课例研讨听评课模式

一、场景定义

听评课是学校教研中最为普遍的教研场景——教师走进同事的课堂，观察教学过程，课后进行评议交流。这一场景的典型特征是：频次高、参与面广、形式灵活，几乎每位教师每学期都要参与多轮听评课活动。

然而，听评课也是长期存在争议的教研环节。传统的听评课高度依赖听课教师的主观感受和有限的经验判断——同样的课堂，不同的听课教师可能给出截然不同的评价；评课内容往往以“肯定为主、建议为辅”，缺乏客观依据支撑。AI数智教研员的听评课场景正是为了解决这一问题——将主观感受转化为客观数据，让评课从“凭感觉说话”走向“用数据说话”

二、核心功能

AI数智教研员在听评课场景中提供数据采集与分析两大核心功能：

1. 课堂数智画像

从多个可量化维度生成课堂诊断，具体包括：

师生话语比例：反映课堂互动结构，量化教师讲授与学生表达的时间分配

提问类型分布：呈现教师提问的层次构成（如记忆型、理解型、应用型、创造型等）

等待时间统计：衡量教师提出问题后给予学生思考的时长是否充分

发言字数分析：反映师生话语权分配，判断课堂是否真正实现“以学生为主体”

核心素养达成度：评估课堂教学目标的实现情况

系统综合以上维度，生成课堂语言互动与教学效能的数智化诊断画像。这些数据指标使原本模糊的“这节课上得不错”变为可量化、可对比的具体数据。

2. 理答行为诊断报告

自动分析课堂师生对话内容，提供三个层面的诊断：

理答温度量化：量化教师回应学生时的情感倾向（积极、中性、消极）

理答类型分类统计：自动分类统计教师的理答类型——发展性理答（引导学生深入思考）、诊断性理答（判断学生理解程度）、激励性理答（给予肯定与鼓励）

病灶话轮识别与改进策略：自动识别课堂对话中需要改进的关键话轮，并生成包含具体改进策略建议的智能诊断报告

这一功能解决了传统听评课中“只看到问题、说不清问题在哪”的困境，为评课提供具体、可验证的数据依据。

三、应用场景

课例研讨听评课模式主要应用于以下场景：

日常推门听课与常规听评课：学校日常开展的随机听课、预约听课等常规教研活动，通过数据画像实现客观评价

教研组主题式观课议课：教研组围绕特定主题（如“课堂提问的有效性”“师生互动质量”）组织听评课，用数据聚焦研讨方向

教学常规检查与课堂教学评估：学校管理层对教师课堂教学质量进行例行评估时，提供可量化的数据支撑

教师课堂教学问题的初步诊断：教师在教学中感到“哪里不对劲”但说不清楚时，通过数据画像快速定位问题方向

青年教师课堂教学规范的训练与指导：新教师入职初期，通过数据指标了解规范课堂的基本参数（如师生话语比例、提问类型分布等）

四、解决的问题

听评课模式重点解决传统听评课中长期存在的痛点：

五、与其他场景的协同

听评课是六个教研场景中承担“课堂观察与数据采集”功能的环节，与常态集备、校本集备、同课异构、专家教研、磨课诊课共同构成完整的教研体系：

听评课的课堂数智画像可作为磨课宏观诊课的数据来源——听评课产出的师生话语比例、提问类型分布等量化数据，为磨课环节的宏观方向诊断提供实证基础

常态集备产出的教案可在听评课中验证效果——教师在集备中形成的教学设计，通过听评课的实际课堂观察来检验其有效性

同课异构的多份教学设计可在听评课中进行数据化对比——不同教师针对同一课题的教学实施，通过统一的数智画像维度进行客观比较

专家教研的对话记录可为听评课诊断提供专业参照——教师与专家智能体对话中涉及的教学策略，可在听评课中验证其实际落地情况

六个场景分别对应六类教研需求，每一类需求都有专门的功能配置。各场景之间的数据和文档可相互调用，形成从“备课设计”到“课堂实施”再到“数据诊断与精准改进”的完整教研闭环。