核心素养导向下高中物理AI辅助备课与命题的实践研究

一、选题依据

（一）问题的提出

《普通高中物理课程标准（2017年版2020年修订）》把物理学科核心素养凝练为物理观念、科学思维、科学探究和科学态度与责任四个方面，明确要求教学以素养立意、评价以素养为纲。近几年，新课标、新教材、新高考陆续落地，教育数字化战略行动也在深入推进，国家把教师数字素养提升摆到了突出位置。一边是素养导向的新要求，一边是人工智能快速走进课堂，物理教师的教学与评价方式正面临双重挑战。教材在更新，考试在变化，可教师日常的备课和命题方式，改变并不多，两者之间的落差，正是本课题要解决的实际问题。

先看备课。备课是教师最费时、也最见功力的日常劳动。一节素养导向的物理课，既要确定清晰的教学目标，又要创设真实的物理情境，还要设计探究活动、准备实验器材与素材、做好学情分析，这些环节大多依赖个人经验，优质资源分布又不均衡。举个常见的例子，一节“牛顿运动定律”复习课，教师既要帮助学生把知识网络梳理清楚，又要设计贴近生活的例题，还要兼顾不同层次学生的学习差异，单靠个人经验逐项打磨，质量和效率都很难保证。不少教师坦言，想把新课标的要求真正落实到一节课里，缺的不是意愿，而是方法和时间。

再看命题。命题的专业性并不亚于备课。一道物理题既要科学严谨、表述规范，又要体现素养指向、难度适宜、情境真实，还要兼顾知识点覆盖和区分度。一线教师的原创题偏少，常用现成题，情境陈旧、考查方式单一的情况并不少见。以一份“机械能守恒”单元测验为例，教师往往要翻遍多本教辅筛选题目，考虑难度分布、避免重复，还要逐题核对科学性，工作量很大，可命制质量依然参差不齐。至于组卷、审校、难度预估这些环节，专业性强，个人很难独立完成。

近两年，生成式人工智能快速走进课堂。用得好，它可以帮助教师生成教学设计初稿、创设情境素材、出变式题、写解析，把教师从重复劳动中解放出来，把省下的时间还给课堂和育人。但用得不好也容易出问题：AI偶尔会编概念、算错数，输出的题目素养指向不明、情境脱离实际，教师如果不加甄别地照搬，反而会损害教学和命题的科学性。可见，真正的问题不是“要不要用AI”，而是在核心素养这把标尺之下，怎么科学地用、规范地用、有把握地用。这既关系到工具的选择与提示词的设计，更关系到教师主体地位的坚守和质量把关机制的建立。

之所以选择高中物理作为研究载体，是因为这门学科特别能检验AI辅助备课与命题的价值与风险。物理教学强调真实情境与科学探究，实验多、图像多、对科学严谨性要求高，恰恰是AI容易出错、也最需要教师把关的领域；同时物理又是高考选考科目，命题量大学业质量要求高，教师备课与命题的负担相对突出。以高中物理为切入口，既能充分暴露AI应用的共性问题，也便于把形成的经验迁移推广到其他学科。

基于上述认识，本课题提出要回答的核心问题是：如何在核心素养导向下，把生成式人工智能规范地嵌入高中物理备课与命题的全流程，形成一套人机协同、可复制、可推广的操作范式，让素养要求落到备课与命题的每一个具体环节。

（二）国内外研究现状述评

1. 国内研究现状

围绕“核心素养与高中物理”“人工智能与教育教学”两条线，国内近年成果都不少，但各自的特点并不相同，需要分开评述。

第一条线是核心素养与高中物理教学评价。居津（2025）在《物理教师》撰文指出，跨学科学习是核心素养培育的重要载体，并从课程、思维、情境、评价四个逻辑审视跨学科学习如何融入高中物理教学，为素养导向的教学设计提供了思路。杨亚芳、蔡铁权（2025）在《物理教学》上从理论层面建构了物理观念评价的框架与模型，尝试把抽象的素养要求转化为可操作的评价维度，对命题的素养指向具有指导意义。这一类研究问题意识强，把目光集中在“评什么、怎么评”，对素养落地的方向把握准确，但多数停留在观念与框架层面，与教师日常的备课、命题实践结合得并不紧密，落地路径还不清晰。

第二条线是人工智能赋能教师专业发展。刘邦奇、尹欢欢（2024）在《现代教育技术》系统提出了AI赋能教师数字素养提升的策略、场景与评价反馈机制，把教师数字素养拆解为数字化意识、知识与技能、数字化应用、社会责任等可培养的具体维度。杨帆、陈昊璇、朱永新（2024）在《中国远程教育》讨论了人工智能助力教师专业发展的价值定位与现实制约，指出教师技术应用能力不足、接受度不高是当前的主要短板，并主张建设“评价、培训、服务、教研、督导”一体化的教师专业发展制度。兰国帅、杜水莲、肖琪等（2024）在《开放教育研究》解读了世界经济论坛《塑造未来学习：人工智能在教育4.0中的作用》报告，强调AI在简化教学管理、提升评价效能方面的潜力。这些研究从素养和专业发展层面为AI进课堂做了理论准备，但整体偏宏观，对物理学科教师究竟该怎么在具体的备课、命题环节使用AI，实证支持还比较薄弱。

第三条线是人工智能与试题命制。李俊杰、李付鹏、许东生等（2026）在《中国考试》针对教育考试命题的现实难点，提出基于国产大模型的智能辅助命题方案，覆盖资料搜集、素材加工、试题命制、审校查重、难度预估等全流程，并构建了试题可信框架。杨志明、李炳蔚、李雨黎等（2026）在《中国考试》对Gen-AI自动命题与人工命题的质量做了比较研究，用数据回答“AI能不能命出好题”这一问题。这两项研究都聚焦教育考试机构和高利害考试，把科学性、保密性放在首位，方法上有借鉴价值，但尚未下沉到高中物理教师日常的单元练习、阶段测验这类低利害命题场景，对一线教师可操作性的关照不足。

总的看，国内研究呈现“两头热、中间薄”的格局：核心素养评价研究与AI教育应用研究都比较活跃，但把两者结合起来、在高中物理学科情境下打通备课与命题全流程的研究还很少；已有的AI命题研究多面向考试机构，缺少对一线教师备课命题一体化实践的深入考察。这从另一个侧面说明，把素养要求与AI应用结合起来、落到教师日常实践，是当前研究相对薄弱、又十分需要的方向。

2. 国外研究现状

国外在这方面的研究起步更早，也更聚焦AI生成试题的信效度与实际应用，实证意识明显。

Küchemann、Rau、Schmidt和Kuhn（2024）在《Frontiers in Psychology》研究了用ChatGPT生成的概念清单试题的信度与效度。他们发现，专家对AI生成试题的内容效度评价总体较高，但如果不对题目加以筛选，相当一部分题目仍需人工剔除。这一结果说明，“AI生成＋人工把关”是绕不开的必要路径，也为本研究设计命题审校机制提供了直接依据。

Benczik和Hanolné Toldy（2025）在《Educational Media International》报告了一项在真实物理教育场景中大规模使用AI生成形成性评价试题的研究。他们让一部分学生用AI生成的选择题进行练习，另一部分只使用人工编写的材料，结果发现AI试题对中低水平学生的促进效果比较明显。这项研究把AI命题从实验室搬进了真实课堂，其实证设计和结论都值得借鉴。

Polverini和Gregorcic（2024）在《European Journal of Physics》系统梳理了如何理解大语言模型，以指导ChatGPT在物理教学中的使用，特别强调提示工程对提升模型在概念性物理任务上表现的作用，为教师驾驭AI提供了方法论层面的支持。