教研的账，不能总是一笔糊涂账”——一位教研员眼中的AI辅助教学诊断

2025年春天，我们在一次区域教研活动中认识了一位教研员。她在一所城区教师进修学校从事中小学教学研究工作已近二十年，每年听课超过一百节，参与过数十个校本教研项目的设计与指导。

在我们聊到“人工智能+教育”这个话题时，她说了一句让人印象深刻的话：“这些年我听过很多课，评过很多课，但有一个问题始终绕不过去——教研的账，不能总是一笔糊涂账。 ”

什么是“糊涂账”？她解释：集体备课讨论了半天，到底解决了什么问题？听评课说了很多意见，哪些是真有依据的？青年教师上了一轮公开课，成长在哪里、卡在哪里，能不能说清楚？

“这些问题在过去很难回答，不是因为老师们不认真，而是因为我们缺少一种机制——把教研过程中那些模糊的、直觉的、经验的东西，变成可记录、可回溯、可验证的‘账’。”

以下内容根据对这位教研员的访谈整理而成。

她的核心观点：

教研的“糊涂账”，核心在于缺少客观的“记账工具”。 集体备课的讨论、课堂对话的细节、评课的意见——这些内容如果不被记录和分析，就很难真正转化为改进的依据。

技术进入教研，不是为了替代教研员的判断，而是为了让判断更有依据。 再资深的教研员也不可能在一节课的同时完成逐字逐句的对话分析，但技术可以做到。

青年教师培养中最难的一步，是让“隐性的问题”变得“可见”。 很多青年教师的课堂问题不是“大方向错了”，而是“小细节没看到”——而自己恰恰看不到。

使用技术不能太“功利”。 不是为了“用上AI”而用，而是为了解决真实教研场景中的真实痛点——比如集体备课跑题了、课堂诊断凭感觉了、青年教师不知道怎么改进。

01 从“害怕被替代”到“发现是个好帮手”

问：您从事教研工作这么多年，最初接触到AI辅助教学诊断这类工具时，是什么态度？

答： 说实话，最开始是有点担心的。

我们做教研员的，很大程度上靠的是“经验”和“眼光”——听一节课，能看出哪里有问题，哪里可以更好。但我也很清楚，这种“眼光”的形成需要很多年的积累，不是每个年轻教师都具备。

所以最初听说AI可以自动分析课堂对话、生成诊断报告的时候，我的第一反应是：那还要教研员干什么？

但真正用起来之后，想法就变了。我发现AI做的不是我做的事——它做的是“记录”和“呈现” ，而我做的是 “判断”和“引导” 。换句话说，它负责把课堂“拆开”给我看，我负责看懂之后告诉教师“怎么改”。

有一次，一位青年教师上完课后很沮丧，说“我觉得这课上得不好，但不知道哪里不好”。我们把课堂实录导入系统，生成了课堂数智画像——师生话语比例、提问类型分布、等待时间、理答行为分类，全都量化呈现出来了。

数据一出来，问题就很清楚了：他的提问中，记忆性问题占了将近九成，几乎没有开放性提问。他自己看到数据之后说：“原来我不是在引导学生思考，我是在替他们回忆。”

那一刻我就明白了——技术不是来替代教研员的，它是来帮教研员把“说不清楚”的东西“说清楚”的。

02 集体备课最怕“各说各话”，AI能做什么？

问：集体备课是学校教研中最常见的场景，但也经常被诟病“流于形式”。您怎么看这个问题？

答： 集体备课的问题，不在于老师们不认真，而在于缺少一个“锚点” 。

我参加过很多集体备课。大家围坐在一起，主备教师展示教案，然后其他人提意见。但提的意见往往是散的——有人说导入太长，有人说问题链不清晰，有人说作业设计不合理。每个人都有道理，但讨论着讨论着就跑题了，最后谁也不服谁，只能靠“投票”或“组长拍板”来收场。

这种情况下，我们最近尝试了一种新做法：把主备教案上传到集体备课平台，切换到启发式引导模式。系统不直接给“标准答案”，而是通过一连串追问引导备课组自己发现问题——

“这节课的核心目标是什么？”“学生已有的知识基础能否支撑这个目标的达成？”“如果学生在某个环节卡住了，你的备选方案是什么？”

这些追问听起来很简单，但效果很明显。有一回，一个备课组在讨论一篇古文的教学设计时，争论的焦点一直是“先讲字词还是先讲文意”。系统追问了一句：“学生在这之前已经学过哪些古文？他们当时遇到的主要困难是什么？”

这个问题让所有人都愣了一下。大家这才意识到，他们一直在讨论“怎么教”，却忘了先确认“学生从哪里来”。有了这个“锚点”之后，后面的讨论就聚焦多了——先诊断学情，再设计路径，最后才是选择方法。

集备结束后，平台自动生成了教研公案，把讨论的过程、修改的痕迹、最终的结论都整理出来了。这份公案可以直接下载，作为后续教学的参考。

集体备课最大的价值，不是得出一个“统一答案”，而是让每个人都经历一遍“被追问—再思考—修正”的过程。 技术能做的，就是帮这个过程中那些容易被遗忘的“追问”留下来。

03 一堂课的“微创手术”：从“感觉不对”到“知道哪里不对”

问：您刚才提到课堂诊断，能不能具体说说，AI诊断和传统的听评课有什么不同？

答： 传统的听评课，靠的是教研员或同事的“耳朵”和“眼睛”。但人是有局限的——一节课四十分钟，对话可能上百个来回，谁能一边听课一边把每个话轮都记下来、分析一遍？

AI做的事情，就是把课堂对话逐字逐句地还原出来，然后进行分类和标注。

我举个例子。有一次我听了一节数学课，整体感觉是“学生的参与度不高”，但说不出具体原因。课后我们把实录导入系统，生成了一份理答行为诊断报告。

报告里标注出了几个“病灶话轮”——就是那些看似正常、但实际上打断了学生思维的关键对话。其中一处是这样的：

教师：“这道题还有别的解法吗？”学生：“嗯……我觉得可以用……（停顿）”教师：“是不是可以用画图的方法？”

诊断报告提示：教师在学生还在组织语言的时候就介入了，替学生说出了答案。这个行为看似“帮助”了学生，实际上切断了学生自主完成思维表达的机会。

看到这个标注之后，那位数学老师恍然大悟：“我平时就是这样上课的——总觉得学生答不出来，我就帮一把。没想到‘帮’过头了。”

报告不仅指出了问题，还联动学科专家智能体给出了一份“教学微创手术处方”——具体的改进建议，不是什么大道理，就是几条可操作的行为调整：提问后等待至少3秒再开口；学生回答时不要打断；如果学生卡住了，追问“你卡在哪里了”而不是直接给答案。

这位老师按照处方调整了第二节课。改动不大，但效果很明显。学生的主动发言多了，回答的质量也提升了——不是因为学生变了，而是因为教师给了他们思考和表达的空间。

这就是我说的“微创手术”——不需要推翻重来，只需要在关键的地方做精准的调整。 但前提是，你得先知道“关键的地方”在哪里。

04 青年教师的成长，需要一本“看得见的账”

问：您刚才提到青年教师培养，这也是很多学校关注的重点。AI在这方面能发挥什么作用？

答： 青年教师培养中最难的一步，是让“隐性的问题”变得“可见” 。

一个新教师上完一节课，你说“你的提问层次不够”，他可能根本听不懂你在说什么——因为他不知道什么是“提问层次”，也不知道自己的提问到底“不够”在哪里。

但如果你把一份课堂数智画像放在他面前——上面清清楚楚地显示着他这节课提了多少个问题，每个问题属于什么类型，学生的回应情况如何——他一下子就明白了。

我跟踪过一位青年教师一个学期的成长。最开始，他的课堂数智画像显示：师生话语比例接近8:2，高阶问题几乎为零，理答温度偏低。我们根据诊断报告制定了改进计划——每两周做一次新的诊断，对照上一次的数据看变化。

一个学期下来，他的画像发生了明显的变化：师生话语比例更均衡了，高阶问题的比例上来了，理答的温度也提高了。更重要的是，他自己能说清楚“我进步在哪里”——不再是“我觉得我进步了”，而是“我的开放性问题从每节课2个增加到了6个”。

成长被“看见”了，成长就有了方向。

这其实回答了最开始那个问题——教研的“账”怎么算才不算“糊涂账”？我的答案是：把每一次备课、每一堂课、每一次教研的讨论，都变成可记录、可回溯、可比较的数据。 不是为了打分排名，而是为了让每一个教师——尤其是青年教师——能清楚地看到自己从哪里来、走到了哪里、下一步该往哪里去。

结语

从一支粉笔一块黑板，到今天的智能教研平台，教育技术的变化不可谓不大。但真正有价值的改变，从来不在于设备有多新、功能有多全，而在于它是否帮助教师回归了教育的本质——更好地理解学生、理解课堂、理解自己。

这位教研员在访谈最后说了一段话，让人印象深刻：

“我做了二十年教研，最大的体会是：教师不缺热情，不缺责任心，缺的是一面足够清晰的镜子。 很多时候，他不是不想改，而是不知道自己哪里需要改。如果能让他看见——看见自己的提问方式、看见自己的理答习惯、看见自己在课堂上的真实样貌——改变就会自然发生。”

泛东AI数智教研员所做的，就是提供这样一面镜子。它不是来告诉教师“你做得不好”，而是来告诉教师“你的课堂是这样的”——至于怎么改，决定权始终在教师自己手里。

技术是镜子，教师是照镜子的人，也是决定改变的人。

教研的账，从此可以算得清楚一些了。