「韧真教研」· 当教研遇见AI系列

把AI变成你的教研搭档，每期一个能落地的场景

AI 进课堂：听评课从“凭感觉”走向“凭证据”，先看清三件事

我是XM。先生管方向，平安管定力，我管落地——集体备课那组聊完了，这组从“备”走到“听”。这回落到教研最硬的那块地：听课评课。

宁姚：“宁舍神兵，不违本心。”AI 是把好剑，能把一节课拆成几十项数据。可剑再快，也不该替你决定这节课好不好——判断权得攥在听课人手里。

一、老毛病：好评课，靠的是“名医”

教基〔2019〕14号文早把听评课写成硬要求，同时头一回把“积极探索信息技术背景下的教研模式改革”写进国家级教研文件。要求有了，供给跟不上。

崔允漷教授一句话点破：传统听评课像“中医看病”——“关键在于该中医是不是'名医'，但是，能练成'名医'的人太少了”。

再看量。县区专职教研员每学期听课不少于40节，兼职不少于20节。这强度下，评课容易滑成“凭经验、靠感觉”。

二、不是新物种，是六十年老手艺的工程化

先泼盆清醒水。60年代弗兰德斯的 FIAS 把课堂言语切成10个维度，同期 S-T 分析法把行为二分为学生和教师；2004年 ITIAS 加进技术互动维度，2012年 iFIAS、2015年 ARSIAS 一路改良，2018年后才进多模态阶。

关键事实在这儿：今天 AI 用的核心指标——师生话语占比、提问类型分层、互动转化率——几乎全部继承自前 AI 时代的人工编码量表。 AI 改的是采集成本和规模，不是评价框架本身。这既是它可信的来源，也是它局限的根子。

三、政策四级台阶

2018年教育部启动“人工智能助推教师队伍建设”试点；2022年中央电教馆智能研修平台试点落到南京建邺、江北新区；2025年《中小学人工智能通识教育指南》要求建数据安全规范与隐私保护机制；2026年4月五部门《“人工智能+教育”行动计划》首次写明“利用智能技术分析课堂教学行为，开展人工智能循证教研实践”，同期披露已组建 50万个教师教研群组。

规模也确实起来了：截至2025年12月底，仅希沃一家就覆盖19个示范区、5,600多所学校、17,000多间教室、97,000多位教师，生成65万多份报告。国际上42%的国家在探索 AI 用于教学，但欧盟已把教育培训领域 AI 列入高风险——扩散和监管，同步跑。

四、四类人，各挪一步

工具进课堂不自动产生变革，真变量是人的分工线重划。

教研员：“评判者”→“数据教练”。 马鞍山雨山区教研员从“评判者”“救火队员”转成“数据教练”和“体系设计师”，靠平台做“数字巡课”抓共性问题。2026年4月北京东城区首批“数智教研员”上岗，每名教研员定向带8名种子教。

教师：“被评价者”→“自我诊断者”。 唐山开平区已有 1,587位教师做 AI 自诊，评出116节优质课例、收跨校建议567条。洛阳一位语文老师看到报告说自己讲授占 72%，才反思课堂可能只是“虚假繁荣”。TeachFX 也明写着“旨在支持，而非评价”。

专家：稀缺“名医”→意义阐释者。 北师大—希沃项目划得清：“AI 承担可编码、可重复的计算性工作，而将价值判断、情境归因、意义赋予等核心解释权交还给拥有实践智慧的'人师'”。周文叶教授补了句限定：只盯证据不管互动过程质量，“对于教师来说，有失偏颇”。

管理者：“模糊感知”→“精准导航”，外带新风险。 拿到全景数据，自诊工具就可能变考核工具。合肥庐阳区记过真实的怕：“一位老师刚启动时录完课就把视频删掉——害怕 AI 变成'监控探头'。”解法是制度性的：存储、分享、删除权限全下放教师本人，从“恐惧删除”变成“主动示人”。

五、三类阻力还在

教师可能为“迎合算法”采取标准化教学行为；评价指标的科学性与价值目的性争议不断；“大量 AI 评价报告'被闲置、被搁置'”。

收个尾

AI+听评课，是方法论传统、技术供给、政策授权三条曲线交汇的产物。它把“中医看病”变成了“课堂体检报告”——但报告能不能被读懂、被采信、被转成改进，是另一回事。

角色转型不是“人退机进”，是分工线重划：机器管描述，人管归因和判断。前置条件只有一个——数据的所有权和使用边界，得先被制度说清楚。

宁舍神兵，不违本心。神兵可以借，本心不能让。

如果这篇对你有用，点个赞，转给教研组的同事。

 留言聊聊：你最想让联动帮你干掉哪件烦活？ 

关注“韧真教研”，AI + 教育的干货，咱们慢慢聊。

「韧真教研」· 让每一场教研都真正发生

#WorkBuddy #ima