作者｜黄耀庭
新校长传媒系编辑
早上8点半，西南财经大学附属实验小学3年级4班的韩丽老师在上一堂观摩课《秋天的雨》，随之也开启了长达3小时的AI深度教研。在这所教师平均年龄28岁的学校，AI系统性地融入教研全流程，成为撬动教师专业成长的引擎。
五年来，在AI 教研的融合中，学校趟过不少弯路，也逐渐探索出一套管用的“AI教研新范式”，将教师的热情与潜力，转化为可循证的、持续进化的专业能力。
常态化的3小时“AI 教研”，
长什么样？
在西财附实小，常态化的3小时“AI 教研”有一套清晰的闭环流程，主要涵盖三大环节。
观课：人工与AI双线并行
观摩课上，参与教研的教师人手一份观课量表，边听边记录；同时通过数字平台对课堂中的关键教学行为进行“实时打点”。
这些打点形成两类关键切片：“热点”与“冲突点”。热点是讨论集中的教学环节，可能是亮点，也可能是问题所在；冲突点则是意见分歧处，需后续深入研讨。两者共同构成深度研讨的焦点素材。
初研：现场答辩
观摩课结束后，现场进入“答辩环节”。听课教师针对教学中的模糊点或疑问提问，由4–6人的教研共同体回应。在答辩环节，每个人都争相发言，表达自己的观课感受，以及对某个教学点的思考。
答辩完后，老师们开始就“切片”深度剖析教学细节，进行思维碰撞。虽然大家表达的观点较为主观，但当大量的主观汇成热点或冲突点时，评价也具有了一定的客观性。
课堂切片图
观课教师中还“潜伏”着一支“智慧教育小组”，他们专门关注教师的技术应用情况和路径，并依据“技术赋能高质量课堂观察量表”提出建议。例如，他们统计出韩老师使用了1次“小白选择”、3次计时器、3次计分板等工具，并建议在学生回答正确率不够高时，可先组织学生小组合作交流，再二次作答，促进学生深度思考。
合研：结合AI报告分析
基于经验的切片研讨告一段落，AI生成的数课报告也同步生成，内容涵盖三大模块、九个维度：
-
从时间顺序、师生行为、高频词汇与课型特征等维度，整体把握课堂结构与教学重点；
行为-时序分布图
-
基于提问-回答-反馈模型，解析师生互动水平，评估教学评一致性；
课堂互动推进与课型图
-
依据上述数据，对照“好课标准”，形成数据驱动的课堂画像。
好课标准参照画像
随后，结合观察量表与AI报告，各教研小组展开三十分钟的合研，从不同观察点进行数据汇总与解读。
王娇娇老师所在小组聚焦“教学支架”主题，指出韩老师有效运用支架策略帮助学生达成学习目标。这一点与数课报告中的“教师反馈”形成呼应，印证了支架教学的有效性。同时，小组还基于“学生自主时长占比偏低”这一数据提出优化建议：支架不宜过于局限，否则可能限制学生思维发散，使“支架”沦为“框架”。
AI教研变革的关键突破，在于打通数据与经验的壁垒，解决传统教研的主观性问题，也弥补AI数据的局限性，实现1 1＞2 的教研实效。
当AI融入教研，
学校踩过的三个坑
AI 教研作为新兴实践，探索路上难免曲折。校长赵蓉告诉我们，一路走来，学校也踩了不少坑。
陷入数据焦虑，老师刻意“迎合数据”
探索初期，老师习惯把“使用技术”当成教研的目的，而非手段，于是陷入迎合算法、追求“漂亮”数据的怪圈。
比如，有老师为了体现“AI赋能”（AI课堂评估报告中有一项技术应用评分），会在课堂中加入一些不必要的科技元素，影响课堂节奏。
另一方面，AI生成的数课报告内容丰富。初期使用时，有老师逐页查找报告中的“亮点数据”，把数据好看当成教学成功的标准。有老师为降低“教师讲授时间占比”的数据，刻意改变授课方式，哪怕该堂课的内容本就适合以老师讲授为主。
还有的老师为了追求高阶问题的比例，设计了大量高难度的问题，导致课堂难度增加，学生无法理解课堂内容。
但更让学校担忧的是，部分老师可能会“用AI代替思考”，对AI给出的内容缺少求证与反思，从而失去了自己对教学问题的价值判断。
这些误区让AI教研一度陷入困局，学校开始重新梳理思路：AI的核心价值是把课堂中“看不见”的隐性信息，比如师生对话结构、时间分配、高频词汇等，通过数据显性化，而教研的本质仍然是解决教学实际问题。
数据偏差，会催生教学“假问题”
在AI赋能下，学校教研氛围悄然转变。以前“躲避教研”的教师，现在主动参与；以前“无话可说”的教研会，现在争论不休；以前“流于形式”的研讨，现在精准高效……
二年级数学老师黄雨欣说，刚开始参加教研时，她“完全听不懂”，看着其他老师能提出那么多思考，还能拿出数据支撑，内心既羡慕又充满疑惑。但在现有的教研模式下，像黄雨欣这样的新老师也“有话可说”了。
学校教研中，“避免主观臆断”是一条核心准则。对大多数普通教师而言，仅凭听评课对课堂做出判断往往不够全面和准确，容易忽略关键细节。而分析数据的过程，正是发现细节、学会“用数据说话”的过程。
然而，数课报告中的数据虽多，且部分数据存在模糊、不贴切的问题，有效率并非百分之百，再加上新教师经验不足，如何筛选有效信息、挖掘数据背后的教学真问题，成为一大挑战。
教研组组长郑世萍以自己的数课报告举例——
-
判断“学生自主学习效果”，不能只看AI显示的“自主活动时长”，还要结合观察量表中记录的“学生活动状态”“成果输出质量”；
-
评价“提问质量”，不仅要参考AI 统计的“问题数量”，还要分析“问题类型分布”“思维含量”。
AI难以捕捉非量化因素，
只能给出标准化结论
经过5年的探索，学校的AI教研已经从最初的“工具应用”，发展为“生态重构”。学校对“技术与教育”的关系有了更深刻的思考。
赵蓉常说，对待AI要“先要相信，不要迷信，更要自信”。意思是相信它的分析能力，不迷信其结论，更要相信教师自己的专业判断和实践智慧。
课堂是一个动态、复杂、充满情境化交互的场域，AI的模型局限性决定了它难以捕捉课堂中的非量化因素。实际上，不同的课型需要不同的互动方式，但AI有时无法判断课型适配性，只能给出标准化结论，从而导致实践中经常出现数据表现与老师直观感受不一致的情况。
这种局限就给郑世萍带来过困扰。在AI数课报告中，系统会按5分钟为单位，拍摄八组照片，用于分析课堂场景。但如果拍照时教师没有被拍到，就可能被判定为“没走进学生”。有一次，郑世萍就因为在台下巡场的身影恰好没被AI捕捉到，而被系统判定为“讲授型课堂”。
还有一个典型的“AI幻觉”是统计问题数量时，AI会把“你听懂了吗？”“对了吗？”这类小疑问也算进去，导致数据与老师的实际教学意图不符。
一些学校反馈AI的效果不大理想，核心就是拿到数据后不知道怎么用。而只有解码数据背后的真相，才能洞悉教学真问题。
重塑教研，
如何发挥AI的最大效能？
AI不再是简单的辅助工具，而是融入教研全过程的核心要素。但究竟该如何用好AI，才能发挥教研的最大效能呢？
“数据 经验”双轮驱动
“经验”的赋能，让AI数据更有温度。学校开始探索“数据 量表”的双轮驱动模式，将AI数课报告与观察量表结合，真正释放数据的价值。
机制上，则打破传统年级、学科界限，根据教研主题与教师需求，组建灵活多样的“教研共同体”。每个共同体由4-6人组成，涵盖资深、骨干与青年教师。所有成员共同参与教学设计、磨课、观课与答辩，激活教研的内生动力。
在教研共同体的工作中，观察量表的设计非常重要，其既能最大限度地保障数据的客观性，也能让老师们的课堂观察更有方向，避免AI报告数据与实际教学“两张皮”。
西财附实小的数学学科观察量表
并且，量表也非一成不变，而是会根据真实教学反馈和AI数据持续迭代。
比如，有教研组在使用量表的过程中发现，AI数课报告中的“学生参与度”数据与量表记录的学困生参与情况”常常存在偏差。为此，教研组对量表进行了优化，增加了“不同层次学生参与度对比”观察点，让数据解读更贴合学情。
用“证据链”撬动教师专业发展
老师们必须将数课报告的数据与观察量表的记录、课堂视频片段、学生作业反馈等多方面信息结合，构建完整的“证据链”，才能得出教学结论。这一要求不仅让教研更具科学性，更聚焦真实教学难点，也成为教师专业成长的重要契机。
黄雨欣就曾借助“证据链”解开了自己的教学困惑。在一堂课上，她原本觉得自己给了学生充足的自主活动时间，但AI报告却显示“学生自主活动时间零散，缺乏整块思考时长”。
带着疑问，她结合课堂视频和观察量表的记录进行复盘，发现学生自主思考时，自己总忍不住插话提醒，频繁的打断让完整的活动时间被切割成碎片。正是数据、视频、量表的相互印证，让她精准定位了问题根源。
青年教师大多是从零开始，要学的东西多，且需要时间吸收，而AI的融入，正好能匹配他们的成长节奏，帮助他们快速缩短“新手”到“专家”的差距。
借力AI的优势，放大教师的价值
“数据不会说谎，但如果只看数据不结合实际，只会越改越糟。目前AI更擅长描述’是什么’ ，却无法很好地回答’为什么’和’怎么办’。AI 的优势是呈现数据，而教师的价值是解读数据。”赵蓉说。
不过这中间有几个关键难点：一是老师的专业性成长，比如确定研究主题、规划证据、制作观察量表，这些都需要积累；二是AI和人的经验怎么结合、结合点在哪里，这需要慢慢琢磨。
另外需要提及的是，学校并没有将AI教研与传统教研模式对立。在他们看来，传统教研模式和AI教研之间没有优劣之分，AI的介入也不是为了推翻以前所有的经验。
资深教师的实践性智慧，如对课堂氛围的把握、对学生情感的感知、对突发情况的处理上，是AI无法替代的。从传统教研走过来的郑世萍就觉得，“以前的经验也有用，年轻老师靠AI或量表能看到一些问题，但很多时候还是需要有经验的老师点拨，一下就能有新的启发。”
无论技术如何演进，教研的本质始终未变：以学为中心，解决真实教学问题，促进教师专业成长。未来最理想的教研模式，应是“人机共研”：AI提供数据支撑，教师贡献专业判断；AI发现隐性问题，教师解决实际问题；AI突破经验局限，教师弥补技术不足。
在这场变革中，讲台上的每一位教师，依然是不可替代的主角；而AI，是那个始终在场的同行者。
AI教研流程模型图
更进一步看，AI重构的不仅是教师个体的成长路径，更是整个教研生态的结构与流程。从教学设计、课堂实施、数据采集、报告生成，到切片研讨、证据链构建、策略优化——AI已深度嵌入西财附实小教研全流程，形成一个“数据驱动、问题导向、共同体协同”的闭环系统。
这一系统不仅提升教研的精准性与效率，更在潜移默化中重塑教师的专业思维：从依赖直觉到重视证据，从个体经验到集体智慧，从静态评估到动态优化。
未来，随着AI与教育的进一步融合，教研将更加个性化、智能化、生成化。每一位教师都可能在AI的支持下，形成属于自己的“教学画像”与“成长路径”；每一所学校，也有望基于数据与经验的双重积淀，构建出可持续、可进化、有温度的教研新生态。
#artContent h1{font-size:16px;font-weight: 400;}#artContent p img{float:none !important;}#artContent table{width:100% !important;}