摘要：课堂教学是人才培养的主要抓手，增强课堂教学效能对于高素质创新型人才队伍建设具有重要价值。当前，新型课堂教学呈现互动主体多、思维进阶路径复杂、创新实践策略多元等特征，仅依靠专家主观点评的传统方式难以为教师提供及时且有针对性的改进建议，而生成式人工智能技术在自然语
感谢您关注“永大英语”！
宋 宇 许昌良 穆欣欣
摘要：课堂教学是人才培养的主要抓手，增强课堂教学效能对于高素质创新型人才队伍建设具有重要价值。当前，新型课堂教学呈现互动主体多、思维进阶路径复杂、创新实践策略多元等特征，仅依靠专家主观点评的传统方式难以为教师提供及时且有针对性的改进建议，而生成式人工智能技术在自然语言处理和内容生成方面展现出强大实力。基于此，文章首先梳理了课堂教学评价与优化的研究现状，并提出生成式人工智能赋能的新型课堂教学评价与优化的推进路径；然后，文章探究了“文献计量法与编码体系建设-检索增强生成与精细化标注-提示学习与优化内容生成”相结合的技术解决方案；最后，文章通过准实验方法证实了以上方案能够增强课堂教学的有效性，特别是在提升课堂教学深度和广度、增强实践应用和创新创造水平方面展现出巨大潜力。文章通过研究，旨在为教师专业发展和教研工作提供有力支持，推动课堂教学评价效能的大幅提升，使规模化、个性化的课堂教学优化成为可能。
关键词：课堂教学；课堂评价；教学优化；生成式人工智能；创新应用
课堂教学是人才培养的重要抓手，增强课堂教学的有效性直接关系着教育的高质量发展和高素质创新型人才队伍的建设。当前，以互动、启发和探究为主要特征的新型课堂教学模式逐渐受到教师的青睐，其有助于激发学生的创新精神、促进学生的高阶思维发展和创新能力提升。然而，创建优质高效的新型课堂教学样态具有一定的挑战性，其中的互动涉及多元主体、知识探究与建构过程更为复杂、思维进阶与认知演化规律具有内隐性，仅依靠专家进行主观评价和指导的传统方法无法科学且精准地识别课堂教学水平，也难以支持规模化的教学改进和教研工作。
随着GPT系列技术的发布，生成式人工智能在自然语言理解和内容生成方面展现出强大的功能，该技术的智能涌现、强认知性、高通用性等特点为教育数字化转型带来了新的机遇，这将引发教学方式和教研范式的重塑，有助于撬动课堂教学发生深层次变革，为促进课堂教学评价与优化提供技术支撑。基于此，本研究在分析国内外研究现状的基础上，提出生成式人工智能赋能的新型课堂教学评价与优化的推进路径、技术方案并呈现实践案例，以期增强课堂教学评价的有效性，提升教学优化工作的针对性和规模化水平，助力创建适应新时代人才培养的优质课堂样态，增强学生的实践应用与创新创造能力，为教师专业化发展和教研工作的高质量推进提供可循证的解决策略。
一、研究现状
1 新型课堂教学评价与优化的相关研究
课堂是人才培养的主阵地，新型课堂教学以建构主义理论为主要依据，强调教师围绕课堂教学目标，通过对话和交流的方式与学生协同展开知识探究、思维启发和创新应用[1]。目前，研究者针对新型课堂教学的评价与优化展开了大量的探索，在课堂教学评价方面，主要分为形成性评价和终结性评价，其中形成性评价因注重教师的专业发展和学生的成长需要逐渐受到广泛重视，如郑永和等[2]指出人工智能技术的应用能实现面向真实教育过程的实时、动态、精准评价，为教学评价的有效实施提供了可靠保障。Howe等[3]指出课堂教学评价应注重课堂对话的认知功能性，并构建了包含阐述、联系、迁移、回应等编码的课堂教学评价体系。刘清堂等[4]梳理了基于人工智能技术对课堂教学行为进行评价的方法，认为教学行为的智能评价流程应包括教学行为机理研究、编码体系建设、特征提取、行为识别与计算。
在课堂教学优化方面，崔允漷等[5]指出观评课是目前课堂教学优化的主要方式，要完善中小学教研体系、发挥教研员的专业优势。宋宇[6]指出课堂教学优化工作应引导教师为高阶思维发展和创新能力提升创造条件，通过精心设计的问题链条搭建思维发展链条，促进思维由低水平向高水平进阶。王陆等[7]采用大数据循证的方式揭示各主要课堂行为的占比情况，通过数据复盘与专家点评相结合的方式来提高课堂教学提问的有效性和思维的启发性。
2 生成式人工智能及其在课堂教学方面的应用
生成式人工智能技术是一种基于深度学习技术构建的生成式预训练模型，具有非常强大的语言理解能力，可以快速捕捉文本中的语义和上下文信息[8]。随着GPT系列模型的发布，生成式人工智能技术受到了广泛关注，经过大量人工标注的文本数据的强化学习训练，该技术能够理解书面提示信息并自动生成连贯、自然的文本大语言，并且在人际对话交互、文本理解、情境式逻辑推理、内容生成等方面展现出强大的功能。生成式人工智能技术的快速发展为实现大规模、及时且精准的课堂教学评价与优化提供了有效手段。基于此，生成式人工智能对课堂教学的影响问题引发了众多研究者的探讨[9]。
例如，郑永和等[10]指出以ChatGPT为代表的生成式人工智能技术对教育理论与实践的显著影响已成现实，并对课堂教学和教师专业发展带来冲击，该技术能够优化教学评估与反馈，助力教学改进。朱永新等[11]表示生成式人工智能技术可以实时生成答案、进行逻辑推理和创意写作、模拟师生互动情境，有望成为有效的教学辅助工具，在课程设计、课堂教学、学习评价以及其他事务性工作中发挥作用。杨宗凯等[12]指出生成式人工智能技术对教学模式、教学内容、教学评价具有重要影响，有助于实现个性化教学，助推教学从人工创造到智能生成，产生更为多元化的教学路径。Tan等[13]表示生成式人工智能技术能够支撑师生课堂互动，提升课堂对话的有效性。
3 研究反思
生成式人工智能技术的快速发展亟需与教育场景进行有机融合，前人研究为该领域的纵深研究和持续发展奠定了良好的基础，但仍存在以下不足：①新型课堂教学场景复杂多元，但前人研究多聚焦粗粒度的表象言语和行为（如提问、反馈、回答等），缺少对体现新时期教育教学需要的关键思维特征和能力发展特征的提炼，难以适应当今教育教学评价的要求与人才培养目标。②前人研究多聚焦对课堂教学的智能评价，而课堂教学优化多依赖于专家指导，如何自动生成有针对性的课例优化策略是亟待解决的现实问题。③目前针对生成式人工智能的教育应用研究多集中于理论探讨，较少有实证研究能够提供大语言模型支持教育教学的相关数据。为此，本研究尝试开展了生成式人工智能赋能的新型课堂教学评价和优化的研究。
二、生成式人工智能赋能新型课堂教学评价与优化的推进路径
基于以上三点需求，本研究提出生成式人工智能赋能新型课堂教学评价与优化的推进路径，如图1所示。推进路径包含三部分内容：第一部分以发展评价体系为牵引构建课堂教学专有数据集，这是开展新型课堂教学智能评价和优化工作的基座与依据；第二部分以技术迭代更新解决课堂教学智能评价的精准性问题，这是新型课堂教学智能评价的主体；第三部分以发展虚拟教研助手为依托优化课堂教学组织实施策略，这是新型课堂教学智能优化的重要手段。三者前后相继、协同支撑，作为一个有机整体共同助力课堂教学评价与优化工作的精准、有效开展。
1 夯实底层基础——构建课堂教学专有数据集，发展细粒度评价体系
高质量的标注数据集是生成式人工智能有效赋能新型课堂教学评价与优化的基础，也是推动通用大语言模型逐步获得可信赖、可持续专业能力的重要环节。在教育领域，多数教育教学数据属于非开源形式，数据流通壁垒较大，且缺乏精细化清洗和标注处理。为此，构建高质量的课堂教学标注数据集具有极大的必要性，包括课堂师生话语数据集、课程标准知识集等，这是生成式大语言模型与教育教学融合发展的底层基础。
发展细粒度评价体系是开展课堂教学评价的关键步骤，是生成式人工智能赋能新型课堂教学优化的重要依据。评价体系建设应从新时代人才培养需求出发，探究抽象的教育教学目标与具体可操作的课堂评测编码之间的映射关系：采用理论数据双驱动的方法，以创新人才培养目标为指引破解课堂教学评价的复杂机理，借助文献计量、文本分析等方法系统梳理编码，使评价体系具备广泛的适用性和良好的泛化能力，支持校际和区域比较，满足多元情境下课堂教学评价与优化的需要。
2 加强数智融合——迭代更新智能技术，提升课堂教学评价的精准性
相较于传统的机器学习技术，生成式人工智能在特征提取、语义自动标注等方面具有明显优势，能够提升课堂教学评价的精准性，为教师提供更为及时有效的评价反馈。新型课堂教学具有互动主体多、问题探究路径复杂、思维进阶内隐、创新实践策略多元等特征，而生成式人工智能可以数据化表征复杂抽象的课堂教学过程，对多情境下的课堂教学特征进行有效识别，以实现快速反馈，从而深层次解决课堂教学评价的精准性问题。此外，以课堂教学评价体系为参照，融合传统机器学习判别模型与大语言模型，对多元情境下的师生对话过程进行精细化标注，可以满足大规模高效评价教学质量的需求，为掌握教学水平和人才培养质量提供数据依据。
3 推进形态重塑——创设虚拟教研助手，优化课堂教学组织实施策略
优质高效的课堂教学是提高人才培养水平的重要渠道，如何为教师提供有针对性且及时的课堂教学组织实施策略成为教学高质量发展的关键环节。为此，本研究借助生成式人工智能在自然语言理解和内容生成方面的优势，创设虚拟教研助手，激发数字技术的内生动能，丰富教研形式，突破时空限制，提升规模化和个性化水平，助推教研范式的转型重塑。同时，自动生成教学策略和规划教学优化路径，可以帮助教师丰富并拓展教学内容、建构知识谱系、优化教学组织形式、规划教学实施路径，为教师课堂教学提供有针对性的指导和可循证的改进反馈，提高课堂教学水平，提升创新人才培养质量。
三、生成式人工智能赋能新型课堂教学评价与优化的技术方案
为了将以上推进路径转化为可操作的教育实践策略，探讨生成式人工智能赋能新型课堂教学评价与优化的技术方案具有较大的必要性。如今，市面上主流的通用人工智能大语言模型一般基于公开数据集进行训练，但是教育垂直领域的专有数据通常不直接对外公开，尤其是教育教学场景中的师生互动、问题探究、知识建构等课堂数据。这种现象导致向生成式大语言模型发起课堂教学评价与优化提问时，容易得到准确性不佳或与教师意图发生偏离的答案，甚至会接收到错误或捏造的回应。为此，本研究提出“文献计量法与编码体系建设-检索增强生成与精细化标注-提示学习与优化内容生成”相结合的技术方案，增强大语言模型对课堂教学场景的认知，以提升大语言模型生成内容的有效性和精准性。
1 文献计量法与编码体系建设
构建新型课堂教学编码体系是大语言模型精准赋能课堂教学优化的重要基础。基础知识、思维能力和实践应用是新型课堂教学关注的重要要素，为了更好地应对新时期人才培养需要，基于新型课堂教学的特征，编码体系建设可从以上三个维度展开，即基础层、思维发展层和创新应用层。基础层是课堂教学的基本任务和创新人才培养的根基要素，为思维发展与创新实践提供必要的理论知识储备和阅历准备。思维发展层注重对知识的精细加工、有效转化和创新应用，是新型课堂教学评价的核心要素。创新应用层强调创设与学习对象相关的学习情境，引导学生主动参与到发现问题、寻找答案的过程中，以培养学生的问题解决能力和创新创造能力，是将知识储备、思维能力转化为创新成果的助推器。
在此理论设想的基础上，本研究借助文献计量法和德尔菲法相结合的方法形成具体编码，首先借助文献计量法系统梳理2014～2023年WOS数据库和知网数据库中有关课堂教学编码体系的研究并提炼出高通用性的编码，文献计量法是用于研究文献的分布结构、数量关系，进而探讨相应领域的结构、特征和规律的现代科学研究方法，可以极大地提高评价体系的通用性，本研究在此共提炼出20个高频编码。随后，采用德尔斐法依靠专家主观经验对编码进行重要性判断，并按照基础层、思维发展层和创新应用层进行归类，通过两轮背靠背方法筛选出具有可操作性和适切性的13个编码，形成如表1所示的新型课堂教学编码体系。
2 检索增强生成与精细化标注
课堂教学形成性评价是指对教学过程中的师生话语及其蕴含的知识、思维、能力等特征进行精准呈现，以加强师生对教学过程的理解和反思，而精细化标注是提取课堂教学关键特征以开展形成性评价的重要步骤。本研究提出如图2所示的课堂教学智能标注技术框架，该框架的主要技术理念为检索增强生成（Retrieval Augmented Generation，RAG），该理念结合了信息检索和内容生成两大功能，可以极大地提高评价的精准性。
检索增强生成技术的实施过程包含3个阶段：①构建课堂对话数据集、教研专家知识库和语言学知识库，其中的关键词特征、标点符号特征、词类特征和句类特征等是后续自动标注的依据。②依据表1所示的新型课堂教学编码体系，应用神经网络技术开展师生话语的自动标注工作，在算法层面具体采用卷积神经网络（Convolutional Neural Network，CNN）、双向长短期记忆网络技术（Bi-directional Long Short Term Memory Network，BiLSTM）和注意力机制（Attention Mechanism）挖掘课堂话语的隐式语义特征，以结合上下文内容提取全局结构的文本语义特征信息并抓取关键词特征，经过专家筛选后形成优质的标注案例知识库。③借助生成式大语言模型对新输入的课堂教学文本进行大规模标注，模型基于新标注任务和检索得到的辅助信息，通过数据增强、融合表示等方法，自动生成高精准度的标注结果。具体操作方法为将需要评价的课堂教学话语输入模型，从以上标注案例知识库中检索得到语义相似度TopN的候选集作为标注示例，这些示例将作为提示语输入大语言模型，进而输出相关联的编码并给出原因。
以上组合方法在处理复杂情境和深层文本含义理解方面具有优势，能够依据评价体系有效识别课堂教学过程中蕴含的知识建构、思维启发、能力培养等关键特征，增加评价结果的可解释性，使课堂教学评价更贴合新时期教育教学发展目标。
3 提示学习与优化内容生成
提示学习是生成式大语言模型应用的重要技术范式，该范式利用提示信息和任务示例优化内容生成，可以引导大语言模型更好地理解任务需求并生成更为准确的输出。基于此，本研究采用提示学习技术范式自动生成课堂教学的优化内容与策略。在实施过程中，本研究借助Dify工程架构来实现提示学习任务，该架构提供了开源的大语言模型应用流程和工具包，包括检索相关信息、生成提示信息、添加提示符号等功能，有助于生成适切的课堂教学优化内容。同时，本研究还引入了ChatGLM大语言模型，ChatGLM是清华大学发布的千亿参数规模的开源中英文语言模型，其对中文做了优化建设：首先，给出提示信息，包括需要优化的课堂话语及其上下文、从上述标注案例知识库中检索的相关信息、课程的相关信息（如科目、学段、知识点等）。随后，将整合后的提示信息输入ChatGLM大模型，依据课堂教学内容有针对性地为教师自动生成课堂教学优化策略，模拟生成当前教学情境下的可替代性教学话语，帮助教师优化教学组织形式并提供优质多样的教学表达。
例如，“拓展”编码形成的提示问题为“请对……话语进行拓展，展现师生协同建构内容的过程”，通过提示学习，ChatGLM会自动生成课例修改内容，帮助教师完善课堂提问和话语，重新组织教学实施路径。本研究以一节语文课中针对《登鹳雀楼》这篇文章的教学为例展现优化效果，课堂原对话如下：
教师：好。谁再来说一说？孩子们、孩子们黄河水滚滚而来，多么有气势呀。黄河入海流。黄河水浩浩荡荡汇入大海，多么壮观啊。黄河入海流。听到这里，你知道了这句知道意思了吗？这些呀都是作者在黄鹤楼上面看见的内容。那么我们，我们跟随着诗人王之涣去欣赏了夕阳的落日，也看到了波涛汹涌的黄河，现在你们带着这种感情把这两句诗再来读一读，开始。白日依山尽，黄河入海流。此时此刻，作者站在鹳雀楼上看到这样的情景，他会想到什么呢？谁来读读这两句诗？好请举手。大家一起读。
学生：欲穷千里目，更上一层楼。
依据“AI拓展”的提示问题自动生成的改进结果如下：
学生：老师，我来读。白日依山尽，黄河入海流。
老师：非常好，小明。那么，现在我们站在作者的角度，体会他当时的心情。他看着太阳渐渐西沉，黄河水滚滚入海，他会想到什么呢？大家来思考一下，把自己的感受分享给大家。
学生：老师，我觉得作者当时可能是在感叹时间流逝，就像黄河水一样奔腾不息，而夕阳的落下象征着一天即将过去。
学生：我觉得他还可能在思考人生的归宿，就像黄河最终流入大海，我们的人生最后也会有一个归宿。
老师：大家的想法都很深刻。作者在诗中表达了对自然景象的赞美，同时也借此抒发了对人生哲理的思考。这就是古诗的魅力，既有美丽的画面，又有深深的哲理。希望大家在今后的学习中，能够更加深入地去理解和欣赏古诗。
四、实践应用
为验证生成式人工智能赋能新型课堂教学评价与优化的有效性，本研究采用准实验方法来对广东省广州市两所小学的60名教师展开研究，其中30人作为实验组采用生成式人工智能技术开展教学评价和优化，另外30人作为对照组采用传统观评课方式对课堂教学进行评价和优化。实验组和对照组教师在综合素养与教学能力上没有明显差异，都是专业水平较为薄弱的青年教师群体，实验自秋季学期开始持续三个月。
本研究团队集成前文所述的分析技术搭建了“人工智能与课堂教学分析应用平台”，并为每位实验组教师开设平台账户，使其可以自行上传课例音视频。平台将音视频自动转录成文本形式并进行精细化自动标注，研究发现其平均20～30秒完成一节40分钟课例的标注工作，且准确率、召回率、F1参数三项参数均达到0.90以上，相较于传统判别模型结果增长了0.12～0.20的参数水平，证实了生成式人工智能技术应用于课堂教学评价的有效性和可靠性。同时，平台依据新型课堂教学编码体系提供了自动优化选项，根据编码名称产生13项优化选项（AI联系、AI拓展等），教师选择需要修改的课堂对话并勾选相应优化功能即可快速自动生成话语优化内容。
本研究在学期末对两组参与教师进行课堂教学水平测试，收集教师课堂教学的音视频并进行编码，并采用独立样本t检验的方法分析实验组和对照组教师的课堂教学实施效果，如表2所示。
由表2可知，采用生成式人工智能技术实施路径的教师与采用传统观评课方式的教师在课堂教学实施效果上存在显著差异。具体而言，实验组课堂中基础知识理论所占的比例显著低于对照组，而实验组课堂中情感表达、拓展、深化、实践应用和创新创造的比例明显高于对照组。
这表明本研究提出的生成式人工智能赋能的新型课堂教学和传统观评课都注重思维启发，能够在一定程度上促进教学优化，但是整体上前者在评价与优化方面仍优于后者，其优势主要表现在提升学生的高维认知、复杂信息处理能力以及创新应用能力方面，原因是生成式人工智能可以提供个性化教学支持和策略反馈，使教师及时获取有针对性的教学评价与优化建议，以增强课堂提问和对话的有效性，同时帮助教师突破传统思维的局限，尝试更多创新性的教学方式和解决方案，以激发学生的创造性思维，在理解复杂概念的基础上，通过实践提高解决实际问题的能力。
五、结语
发展优质高效的课堂教学是提高教育质量和人才培养水平的重要渠道，如何为教师提供精准的课堂教学评价反馈和个性化的优化策略成为教学高质量发展的关键环节。本研究从以发展评价体系为牵引构建课堂教学标注数据集、以技术迭代更新解决课堂教学智能评价的精准性问题、以虚拟教研助手为依托优化课堂教学组织实施策略三个方面提出了生成式人工智能与课堂教学融合发展的推进路径。同时，探索了“文献计量与编码体系建设-检索增强生成与精细化标注-提示学习与优化内容生成”相结合的技术方案，以提升通用大语言模型在课堂教学评价和优化中的适切性。
最后，本研究通过准实验方法证实了生成式人工智能作为一种颠覆性技术在推进教学评价与优化，特别是提升课堂教学深度和广度、增强实践应用和创新创造水平方面展现出的巨大潜力。未来研究可进一步聚焦大语言模型技术在课堂精准评价和个性化教学发展方面的应用，为推动教师专业发展和教研工作提质增效提供可借鉴的推进思路。
参考文献
[1]宋宇,许昌良,朱佳,等.面向思维培养:基于精准标注技术的智能化课堂教学分析及应用[J].华东师范大学学报(教育科学版),2023,(8):79-89.
[2]郑永和,王一岩,杨淑豪.人工智能赋能教育评价:价值、挑战与路径[J].开放教育研究,2024,(4):4-10.
[3]Howe C, Hennessy S, Mercer N, et al. Teacher-student dialogue during classroom teaching: Does it really impact on student outcomes?[J]. Journal of the Learning Sciences, 2019,(4-5):462-512.
[4]刘清堂,冯小妹,翟慧清,等.学习分析支持下的课堂互动工具设计与实现[J].现代教育技术,2018,(12):94-100.
[5]崔允漷,王少非.学校课程实施过程中的评价监测初探[J].教育研究,2020,(1):43-49.
[6]宋宇.人工智能赋能新型课堂教学的研究与实践[J].全球教育展望,2022,(10):19-29.
[7]王陆,马如霞,彭玏.基于经验学习圈的不同教师群体教学行为改进特征[J].华东师范大学学报(教育科学版),2021,(2):61-74.
[8]Alkaissi H, McFarlane S I. Artificial hallucinations in ChatGPT: Implications in scientific writing[J]. Cureus, 2023,(2):e35179.
[9]卢宇,余京蕾,陈鹏鹤,等.生成式人工智能的教育应用与展望——以ChatGPT系统为例[J].中国远程教育,2023,43(4):24-31、51.
[10]郑永和,周丹华,张永和,等.计算教育学视域下的ChatGPT:内涵、主题、反思与挑战[J].华东师范大学学报(教育科学版),2023,(7):91-102.
[11]朱永新,杨帆.ChatGPT/生成式人工智能与教育创新:机遇、挑战以及未来[J].华东师范大学学报(教育科学版),2023,(7):1-14.
[12]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,(7):26-35.
[13]Tan K H, Pang T Q, Fan, C Y, et al. Towards applying powerful large AI models in classroom teaching: Opportunities, challenges and prospects[OL].
（本文首次发表在《现代教育技术》2025年第1期）
来源：永大英语
