ARTICLE · 1257615
观察合肥市高中政治基于课例的循证教学研讨活动,思考我们下一步教研方向!
观察合肥市高中政治基于课例的循证教学研讨活动,思考我们下一步教研方向! 2026年10月19日，合肥市高中政治基于课例的循证教学研讨活动在合肥九中四牌楼校区举行。活动由市教科院主办，围绕张媛媛老师执教的《人民代表大会：我国的国家权力机关》一轮复习课，展开了一场关于“证据如何真正服务于教学改进”的深度对话。 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。 看了合肥九中发的新闻稿，我特别认可侯兴旺主任的发言，侯主任的意思是今天我们把话题往前推一步：比起怎么分析一节课，我们更先要想明白，这节课到底该怎么定位。咱们平时上常态课，很容易不自觉套模板。固定导入、固定小组活动、固定小结，一环一环走流程，环节很完整，但很多都是程式化的形式，跟这节课真正要解决的核心问题关系不大。他的建议是：常态课要敢于做减法，把这些花架子、模板化的流程砍掉，课堂不要贪多，紧紧盯住本节课的核心议题，一课聚焦一个核心任务。 再说说教学目标的写法。很多老师写目标喜欢用 “明晰、把握、领会” 这类词。大家想一想：学生到底有没有 “把握”？有没有 “明晰”？我们没法直接观察、没法测评。素养不是写在纸上的空话，想要落地，目标就要看得见、测得出。写目标的时候，直接参照课标原文、学业质量标准里面的行为动词，用可观察的动作来描述学生要达成的表现，这样素养目标才能够评价。 为什么我要强调这两点？放到咱们今天聊的循证教研里面来讲，道理很简单：循证教研，前提就是教学目标能拿证据来检验。如果咱们的目标本身就写得很虚、模糊不清，就算 AI 给我们生成再精细、再丰富的课堂数据，也是在一个不稳、模糊的地基上盖房子，数据再多，也没法证明学生到底有没有达成学习目标。我讲的 “删减冗余环节” 和 “目标可观测”，本质上就是帮我们把课堂里没用的干扰信息清理掉。目标先清晰、可观测，后面采集课堂证据、分析归因才有意义。目标模糊，后面所有循证分析全是无效劳动。 我感觉我们的教研和合肥市比较起来落后很多，向先进学习，我们要加油加速！ 喜欢这句话：当AI与人工评课二维码同时摆在与会者面前，这场研讨其实已经给出了答案：最好的教研，既不属于纯粹的数据，也不属于纯粹的经验，而属于愿意在两者之间保持诚实对话的人。
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”。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。
