AI能替你备课、出题、批卷——但它做不了最关键的那一步

我最近集中读了5篇关于AI赋能生物学教学的论文，从备课到命题、批阅、课堂诊断、视频资源开发——几乎跑了一个完整的教学闭环。读完之后，我发现了一个大家都没有明确说出来的规律：

AI在每一个环节都能帮忙，但在每一个环节，它都做不了最关键的那一步。

这不是"AI有用"还是"AI没用"的争吵。我觉得更精确的描述需要三个词。

也可以说是一个框架，

替代，是AI做原来人做的事——搜集资料、润色文本、识别手写答案，这些重复性脑力劳动，AI确实比人快。

互补，是人做不了但AI能补上的——同时批阅50份试卷并逐人给出个性化反馈，一节课24个提问瞬间分类并告诉你哪些是低阶问题。

协同，是人和AI一起创造出新的可能——从命题蓝图的视角重新定义"人机协作命题"，让AI不只是加速器，而是改变命题方式本身。

但5篇论文摆在一起看，现实很清楚：大部分应用还在"替代"层面，偶尔摸到"互补"的边，"协同"还远。

在"替代"这个维度上，我们遇到的真实困境是：平原用Kimi做了命题实测，AI可以帮你搜集情境资料、挖掘考点、生成试题——但直接生成的试题对学生思维水平要求低，设问指向过于明确，与课标匹配度不高。

换句话说，

这正好呼应了之前我们讨论命题蓝图时提出的问题（《生物学考试命题蓝图的内涵、特征与制订方法》）：命题不只是"出题"，而是基于核心素养测评的系统设计。如果蓝图本身没有想清楚，AI再快也只是加速了一个方向模糊的过程。

• 三个维度，五篇论文的实际表现

我翻了这5篇论文，逐个梳理它们在替代、互补、协同三个维度上的实际表现。

1. 替代维度：AI能做体力活，但专业性始终欠缺

"平原"的实测是最直接的。他用Kimi跑了命题的三个环节：搜集情境资料、挖掘考点并生成试题、优化题干文本。

搜集资料时，Kimi能检索网络信息并整理反馈，基本替代了教师人工收集的过程。但一个关键缺陷是：Kimi参考的资料大部分为通用资料，纳入的科研文献较少，专业性不足。

挖掘考点时，Kimi的表现让人惊喜——除了提示词预设的3个角度，它还挖掘出了题干与细胞结构、单克隆抗体、生物多样性等方面的联系，为命题提供了新思路。但当平原进一步测试Kimi基于情境直接生成试题时，结果令人清醒：生成的试题信息复杂度低，设问指向非常明确，对学生思维水平的要求低，无法有效测评核心素养。

文本优化是AI做得最好的环节——按要求缩短文本，表达流畅，可以反复修改直到满意。但平原特别提醒：教师必须识别经AI处理后的文字是否存在科学性问题，人工审读环节不可或缺。

"吴海锋"等用ChatGPT+VEED联合生成教学视频，也呈现了类似的替代逻辑。5步流程——导入素材→输入指令→生成脚本→优化脚本→生成视频——AI替代了脚本撰写和素材匹配。但自动匹配的素材质量参差不齐，与教学内容不完全契合，教师仍需手动筛选。AI能替你做视频的"粗加工"，科学性和教学适配性仍需人来把关。

2. 互补维度：AI做了人做不到的事，但前提是人先做好关键设计

"韦玉红、张金鑫"做了一件有意思的事：他们设计了一套主观题AI批阅的完整方案。流程分三步：

第一步，手写识别与校正。先用扫描全能王批量识别学生手写答案，再用Kimi校正识别误差。比如把学生写的"伴a隐"纠正为"伴X隐性遗传"，补充遗漏的标点和专业术语。这个过程既保留了学生原始答案的特征，又降低了后续批阅的干扰。

第二步，AI批阅与反馈。教师先撰写科学的评分标准，然后让Kimi依据评分标准逐人评分——每个学生得到得分点、扣分原因、学习建议的个性化反馈。一位老师不可能为50个学生逐一写出不同的问题诊断和学习建议，这是AI真正的互补价值。但韦玉红发现了一个前提条件：不同指令会导致批阅结果有差异。教师必须反复优化提示语才能保证准确性。

"王丽"的AI智能诊断系统做了另一种互补。教室前后摄像头采集数据，用S-T分析法量化师生行为比例，用布鲁姆分类法评估提问层次，用4MAT模型分析问题类型。

S-T分析法在之前的文章中我们提到过，横轴是时间，纵轴标记每个时刻是谁在主导课堂。T多表示“讲得多”，S多表示“学生参与多”，以此来描述课堂结构。

布鲁姆分类法（Bloom's Taxonomy）是“认知阶梯”。它回答“学生的大脑应该达到什么层次”，从死记硬背到创造新东西，是衡量思维深度的标尺。

4MAT模型（4MAT System）是“学习闭环”。它回答“学生怎么学最带劲”，从“为什么学”到“如果……会怎样”，是覆盖所有学习风格的教学流程。

它们都是用来设计课程和教学的，但视角完全不同：一个关注“怎么想”（认知深度），一个关注“怎么学”（学习风格与体验循环）。

该案例的诊断结果很直白：细胞器课中，记忆型问题占37.5%，无认知水平问题占37.5%，而评价型和创造型问题仅各占4.17%。问题总数24个，偏多，"如何"类型的问题为0。这是很多教师自己很难意识到的倾向——你以为自己问了高质量的问题，实际上大部分是让学生回忆事实。

但这种互补有明显局限。"王丽"说得很直白：AI诊断系统目前还不能和生物学特定模块的评价标准对接。不同章节、不同课型需要不同的评价标准，AI做不到这一点。

3. 协同维度：最远的可能性，目前还只是设想

"张军爱"等展示了最接近"协同"的案例。他们用ChatGPT设计了跨学科教学活动——让生物学与地理学在"染色体变异"主题上融合，探究大陆漂移引发的物种染色体变异机制。这不是AI替代教师备课，也不是补足短板，而是帮助教师看到了一个原本可能看不到的跨学科关联。但他们还做了另一件事——开发"扣子"智能体。不需要编程技能，可以部署在社交网络里，打破时空限制。方向值得跟进。

但回到命题这件事，协同还远。"平原"在论文末提了一个方向：现有大语言模型由海量通用数据训练，满足不了核心素养测评的专业性要求。他建议开发由课程标准、科研论文、成熟试题训练的小型语言模型（SLM）。这个建议从"替代"走向了"协同"，但目前只是设想。

• 一个被忽视的深层问题

读到这里，有一个细节容易忽略：这5篇论文都在说"AI能帮忙"，但帮的方式完全不同，而且彼此之间没有打通。

"平原"用Kimi命题，"韦玉红"也用Kimi批阅——理论上，命题产生的试题特征可以直接输入批阅系统，批阅发现的学生共性错误又可以反馈给命题系统，形成闭环。但目前，这两个环节各自独立运行，数据没有流动。

更值得想的是"平原"提的那个问题：教师依赖AI命题，会不会让自己失去专业发展的动力？还是说，AI的介入会重新定义教师该有的学科教学知识？

我的判断是——看你怎么用。例如：把AI当加速器，你确实在萎缩；把AI当镜子，让它先出一份试题你来审视哪里不行，这个审视本身就是锻炼。

• 给你的5条落地建议

"平原"的实测告诉我们，AI直接生成的试题达不到核心素养测评的要求。但AI搜集的情境资料、挖掘的考点角度，确实有价值。正确用法是：让AI做"粗加工"，你做"精加工"。具体操作——上传一篇科研论文给Kimi，让它挖掘考点，然后你从中选择有价值的角度，自己重新设计设问。AI负责拓宽视野，你负责守住质量。

上一期我们讨论了命题蓝图——它是命题的顶层设计。如果你没有蓝图，AI帮你出的题只是在"低水平上加速"。所以顺序应该是：先写蓝图（确定考查什么素养、用什么情境、设什么层级的问题），再让AI帮你找情境资料、拓宽考点。蓝图是人的工作，AI是执行工具——这个分工不可颠倒。

"韦玉红"的实践证明，AI批阅的准确性取决于评分标准的质量。她的做法是：先对主观题答案进行合理解构并赋分，撰写科学的评分标准，经过反复预批阅优化指令，然后才让AI执行。评分标准是人的判断，AI是执行——和命题的分工逻辑完全一致。

"王丽"的诊断发现，那位教师的记忆型问题和无认知问题各占37.5%。你可以用同样的方法：录一节课，让AI分析你的提问类型分布，看看你是否也有"低阶问题过多"的倾向。发现之后，用4MAT模型刻意设计"为何""如何""若何"类型的问题来补足。

ChatGPT+VEED生成的视频，素材匹配可能出错，脚本可能有科学性问题。让AI生成初版，你来审核修改——和命题、批阅的逻辑一样：AI做粗加工，人做精加工。

但这引出一个更大的问题：当AI在每个环节都能"帮忙"，但每个环节都需要人做"最关键的那一步"，那么教师的工作总量并没有减少——只是从体力活变成了脑力活。这种转变，到底是解放了教师，还是让教师的精神负荷更重了？

也许，真正需要改变的，不是AI的能力，而是我们对"教学"这件事的理解本身。

本期参考文献

关联阅读

→ 第83期：生物学考试命题蓝图的内涵、特征与制订方法（邓纯臻, 隆平, 2026）

→ 试题创编系列持续更新中