合九教研|循着证据,看见课堂 ——合肥市高中政治循证教学研讨活动在合肥九中举行

循证教研并非新概念。早在2009年，澳大利亚教育学者约翰·哈蒂（John Hattie）基于数万项元分析提出“可见的学习”（Visible Learning）框架，试图让教学对学生学习的影响变得可测量、可比较。这一思路深刻影响了此后十余年全球教育政策对“证据本位”的推崇。然而，早期实践也暴露了一个普遍困境：数据可以呈现“发生了什么”，却难以自动回答“为什么发生”以及“该怎么办”。

2026年，教育部等五部门印发的《“人工智能+教育”行动计划》明确提出“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”，标志着循证教研从学术倡导进入国家层面的制度化推进阶段。与此同时，华南师范大学胡小勇教授团队提出的“问课”范式强调，AI时代的课堂教研必须警惕“数据丰富但理解贫瘠”的误区——技术负责采集与呈现，教师负责归因与判断。

这一判断，在合肥九中的研讨现场得到了具体印证。

研讨课上，张媛媛以合肥本地人大立法与监督案例为情境，串联考情解读、知识建构、考点回顾与真题演练。AI课堂分析报告从情境真实性、知识体系建构、思维层级、实践参与四个维度研判，认为本节课整体处于学业质量水平1—3：材料真实，但使用方式偏向关键词匹配；知识框架清晰，但主要由教师给出；思维训练以辨析和简单应用为主，高阶论证与公共参与任务尚显不足。

报告冷静而具体。但随后的评课，呈现了另一层“证据”。周静、崔俊、郑章菊等老师从课程容量、学生留白、问题链逻辑、大单元横向联系、智慧课堂学情采集、表现性任务设计等角度提出改进方向。这些意见看似分散，实则指向同一个问题：AI报告描述的是课堂“可见的行为”，而教学改进依赖的是对行为背后“为何如此”的解释。证据的价值不在数量，而在相关性；不在堆砌，而在解读。

侯新旺的发言，把讨论从“如何分析一节课”拉回到“如何定位一节课”。侯新旺指出，常态课应当删减程式化、模板化的教学环节，去掉形式化流程，聚焦核心子议题；议题设计中的行为动词也要优化，规避“明晰”“把握”这类模糊、不可测的表述，转而参考课标内容要求和学业质量描述中的行为动词，让素养真正可评价、可观测。

这一判断的理论分量在于：循证教研的前提，是目标本身能够被证据检验。如果课堂目标停留在不可测量的动词上，再精细的数据分析也只能在模糊的地基上盖楼。侯新旺所强调的“删减”与“可测”，本质上是在为证据清理噪音——先有清晰、可观测的教学目标，才谈得上有效的证据采集与归因。

研讨尾声，余海燕的总结没有倒向技术乐观，也没有退回经验主义。她提出，既不能固守经验、拒绝变革，也不能唯证至上、机械套用。学科组的行动框架被概括为四句话：以课例为抓手、以证据为支撑、以常态为目标、以素养为归宿；从小切口做起、从真问题做起、从常态化做起。

更值得回味的是她对证据与经验关系的界定：“用证据校正教学偏差，用经验温暖思政课堂。”在AI报告判定“未达水平2—3”时，教师集体反思提醒，普通班学情基础薄弱，许多学生仍需巩固水平1—2；若脱离具体班级的真实起点，高标准证据也可能从“诊断”滑向“误诊”。这正是循证教研最容易被忽略的一环：证据必须经过学情校准，才能转化为教学决策。

“循证是灯，不是路。灯照得再亮，路还是教师自己走；但有了灯，每一步才走得清楚、调得动。”余海燕的这句话，为整场研讨留下了最具张力的注脚。循证教研不是用数据替代教师，而是让教师在更清醒的光线下行走；不是把课堂变成指标，而是让指标服务于人的成长。