基于“教——学——评”一体化的 AIGC 课堂应用与要点探析

引言

教育信息化是近年来教育改革的大方向，《教育信息化2.0 行动计划》指出要促进信息技术与教育教学深度融合，构建智能化、网络化、个性化的教育体系；《中国教育现代化 2035》则进一步强调了教育信息化在实现教育现代化中的核心作用，提出要加快教育数字化转型，推动教育资源的均衡配置。在这一背景下，生成式人工智能技术的兴起为教育信息化注入了新的活力。

在教学活动中，“教—学—评”一体化理念是一种强调教学、学习与评价三者紧密结合的教育模式。该理念旨在通过三者之间的相互作用与反馈，提升教学质量，激发学生的学习兴趣，并确保学习效果的准确评估。这一理念在理论上具有显著优势，但在当前实际操作中存在许多不足，如课堂教学方法单一、教学内容与评价脱节，学生课堂参与度低、学习动力不足，评价滞后以及评价任务与学习活动的区别认识模糊等问题。这些问题制约了教学效果的达成和学生个性化发展的实现。而生成式人工智能能够自动生成文字、图像、音频等多种形式的内容，极大地实现了教学资源与方法的多样性和个性化。由于生成式人工智能具有强大的数据库资源和演算能力，可以和学生进行一对一的对话，从而开展针对性的个性化学习。同时，还能提供全面的评价体系，及时有效反馈评价结果。基于此，本文在“教—学—评”一体化视角下探讨 AIGC 在课堂教学中的运用能有力促进“教—学—评”一体化的深入融合和转化。

一、AIGC 辅助“教—学—评” 一体化中的可行性分析

AIGC 技术凭借其生成能力、数据分析能力与交互能力的协同作用，正不断优化“教—学—评”三者的协同机制。

1. 技术适配的闭环逻辑

AIGC 对“教—学—评”全过程的贯穿，形成了动态耦合的技术适切观。对于“教”而言，AIGC 基于预训练语言模型和生成对抗网络，能够动态生成、拓展和定制教学内容 [1]，如“浮力”知识点，在初中物理的不同水平学生中，可以生成实验探究、公式计算、生活应用等不同层次内容。这正是弥补了传统教学中教师课堂上对全体学生水平兼顾不足的缺憾。在“学”方面，AIGC 的人机协同机制主要通过自然语言处理技术实现学习支持。在“师—机—生”的三元结构中，智能工具对学生的行为进行分析，为学生提出具体的学习建议、提供分层级的解题思路。该机制能够促进跟踪式学习、提高学生学习的质量以及认知效率 [2]。“评”阶段 AIGC 多元评价系统，以智能录播系统、白板智能交互等对学习过程进行多元评价。系统可同时对接小组讨论的音频数据、阶段性作品文字数据等，为教师提供认知性评价，帮助形成综合性评价。AIGC 能够基于自身的丰富内涵和逻辑推理，实时提供个性化学习指导策略和分层次补救资源，拓展了传统教学评价的深度与广度 [3]。

2. 理论支撑的跨学科基础

AIGC“教—学—评”一体化实践创新在多学科理论中找到了理论支撑。教育心理学层面，维果茨基“最近发展区”理论为AIGC 的动态难度调整机制提供了理论依据，对学生“成功—失败”序列进行学习监控与评价，将学生学会什么与不会什么区分开来。学习科学视角下，AIGC 与建构主义、个性化学习理论深度契合。建构主义强调主动知识建构，AIGC 通过整合多源资源为不同认知基础学生搭建 “认知脚手架”，为学生提供了丰富的学习材料，支持其在新旧知识之间建立联系。AIGC 技术能够根据学生的个体差异（如学习水平、兴趣偏好、认知风格等）提供定制化的学习路径和资源，体现了个性化学习理论的核心思想。

二、AIGC 支持“教—学—评”一体化的实践路径与应用模式

在“教—学—评”一体化推进中，AIGC 技术在课前、课中、课后全程介入，构建起“数据驱动—智能决策—动态适配”的立体化应用模式，其实质在于，破除传统教学的时空局限和经验束缚，走向“标准化供给”到“个性化生长”。

1. 智能技术融入课前：个性化预习与学情分析（1）智能采集与生成，汇聚海量教学资源

AIGC 技术的课前应用核心在于自动生成海量教学资源。通过人工智能内容生成技术，能够智能创建文字资料、教学图片、讲解音频、演示视频等多种形式的教学内容，并自动进行分类整理。这些由 AIGC 生成的教学资源不仅覆盖各学科知识点，还能根据学生的学习需求进行个性化定制，为师生提供丰富多样的数字化教学内容库，显著提升教学资源获取效率。例如，某高校“计算机程序设计”课程教师通过 AIGC 实时收集全球范围内的技术动态、最新编程语言和最新框架信息，使用自然语言处理技术、机器学习技术自动将其整理为现有的教学内容，形成动态的教学案例库，实现与最新技术的融合 [4]。AIGC 技术可生成大量课程相关信息，如生动有趣的教学案例、直观的图片、视频材料、模拟实验等，为学生提供更新、更广、更多、更有趣的教学资源，促进学生吸收与消化。

（2）多维度数据采集，构建学生立体画像

与传统学情分析主要通过学生的成绩等指标数据来判定学生的学情不同，AIGC 技术可以从学生不同来源（包括学生在线学习平台、互动工具、提交作业平台等）采集、分析学生的学习数据（包括学习行为数据，如学习时间、点击量、提交率；参与数据，如课堂发言数、讨论参与数；情感数据，如学习情绪、注意力等），勾勒学生立体画像，综合评价学生兴趣、风格、知识、能力等学习特征以及可能存在的问题 [5]。例如，某高校的教师运用 AIGC 智能教学平台下发预习任务，在预习任务中加入了智能数据采集，每个学生在浏览课程内容、完成课程预习习题、参与课程讨论的过程中都会留下数据，通过算法分析这些数据，可以呈现出每名学生的 3D 画像。通过 AIGC 技术多方汇集数据，多维度建构，既能提升预习的针对性和有效性，又能提供给教师教学参考，辅助教师进行课堂前的诊断性评价，提升学生兴趣的同时提升教学效率，提高教学质量，为AIGC 技术赋能教与学提供强有力的证据支持。

2. 智能技术支撑课中：实时互动与动态教学调整（1）动态调整与优化，实现精准教学干预

在传统课堂教学中，教师往往难以实时捕捉学生的学习状态和理解程度，导致教学进度和内容难以精准适配学生需求。而智能技术的加入，尤其是大语言模型和人工智能生成内容技术，为解决这一问题提供了新的思路。通过自然语言处理技术，大语言模型能够即时响应学生提问，并从多角度提供解答，从而实现精准教学干预。例如在数学课堂教学过程中，学生询问“如何理解导数与函数图像的关系”，AIGC 不仅能给出定义解释，还能生成分步骤的图形化描述，将抽象的函数概念具体化给学生进行阐述，增加学生的学习积极性。在智能教室里，通过 AIGC 可以从图、声、像、视频等不同信息中获取学生学习状态、学习领悟程度，例如智能设备自动分析学生测试结果、测试内容、课堂行为等，通过传感器分析学生的情绪起伏、注意力状态等，并反映给教师，精准介入。这种调节过程，既使教学变得灵活和有弹性，又能让每个学生在自己适合的节奏中学习，并得到预期的学习效果。

（2）个性化辅导答疑，提供精准辅导方案

AIGC 基于学生的学习数据，能够生成定制化的学习建议，从而为每个学生提供精准的辅导方案。这种个性化指导不仅针对学生的知识短板，还智能推荐最适合的学习资源和方法。例如，在物理学习中，针对“电路分析”薄弱的学生，AIGC 会自动推荐最适合该学生的习题等。此类功能在可汗学院的 AI 辅导系统中已有实践，推荐机制是结合大语言模型的语义匹配加上知识图谱技术，学生在解题的过程中，建立自己知识体系，基于知识体系来进行学习。科大讯飞开发的智能助教系统进一步拓展了个性化辅导的应用场景，该系统能够实时分析学生课堂提问内容，快速生成答案并提供详细解题思路。对于复杂问题，系统还能引导学生逐步思考，实现一对一辅导效果，满足不同学生的学习需求，提升课堂学习效果。这种实时互动的辅导方式不仅提高了学习效率，还增强了学生的学习信心和参与度。

3. 智能技术辅助课后：智能巩固与个性化学习支持（1）多维度数据整合，构建全面评价体系

AIGC 技术通过整合学生在课前、课中以及课后的学习数据，构建了一个全面且多维度的评价体系。在教育场景中，该体系能从知识掌握程度、学习能力提升、学习态度等方面准确评估学生学习情况。通过对各学情的挖掘，AIGC 为每位学生绘制学习画像，将每位学生的优势与弱势都呈现出来，让教师得到反馈，掌握学生对知识的掌握程度，了解班级整体的重难点，优化调整教学计划，为学生提出学习意见，帮助学生改进学习方法，提升效率，完成课后对知识的连贯学习。

（2）持续跟踪与分析，提供动态学习支持

AIGC 能够基于时间序列预测模型，对学生学习轨迹进行长程追踪，预测学生潜在学业风险。此外，AIGC 可以对学生进行个性化和差异化的课后复习路径推荐，为视觉型学生推送知识思维导图、为听觉型学生生成播客精讲，通过“一人一图”的学习辅助满足各类学生的学习需求，提升学习效率。如学而思网校利用 AIGC 追踪学生课后学习状况，预测学生学习走向，对可能遭遇学习阻滞的学生，有预见性地提前为学生推送适宜的学习指导，提供拓展学习资料，助力学生巩固学习，提升能力，学习成效持续优化。

三、总结

虽然 AIGC 在教育领域中具有广阔的应用前景，但也存在着一定局限性，这就给未来该领域的研究和发展指明了方向。AIGC在课堂教学中的运用存在技术局限性，因为生成内容的有效性和可靠性并不总是完全可靠，特别是对于一些数理等复杂学科内容，AIGC 生成内容存在逻辑错误、不严谨等问题。同时，AIGC生成能力也受训练数据的影响，生成的内容存在偏见和其他缺陷。AIGC 的交互性和实时性还比较有限，需要结合课堂教学中的实时需求进行改进，这些技术上的局限性限制了 AIGC 在课堂教学中的发展。

AIGC 能否有效应用还取决于教师、学生是否认可、适应技术。研究表明，部分教师对AIGC 的技术原理和应用方法缺乏深入了解，限制 AIGC 在课堂中的应用；不同数字素养水平的学生，对 AIGC产出内容理解和应用可能存在差异；AIGC 应用于教育，其产出内容可能包含未经权利允许的素材，存在数据泄露风险，算法偏见可能影响学生价值观念和认知等涉及伦理和隐私的问题。这些问题还未有效研究解决，制约AIGC 在课堂中应用。

尽管存在上述局限性，AIGC 在教育中的应用前景依然非常可观，未来需进一步优化 AIGC 的性能尤其是生成内容的精度、丰富性和适用性。此外，未来还需关注教育AIGC 的伦理、隐私保护等，制定 AIGC 生成内容质量标准与审查标准，确保其符合教育伦理规范，同时还包括长期追踪研究、跨学科探索，研究 AIGC 对学习者学习能力、思维习惯、创造能力等长远影响等。技术优化、师生能力提升、伦理保护、长期效果评估与跨学科研究、政策支持等多方面因素互相协调，共同促进 AIGC 成为“教—学—评”一体化的课堂有效助力，驱动教育形态变革。

参考文献：

[1] 易凯谕 , 韩锡斌 . 从混合教学到人智协同教学：生成式人工智能技术变革下的教学新形态 [J]. 中国远程教育 ,2025,45(04):85-98.DOI:10.13541/j.cnki.chinade.2025.04.002.

[2] 杨 宗 凯 , 王 俊 , 吴 砥 , 等 . ChatGPT/ 生 成 式 人 工 智 能对教育的影响探析及应对策略 [J]. 华东师范大学学报 ( 教 育 科 学 版 ), 2023, 41 (07): 26-35. DOI:10.16382/j.cnki.1000-5560.2023.07.003.

[3] 吴军其 , 张萌萌 , 吴飞燕 , 等 . AIGC 支持下“双师课堂”协作学习范式构建及应用 [J]. 现代远程教育研究 , 2024, 36 (06):93-101+111.

[4] 周立军 , 吕海燕 , 张杰 , 等 .AIGC 赋能“计算机程序设计”课程教学创新与实践 [J]. 军事高等教育研究 ,2024,47(04):90-95.

[5] 陈平平 , 刘秀峰 , 刘慧玲 , 等 . 基于学生画像的个性化教学模式研究与实现 [J]. 现代计算机 ,2023,29(12):104-107+112.基金：本文为 2024 年科创项目“AIGC 的社会应用案例库建构研究”( 项目编号 :XCX20240180) 研究成果

作者简介：王雪（2003,11——），女，汉，安徽滁州人本科，教育技术学

杨张瑞（2004,06——），女，汉，江苏南通人本科，教育技术学