POA-5E教学法视域下AI辅助高中英语写作教学

--以Revising and Editing the Essay为例

摘要：本案例针对高中英语教学如何协调AI与教师角色分工、促进学生思维发展的核心问题，构建“POA+5E教学法+AI”融合模型。以议论文写作为案例，设计“创设-探究-解释-迁移-评价”五阶流程。实践显示，学生作文语言复杂度与逻辑性显著提升。该模型通过“师生协作提升学生的思维品质、AI提供语言支架、生-师-机多维度以评促写”的智能分工，形成以思维发展为牵引的“教-学-评一体化”生态，为AI赋能英语教学提供可操作的路径参考。

关键词：POA+5E 教学法；AI 融合教学；思维品质培养

一、问题提出

《普通高中英语课程标准》指出：普通高中英语课程应重视现代信息技术背景下教学模式和学习方式的变革，充分利用信息技术，促进信息技术与课程教学的深度融合，确保虚拟现实、人工智能、大数据等新技术的应用有助于促进学生的有效学习和英语学科核心素养的形成与发展。^[1]

因此，许多教师已开始采用AI辅助高中英语授课。然而，在实际教学中，高中教师在英语教学中亟需解决两个问题：1. AI对于学生的个性化指导和教师对于学生的集体授课的关系如何平衡？2. 学生提升思维能力和AI提供支架（或答案）的分割点在哪里？本案例的核心目标在于应对上述人工智能赋能英语教学过程中存在的两个关键问题。

二、工具应用

在AI工具选择框架中深度融入POA与5E教学法的理论逻辑，主要源于两种教学法与AI技术特性的深度适配性。

1. POA教学法的选择依据

该理论强调“学用结合”的语言教学观，主张以“产出目标”驱动学习过程，这与AI工具的“结果导向知识支持”功能形成天然契合。具体而言，POA的“教学活动以促成学生完成目标产出为核心”的设计原则^[2]，为AI工具划定了明确的应用边界---即在“语言形式精准化”与“基础能力达标”层面提供标准化支持，而将“观点创新”、“论证深度”等涉及高阶思维的产出任务保留给学生自主建构。这种“重产出、分层次”的教学逻辑，为AI工具限定了“知识支架提供者”而非“思维替代者”的角色定位，有效规避技术对语言学习本质的异化风险。

（二）5E教学法的选择依据

同样作为建构主义理论指导下的探究式教学模型，5E教学法的“迁移-评价”环节与AI的“数据驱动分析”功能形成互补闭环：在迁移阶段，5E强调“将所学知识应用于新情境”^[3]，AI的“自适应反馈引擎”恰能在该环节提供分层支持---依据学生在探究阶段暴露的能力差异，生成个性化迁移任务，实现“支架式教学”的智能化落地；在评价阶段，5E倡导“多元主体协同评价”，AI工具的“即时评估”功能与“师生/生生评价”形成多维度的过程性评价。

（三）大语言模型的选择依据

遴选大语言模型LLM构建 AI 工具框架，其核心选择依据紧扣“思维培养与知识支持的分层赋能逻辑”。首先，针对高中英语写作教学中“语言知识支架供给效率”与“个性化评价覆盖度”的核心矛盾，优先选用具备自然语言处理（NLP）技术支撑的大语言模型LLM^[4]，其核心功能模块需包含：动态语料处理系统。可基于教学预设的议论文写作评价指标，对学生输出文本进行多维度量化分析。自适应反馈引擎。支持依据《普通高中英语课程标准（2020年修订版）》的能力分级标准，生成对标水平二的修改建议。此类工具的功能特性与教学需求的匹配性体现在：通过知识检索与基础评价的自动化处理，将教师从重复性语言问题诊断中解放，使其专注于帮助学生提升对论证逻辑谬误识别、观点创新性引导等高阶思维培养任务，形成“技术执行标准化流程，教师把控创造性维度” 的人机协同机制。

以结果为导向创设情境

教师

创设（Enact）：

学生

探究（Explore）：

学生分小组讨论，对比分析

解释（Explain）：

教师引导、师生共同归纳总结

迁移（Elaborate）：

AI

学生创作、AI提供分层语言支架

评价（Evaluate）：

师生、生生、人机协同反馈

POA+5E模型

过程与方法

活动主体

图一“POA+5E教学法+ AI” 融合模型

三、问题解决

针对“AI个性化指导与教师集体授课平衡”及“思维能力培养与AI支架分割”两大核心难点，本案例构建的“POA+5E+AI”模型通过以下具体步骤、载体和切入点，实现AI的精准赋能：

（一）创设（Enact）：明确目标，奠定基础（教师主导）

以高三英语议论文写作教学课为例。

教师通过创设“假设你是社区工作者，正在社区网站阅读帖子”为情境，引导学生熟悉目标文本的文体，标准，也为最后的评价做铺垫。

教师创设真实交际情境（如本案例“作为社区工作者阅读社区帖子”），明确本次写作的交际目的、目标读者和核心产出任务。师生共同回顾对标《课程标准》水平二的评价量规表。

表一 评价量规表（简表）

此环节由教师主导，聚焦集体目标设定和标准共识，避免AI过早介入分散学生注意力。清晰的量规为后续AI的精准分析提供了标准化依据。

（二）探究（Explore）：循证分析，内化标准（学生主导，小组协作）

学生分组讨论例文是否符合评价量表（量表的制定在前几节课由师生共同协商完成），按照量表是哪个档次，并通过循证找到依据。

此环节AI不介入。学生进行异质分组，全班分为七个小组，每个小组负责评价例文的一个方面。通过自主探究和小组讨论，深度内化评价标准，锻炼批判性阅读和文本分析能力，这是发展高阶思维（分析、评价） 的关键步骤，解决“思维分割点”问题---将标准理解和初步分析完全交给学生。

（三）解释（Explain）：归纳提炼，形成共识（师生互动）

由教师引导，学生以小组为单位分别评价例文的三大类7个维度，给出档次与依据。

教师在此环节发挥核心作用，通过集体讨论将探究阶段的感性认识上升为理性认知，构建集体知识图谱。这确保了课堂深度互动和思维碰撞，AI在此环节仅作为知识库备用查询，不替代教师的引导和提炼角色，有效平衡集体授课需求。

（四）迁移（Elaborate）：AI分层赋能，个性化修订（学生主体，AI精准支持）

教师引导学生通过人机对话的方式，借助AI分析自己写的作文一稿（上节课已经完成），并批判式思考AI给出的建议是否合理。在合理的前提下，进行二稿修订。此时，AI进行分层提供支架，对于程度好的学生，AI只需提供修改方向；对于程度不好的学生，他们可以要求AI提供具体的语言支架。

学生与AI进行批判性对话，对比自己的初步判断与AI报告，思考异同，决定采纳、修改后采纳或拒绝AI建议。

表二 人机对话AI提示词示例

此环节拟解决以下问题：

个性化指导。 AI的即时、自动化诊断和分层建议，为每个学生提供了量身定制的反馈，精准定位其语言形式和基础逻辑的薄弱点，并提供相应层级的支持。这解放了教师逐篇批改基础语言错误的问题，能将精力集中于课堂巡视，观察学生修订过程，在需要时介入引导批判性思考或解答高阶疑问。

明确分割思维培养。强制性的“批判性对话”步骤是关键抓手，它确保了学生是修订的决策者。AI仅提供“是什么（问题）”和“怎么改（基础形式）”的建议，而“为什么改/是否改/如何改得更好（意义与创新）”完全由学生掌控。这清晰划定了AI作为“语言和基础逻辑脚手架”的边界，有效防止了其对思维过程的替代。

提高教学效率与质量。 AI快速处理了耗时的标准化诊断（语法、词汇、基础逻辑标注），显著提高了反馈效率和覆盖度。分层支持让不同水平学生都能在“最近发展区”获得有效帮助，针对性更强。学生通过批判性审视AI建议，深化了对写作标准的理解，提升了元认知和决策能力。

（五）评价（Evaluate）：多维度反馈，以评促写（师生、生生、人机协同）

教师引导学生进行生生互评、师生评价、人机评价和自评，通过多维度评价，来实现过程性评价。

1. 生生互评： 学生依据量规进行同伴作文交换评价，提供反馈；
2. AI二次评价： 学生将修改后的二稿再次输入AI，获取更新后的量化评分和问题标注（侧重语言形式改进度）；
3. 教师评价： 教师基于课堂观察、学生修订过程、二稿及AI二次报告，进行终结性诊断，重点指出内容和逻辑上的深层问题或亮点，提供高阶指导建议；
4. 学生自评： 学生填写自评表，反思学习过程和修订效果。

多维评价（尤其AI的快速量化反馈）使学生清晰看到进步，增强学习动机和修改意愿。教师结合AI数据和自身观察，能更全面、高效地掌握班级整体和个体情况，为后续教学和分层作业提供依据。（学生课后自评表见附录）

本课采用的自测量表构建了“自我-他人-技术”三维联动的写作能力评估框架，以可观测行为指标引导学习者系统反思写作认知发展。该框架纵向划分评估主体为个人进步（Me）、他人支持（Teacher/Classmate）和技术赋能（AI），横向通过具体行为描述确立评估基准。个人维度聚焦内容分析、语言解构、结构把握等核心写作要素，并预留个性化反思空间。

该工具的创新性在于构建动态评估生态：学习者通过自我检视确立认知基线，借助他人反馈获得多元视角，利用技术拓展思维边界。其价值不仅在于能力诊断，更在于通过结构化反思驱动认知图式的迭代更新。实证观察显示，学生在多轮人机协同修改中实现了能力内化，典型表现为从初期依赖AI反馈，逐步发展为能预判AI建议并自主规避问题。课后要求学生持续运用AI修改并设计提示词以优化反馈，此举强化了科技素养与自主学习能力。

这种转变标志着评价体系从测量工具质变为发展引擎，实现了从“工具依赖”到“认知内化”的跃升。当学生能主动穿梭于AI诊断、自我反思与同伴论证之间，写作修改便从被动接受转向主动建构。

（六）分层作业（Evaluate延伸）： 基于AI数据的精准巩固

最后，作业也是依据AI打分的评价量表分层进行。高于某个层次的同学，可以进一步迁移写作相关的其他主题，低于某个层次的同学需要进一步完善本次写作内容。

AI提供的客观、个性化数据，使教师能够精准实施“因材施教”，确保作业与学生的实际需求紧密匹配，提升课后巩固的效率。

四、成效分析

（一）核心问题解决

1. AI赋能个性化指导：AI在迁移环节通过分层支架实现精准支持。例如，程度较好的学生仅需AI提供修改方向（如“论证逻辑链不完整，建议补充因果分析”），而程度较低的学生可获取具体语言示例（如“据调查，80%的社区居民支持该政策”）。AI的自动化诊断将教师从基础语言批改中解放，使其可将60%的精力用于课堂巡视，针对学生修订过程中的高阶思维问题（如观点创新性、论证漏洞）进行一对一引导。

2. 教师主导集体目标：在创设、解释环节，教师通过真实情境（如“社区工作者阅读帖子”）统一设定写作目标，并通过小组讨论引导学生归纳评价标准，确保全班在写作规范、思维框架上形成共识。AI在此阶段仅作为知识库备用，不介入集体教学流程。

3. 数据对比：学生获得个性化反馈的覆盖率达100%，教师对高阶思维的指导时长占比从传统教学的20%提升至65%；而在传统教学中，学生在学习范文后的二稿同质化严重，85% 的学生或多或少抄写了范文中的好词好句，使得二稿作文“千人一面”。

（二）程度较低学生的提升

程度较低学生有了AI分层支架支持，AI提供“具体语言模板+修改示例”，并通过多轮对话逐步降低支架难度，学生满意度达到89.5%。

五、经验与反思

本案例构建的“POA+5E+AI”融合模型在协调人工智能的个性化指导与教师集体授课的张力，以及厘清学生思维发展与AI技术辅助的边界方面，取得了结构性进展。模型通过教学流程的阶段性分工，有效实现了集体教学目标与个体化支持的协同；同时，以认知加工的创造性维度为分界，并辅以强制性的批判性对话机制与能力适配的分层支架策略，清晰界定了AI作为“智能工具”而非“思维主体”的功能边界，显著规避了技术替代风险。

然而，实践仍暴露若干挑战：其一，部分学生存在对AI即时反馈的技术依赖倾向，同时AI的介入潜在地弱化了师生间深度的情感联结与动机激发；其二，AI在识别与反馈高阶思维品质方面存在固有局限；其三，学生在批判性评估AI建议时呈现显著的能力鸿沟，认知负荷较高的低水平学生易陷入形式化批判。

虽然科技在不断进步，但教育的终极目标并非“以AI替代人”，而是构建“机器处理标准、人类驾驭创新”的共生生态，使技术真正服务于“全人教育”的本质。

参考文献:

1. 人民教育出版社. 2020.《普通高中英语课程标准（2017年版2020年修订）》[T]. 中华人民共和国教育部. 北京：人民教育出版社.
2. 陈兰. 核心素养背景下高中英语读后续写的产出导向策略探究[J]. 社会科学前沿, 2025, 14(2): 348-354.
3. Zhang, Y.T. and Shi, Y.J. (2024) The Influence of “5E” Teaching Mode on Junior High School Science Teaching under the Background of Core Literacy.Open Access Library Journal,11: e11721：18.
4. 王耀祖.李擎.大语言模型研究现状与趋势[J].工程科学学报.2024（8）：1413.

附录：

表三 学生课后自评表