夜雨聆风—— 以 “基层群众自治制度” 一课为例
摘要
新课标要求高中思想政治课堂突破浅层识记，走向以核心素养为目标的深度学习。统编版必修 3《政治与法治》“基层群众自治制度” 一课兼具理论性与实践性，传统课堂普遍存在教学情境脱离乡土治理现实、探究活动静态化、分层教学难以落地、过程性评价缺失等现实困境。生成式人工智能（AIGC）能够多模态生成本土化议题情境、搭建阶梯式探究支架、创设沉浸式模拟议事场景，同时完成素养导向的智能学情诊断。本文以本课教学为实践载体，探索技术赋能课堂转型的四条实施路径，构建 “情境建构 — 分层探究 — 智能评价 — 社会实践” 的深度学习闭环，推动学生从制度条文记忆转向公共参与能力培育与制度认同内化，为边疆县域高中思政课数字化教学提供可复制的实操方案。关键词：生成式人工智能；高中思想政治；深度学习；基层群众自治制度；议题式教学
一、问题缘起：思政课浅层学习的现实桎梏
深度学习立足于知识自主建构、复杂问题解决与价值观念内化，区别于机械记忆、被动接受的浅层学习，是落实政治认同、公共参与等学科核心素养的必然选择。在南疆县域高中开展“基层群众自治制度” 教学时，课堂教学长期受制于四类短板：第一，教学情境同质化。教材案例多以内地城市社区治理为主，缺少行政村村务协商、人居环境整治、村务公开等乡村自治实景素材，学生无法在熟悉的生活场域感知基层民主运行机制，制度学习悬浮于理论表层。第二，探究活动静态化。多数课堂仅依托文字材料梳理民主选举、民主协商、民主决策、民主管理、民主监督五大环节，缺少沉浸式实践体验，学生仅能背诵制度条款，难以形成公共参与的实践能力。第三，教学任务一刀切。统一的探究习题无法适配分层学情，学困生难以厘清村委会与村民会议的权责边界，优等生缺少开放性思辨任务，思维进阶缺乏梯度设计。第四，课堂评价单一化。学业评价以知识点默写为主，仅考核知识识记结果，无法追踪学生分析基层治理矛盾、提出解决方案的思维过程，深度学习成效难以观测与量化。
面对以上教学瓶颈，单纯依靠教师个人备课很难系统性开发本土化资源、设计分层议学任务。生成式人工智能依托自然语言生成、多模态素材创作、智能文本研判等功能，能够高效创设真实议题、拆分阶梯任务、模拟协商场景、开展过程性诊断，为破解课堂浅层化困境提供数字化工具支撑。
二、生成式人工智能赋能深度学习的实践路径
本课总议题设定为：基层群众自治制度如何激活乡村治理活力？依托国产大语言模型，将人工智能贯穿议题创设、小组探究、成果评价、课后实践全流程，分层搭建学习链条。
（一）路径一：AI 生成三阶本土化议题，构建阶梯式情境链条
真实情境是深度学习的起点。教师向生成式人工智能下达结构化指令：结合南疆行政村村务议事、集体资产分红、村容改造、邻里纠纷调解等基层治理乡土素材，按照认知递进规律设计三阶议学情境，规避通用性时政案例。
1.基础感知层（识记理解）：AI 自动生成村务议事短视频脚本、村级公示栏图文素材，还原村民代表大会投票表决、村级财务定期公示等实景，引导学生梳理基层群众自治两大组织形式，厘清民主选举与民主监督的基本流程，完成基础知识建构。
2.分析进阶层（逻辑推演）：AI 整理乡村治理矛盾案例：村内垃圾清运权责划分、集体林果产业收益分配争议，引导学生对应匹配民主协商、民主管理的制度渠道，把制度条文和乡村现实治理问题建立关联。
3.高阶思辨层（价值辨析）：AI 创设开放性辨析议题：“只要完善自治制度条文，就能够化解乡村基层治理的所有矛盾吗？” 推动学生综合思考制度运行、村民法治素养、基层党建引领三者之间的内在关系，实现思维从具象认知走向理性辨析。借助人工智能一键完成乡土化教学资源开发，大幅度压缩教师素材搜集时间，实现生活感知— 事理分析 — 价值思辨的循序渐进，打破理论与乡村现实的壁垒。
（二）路径二：AI 推送差异化学习支架，开展沉浸式模拟探究
分层任务与实践体验是深度学习的核心环节。依托生成式人工智能实现议学任务精准分层，同时搭建线上虚拟议事厅，弥补线下实践活动不足的短板。第一，自动生成分层学习资源。针对三类学情分组推送差异化材料：基础学习组获取自治组织权责对比结构图、核心知识点精简提纲；能力提升组获得乡村治理原始案例文本；拔尖拓展组拿到基层自治调研原始素材与政策文件节选。学生依托个性化学习支架自主梳理知识脉络，消除“优等生吃不饱、学困生跟不上” 的课堂矛盾。第二，人机互动模拟村民议事协商。由生成式人工智能分别扮演村干部、驻村工作队队员、普通村民等多元主体，设置多方利益诉求。学生分组扮演村民代表，围绕“村容改造专项资金使用方案” 开展线上议事讨论，完整经历意见征集、多方协商、投票表决、结果公示全过程。在沉浸式角色扮演中，学生切身参与基层民主决策，把书本静态制度转化为动态实践体验，有效落实公共参与素养目标。第三，智能梳理易混知识点逻辑。当学生混淆村民会议与村委会的法定职权时，人工智能自动生成可视化思维导图，清晰划分两级自治组织的决策权限，精准突破本课教学重难点，降低自主探究的思维门槛。
（三）路径三：AI 开展素养导向成果诊断，搭建全过程评价体系
可观测的过程性评价是保障深度学习落地的关键。本课改变终结性纸笔测验模式，利用人工智能对学生探究成果进行多维研判，形成闭环式学情分析。首先，学生提交议事方案、治理对策短文等探究成果后，AI 严格按照政治认同、科学精神、公共参与三项核心素养指标开展智能批阅，精准标注制度运用错误、逻辑论证漏洞、观点片面等问题，完成初步文本研判。其次，系统自动汇总全班共性思维短板，生成可视化学情诊断报告，教师据此精准调整课堂教学重心，针对性补充基层自治运行条件相关内容，提升课堂教学靶向性。最后，机器自动生成个性化文字评语，针对每名学生的论证缺陷给出优化建议，把单一的分数评价转变为思维成长全过程跟踪评价，让深度学习的思维进阶可量化、可追溯。
（四）路径四：AI 助力课后社会实践，推动知行一体化转化
深度学习最终要实现理论知识向社会实践的迁移运用。课后设置研究性学习任务：调研本村基层群众自治制度运行现状。学生完成实地走访后，口述采访实录，由人工智能整理调研报告初稿，补充基层自治相关政策条文；同时依托模型梳理村务监督环节现存问题，辅助学生撰写合理化治理建议。课堂理论学习与乡村社会调研紧密衔接，引导学生亲眼观察全过程人民民主在边疆乡村的生动实践，持续夯实制度自信，实现知信行统一。
三、技术应用的边界把控与理性反思
生成式人工智能为课堂教学提质增效，但思政课程具备鲜明意识形态属性，必须坚持技术工具理性与育人价值理性相统一，规避技术滥用带来的育人风险。
（一）严守课堂意识形态底线
所有人工智能生成的乡村治理案例、政策解读文本，教师必须逐条审核校对，保证基层群众自治制度解读严谨规范，杜绝片面化、碎片化负面案例，牢牢把握边疆基层民主教学的正确价值导向，守住思政课堂意识形态主阵地。
（二）坚持教师主导、人机互补的课堂格局
人工智能仅限于素材生成、情境模拟、文字整理与学情统计，课堂价值辨析、情感熏陶、思想引领等核心育人环节必须由师生面对面完成。不能用人机对话替代生生研讨、师生思想交流，避免滋生学生思辨惰性，防止技术弱化思政课人文价值引领功能。
（三）坚持教学资源本土化改造
优先选用县域乡村村务治理、村民议事等本土实景素材，将通用宏观叙事案例替换为学生身边可感知的乡土实践，贴合边疆县域高中生生活经验，防止教学情境脱离学情，保障议题探究的代入感。
（四）教学实践反思
从课堂实施效果来看，人工智能有效破解了传统课堂情境空泛、探究浅层、评价粗放等顽疾，构建起完整的深度学习链条。但现阶段仍存在两处不足：一是乡土教学资源未建立系统化分类资源库，AI 生成素材零散，备课复用效率偏低；二是课后社会实践活动形式较为单一，家校协同育人机制尚未完善。后续教研工作中，一方面要依托人工智能分类归档民族团结、乡村自治、基层党建等本土案例，搭建县域思政乡土资源库；另一方面持续开展跨学段同课异构教研，不断打磨一体化议学课例，同时拓展乡村研学实践渠道，持续完善 “课堂探究 + 社会实践” 双场域育人模式。
四、结语
以“基层群众自治制度” 一课为实践载体，将生成式人工智能融入议题创设、分层探究、智能评价与社会实践全环节，有效推动高中思政课堂由知识浅层识记转向素养深度学习。教育数字化转型背景下，高中思想政治教师应当主动拥抱智能技术，善用 AIGC 优化教学情境、分层任务与学业评价，同时坚守立德树人初心，划清技术使用边界，做到工具服务育人、技术服从价值。唯有把数字技术与边疆乡土学情有机结合，才能持续优化议题式课堂形态，引导各族青少年在观察基层民主实践的过程中感悟制度优势，不断增强政治认同，切实提升新时代边疆高中思政课育人质量。
参考文献
[1] 刘永通.AIGC 赋能深度学习的认知跃迁 [J]. 思想政治课教学，2026 (01):43-45.[2] 靳洪菊，李红紫子，王颖。生成式 AI 赋能思政课堂 —— 以沉浸式体验中国式民主为例 [J]. 教育实践与研究，2026 (03):56-59.[3] 朱明光。关于思想政治学科核心素养的思考 [J]. 思想政治课教学，2016 (01):4-7.[4] 周建青。大概念引领下高中政治课堂深度学习的策略 [J]. 教学与管理，2026 (05):78-81.[5] 许开红。公共参与核心素养视域下 “体验式思政课” 的教学探索 [J]. 中小学教材教学，2025 (10):39-42.[6] 李倩楠。人工智能时代高中政治教学模式的创新探索 [J]. 基础教育参考，2026 (05):62-65.[7] 中华人民共和国教育部。普通高中思想政治课程标准（2017 年版 2020 年修订）[S]. 北京：人民教育出版社，2020.[8] 陈友芳。情境设计能力在思想政治学科学业质量评价中的重要性 [J]. 课程・教材・教法，2018,38 (06):88-93.