1. 引言

学生想要在课堂上紧跟教师步调完成相应任务，需要主动发起并完成一定数量的信息处理进程，不可避免会造成认知资源的损耗。从生理构成来看，个体单位时间内可供消耗的认知资源有限，支持处理和加工的信息元素同样有限。而当处理完整课堂信息所需的认知资源量超过学生工作记忆资源容量时，学生容易产生认知过载，造成学习效率低下。数智时代各类智能技术层出不穷，其中以“人机交互，智能生成”为显著特征的生成式人工智能（GAI，Generative Artificial Intelligence）首当其冲，GAI通过模拟人脑的信息处理与思维模式，为用户提供个性化支持与专业化交互，能够有效提升用户搜集和处理信息的效率。因此，将GAI技术引入课堂，通过指导师生正确使用GAI技术，进而引导他们将认知资源集中用于处理课堂核心任务，可以作为提高课堂学习效果的有效途径。

2. 生成式人工智能应用于课堂教学的价值与实效

马克思曾在工业时代就给出过预言，生产力的发展“来源于智力劳动特别是自然科学的发展”，正如数字化背景下人工智能技术的跨域融合，为我们的生产生活带来了剧烈的发展和变化，推动着整个社会向数智时代迈进。以DeepSeek为典型代表的GAI问世，标志着AI技术在劳动领域的应用实现了从简单模仿到复杂认知理解的飞跃，其应用范围也从传统的结构化数据分析，扩展到了文字、语音、图像等非结构化内容的生成。至此，GAI开始被引入教师备课过程，逐渐为一线教师的资源收集和材料准备工作提供有效助力。

2.1 模拟人脑智能，关联人机思考实现人机协同决策

GAI是基于自然语言处理技术的通用大模型，能够遵循用户指令生成高质量、连贯自然的文本内容，特定情境下能够实现人类智能独有的跨领域应用能力。教学场景中，支持对教学指令进行背景、动作、态度、操作等多维度分析，理解教师真实需求并匹配组合出最佳回复，最终以文本形式呈现供教师选择。DeepSeek的基础架构为MOE模型（Mixed Expert Models），即混合专家模型，更是依托强大的数据库和推理模型，特定指令要求下能够代入教师角色，模拟专业教师对课堂教学问题进行设计与阐述。因此利用DeepSeek等GAI技术辅助教育工作者完成专业教案撰写、策略方案制定、试题试卷调试等知识密集型任务，可以促成教学过程设计过程由独立决策向协同决策转化。例如，通过分析学生作业完成的情况，如正确率、答题时长、错误类型、易混易错知识点等数据，GAI自动生成个性化学习路径和辅助任务，为计算薄弱的学生推荐“分步动画讲解 阶梯练习”，为几何困难者推送“3D模型演示 空间思维训练”，允许学生按照自身实际情况调整学习节奏。

2.2 适应多模场景，增强具身交互激活课堂教学生态

GAI的内部运行逻辑是通过分析用户指令的上下文信息，快速提取和理解用户发布的任务要求，逐级实现信息检索与文本合成。常规教学中教师大多通过积累直接经验、学习间接经验来实现对课堂突发事件的有效识别，然而师生数量悬殊，无法实现“一师一生”的个性化指导和情感生成。引入GAI技术作为辅助后，教师能够在具体场景适应方面，通过调度声音、画面、空间等多模态信息快速判断全班学生的状态变化与新任务需求，借助自适应学习系统有针对性地调度教学进度和栏目资源，为学生打造合乎实况的特色教学路径，激活课堂交互活力。例如，在理化生综合课程中，GAI系统支持多模态教学呈现，突破传统课堂限制打通知识网络。首先可以利用AR眼睛模拟分子运动3D模型，接着可以文本生成不同梯度实验报告的操作框架和注意事项，实验过程中还可以模拟语态为学生答疑解惑。

2.3 分解复杂任务，深化问题解决训练学生系统思维

约瑟夫·欧恩曾前瞻性地指出，随着生成式人工智能的迅速发展，教育体系亟待转向培养那些机器难以习得的能力，如“系统性思维”。在常规学习过程中，学生可以利用自身具备的高级认知功能，针对学习任务进行有效分解和有序处理，但个体的认知资源有限，知识覆盖面有限，特定情境下无法站立全局对事件进行客观分析，无法系统地解决超纲难题。因此，引导学生在指定范围内利用GAI工具对学习中遇到的难题逐级有序分解，可以避免对现象和过程的孤立思考，进而培养学生的系统观念。

3. 生成式人工智能应用于课堂教学的策略探究

如今多数学校教学均采用班级授课制，授课节奏快、教学知识点密集、师生交互匮乏是这类课堂的显性特征，教学时空内鲜少给学生预留思考和展示的空间。将GAI技术引入课堂，不仅是为了给师生提供高精度的搜索引擎，更是要从有限现实条件出发，探究人脑与智能技术的协作模式，为常规课堂注入活力，以期实现高度融合的汇智课堂。

3.1 师生共享GAI运算效能，合力建设混合教学和谐生态

构建教育信息化2.0时代课堂教学新生态，要以统一思想认识为基础。首先，教师需要做好课题分析，仅针对部分混合式课堂引入GAI技术。身处数智时代，为了最大限度地发挥教师的创造性智能和GAI的算法优势，可以考虑将部分开放探索的课题设计为混合模式。教师根据学习任务特性优化课堂结构，将创造性任务保留于课堂教学，而针对机械重复性的内容，例如理论讲演和概念辨析，师生可以在课余时间借助GAI工具，依托在线学习平台进行发布与交互。具体操作包括：教师下发学习任务单，为学生课外使用GAI提供提示词指导，拓展学生的信息获取途径和思考的视角维度，并通过在线交流督促学生做好前情知识储备；课堂上师生通过具身交互开展头脑风暴、辩论讲演等发散性活动，在GAI生成思路的基础上博采众长，发挥人脑的创造性和灵感，寻找方案设计的最优解。

其次，教师需要正视算法优势，合理调用GAI唤醒学生主体意识。对于教师而言，不按部就班并非易事。至今仍有很多教师将单一授课模式照搬到各种教学情境，这一举措严重影响了知识传播的质量。针对这一现象，校内层面，可以开展AI教学运用的读书沙龙、主题教研、课堂比赛等展示活动；校外层面，可以组建校际联盟，定期开展教学交流等，引导教师厘清教学情境变迁对教学的影响，进而形成系统的教学观。学习者在面对复杂、陌生的真实问题时主体意识会空前高涨，能够创造性分析并迅速整合现有资源做出决策。当今活跃的教学模式真正追求的无外乎学生主体意识的发展，为了加速学习者主体意识的觉醒，教师在线下课堂中可以联合GAI搜索，组合，或者生成具备一定难度的问题，利用复杂问题挑起的认知冲突吸引学习者专注任务。例如，在教授“黄花岗起义”小节时，教师通过环环相扣、层层深入问题链，以预习、阅读、讨论、合作交流的方式，激起了学生自主学习与合作探究的愿望。

再者，转变教师主导的思维定势，开发GAI辅助学习任务单，引导学生学习GAI思考过程，运用GAI生成结果。研究显示，适用于面授课堂的线性教学规律难以解释在线教与学实践的复杂性规律，往期大规模在线教学的实践结果显示，当前多数在线教学系统正处于一种失衡状态，为实现混合式教学的生态重构，亟需依托具体教学情境设计辅助工具，从教学生态平衡的视角去重构教学结构和师生角色。因此，建议针对自学情境和人工智能学习环境特色，向学生提供具有针对性的GAI辅助教学任务单，以提示词和任务链的方式指引学生的自主学习。任务单开发过程可分为三个关键步骤：第一，分析教材提炼核心知识点，生成初步任务框架。第二，针对任务设计AI操作指令，引导生成案例、对比、分层、互动等文本内容，同时嵌入评价量表以供后续修改。第三，结合大模型语义分析调整指令表达，加入差异化选项形成动态适配的最终版本。

3.2 人智协同搭建学习支架，赋能个性化学习与资源匹配

首先，整合人力资源和数智资源，为学生提供动态的学习支架，搭建个性化学习路径和教学资源匹配机制。一个完整的教学模式需要具备许多要素，包括理论基础、教学目标、教学程序、辅助条件和评价标准，等等。当人力无法顾及其中诸多环节和细节时，可以引入GAI技术进行实时监测与动态调节。例如，教学媒体设计上，教师要善于运用GAI的算法控制，通过分析学生后台操作数据（如答题耗时、错误模式），实时调整教学素材，借助全要素呈现、多通道感知、实时响应的媒介呈现，将教学系统各要素强耦合在一起，据此吸引课堂学习者的注意力；在教学组织方式上，条件允许时选用线上线下结合的授课形式，即混合式教学，利用GAI助教辅助实现师生一对一的情感交互，动态调整教学支架的难度，如简化语言、增加提示或补充范例，进而弥补班级授课制中缺乏专业指导的弊端；教学策略上，教师可以引导学生组建GAI课堂学习团队，利用团队探索代替个人自学，同时借助GAI智能分析学生数据，生成组间的个性化指导建议，避免成员之间由于信息分岔造成的认知损耗。

大数据的连续性和即时性使得过程性评价具备了细粒度的特征，由此，教师可以依托GAI技术向学生提供全过程、多主体、持续动态的评价。过程性评价不过分追求学习目标的标准化和学习方法的规范化，教师可以利用一些非测验型评价工具，例如在线档案袋、知识图谱关系图、课堂行为记录表等评价工具，通过追踪后台数据、鼠标轨迹、浏览时长对学生的学习表现进行评价。持续性的反馈评价能够在学生和学习间形成良性循环体系，使教学相长。可以参照“青年大学习”主题团课设置阶段性考试，在课程进行时多次插入难度中等的随机测试，要求学生完成测试后才能继续学习。有研究表明，压力对注意的稳定性存在显著的交互作用，但评价频率过高会导致压力过载。因此，四十分钟的课程评价频率，包括教师的提问，应当控制在五次左右。为了避免在线学习者产生无聊感，教师在增加评价频率的同时需要丰富评价的形式。例如，在GAI辅助评价系统内设置手势、数字、位置、拍照等签到的方式，利用选人、抢答、问卷、投票等回答问题的方式，以唤醒学生的思考活力。

此外，教师还需要密切关注学生的学习状态，并提供适度的情感支架，防止学生因与GAI频繁交互产生焦虑和依赖。学习者在学习不同类型或是不同呈现方式的知识时，学习者的学习效果、认知负荷、社会存在感有显著差异，针对已经产生了信息焦虑的学生，可以采用同伴互评来发掘学生的闪光点，防止学生因为过度重视结果而导致焦虑程度加重。除了借助GAI技术后台捕获数据进行综合分析，教师还需要调用自身教育机智，对课堂中的特发情况、目的对象进行非正式评价，以填补机器无法实现的人文关怀空白。教学过程中还存在大量持续时间很短的非正式评价活动，教师需要善用语言交流、手势、眼神、动作或者图画、文字在教学过程中对学生进行评价，在潜移默化间调节学习者的信息处理进程。最后，教师需要将评价的结果分阶段反馈给学生，让学生用整体的眼光看待自己的学习经历。

3.3 主动作为破除“信息茧房”，激发多元认知与智能协同

GAI能够提供实时学情分析、规划个性化学习路径，但教师在情感激励、价值观塑造、复杂问题情境处理等方面的作用仍无法被机器取代。在GAI课堂中，技术的介入为资源建设、课堂交互带来了新的可能性，但也会因算法推荐机制而加剧“信息茧房”问题。GAI能够根据学生的历史搜索推送相关内容，但这种“精准匹配”若缺乏引导，反而会限制学生的认知视野，使其困于单一的知识框架中，束缚住了原本开放的思路。因此，面对这一隐患，教师需要主动作为，通过主动设计跨学科、多视角的学习任务，利用GAI的数据分析识别学生的思维局限，综合师生认知和GAI生成内容打破算法固化的信息壁垒。例如，在德育课堂上，GAI可提供不同文化背景的文本分析，而教师则引导学生对比、质疑、思辨，从而避免技术带来的认知窄化。这种“人智协同”模式，既发挥了GAI的高效数据处理优势，又依赖教师的经验与洞察，最终实现个性化学习与多元认知的平衡。

教师想要避免技术依赖、保持教育的主体性，则需要在智能技术支持下拓展认知维度、提升决策能力、优化专业素养，适度发挥主观能动性正当利用智能工具。例如，当GAI推荐某类习题时，教师需结合学生的情感状态、课堂互动等非结构化信息进行综合判断，而非盲目跟随算法。此外，教师还应主动设计人机协作的教学活动，例如利用GAI生成辩论话题，教师根据事实情境分解辩题，随后组织学生进行深度讨论，以此培养学生的高阶思维。这一过程不仅要求教师掌握技术工具，更需深谙个体认知发展的真实规律，使技术真正服务于学生的学习进程。总之，GAI时代的教师素养，是数据智慧与人文智慧的辩证统一。教师既要拥抱技术，拓宽认知边界，又要坚守教育本质，在智能协同中保持教学的主导性。唯有如此，才能实现“技术赋能教育，教育塑造未来”的理想图景。

4. 结语

随着人机协同的深化，未来教育领域将会更加重视科技应用伦理规范、教学资源公平配置，以及教学主体数智素养的提升。因此，技术赋能需要坚持“以人为本”，教师需在GAI辅助教学中持有课堂主理权，引导学生开展批判性思考与创造性任务；学生则需在技术的支持下培养自主学习和解决问题的能力素养。只有在教育本质与技术生成之间建立有序关联，才能将教师从机械重复的工作内容解救出来，将师生引入高阶的创造性教学活动，让教育真正成为着眼未来，面向生命的思维对话。

参考文献：

1. [1] 齐志远,高剑平.替代还是强化：生成式人工智能的劳动应用、风险挑战与治理策略[J/OL].产业经济评论,1-11[2025-04-23].
2. [2] 张伟平,陈梦婷,赵晓娜,白雪.教育信息化2.0时代课堂教学新生态的构建[J].苏州大学学报(教育科学版),2020,8(01):9-17.
3. [3] 爱莉诺·达克沃斯．精彩观念的诞生———达克沃斯教学论文集[M]．张华，等，译．北京:高等教育出版社,2005.
4. [4] 张文超,陈时见.学校本位教师专业发展的时代意蕴与推进路径[J].当代教育科学,2022(01):68-76.
5. [5] 衷克定,岳超群.混合学习模式下学习者主体意识发展研究[J].现代远程教育研究,2017(06):48-56.
6. [6] 罗明,张川.培养学生主体意识的历史学科育人探索[J].历史教学问题,2019(02):110-113.
7. [7] 徐亚倩,陈丽.生生交互为主的在线学习复杂性规律探究[J].中国远程教育,2021(10):12-18 38.
8. [8] 上超望,韩梦,刘清堂.大数据背景下在线学习过程性评价系统设计研究[J].中国电化教育,2018(05):90-95.
9. [9] Tyler R.Basic Principles of Curriculum and Instruction (Reprint edition)[M].Chicago:University Of Chicago Press,2013.57-58.
10. [10] 郭梅华,张灵聪.不同学习自控力学生在压力和诱惑下的注意稳定性实验[J].黑龙江教育学院学报,2009,28(12):90-92.
11. [11] 帖卫芳,张叶,刘瑞娟,贾俊忠.“生物化学”在线课程过程性评价改革与实践[J].现代盐化工,2021,48(01):167-168..
12. [12] 王改花,傅钢善.知识类型、呈现方式与学习风格对大学生在线学习的影响——基于眼动的证据[J].现代教育技术,2021,31(09):45-54.
13. [13] 莫景祺.教师如何实施课堂教学评价[J].课程.教材.教法,2008(11):14-18 58.