ARTICLE · 1302946
让命题「活」起来——AI 赋能的高中地理命题实践与教研生态.
11 月的第一个周二，我把这两年的实践压进了这二十多分钟。
开场我没有讲工具，先讲了三个「怕」。
一｜三个「怕」，都很真实
过去命题，怕的是「凭经验、凭手感」。
现在怕的是「不会用」。工具就在那里，却不知道从哪一步下手。
还有一层更深的怕——怕「被取代」。技术迭代太快，命题的主导权会不会失控。
这三个怕，我都不打算回避。我的处理方式只有一条：先把边界划清楚，看清楚 AI 哪一段真的比我强，哪一段永远不如我。
于是有了一个公式。
二｜与其被取代，不如让 AI 当「副驾」
AI 赋能 ＋ 教师主导 ＋ 生态共建 ＝ 命题「活」起来
三件事，各管一段：
AI 赋能，解决效率。 找素材从「要两天」变成「两小时」。
教师主导，解决质量。 立意、梯度、学情，这三样机器给不了。
生态共建，解决持续。 一个人的经验会随人走，一个科组的机制不会。
整场分享就回答三个问题：AI 工具能用吗？怎么和它协同？怎么长成生态？
三｜工具实测：国平台四款，能起步但撑不起一份卷
国家中小学智慧教育平台「AI 试验场」里有四款命题工具，我逐一试过。
AI 组卷助手，适合「易错点反复练」。按易错知识点生成同类题，支持选择题、简答题。它有一个功能值得推荐：上传试题文档后能生成试卷分析思维导图，点对应知识点就能出同类练习。所以正确用法是先分析、再出题，顺序不要反。
AI 智能出题，支持上传文档出题，也支持「知识库出题」模式。它的表现高度依赖知识库，先充实素材，再让它出题。
智能出题助手，优势是快，能批量生成小题，初筛省大量时间；局限是浅，不适合综合大题，必须人工把关筛选。
飞象老师，交互最友好。上传素材、提出要求，对话式出题，适合老师快速出初稿。
四款用完，三大局限很清楚：
题型有限。 单选、多选、判断、简答比较成熟，综合题很少涉及。
难度有限。 整体更适合小学、初中，高考难度必须人工调整。
不能存草稿。 关闭页面数据就消失，难以沉淀积累。
一句话：国平台的工具适合起步和练手，但撑不起一份高考模拟卷。
四｜同一情境、同一指令、同样三份资料
为了看清主流工具的真实水平，我做了一次控制变量实验。
情境选平陆运河。西江干流与北部湾的江海连通工程，全长约 134.2 公里，按内河Ⅰ级航道标准建设，可通航 5000 吨级船舶，估算总投资 727.3 亿元，2026 年 9 月 16 日全线通航。选它的理由很直接：这是最近的时事热点，各地模拟题里已相继出现。
指令只有一句：
同时上传三份资料：2025 修订版课标、近三年广东地理卷、平陆运河情境。
第一轮：能命哪些方向
DeepSeek 给的是四大板块：自然地理、人文地理、地理实践力、国家安全与可持续发展。思路开阔，术语专业，但偏宏观，需要再加工。
WorkBuddy 给的是一张表：一行材料、一条对应课标、一个可命制方向、一个建议题型。它更像一份命题双向细目表。
豆包 先摆课标依据，再梳理出五个方向。课标意识最强，适合刚接触新课标的老师用来对表。
ima 直接给三列对照：命题方向、对应课标考点、广东卷呼应。等于替你做了本省考情比对。
判断很清楚了：DeepSeek 与 WorkBuddy 的差别，是「给你灵感」和「给你工序」的差别。前者适合已经有命题经验、缺思路的老师；后者适合要交任务、要出成卷的老师。
第二轮：落到题面
统一选产业与区域发展方向的题来比：
但请老师们注意一个共同点：四个模型都爱问「意义」「作用」「是否赞同」。
四份答案摆在一起，你会发现套路是同一个套路。
这就是 AI 命题最大的风险——同质化。它不会犯错，但它会重复。
第三轮：制图，最出乎意料的一环
大部分 AI 工具首先呈现文字材料，不会主动呈现试题需要的图片。可广东高考地理，无图不成题。
平陆运河这道题，DeepSeek 和 ima 根本不出图。豆包和 WorkBuddy 能出「三级叠合式省水船闸示意图」，但和官方实图一对比，差距立刻显形：AI 是根据文字材料理解后画图，多为彩色，可能理解错误，而且几乎不能直接用到试卷上。
WorkBuddy 的另一条路径更实用——不「画图」，而是「改图」。
一份数据统计图要去掉折线，以前靠抠图，现在交给它做数据重绘，数据准确，基本达到需求。彩色图要转黑白以符合试卷印刷要求，第一版清晰度偏低，于是再要求矢量重绘，第二版的清晰度就能达到油印要求。
GPT 的制图能力明显更强，但目前使用有限制，需要会员与网络条件，这里就不作过多拓展了。
五｜人机协同：AI 干「快的活」，教师干「准的活」
工具讲完，下一个问题更关键：在命题过程中，教师和 AI 到底怎么分工？
一句话：AI 干「快的活」，教师干「准的活」。
AI 擅长检索素材、长文本摘要、初步起草框架、数据计算与语言润色。特点是快、多、不知疲倦。
教师擅长素养立意与育人价值、设问梯度的拿捏、对真实学情的理解。特点是准、稳、有价值观。
具体到五个环节：
右边这一列，任何一项交出去，这道题就不属于你了。它可以印出来，可以考，但你不知道它在考什么。
每个环节内部，都是同一个闭环：AI 生成 → 人工审核 → 修改确认。
核心不是 AI「给答案」，而是 AI「给参考」。你用它的姿态，决定了它对你的价值。
六｜一道原创题的全流程：奈曼旗天然碱
去年市里命题比赛，给的素材是奈曼旗的一个论文文件包。我自己又查了官媒的空间规划文件和天然碱新材料产业集聚的相关资料，最后选定产业发展方向。
题目形态：20 分综合题，2 张原创图表，3 道梯度设问。
环节一：素材筛选与语料重组
AI 在这个环节干的是「降维」：长文本摘要、结构化、把地质术语通俗翻译。
但初稿有两个问题：一是超纲地质词汇太多、字数太多；二是没有突出「农牧交错带」这个区域背景。
我做的是把 640 字删到 380 字，并人工补上题眼「温带大陆性半干旱气候」。
环节二：设问与材料优化
三问递进的结构，是人定的，AI 只用来排查表述规范和设问指向。
第 (1) 问 6 分：分析奈曼旗天然碱新材料产业集群形成的自然基础条件。
第 (2) 问 8 分：结合图 2，评价「龙头项目 ＋ 配套延伸」集群模式对区域协调发展的积极影响。
第 (3) 问 6 分：从生态文明视角，为奈曼旗探索可持续高质量发展路径提出建议。
配套那张产业集群模式图，当时 AI 做不出来，是我用 WPS 手绘的。龙头项目、配套延伸、产业链条，一笔一笔画清楚。
环节三：数据核查，AI 最容易翻车的地方
很多老师踩过的坑是：AI 给的数，直接进了试卷。
我的做法是把原始文献整篇投进去，要求它逐条审查题目中的每一个数字，在材料里找到支撑。
这道题 5 处数据，查出 1 处 AI 虚构、2 处口径偏差。「天然碱探明储量 20.77 亿吨」这句，核实出处为专题文献，人工确认后才保留。
AI 给的数不能直接用。用错数据，就是误导学生。
环节四：真测，才有真数据
65 名高三学生，2 个教学班，20 分钟限时。
三重反馈来源：实测数据（难度、区分度、信度）、教师阅卷（典型错误归类）、学生问卷（当日抽样调查）。
结果：整体难度落在 0.60—0.70 良好区间，区分度 0.31，信度 0.62。问卷里，84.2% 的学生认为难度与题量适中，89.4% 认为题干图文清晰度高，94.7% 认为参考答案与评分合理。
也有学生直说：图 2 太复杂，答案句子太长。
环节五：让数据把题「激活」
第 (2) 问得分率偏低，学生作答套模板、发散。
我把答题情况反馈给 AI，请它为开放设问「搭脚手架」。落到题上是三处改动：
1设问限定「资源—能源—生态—产业」协同视角
2材料补充「历史上长期以农牧业为主」
3简化图 2，精简答案与评分表述
后测结果：得分率提升，针对性增强，区分度改善。
AI 算得快，判断在人工。
七｜从一次协同，到一个生态
一个人的一次成功，是「点」。特征是个人经验、随人走、难复制、难传承。
一个科组的常态机制，是「面」。特征是常态化、机制化、可沉淀，是团队共同资产。
我们课题组的闭环很简单：命题 → 试做 → 数据 → 反馈 → 新一轮研究。这个环只要转起来，每一轮都会比上一轮好一点。
怎么把命题嵌进日常教研，而不是「突击」一次？四件事：
单周：轮值发布命题素材，素材有源、人人有责
双周：专题研讨课程标准，命题依据常读常新
每周：集体研做高考真题，保持对考向的敏感
每月：课题组集中研讨，成果共享、问题清零
依托国家中小学智慧教育平台，素材共享、集体研修、成果沉淀一站完成。
最终想充实四个库：素材库、试题库、分析库、成果库。入库的每一道题，都是下一轮命题的养分。
教研理念也随之升级：从「经验型」走向「证据导向」。
八｜三句话，也是整场的收束
AI 让命题「快」起来——这是效率。
教师让命题「活」起来——这是质量。
生态让命题「持续」起来——这是复利。
命题不是终点，而是教学改进的起点。
让每一道题，都成为数据的产物、鲜活的案例。
