一堂好课的“第三只眼”：一位青年教师与AI数智教研员的四次对话

很多青年教师都有过这样的经历：备课时思路顺畅，教案写得工工整整，可一站上讲台，预设的精彩提问却换来一片沉默，精心设计的互动环节冷场收场。课后评课，同事们大多说“整体不错”“环节完整”，可究竟哪里“不错”、哪里可以更好，谁也说不清楚。

一位入职第三年的小学语文教师就遇到了这样的困境。那堂公开课上，她围绕一篇写景课文设计了一连串问题，想让孩子们体会文字之美。可当她抛出第一个开放式问题时，教室里鸦雀无声，只有几个孩子低着头不敢看她。她只好自己圆场、自己讲解，一节课下来，嗓子哑了，心里也堵得慌。

“教案写得没问题啊，怎么一上就变味了？”她在教研组的反思会上这样问。

组里一位经验丰富的老师翻着她的教案说：“你问的‘美在哪里’这个问题太大，三年级的孩子不知道怎么接。你得把问题拆开，一句一句带着他们走。”这位青年教师似懂非懂地点了点头，可下一次上课，她换了更小的问题，课堂依然不温不火。

一、第一次对话：从“评课无话可说”到“课堂数智画像”

教研组长看在眼里，建议她用学校刚引入的AI数智教研员平台做一次课堂实录分析。她把那堂公开课的录像上传到系统，生成了一份课堂数智画像报告。

报告里没有笼统的“好”或“不好”，而是一组看得见的数据：师生话语比例、教师提问类型分布、平均等待时间、学生发言字数、核心素养达成度等量化指标。她盯着那张画像图看了很久——原来自己一节课说了将近70%的话，留给学生的只有30%；提出的12个问题里，有8个是“是不是”“对不对”的封闭式问题，真正需要思考的开放式问题只有2个；每次提问后，她平均只等了不到2秒就自己接话了。

“难怪学生不吭声，”她跟教研组长说，“他们还没来得及想，我就把答案说出来了。”

课堂数智画像就像一面镜子，照出了她在课堂上自己都没察觉的习惯。这不是谁在“批评”她，而是数据替她开口说了话。

二、第二次对话：从“病灶话轮”到“教学微创手术处方”

画像报告只是一个开始。系统还自动生成了更为细致的理答行为诊断报告，逐条标注了整堂课中的师生对话，分类统计了发展性、诊断性、激励性三种理答类型的使用情况。报告里用红色标注了几个“病灶话轮”——那些她提问后等待时间过短、或者学生回答后她直接否定或忽略的关键时刻。

最让她触动的是一个细节：有个男孩小声说了一句“我觉得那条河像一条带子”，她当时急着推进下一个环节，只说了句“好的，坐下”，就继续往下讲了。诊断报告在这句话旁边标注了“错失激励性理答时机”，并附上了一段改进建议。

“如果当时能追问一句‘为什么像带子？哪里让你想到了带子？’这个孩子的思维就会被打开。”她看着报告上的建议，仿佛听到了那个男孩心里的声音。

这就是微观话语诊断的力量——不是泛泛地说“你要多鼓励学生”，而是精准地告诉你在哪个时间点、哪句话上、可以怎样做得更好。教研组的一位老教师看了报告后说：“这比我们坐在后面听一节课、记几笔笔记细致多了。”

三、第三次对话：从“一个人磨课”到“启发式引导问答”

有了前两次诊断的底子，她决定重新设计这节课。这一次，她没有闭门造车，而是打开了AI数智教研员的智能问答功能，选择了“启发式引导”模式。

她输入了自己的困惑：“三年级写景课文，怎样设计问题才能让学生真正进入文字？”系统没有直接给出一套现成的问题清单，而是开始了连续追问：

“你觉得三年级学生的观察能力和二年级相比，有什么变化？”

“如果让学生先描述自己见过的一条河，再读课文，会发生什么？”

“课文里写河的那几句话，如果拆成三个层次，你会怎么拆？”

每一次追问都让她不得不停下来认真思考。几个来回之后，她自己得出了一个设计思路：先让学生自由说“你见过什么样的水”，再带他们读课文里描写河水的句子，最后引导他们比较“自己说的”和“作家写的”有什么不同。整个过程没有标准答案的灌输，只有一步步的引导。

“以前备课就是翻教参、找教案、抄设计，”她说，“这次不一样，问题是我自己想的，设计是我自己推出来的。”

四、第四次对话：从“一个人”到“一群人”

改进后的教学设计在组内集体备课时引起了不小的讨论。几位老师看了她的问题链设计，都觉得“有层次、有梯度”。备课组长提议用平台上的“同课异构”功能做一次深度透析——同一位老师、同一篇课文、同一批学生，把改进前后的两份教学设计放在一起做多维度智能诊断对比。

系统生成的对比分析图表清晰地展示了两个版本在问题类型分布、核心素养锚点、教学环节逻辑等方面的差异。第一版的问题集中在“识记”和“理解”层面，第二版则明显增加了“分析”和“评价”层面的问题。组里的老师们围在屏幕前，一边看图表一边讨论：“你看，这个环节的问题从‘是什么’改成了‘为什么’，学生的思维一下子就上去了。”

集体备课不再是一个人拿出一份教案、大家点点头就通过。有了诊断数据的支撑，每一处修改都有了依据，每一次讨论都落在了实处。

那堂改进后的课

再次走上讲台时，她换了一种问法。

“同学们，你们见过水吗？说一说你见过的水是什么样的。”小手刷刷举了起来。“河里的水是流动的”“湖水是平静的”“下雨的时候水会滴答滴答响”。她没有急着评判，而是认真地听，偶尔追问一句“还有吗”。

然后她打开课文：“现在我们来看看，作家写的水和你说的水，有什么不一样？”

孩子们开始翻书、找句子、小声讨论。一个女孩站起来说：“作家写的河水是有颜色的，他说‘河水碧绿碧绿的’，我没想到水还可以用颜色来形容。”她没有说“好的坐下”，而是追问：“碧绿让你想到了什么？”“想到了春天的树叶。”“那河水像什么？”“像一条绿色的带子，弯弯曲曲的。”

那个曾经被忽略的男孩，这一次主动举了手。

下课铃响的时候，她觉得这40分钟过得特别快。不是因为紧张，而是因为每一个孩子的反应都让她想去回应、去追问。

数据背后的成长

后来在一次校级教研分享会上，她讲了自己的这段经历。台下坐着不少和她当年一样困惑的青年教师。她说：“以前我觉得上课靠感觉，感觉好就是好，感觉不好也不知道哪里不好。现在我有了第三只眼——AI数智教研员帮我看见了那些我自己看不见的东西。”

她没有说技术“取代”了什么，而是说技术“帮助”了什么。帮助她看见了课堂话语的分布，帮助她定位了每一次提问的时机，帮助她在集体备课时有了可以讨论的具体依据。

一堂好课从来不是靠某个人的灵光一现，而是在一次次诊断、一次次修改、一次次对话中慢慢长出来的。对于这位青年教师来说，那个成长的过程，从AI数智教研员给出的第一份课堂数智画像开始，就已经悄悄发生了。