隨著《中國教育現代化2035》及教育部等六部門印發的《關于推進教育新型基礎設施建設構建高質量教育支撐體系的指導意見》的發布，基于生成式人工智能的智能助教、智能學伴等教學工具不斷涌現。“人機共教、人機共育”正在助推教育教學質量的提升。2023年，教育部辦公廳印發《基礎教育課程教學改革深化行動方案》進一步明確，應借助數字化賦能提升教學質量，構建數字化背景下的新型教學模式，助力教學效率和質量的提高。基于生成式人工智能實施差異化教學，建立個性化學習輔助、實時化評價反饋等機制，有望解決傳統教學中教學進度統一、學生缺乏個性指導、評價無法實現即時反饋等問題，進而構建自適應學習模式。近年來，國內外推出了各類生成式人工智能，如ChatGPT、Gemini、文心一言、通義千問、Kimi等。然而，目前對生成式人工智能在教育領域的應用主要集中在機制、場景、倫理、風險等方面，缺乏教學實踐層面的深入探索。Kimi等生成式人工智能具備圖片識別、圖文轉換、在線搜索、文件學習及總結等功能，彰顯其在教學應用中的價值。研究Kimi等生成式人工智能在教育領域的應用，對于輔助教學設計、支持學生學習、改進評價質量，進一步構建新型的教學模式具有重要的現實意義。一、生成式人工智能的教育應用場景（一）輔助教學設計《普通高中課程方案（2017年版2020年修訂）》（以下簡稱“課程方案”）提倡“教—學—評”三者的一致性，要求教師基于課程標準設計教學方案，關注學生的學習，重視對評價量規的設計。教師應在課程方案的指導下，深度解讀教材做好教學設計，擬定教學目標，設計教學任務，評價學生的學習表現，提升教學設計的有效性。生成式人工智能在輔助教師開展教學設計、提升教學設計效率與質量方面具有潛力。首先，它可以輔助擬定學習目標。教師上傳學科課程標準、教材中相應單元的教學內容之后，讓生成式人工智能輔助設計教學目標。教師在生成式人工智能輸出信息的基礎上進行迭代優化。其次，它可以輔助設計學習任務。教師基于最近發展區等理論設計學習任務，并借助生成式人工智能逐步驗證，對學習任務進行不斷優化與迭代，使之梯度合理且富有挑戰性[1]。最后，它可以輔助評價學生的學習表現。教師在設計表現性評價方案時，可借助生成式人工智能在設定引用專業量規的基礎上生成評價量表。對于開放性作業的設計，教師在生成式人工智能輔助下設定需要設計的作業目標、題型及數量即可生成作業。（二）支持學生學習在教學過程中，由于學生的知識基礎存在差異，同樣的教學內容，部分學生在接受知識方面會存在障礙，需要外界支持。生成式人工智能在收到學生輸入的提示語[2][3]，會輸出相應的信息，為學生的學習提供支持。學習支持是多維度的，如個性化學習、自適應學習等。從生成式人工智能輸出的文件類型來看，學習支持可分為文本類、圖片類、視頻類三種。首先，提供文本類支持。當學生對概念及知識點有疑問時，生成式人工智能以文本的形式提供學習支持，包括自動生成練習題、測試題及反饋報告等。其次，提供圖片類支持。生成式人工智能生成圖片有助于學生更加形象地理解復雜概念，例如以思維導圖的形式對知識進行結構化呈現。圖片類支持還包括對圖片的識別并生成反饋，如開放題與手畫作品的評價，進行評分并形成合理的反饋意見。最后，提供視頻類支持。視頻類支持包括動畫或仿真輔助學習，教師借助Sora或Runway形成虛擬的教學場景，或利用第三方解決方案形成視頻。（三）提升評價質量準確而及時反饋的多元評價有助于促進學生學習。受學生人數、量規設計等多種因素的影響，教師設計評價量規、作業批改需耗費大量時間精力，但評價維度單一且反饋不及時。生成式人工智能在量規設計、作業設計、作業批改等方面具有明顯優勢，能快速設計出量規及作業，并結合評價結果給出后續的實時反饋建議與改進意見，支持學生的學習。其一，生成式人工智能支持個性化評價。教師利用生成式人工智能跟蹤學生的學習進度，針對薄弱之處生成個性化的評價報告；或結合學生的學業進度與學業表現，提供個性化的建議與策略，指導學生學習。其二，實現自動化評價。教師利用生成式人工智能可對學生的作業、試卷等進行快速而準確的評分，并及時提供詳細的反饋信息和改進建議，幫助學生理解與糾錯。其三，綜合評價。生成式人工智能讀取歷史交互信息，不僅可以分析學生在各個科目中的綜合學習表現，生成全面的分析報告，而且可以預測學生未來的學習表現和潛在的挑戰，從而提前采取干預措施，幫助教師優化教學策略，提高教學質量。二、構建自適應學習的教學模式《普通高中通用技術課程標準（2017年版2020年修訂）》等學科課程標準均關注學生的學習自主性，倡導從“教”為中心轉向以“學”為中心。受師資配備、技術支撐、教學組織等因素影響，教師在教學中很難悉心關注學生個體，做到以“學”為中心。教師按照統一的教學計劃授課，容易忽視學生的個體差異，難以滿足每個學生的學習需求。教師無法對學生進行個性化指導，這使得學生在遇到學習困難時無法得到及時的幫助。傳統模式下，教師主要依靠課后作業及考試成績來評價學生學習效果，作業及考試評價具有一定的滯后性，不能及時反饋學生的學習情況。這樣的課堂教學存在教學進度統一、學習過程被動、評價方式單一等不足，難以構建以學生為中心的高質量教育體系。自適應學習模式的構建與生成式人工智能的應用有望破解上述難題。自適應學習是指分析學生學習中的知識狀態及交互過程，動態調整學習內容，實現個性化學習的路徑[4][5]。生成式人工智能在教學中具有豐富的應用場景，可以輔助教學設計、支持學生學習并提升評價質量，從“教”“學”“評”三個維度全面賦能（如圖1）。在輔助教師“教”的方面，生成式人工智能支持課前教學內容生成、課中差異教學實施及課后學習資源組織；在支持學生“學”的方面，助力課前自主預習、課中個性學習及課后在線輔導；在提升質量“評”的方面，支持課前量規設計、課中實時反饋及課后學習分析。生成式人工智能支持的自適應學習模式，以“學”為中心從教、學、評三個維度進行重構，改進傳統教學模式。在教的維度上，生成式人工智能輔助教師開展差異化教學，提高對不同學生群體教學的精準性；在學的維度上，助力學生個性化學習，滿足不同學生的學習需求，提供適合的成長路徑；在評的維度上，生成式人工智能實時反饋，分析學生的思維模式，幫助他們改進學習行為。教師可應用自適應學習理論，關注學生的認知基礎，動態調整教學內容，從而構建生成式人工智能支持下的新型教學模式。三、指向自適應學習的教學設計用戶與生成式人工智能的對話，可以文件、圖片、語音、文字等形式實現，其中最為常見的是用輸入提示語文本控制生成式人工智能輸出。提示語設計的規范性影響輸出文本的質量與可用性。針對教學場景中的應用，用戶設計提示語需遵循三項原則：一是需設計明確的問題，引導人工智能正確理解；二是提供背景及示例提高信息或指令的準確性；三是多次對話逐步深入與驗證優化生成文本的質量。基于自適應學習理論的教學模式，就是借助生成式人工智能開展差異化教學設計，提供個性化學習支持，實現實時化評價反饋。（一）差異化教學設計生成式人工智能可提供差異化的教學設計。人工智能對課程標準及教學內容進行關聯分析，梳理相應的教學目標并提供多個載體，實現差異化、多元化的教學設計，即針對不同的學生群體，提供不同的學習路徑，支持不同學生群體自適應學習。以“簡單結構的設計”為例，教師上傳《普通高中通用技術課程標準（2017年版2020年修訂）》及“結構與設計”單元內容后，生成式人工智能隨即自動分析“簡單結構設計”的教學目標，并按要求提供3個項目，作為教學載體供教師在教學設計時參考。在確定學生的學習載體后，教師可利用生成式人工智能進一步按學生群體分類，同時生成多種教學方案，進行差異化教學。提示語：我是一名高中通用技術教師，你是我的知識助理，將協助我進行教學設計。請結合已上傳文檔中《普通高中通用技術課程標準（2017年版2020年修訂）》及《技術與設計2》教材中“簡單結構的設計”中的內容，分析教學目標及素養目標，列出4條學習目標。輸出：理解結構設計的基本原理、進行簡單結構的設計實踐、模型制作與測試、案例分析與改進設計（為節省篇幅，作了適當精簡，下同）。提示語：結合教學目標，列舉能實現以上目標的3個項目，且能在1課時內完成。輸出：手機支架設計與制作、書立的設計與制作、相片架的設計與制作。提示語：以手機支架設計與制作為載體，將學生群體分優秀、良好、一般三個層次，針對三類群體設計難度不同的學習任務，每個學習任務包括3個學習活動，活動梯度符合最近發展區理論。輸出：跟跑學生（一般）：簡單實用手機支架設計與制作（基本功能需求與分析、基礎設計方案的繪制、簡單模型制作與初步實施）。并跑學生（良好）：美觀而穩定的手機支架設計與制作（穩定性與美觀性分析、實用設計方案繪制、模型制作與基本功能測試）。領跑學生（優秀）：創新型多功能手機支架設計與制作（高級功能需求分析、復雜設計方案的繪制、多功能模型的制作與測試）。（二）個性化學習支持生成式人工智能可為學生提供個性化學習支持。教師借助生成式人工智能對學生已有知識與經驗進行診斷，提供個性化的反饋信息及學習建議，使之與新知識建立關聯，提供與學生的認知相適應的方案支持他們自適應學習。以“簡單結構的設計”為例，教師上傳“結構與設計”單元教學內容后，生成式人工智能自動生成相應的學習建議。人工智能針對學生提出的穩定性概念相關問題，輸出相應的定義及對應的三要素，幫助結合新知識“簡單結構的設計”進行學習，結合實例探究影響結構穩定的因素。從知識與概念的激活，到知識與概念的重構，再到知識與概念的遷移，生成式人工智能均能為學生提供個性化的學習支持。提示語：我是一名高中生，你是我的通用技術教師，將協助我自主學習。我已上傳文檔包括《普通高中通用技術課程標準（2017年版2020年修訂）》，請你閱讀《技術與設計2》教材中“簡單結構的設計”中的內容，提出建議。輸出：學習建議：閱讀基礎知識、實際案例分析、動手實踐、優化和測試。實踐流程：設計草圖、選擇材料、制作原型、測試與改進。提示語：我對結構設計中的穩定性概念理解得不是很深，請你結合實際案例給予指導。輸出：穩定性的概念與定義（略），影響穩定性的三個因素（略）。實際案例分析：兒童自行車。穩定性（重心低、車架設計、輔助輪）、實踐建議（設計草圖、材料選擇、制作與裝配、安全檢查）。提示語：結合教材中的案例“可升降桌的設計與制作”，分析在設計中需要考慮的穩定性因素。輸出：可升降桌設計案例——穩定性分析。調整重心高低。①設計低重心：設計桌面和底座時要盡量降低整體重心。②中央重心：確保桌子的重心位于中央，避免因重心偏移導致傾斜或失穩。改變結構形狀。①對稱結構：桌腿或支撐柱對稱分布，均勻承受桌面的重力。②框架穩定性：采用矩形或正方形框架，提高結構的穩定性和整體性。控制支撐面積。①寬大底座：設計寬大的底座，增大接觸面積，提高穩定性。②多點支撐：確保桌子的每條腿或支撐柱都有獨立的支撐點，分散重力。（三）實時化評價反饋生成式人工智能可提供實時的評價反饋。生成式人工智能對學習過程及知識網絡進行分析，可對學生的學習提供實時的反饋，避免學生對概念及知識產生錯誤的認知。這樣實時評價與反饋，能引導學生及時調整學習策略，從而實現自適應學習。以“簡單結構的設計”為例，學生在經歷可升降桌等設計過程后，應掌握穩定性三要素在實際作品設計中的遷移運用。以設計“戶外防風畫架”為例，學生提出了提升穩定性的三項措施，“增大上部畫板的質量、在兩個前側支撐腳中間增加一個支撐腳、加上橫檔形成三角形結構”。生成式人工智能對三條措施進行分析并提出優化建議，其中“增大上部畫板的質量”屬于錯誤的認知。生成式人工智能在分析過程中指出了增加上部畫板質量對穩定性的影響，并提出了相應的改進建議。生成式人工智能實時給出反饋策略，使學生建立正確的認知網絡，避免了不正確的知識遷移。提示語：我要運用穩定性知識設計一個戶外畫架，畫架有兩個與畫板同平面的前支撐腳及一個用于調節角度的后支撐腳。我計劃采用以下三項措施提高穩定性：“一是增大上部畫板質量，二是后側從單支撐腳改為雙支撐腳，三是在前后支撐腳之間加上橫檔形成三角形結構”，請分析這幾條措施的合理性，并提出專業而合理的建議。輸出：對增加上部畫板質量的方案分析如下。①重心高：增大上部畫板的質量會提高畫架的重心，降低畫架的穩定性。高重心容易導致畫架在受外力（如風）作用時傾倒。②受力情況：增加上部質量會給畫架的前支撐腳和后支撐腳帶來更大的力矩，容易導致支撐腳變形或損壞。設計建議如下。①保持輕便：畫架的上部畫板輕便為宜，避免增加過大重力。②重心低：將一些配重放在畫架的底部，以降低整體重心，增強穩定性。四、生成式人工智能的應用建議生成式人工智能應用于教育領域，從“教”“學”“評”三個維度發揮作用，助力學生構建自適應學習模式。生成式人工智能輔助教師進行差異化教學設計，因材施教；支持學生個性化學習，提升學生學習的自主性；實施實時與多樣化的評價并及時反饋，幫助教師改進教學。筆者構建并應用自適應學習模式，推進了從群體教學到個體教學的轉變。筆者設計的提示語設計規則及交互案例可供教師在開展教學設計時參考。生成式人工智能是基于數據訓練的模型，其知識水平受限于訓練數據的范圍和質量。教師應用