当课堂提问再次“冷场”，她点开了“启发式引导”

导读： 一位入职三年的语文教师，在一次校内公开课上遭遇了“提问冷场”的尴尬——精心设计的几个问题，学生要么沉默不语，要么答非所问。评课时同事们客气地说“设计不错”，但她自己心里清楚：课堂出了问题，可问题到底出在哪里？ 后来，一次偶然的集体备课经历，让她和教研组的几位同事一起，在一份“课堂数智画像”面前停了下来。

一份被组长夸“完整”的教案，为什么在课堂上“卡”住了？

很多青年教师都有过这样的经历：花了好几个晚上打磨一份教案，环节齐全、目标清晰、活动丰富，交给教研组长时得到了“很完整”的评价。可一旦站上讲台，精心设计的提问抛出去，教室里却安静得让人心慌——没人举手。

林老师（化名）就是这样。她在某城区小学教语文，入职第三年，上学期承担了一次校内公开课，执教一篇中年级阅读课文。课前她查阅了不少优秀教学设计，逐字逐句推敲了每一个提问的措辞，甚至把学生的可能回答都预设了七八种。教案写出来，满满四页纸。

但那节课上，第一个核心问题抛出后，全班沉默了将近十秒。后排听课的几位同事不约而同地抬起了头。林老师硬着头皮又重复了一遍问题，终于有两三个学生稀稀拉拉地举了手。整节课就在这种“问——等——再问——零星回应”的节奏里熬完了。

评课时，同事们很客气：“设计思路挺清楚的”“环节很完整”。但林老师自己清楚——教案写得再好，课堂一旦“卡”住了，所有设计都是纸上谈兵。

问题到底出在哪里？她说不清。教案上每个问题都写得明明白白，可到了课堂上，那些问题就像投进深水的石子，连个水花都听不见。

集体备课上，她点开了“启发式引导”

两周后，语文教研组组织了一次集体备课，主题是下一单元的阅读教学。组长提前把教材和几份参考材料发到了组里的 AI教研系统 上，让大家先各自思考，再集中讨论。

那天下午，几位教师围坐在教研室里，大屏幕上开着集体备课平台的界面。组长让大家围绕单元语文要素说说自己的设计思路，讨论到“如何引导学生理解关键词句”时，林老师提出了自己的困惑：“我每次设计这个问题都觉得挺清楚的，可上课一问，学生就是接不上。”

组里一位有经验的老师建议她试试系统里的“启发式引导”模式——“你别直接要答案，让系统帮你追问。”

林老师半信半疑地操作起来。她在智能问答区输入了自己的教学设计片段和那个“冷场”的问题，选择了“启发式引导”模式。系统没有直接给出“标准答案”，而是连续回推了几个问题：

“你希望学生通过这个问题理解什么？”

“学生要回答这个问题，需要先具备哪些前置经验？”

“如果换一种问法，把‘为什么’改成‘你从哪里看出来的’，会怎样？”

几个追问下来，林老师愣住了。她发现自己原来设计的那个问题，其实包含了两个层次的认知要求——学生既要找到文中的关键语句，又要概括出其中的逻辑关系。对中年级学生来说，这两个任务叠在一起，确实容易“卡住”。

真正的问题不在于“学生没反应”，而在于“问题本身不够清晰”。

组里另一位年轻教师也试了试，她正在备一节习作课，拿不准“如何引导学生把观察写具体”。系统同样没有直接给方法，而是用一连串追问帮她一步步拆解：从“学生目前能写到什么程度”，到“这一阶段最需要突破的点是什么”，再到“可以用什么支架帮他们搭台阶”。

“有点像有个有经验的老师在旁边一直问你‘然后呢’‘为什么’，”那位老师后来跟林老师说，“问着问着，自己就想明白了。”

在那份“课堂数智画像”面前，她们停了下来

集体备课的收获让林老师心里有了底。她根据启发式引导过程中梳理出来的思路，重新调整了教学设计——把原来的复合问题拆解成两个层次更清晰的小问题，每个问题都配上了更具体的引导语。

第二次试讲，同样一篇课文，同样一个知识点。这一次，当她抛出第一个引导性问题时，好几个学生几乎同时举起了手。课堂节奏顺了下来，学生不仅找到了关键语句，还能用自己的话说出其中的逻辑。

但真正让林老师和组里同事都觉得“开眼界”的，是后面的事。

教研组长把第一次公开课和第二次试讲的课堂实录都导入了系统，生成了一份 “课堂数智画像” 。几项量化指标摆在大家面前：

第一次课，教师话语占比接近百分之七十，学生发言总字数不到三百字，提问后平均等待时间不足三秒。 第二次课，教师话语占比降到了百分之五十出头，学生发言总字数翻了一倍多，等待时间也明显拉长了。

“原来我课上说了那么多话。”林老师看着两份报告的对比，有点不好意思。

组里几位老师围在屏幕前，从师生话语比例看到提问类型分布，从理答方式看到核心素养达成度的各项指标。以前评课，大家靠的是经验和感觉——“这堂课气氛不错”“那个环节有点拖”。但面对这份数智画像，每一个维度都有对应的数据呈现，原本模糊的“感觉”变得清晰起来。

真正让一位教师读懂自己课堂的，往往不是别人的评价，而是一份能照见细节的诊断。

从“诊”到“改”：一次真实的磨课经历

有了这次经历，林老师和组里几位青年教师决定把下一单元的课“磨一磨”。

她们选择了同课异构的方式——三位教师各自设计同一篇课文的教学方案，然后一起对照分析。系统对三份教学设计做了多维度诊断，生成了一份对比分析。其中一位教师的设计在“学习任务群”的定位上与其他两份有明显差异，系统给出的诊断意见指出了可能存在的目标偏移。

“我以前写教案，最怕的就是‘自己看不出自己的问题’。”那位老师说，“这次不一样，系统先帮我把问题标出来了，我再对照着改，心里有底。”

更细致的诊断来自课堂实录。林老师第二次试讲的课堂对话被逐句标注，系统自动识别出了几个关键话轮。其中一个片段是：一个学生回答完问题后，林老师只是简单说了句“好的，请坐”，然后就进入了下一个环节。

系统在诊断报告中标注了这个话轮，并附了一段分析：这个回答中包含了一个有价值的思维亮点，但教师没有及时捕捉和回应，错过了深化理解的时机。

“我当时真没意识到。”林老师后来在教研组复盘时说，“就觉得他答对了，就过了。其实他说的那句话里，恰好包含了这节课最难的那个点。”

组里几位老师围绕这个话轮讨论了很久——如果当时追问一句“你是怎么想到的”，或者“其他同学对他的说法有什么补充”，课堂的思维深度可能就不一样了。

磨课的意义，从来不是把一节课磨成“标准答案”，而是在每一个细节里看见“还可以更好”的可能。

当技术退到幕后，成长才真正走到台前

一个学期下来，林老师明显感觉到自己的课堂在变。

以前她备课，最花时间的是“写”——写目标、写环节、写过渡语。现在她更多的时间花在“想”上——想每一个问题到底要问什么，想学生可能会卡在哪里，想如果卡住了该怎么调整。 AI数智教研员 提供的不是“标准教案”，而是一面镜子、一把尺子——镜子照见课堂的真实样态，尺子量出改进的具体方向。

组里的集体备课也在发生变化。以前集体备课，大家各自拿一份教案来“对一对”，流程走完就算完成。现在大家习惯先各自在系统上完成教学设计，上传后系统自动生成了几份方案的多维度对比。讨论时直接对着对比分析聊——“你的这个环节为什么这样设计”“我的那个目标定位是不是偏了”——话题更聚焦，讨论也更有深度。

一位在小学教了二十多年的教研组长说了一句话，林老师印象很深：

“以前带年轻老师，我得一句一句帮她抠，从课堂提问到理答方式，掰开揉碎了讲。现在有了 AI数智教研员 ，很多基础性的诊断工作可以在课前完成，我可以把更多精力放在那些真正需要‘人’来判断的地方——比如某个学生的独特思维亮点怎么捕捉，比如课堂上的生成性资源怎么利用。”

技术能做的是“看见”，而教师能做的，是“看见之后的选择”。

结语

回到那节让林老师“红了脸”的公开课。如果当时有一份数智画像，她可能不需要等到评课环节才隐约意识到“出了问题”。如果当时有启发式引导的连续追问，她可能在备课阶段就能发现那个“冷场”的问题本身藏着两层认知要求。

但教育没有“如果”，只有“下一次”。

AI数智教研员 的价值，不在于让一堂课变得“完善”，而在于让每一次“下一次”都比“上一次”更清晰——更清晰地知道问题出在哪里，更清楚地看到改进的方向在哪里，更笃定地走向一个教师本该拥有的专业成长路径。

教育最朴素的样子，从来不是把技术说得多么强大，而是让每一位教师都能在自己的课堂里，看得见问题、找得到方向、长得出力量。