AI评课的边界在哪里?

前一篇内容借助AI评课明确了评课的方向：从“凭感觉说话”转向“用数据说话”，从“评教师表演”转向“评学生学习”，从“一次性评价”转向“发展性闭环”。那么使用AI做评课分析，是否意味着以后不需要教师评课了？

借用后续的习题评课报告，我思考了一个更具体的问题：AI评课的边界应该在哪里？

报告指出，本课最高光的设计是“胰岛素是唯一降血糖激素”的拆解过程——教师先让学生按教材答“对”，再引入GIP和GLP-1两个反例，层层追问，最终让学生自己撞上“直接降糖 vs 间接降糖”的区分。

这个拆解需要的不是数据，而是对学科本质的理解。AI可以告诉我这句话出现在教材第几页，也可以在我问这个知识点讲得怎么样时，帮我分析追问频次、学生反应。但如果教师自己都没意识到这句话值得拆，AI不会主动跑来和我说：“老师，这里有个概念陷阱，你应该这样教。”

2. AI不会替教师主动发起对实验设计缺陷的质疑

报告抓住教师课堂上指出的实验设计不足，实验题缺少两两组合组，导致无法判断某种激素是否真的参与升血糖。这种批判性思维的示范不是从答案里读结论，而是从题目设计缺陷中推导结论，是教师专业功底的体现。

AI可以识别出这道题学生做错了，也可以在教师追问为什么错时归类错误原因。但它不会在教师埋头分析学生错误时，突然抬头说：“等一下，你有没有想过，这道题本身设计就有问题？”

3. AI难以为你提供高价值的教学设计

报告用一整章分析了教师的作业设计，指出其三重价值（数学计算、生物尺度感、AI协作方法），并给出了具体的优化建议。这种教学设计的鉴赏力，源于丰富的教学经验和深厚的课程理解。

所以AI评课的边界，不是能不能评价，而是能否在没有先行思考的情况下，主动完成那些需要学科直觉和专业积淀的创造性判断。

AI是教师的副驾驶，不是导航仪。它可以为手握方向盘的人观察路况、提醒盲区，但它很难替我们决定这条路该不该拐。

这里要回应一个更深的担忧：AI评课会不会把我们引入打分焦虑的怪圈？我的切身体会是极有可能。

当一份报告打出总分86分，并精确列出“师生互动得16分（-4）、素养达成得16分（-4）、探究性提问占24%、后半段讲得过久”时，人很容易陷入一种新的焦虑：我的分数够不够高？扣分项能不能补回来？这就掉进了另一个坑——只不过把凭感觉打分换成了凭数据打分，本质上还是在评教，只是换了把尺子。

真正的关键不在于AI能不能打分，而在于我们拿着分数干什么。如果一份AI报告告诉我们“总分86，师生互动扣了4分，原因是后半段讲得过久”，我们可以有两种反应：

反应A：“完了，互动分被扣了，下次我得少讲点，多提几个问题把分数拉回来。”

反应B：“原来后半段我讲得太多，那学生在那里是不是没机会思考了？我应该在哪个节点停下来让他们说说？”

前者是以数据定教，后者是以学定教。AI只是给了我们一面镜子。镜子里照出来的是什么，取决于我们用什么心态去看。

正如这份报告所传达的核心精神：学生离场时带走的，不应该只是一句胰岛素是唯一降血糖的激素的结论，而是一种可迁移的思维方式——面对任何陌生激素时，学会追问一句：“它是直接降糖，还是间接降糖？”这才是评课的终极目标：不是为了给教师打分，而是为了帮助学生学得更好。

AI赋能的评课能提供数据、能抛出角度、能设计方案。但用好这些工具的，永远是站在讲台前的那个人。只有摆正心态，才能让AI助力我们的课堂走得更深更远。