AI 助教实景：课程平台内的多助手矩阵
- 学习答疑：课程资料智能问答，高效获取课程知识。
- 资源推荐：海量优质资源，一键送达。
- 工程场景示例：学生请 AI 解释 Multisim 中元件模型（SPICE 参数）的名称、物理意义与常用方法——AI 成为实验环节的即时顾问。
引导培养学生学会提问、能自主提问——开启个性化教学第一步。
AI 实践：输出型学习活动 + 自动化能力评估
- 典型任务：节点电压法教学目标达成分析、回路电流法与节点电压法的知识迁移、动态电路基础知识回顾。
- AI 按维度评分（如“换路发生的条件与影响 16 分”“初始值与初始状态概念 24 分”），并输出优缺点分析与改进建议。
- 本质：基于人工智能，开启、增加、增强以学生为主体的输出型教学活动。
知识图谱实景：《电路原理1》的“群”式图谱
- 以“群”的概念建设图谱：基于功能或任务对图谱进行划分——分合之道。
- 五大子图谱：慕课视频图谱、课件图谱、习题图谱、项目图谱（理论计算与仿真测量、定理验证等六个项目）、实验图谱。
- 多维链接跳转：同一知识点在不同图谱间自由跳转，便于按需进行个性化选择。
子图谱示例：慕课视频图谱的全景脉络
- 每章知识点向外辐射出全部视频资源节点，整体脉络一屏尽览。
- 课件图谱、习题图谱采用同构组织——三类资源在知识点上对齐。
- 学生复习时不再“翻文件夹”，而是沿图谱走认知地图：以点带面、纲目举张。
建设提示：图谱建设的工作量主要在知识点梳理与资源挂载，平台（如超星等）已提供成熟工具支撑。
《大学物理》的自学支持：知识图谱 + AI 助教实景
知识图谱形成可视化知识框架，标注到各视频、课件、习题资源；系统按学习进度与理解程度推荐个性化学习路径；配合习题讲解视频，为课后自学提供脚手架。
《大学物理》的评价反馈：让三类角色都“看得见”
- 教师：很快发现学生薄弱环节并给予指点，发现和督促学困生。
- 学生：看到自己在班里的实时排名，通过匿名问卷向教师反馈意见。
- 课程负责人：通过班级数据横向比较，发现哪些教师教学存在问题并及时干预。
评价数据的三级利用（学生—教师—课程负责人），是大规模多教学班课程质量管理的关键设计。
核心模型：线上线下混合式“五星教学模式”
- 源自国际知名教育家梅里尔的五星教学模式：聚焦任务 → 激活旧知 → 展示新知 → 尝试应用 → 融会贯通。
- 线上、线下、教材都按五个教学阶段设计，每一次课都“从聚焦任务开始”到“形成学习成果结束”。
- 课程考核、课程思政、实践教学、教学方法四类要素横向贯穿五阶段，知识图谱作底座——教学模式显性化、教学过程模块化，便于其他教师理解和复制。
“五阶”实践体系与 AI 辅助的 12 个综合实验
- “三显一隐”四类学习成果：调研报告、优化仿真模型、学科竞赛与科研成果、社会责任与国际视野。
- 五阶实践：参观 → 调研 → 优化仿真实验 → 学科竞赛 → 国际交流，逐级提升复杂决策问题的解决能力。
- AI 破解实验难题：12 个综合实验运用复杂网络、智能体建模、系统动力学、博弈论、运筹优化等方法，具有高阶性、创新性和挑战度——AI 辅助学生夯实方法、熟悉软件，顺利完成建模与编程。
案例：真实情境与项目式学习中的 AI 支架
“筑梦苏河”项目中，学生规划关键词从“美丽、热闹”进阶为“以人为本、绿色、智能”——AI 把复杂专业知识转化为对话支架，同时报告提醒：GAI 内容须经师生复核，学生应保持主体性，避免技术依赖。
案例：从特教到高教，个性化学习支持的三种形态
中国人民大学 · 元宇宙 AI 学伴
针对线上教学互动不足、沉浸感弱、答疑不及时，打造元宇宙智慧校园智能 AI 学伴，重建在线学习的临场感。
浙江机电职业技术大学 · “1+4+4+AI”
针对《智能制造单元集成应用》“知识杂、技术强、操作难”，构建融合 AI 的学习新模式，支撑复杂技能训练。
伴学精灵的流程设计值得借鉴：课前“课文讲解”预习 → 课中“单词听写、口语对话”练习 → 课后“书本讲解、问题解答”巩固，形成校园—家庭无缝衔接的学习网络。
GAI 助力教学提质：把“讲不清”的内容变成“看得见、玩得转”
- 痛点：月相变化抽象、学生认知建构受阻，静态挂图讲不清“连续变化”。
- 做法：即梦 AI 将静态素材转为动态演变视频；DeepSeek 生成可交互网页，学生自由旋转视角、切换月相状态，亲手操作验证成因；豆包智能体精准诊断理解程度。
- 启示：多工具组合、各司其职——生成视频的、做交互的、做诊断的分工明确，这是“从看到探”的关键。
案例：虚拟实验闭环与作文分层指导
明德小学案例的完整闭环：课前 AI 分析问卷星数据生成学情报告支撑分层任务设计；课中“真空罩中的闹钟”“鼓膜振动”虚拟实验将抽象概念转为直观操作；课后星火教师助手分析课堂结构与师生互动，生成听评课报告——课前、课中、课后每一环都有数据在场。
案例：高校课堂的两种“双引擎”
对高校教师的启示：教学提质的高阶形态是“大模型 + 专业系统”的组合——大模型负责理解与生成，专业系统（虚仿平台、XR、行业软件）负责真实与精确，二者缺一不可。
GAI 助力评价增效：从“滞后模糊”到“即时多维”
- 痛点：朗读教学兴趣不高、评价滞后模糊、个性化不足。
- 做法：AI 语音测评即时打分定位问题 → 教师精准干预 → 课后学生结合反馈创作短诗并再次测评，持续优化表达。
- 价值：即时多维评价破解传统教学模糊性；精准定位学习短板；免费易用工具形成可复制推广的智慧教学范式。
评价增效的本质：把“评价”从学习的终点变成学习的燃料——测评之后必须有再练习、再测评的循环。
案例：理科作业与文科作文的智能批改双样本
物理案例的双重收益：学生作业量减少但成效提升，可借助 AI 自主查漏补缺；教师批改负担大幅减轻、数据统计自动化。作文案例的工具策略：笔神先做基础评改（错别字、病句、结构）生成诊断报告，星火再做思辨层面的深度点评——基础与高阶分工批改。
案例：高校复杂作业的智能批改与场景小结
场景三小结：评价增效的三个层次
① 提效：批量批改、自动统计，解放教师时间；② 提质：即时、多维、个性化反馈，替代滞后模糊评价；③ 提级：评价数据回流教学，驱动组卷、推送与分层——评价从孤立环节变成教学评闭环的枢纽。
呼应模块六：评价增效正是智慧课程评价标准中“教师评价+AI评价+能力信息汇聚”条款的一线实现方式。
GAI 助力育人进阶：心理健康与体育教学的循证转型
心理案例直面现实困境：心理教师人手短缺、负担重、缺乏专业督导——AI 从记录总结、专业督导两端补位；体育案例推动教学由“经验判断”转向“数据决策”，课后依据画像变化定制家庭锻炼计划，课内外联动。
案例：幼儿劳动教育的 AI 支持体系与育人底线
- 个性化支持体系：基于调研与多方评估，生成适龄提醒话术与技能资源库。
- 阶梯式引导：逐步减少外部干预，提升幼儿劳动主动性与独立性。
- 智能化评价：平台实时记录劳动数据，每周生成含进步点与优弱项的可视化报告。
AI 能识别情绪的语气，但它无法真正感受学生的情绪，也无法理解眼神中的迷茫、声音里的颤抖……在心理健康教育中可合理使用 AI 工具，但最终判断和干预必须由教师完成。——《中国教师生成式人工智能应用报告2026》育人底线原则
GAI 助力研究创新：教研从“经验”走向“循证”
报告归纳的三个转向：研究主体从个体走向群体，研究方法从单一走向多源融合，研究支撑从碎片化工具走向智能平台体系化——听评课有了数据底稿，教研有了证据链。
案例：智慧科研新范式与模块九小结
模块九小结：五大场景的共同规律——工具组合化（多工具各司其职）、流程闭环化（课前-课中-课后数据贯通）、评价燃料化（反馈驱动再学习）、底线人本化（关键判断由人完成）。这四条，正是各位老师设计自己 AI 教学方案时的检查清单。