化学教师深度理解学科。认知外包的效果因人而异,分析发现高绩效组的先前领域知识水平显著高于低绩效组[5]。新手教师在AIGC赋能的集体备课中显著成长,逐渐能创造性地设计课程,而非简单地复制再现熟手教师的教学设计。表3提供了集体备课活动中AIGC解决的10个教师积疑。 三、AIGC诊断学生疑问 基于个体思维和学习能力进阶的发展性评价,让每一个学生成为不断调整、挑战和超越自我的终身学习者。备课组收集了大量学生疑问,选取了化学平时成绩不尽相同的学生疑问10例(如表4),并以学生的名义让DeepSeek从思维的角度诊断疑问产生的原因。