智学有伴 慧教有方 成长有径

　　国家智能社会治理实验基地（教育）—智能教育融合创新中心成果展示暨“AI+教育”创新展示活动。

　　“AI+教育”创新展示活动创新性地采用“教师说播课+AI评价+专家现场点评”模式进行展示与评价。

　　课堂上，教师利用AI生成敕勒川图片，加深学生对诗句意境的理解。

　　数字时代，人工智能为教育变革开辟新路径。作为广东省唯一国家智能社会治理实验基地（教育）建设城市，2021年9月，在广州市教育局统筹部署下，广州市电化教育馆牵头组建智能教育融合创新中心，遴选22所实验支撑校，锚定智能化作业、“广州共享课堂”智能化应用、课堂智能化分析与评价三个方向先行先试，推动AI转型为学生的精准学伴、教师的创新助教、教师发展的“数据”导师。

　　文/罗航、李赞坚、简铭儿、支媛、关宇恒、林欣潼

　　图/受访者供图

　　用四年探索

　　答好“AI+教育”的三道大题

　　AI如何服务教与学？广州一直在思考研究同一件事：AI到底能帮学生、帮教师、帮课堂教学做什么？答案不写在概念里，而是写在实际行动中。2025年11月，一场特别的“AI+教育”成果展示活动在广州举办：各学科教师依次开展“说播课”展示，讲的是各自学校里真实上过的课。和以往只靠专家评课不一样，这次现场有“AI数字教研员”与真人教研员同步点评。大屏上实时统计课堂数据——提问有多少次是记忆型、有多少次是引导思考型。评课这件事，第一次出现了“AI当场打分、专家当场点评”的同台画面，“机评+人评”的双轨评价机制就此有了真实的样本。

　　从党的二十大报告提出“推进教育数字化”，到国家教育数字化战略行动深入实施，再到教育部《“人工智能+教育”行动计划》《教育强国建设规划纲要（2024—2035年）》明确提出实施国家教育数字化战略、促进人工智能助力教育变革。人工智能与教育的深度融合，已经从教育发展的可选探索，转变为必须答好的时代课题。这场创新实践，正是广州积极响应国家教育数字化部署的生动答卷。

　　四年探索，广州以小切口实践，把“AI能做什么、不能做什么”在真实场景里反复校准，可以概括为三条线：一是智能化作业先行探索，在多所支撑校开展小范围试点，探索可复制的系统化教学流程改造；二是广州共享课堂插上生成式AI翅膀，支持师生按需生成、共创教学内容，实现教育资源从“拿来用”向“一起创”的动态创生；三是课堂智能分析重塑教研范式，用课堂真实数据支撑教学研判，推动教研从“凭经验感觉”转向“靠数据说话”。

　　对家长来说，更值得关注的是：AI正在把过去看不见的学习过程、讲不清的教学经验和难以共享的优质资源，逐步变成可观察、可调整、可迁移的课堂支持。

　　智能学伴：让作业会“说话”

　　作业是学情的“晴雨表”，却长期面临三大现实难题：随堂测批改慢、反馈滞后；假期作业过程难监管、效果难把控；全班统一布置的“题海战术”，基础好的学生“吃不饱”，薄弱的学生“跟不上”。

　　广州以智能化作业为突破口，将智能点阵笔、智慧作业平台融入课前检测、课中练习、课后巩固等环节，推动作业从“批量批改”走向“精准诊断”。在广东省教育研究院黄埔实验学校的九年级数学课堂上，课前5分钟的“每日一练”，学生们手握智能点阵笔书写作答，教室前方的大屏上实时更新全班作答进度和每道题的正确率。提交后一键调出“思维回放”，学生的书写停顿、修改痕迹清晰呈现，讲评直指思维断点。

　　2024年寒假，该校首次将点阵技术融入假期作业，学生全程无须接触电子屏幕，完成后由家长同步笔端数据，教师远程批改并生成个人学情报告，彻底破解了假期作业“反馈滞后、过程难管”的痛点。

　　从“记录结果”到“读懂过程”，同样的变化也发生在增城区郑中钧中学。借助智慧作业平台的大数据分析，教师能实时精准“把脉”学情，针对性地设计和布置作业。“以前布置作业基本靠经验，全班一张卷，想兼顾不同水平的学生很难。”学校的谭老师坦言，现在平台能为不同层级的学生匹配相应习题，既把教师从重复性批改中解放出来，也让学生告别了无效刷题。

　　一份智能化作业，三样收获：减负、提质、促均衡。对学生，是少做无效题，把时间还给睡眠和兴趣；对教师，是把机械批改的重复劳动交给系统，腾出的精力用来设计分层作业和个性化辅助；对区域，是优质作业资源向薄弱学校辐射，在花都、增城等区域的支撑校，毕业班学生通过平台拿到了高质量的备考资源，与中心城区学校的差距逐渐缩小。这些变化发生在支撑学校，却已经清晰回答了“AI会不会加重学业负担”等疑问。

　　创新助教：让教师多一个“搭档”

　　如果说学伴解决的是“学得怎么样”，助教要解决的是“教得怎么样”。广州的答案是：把生成式人工智能（GAI）用到教师最日常的备课环节，以全市中小学“共享课堂”平台为载体，让资源供给走向智慧共创。

　　针对备课这一核心教学场景，中心研发了“智教助手”智能体（IEA），并提出了“四段三联”人机协同对话策略，把教学设计迭代分为“资源投喂、基座分析、过程设计、方案总结”四个阶段，并通过预设的“Co-Star（结构化输入）、CP-CR（共识确认）、SP-CR（阶段总结）”三联对话支架，引导教师与生成式AI（GAI）进行深度协作。AI出的是初稿和素材，选择权始终在教师手里。

　　从化区雅居乐小学二年级语文教师刁老师的《敕勒歌》一课，跳出了“逐字翻译、反复背诵”的传统框架。课前，她借助“智教助手”，输入教学主题与班级学情，生成教学设计并反复追问打磨，最终形成涵盖情境导入、分层提问、拓展活动的完整教学方案。“以前准备一节公开课要反复打磨两三天，找资源、搭框架占了大半时间。现在通过人机协同备课，1小时就能获得高质量的初稿，我能把更多精力放在打磨课堂细节、关注学生体验上。”刁老师说。课堂上，学生将自己对诗句的想象输入给AI，生成草原风光图，再通过对比选图辨析诗意，展开讨论；课后，AI朗读系统实时评测学生诵读情况，即时反馈字音、节奏问题，让古诗词课变成一堂沉浸式的意境探究课。

　　课堂形态的变化不止于常规学科，AI开始改变“教”与“学”的分工。延续四年的研学课，在广州市黄埔军校纪念中学有了新模样：学校开发出“黄埔将帅”数字人与“黄埔智魂”智能体，将历史、物理、信息科技、体育等多学科内容融入课程。在主题课上，智能体助教引导学生破解摩斯密码、设计红色定向越野路线，AI数字人还原历史场景，馆校合作中，讲解员同步补充史实，形成“AI助教—学校教师—场馆讲解员”三师协同的新模式。

　　“原来的课是老师讲、学生听，现在学生要自己设计路线、破解谜题，课堂讨论的热度明显上升，连平时内向的学生都主动参与小组任务。”广州市黄埔军校纪念中学的翁老师介绍。

　　从常规学科课堂的人机协同备课，到跨学科育人的三师协同模式创新，AI正从“辅助备课工具”升级为教师的“智能协作者”。AI不是替代者，而是协作者。对教师而言，最实在的变化是：省下的时间不再被填回作业批改，而是投向了学生——更细的提问、更具针对性的辅导。

　　成长导师：让教研有“数据”可循

　　会讲课不等于会教好学生。青年教师成长靠“传帮带”，课堂评课靠“经验感”，教学问题在哪、该怎么改，往往缺乏量化依据——这是传统教研模式长期难以突破的瓶颈。

　　越秀区农林下路小学的吴老师将课堂录像上传到课堂教学智慧评价系统，系统生成分析报告，把课堂拆成可读的指标：课堂提问中记忆型简单问题与引导思考开放问题数量、学生主动发言时长、教师是否及时回应等，均有明确记录。

　　“三个月前，我只能靠自己复盘，或者通过教研组长的点评找问题，总想着要多培养学生思维，但很难找准该改哪、怎样改。”吴老师说。依据智能分析系统数据分析和精准提示，她逐步调整课堂设计，经过三轮打磨，课堂启发性指数从0.15提升至0.44（>0.33），学生思维激发开放度从6次提升至28次（>13次），学生的深度思考与表达意愿显著增强。教与学之间那条看不见的鸿沟，数据让它清晰显形，也为填平它提供了精准的路径。

　　这样的成长不是个例。在海珠区怡乐路小学，语文科组的教研活动同样因数据而改变。“数据+视频”的教研复盘已成为常态：青年教师依托课堂智能分析系统的大数据诊断，摸索出一套从理论学习、上课实践到集体研讨、评价改进的完整成长路径。上完课就能拿到精准数据报告，教研会上不再空泛讨论，而是对着具体问题找对策。数据驱动下，学校教研真正从“靠经验”转向“靠数据”，青年教师的成长步伐明显加快。

　　对于“数据评课会不会冷冰冰，忽略教学的温度”的疑问，广州给出的答案是：智能分析不是“用数据代替一切”，而是为教研提供精准的量化参照。评课的核心依然是教师与教研团队的专业判断，数据的价值是让教研从“凭感觉”走向“循证式”，既保留了育人的温度，也提升了教研的精度。学校管理者还可通过系统数据把握不同学科、年级的教学特征，制订更精准的教师培训计划。

　　成效与辐射：从一所校到一片区

　　四年探索，广州以22所支撑校为“试验田”，推动智能教育从单点应用走向系统变革，成熟范式正从一所校走向一片区。海珠区怡乐路小学探索形成的“数据透视—精准归因—策略迭代”智能教研闭环模式，已输出至梅州等地的结对协作学校，带动协作地区同步探索智能教研转型；从化区雅居乐小学通过“教研—沙龙—共享”模式与成员校共享资源库，跨校资源互通率达90%，并多次承办省级教研活动，在从化区、河源市推广“AI+共享课堂”经验；市桥北城小学则以“1+3+N”辐射网络，用1个中心校带动3所联盟校和N个区外教学点，把案例和经验分享到更多学校。

　　辐射路径愈发清晰：先让一部分教师真正会用，再以点带面、同伴带动，推动人工智能应用从单一工具使用，向局部教育生态探索延伸。

　　从点阵笔记录下的一笔停顿，到智能体生成的一张草原图景，再到教研系统测算的一个个指数，AI在广州课堂里的价值，不在于技术有多新，而在于它让“因材施教”“以学定教”这些老命题有了可执行、可检验的抓手。对广州教育而言，这是一份答好国家命题的实践答卷：让AI做AI该做的事，把教师和学生的时间，还给教与学本身。