ARTICLE · 1320227

课题名称:基于大语言模型的高中英语语篇教学实践与效果评价

发布时间：2026-11-06 16:07:05 最近访问：2026-11-06 16:07:05

一、本课题研究的理论和实际应用价值，目前国内外研究的现状和趋势

（一）理论价值

语篇教学写进课标已有多年，课堂落实却始终不太顺。常见的两种偏向：一种把语篇当成词汇语法的容器，读完就讲语言点；一种把“语篇知识”——衔接手段、体裁结构、语篇模式——当作结论直接告诉学生，学生记住了名词，真读文章时还是逐句翻译。根子在于，语篇的“如何”与“为何”是隐性的，教师自己先要看得见，才谈得上带学生看见。大语言模型在这里提供的是一个中介：它能把一篇文本的宏观结构、衔接链条、作者意图以可讨论、可质疑的形式摊开在桌面上，供师生比对和修正。语篇教学由此从“教师宣布结论”转为“共同检验假设”，学生的语篇意识是在证伪过程中长出来的。

理论上还有一层值得说清。以往讨论教育技术，多停在“替代—增强—重塑”的工具论框架里，关心的是效率。放到语篇这一具体对象上，大模型带来的其实是一个认知分工问题：机器擅长穷举特征、生成候选解释，人擅长依据语境、读者身份和教学目的做取舍。把这个分工讲明白，人机协同才不至于停留在口号层面。本课题试图在语篇这一有限对象上给出可操作的分工规则，比笼统谈“赋能”更容易落到理论落点上。另有一层价值常被忽略：语篇能力长期难以评价，多数时候靠选择题和作文总分间接推断。模型留下的过程性数据——学生问过什么、追问了几轮、改了几处——为“语篇理解如何发生”提供了新的证据来源，评价研究因此多了一个抓手。

（二）实际应用价值

其一，直接对应一线教师的真实困难。语篇研读要求教师具备一定的语言学与文体知识，实际情况是不少教师“知道要研读，不知道怎么研读”，即便研读出了结果，也难以转化成课堂活动（张志辉，2025）。本课题产出的是按语篇类型分好的研读支架与提示词，教师拿来能改、能用，不必从零摸索。

其二，服务于常态课，而不是展示课。我们不追求一两节公开课的漂亮数据，而是把模型嵌进备课、上课、作业三个常规环节，并严格控制教师额外投入的时间。时间账算不过来，任何模式都推广不开。

其三，评价工具能反哺教学。一套能看清“学生在哪一维语篇能力上薄弱”的量表，比一个总分有用得多，也便于备课组做学情分析、教研组做横向比较。

其四，为学校层面的使用规范提供依据。哪些环节可以交给模型，哪些必须由学生独立完成，边界清楚了，学校才敢在常态教学里放开用。

（三）国内研究现状

国内这一方向大致走了三步：先是场景罗列，罗列模型能做什么；再是课例化，拿一篇课文演示流程；近两年才开始出现实证与评价取向的研究。

语篇研读这一支最贴近本课题。黄惠莉、王先荣（2026）提出“生成式人工智能预处理—教师教育化二次加工—活动生成”的三段路径，明确指出高中语篇研读仍普遍停留在“词汇—语法—大意”的表层信息处理上，其价值在于把教师的中介作用写进了流程。但这篇走的仍是单篇路径描述，跨语篇类型的稳定流程没有交代，效果也停留在经验判断。张志辉（2025）以ChatGPT为例，把教师的堵点归纳为三条：语言学和背景知识不足、研读效率不高、研读结果难以整合进教学设计。问题抓得准，解法偏工具介绍，缺少课堂验证。

单元与主题意义这一支，国红延、张秋菊（2025）提出“教师主导—模型助力—学生主体”的互动模型，针对的正是语篇主题意义提炼偏差、真实情境创设不足、持续性评价缺失三个老问题，思路清晰，但样本以设计阐释为主，成效多为质性描述。

效果研究方面，刘梦君等（2025）做过一轮较规范的准实验，比较模型反馈与教师反馈对中学生写作内容切题性、语法正确性、词句准确性、表达逻辑性的影响，结论颇有分寸：基础一般的学生四个维度均有提升，基础较好的学生切题性提升有限。这个“分层差异”提示我们，效果评价不能只看均值。雷婷（2026）在高中读后续写中做“双轨反馈、三元互动”的实证，把反馈环节拆得较细，但关注点在写的环节，读的环节着墨不多。鲁艳、鲁广（2026）尝试用学习分析技术监测阅读过程，为过程性评价提供了技术样例。姜峰、李雪兰（2026）则从语言特征入手，比较模型生成文本与高水平本族语学生习作，发现前者在词汇复杂度、多样性、实词密度上占优，却在处理从属结构和复杂逻辑关系时不如人。这条结论对本课题很关键：它既为识别“机器味”提供了可量化的指标，也说明模型在语篇深层逻辑上并非可靠权威。

综合看，国内研究有三处明显空缺。研究对象多集中在阅读或写作单一课型，语篇层面的“理解—产出—评价”没有打通；效果指标以分数为主，缺过程证据；对提示词质量、教师中介强度这些关键变量缺少控制，样本校也多集中于城市重点校，结论的外推要打折扣。

（四）国外研究现状

国外的讨论更早转向“怎样用才有效、对谁有效”。Yeung（2025）研究大学生对生成式人工智能支持的自动写作评价反馈的投入情况，发现学生并非被动接收反馈，行为、情感、认知三个层面的投入差异直接决定收益，反馈可得不等于反馈被用。Barrios-Beltran（2025）在二语西班牙语写作中检验ChatGPT-4反馈的效能，重点看不同反馈条件下修改质量的变化，方法上比较克制。Dong（2025）开发并验证了一份多维度的“ChatGPT反馈投入量表”，把投入当作中介变量来测量——这在方法论上可以直接借用，本课题的问卷设计会参考其维度划分。

整体趋势有三条线：从技术可行性转向教学有效性；从结果评价转向过程与投入；从通用场景转向学科与学段的具体约束。但国外研究同样有明显偏向，成果多集中在高校写作与口语，中学阶段、非英语母语课堂生态下的语篇教学研究偏少，评价工具也多半围绕写作成品，语篇理解的过程性证据仍然稀缺。

（五）趋势判断与本课题的位置

三条趋势交叉处，正好留出一个空档：语篇研读的智能化路径已有雏形，人机分工的边界尚无定论，过程性评价工具尚未成型。本课题不去重复“模型能不能用”的论证，而是把问题收敛到一处——在高中英语语篇教学中，模型应当介入哪几个节点、介入到什么程度、效果用什么看得见的方式衡量。题目里的“实践”与“效果评价”是并列的两件事，缺一件，结论都立不住。

二、本课题的研究目标、研究内容、拟突破的重点和难点

（一）研究目标

第一，形成一套按语篇类型组织的研读支架与提示词库，覆盖高中常用语篇类型，做到教师稍作修改即可使用，不依赖个人经验。

第二，建构一个可在常态课时内完成的人机协同语篇教学模式，明确“哪些交给模型、哪些留给学生、教师在何处介入”，并给出可观察的课堂操作要点。

第三，开发一套语篇教学效果评价工具，既能测语篇理解的结果，也能留下过程证据，并在小范围样本上完成信效度检验。

第四，通过两轮实证，回答一个具体问题：这套做法对不同水平学生的作用是否有差异，差异出现在哪一维度。

（二）研究内容

1.语篇类型化的研读支架与提示词库建设。以人教版高中英语必修一至选择性必修四为语料范围，先取12个典型语篇（记叙、说明、议论、应用各3篇，兼顾文学性与信息性），按“主题与内容—组织结构—衔接与连贯—语言与文体—作者意图与读者定位”五个维度拆解。提示词采用结构化框架，固定角色设定、背景输入、任务描述、输出标准四项，每一版提示词都记录修改理由与输出差异，形成可追溯的日志。此处要处理一个具体难题：同一提示词在不同语篇上表现差异很大，因此库的组织单位是“语篇类型+研读维度”，不是“课文”。

2.三环节课堂模式的建构。参照英语学习活动观的学习理解、应用实践、迁移创新三层，把课堂压缩为三个环节：解构（模型给候选分析，学生找证据支持或反驳）、建构（学生用自己的话重建语篇图式，模型只做反问不给答案）、创生（迁移到同类新语篇或产出任务）。每个环节规定模型的介入上限，比如解构环节模型输出不超过三条结论，且必须附原文依据。

3.效果评价指标与工具的开发。指标分三层：结果层看语篇理解（主旨与意图判断、宏观结构识别、衔接手段运用）与语篇产出（概要写作、读后续写、观点表达）；过程层看提问质量、追问轮次、修改痕迹、课堂话语；主体层看学生的语篇意识自评与使用意愿。工具上采用“模型初评+教师复核”的双评制，评分前用锚定样例统一尺度，评分后算一致性系数。

4.实证与机制解释。第一轮在一所学校两个平行班做一学期准实验，前测控制语篇能力与英语总成绩；第二轮扩展到三至四所学校、不同层次班级做验证，同时用访谈和课堂录像解释“为什么有效、对谁无效”。

（三）拟突破的重点

重点是提示词的学科化。市面上流传的提示词大多面向通用写作，放到语篇研读上容易输出正确的废话。本课题要把课标的研读维度转成模型能执行的任务约束，并解决“输出看起来对、实际上泛化”的识别问题——办法是要求模型对每条判断给出原文锚点，教师只核对锚点，不核对文采。第二个重点是分工规则的确定。我们倾向“可退让”原则：模型提供候选，判断权始终在学生；模型可以做得更多，但教学上主动退一步，把认知负荷留给该留的地方。第三个重点是评价工具的可用性，量表要能在一次课后二十分钟内完成评分，否则教师不会用。