课前·课中·课后：一套贯通全周期的AI教学应用框架

让AI落地，先给教学搭一张"三维地图"

许多学校在引入生成式人工智能时，遇到的困惑往往不是"工具不够多"，而是"不知道在哪一步、该怎么用"。备课、上课、评课，本是一整套前后衔接的流程，如果各环节各用各的、各自为战，AI的价值就会被零散地稀释掉。要让技术真正融入教学，不妨先给整个教与学过程搭一张清晰的"地图"——知道每个阶段该干什么、AI能补上哪一块，再谈具体操作。

这里推荐一个可直接复制、可落地验证的框架："二维三段四环"生成式人工智能应用框架。其核心思路是把教与学放到一张由"教师—学生"两个主体维度、"课前—课中—课后"三个时间维度、以及贯穿其间的四类关键环节共同构成的坐标系里，为学校和教师在真实教学场景中应用AI提供一种可借鉴的范式。下面先以一张图收拢框架全貌，再分三段展开，每一段说明"要解决什么问题—怎么操作—注意什么"。

这张图传达的关键是：AI的价值不在某一个点，而在把"教师—学生"两条线、"课前—课中—课后"三个节点串成一条不断线的链条。教师端在"备课—施教—反思"中持续精进，学生端在"预习—参与—巩固"中逐步深化，AI则在每一个节点提供即时支撑——三者在时间上首尾相接、相互咬合。

---

课前：把备课从"凭经验"变成"按流程"

课前阶段的主场景是备课，活动场所主要在办公室或家庭。传统备课高度依赖个人经验，颗粒度大、难以精确到班、到人。而"学教评一体化"的备课思路，恰好能把基于经验的备课流程标准化，也就为AI的介入提供了依托——有"标准"才有 AI 输出的依据，有"流程"才能让AI替代重复劳动。课前有三类典型项目最值得先用起来。

学情分析。教要站在学的起点上，学情分析是精准教学的前提，但仅凭经验做学情，往往因颗粒度太粗而难以因材施教。借助AI，教师可以用班级前测成绩表等客观数据，让AI快速完成统计与可视化，为后续决策提供依据。例如，把一张含十个题目（每题2分）的前测成绩表交给AI，请它按分数段（15分以上视为掌握、10—15分视为基本掌握、5—10分视为基本认识、5分以下视为需加强）统计人数比例，并生成可视化图表，学情的整体面貌便一目了然——这比教师逐人核对、手工整理高效得多。

目标续写。一份合格的教学目标，应遵循"学科课程标准、教材具体要求、学情研究"三个依据，并具备"行为主体＋行为表现＋行为条件＋行为程度"四个要素，且要使用"分析、推导、设计、评价、撰写、解决、验证、证明"等可观察、可操作、可检验的行为动词来描述，同时保持层次、遵循学生认知发展逻辑，并尽量精简、不超过三条。当这些"续写原则"明确之后，就能让AI据此指出教师初稿中存在的问题并给出修改建议，且往往能同时呈现"修改前"与"修改后"的对照，让问题一目了然。

资源生成。课件与图片是备课中耗时的环节，AI能显著压缩这两类素材的产出时间。目前免费且实用的课件生成渠道日渐丰富，同时AI生成课件仍有诸多不足，不能完全依赖，仍需人工打磨，但整体上已能大幅缩短制作时间。在图片生成方面，文生图、图生图功能已较为完备，还能制作图片数字人；用AI还能输出HTML格式的各类流程图，甚至实现"图生视频"、让静态画面"活"起来，极大拓展备课素材的来源、提升备课效率。

需要提醒的是，备课流程并非只有学情、目标与资源这三类场景，课标分析、教材分析、教学活动设计、评价量规制定等，都可以借助AI提升分析与准备效率。AI尤其适合承担那些"有标准、可流程化"的工作——这正是它替代重复劳动的前提。

---

课中：让AI成为激活课堂的"助教"

课中阶段的核心任务是促进学习目标的落实。考虑到终端条件差异，这里讨论的是教师使用触控一体机等常规设备即可开展的融入方式。课中有四类项目在真实课堂中已有较成熟的实践。

时空连线法——让作者与人物"开口说话"。通过AI模拟与历史人物或文学作品中的人物对话，帮助学生理解历史事件或文学作品。其实现从易到难有三种梯度：第一种是"图片说话"、本质上生成一段人物讲话视频，制作简单，局限是人物只能回答固定问题、无法自由对话；第二种是模型驱动的"数字人"，简单易用、可应答不同问题，局限是平台相对固定、难以自主定制；第三种是自定义"数字人"，借助智能体平台可自由定制，开放性强，但对教师的技术操作要求也更高、需要投入更多精力。教师可根据自身条件在三种梯度间选择。

人机互辨法——在交锋中磨炼思辨。让AI与学生进行辩论，是激活课堂思维的有效方式。操作时，教师先预设辩题与正反方立场，再通过结构化提示词让AI扮演辩手。一个可参考的提示词结构是：先设定角色（如"你是一名辩手，将作为反方与学生进行1v1辩论，当前辩题为……"），再规定辩论规则（如"每次只回应一个论点""使用学生能理解的语言"），最后指定回应结构（如"学生论点→逻辑漏洞检测→类比反驳→追问启发"）。这种方式尤其适合需要深入探究的话题，能借AI之"口"给学生呈现看待问题的不同视角。

写作优化法——把批改变成过程。借助AI帮助学生优化写作、提供思路与润色，是语文等学科中普遍适用的做法。操作时，教师指定写作主题或让学生提交初稿，再让AI以写作助手的身份介入，并给出明确规则：每次只针对一个段落提供分步反馈、使用学生能理解的语言、优先启发思考而避免直接代写、保留学生原创表达的核心意图。一个有代表性的反馈结构是"原文提交→思路拓展→例句润色→启发提问"，通过具体问题（如"滑滑梯时谁的笑声最大？""野餐时哪个菜被抢光了？"）把修改的主动权交还给学生。

知识拓展生成法——把课堂延伸到生活与前沿。以素养为导向的课堂，注重学生高阶思维的养成。教师可以锚定某个核心知识点，让AI围绕它拓展历史背景、当代应用与研究前沿，帮助学生深化理解。一个完整的拓展结构可以是"核心原理→生活解密→工程验证→未来猜想"：先用贴近生活的类比讲清原理，再通过可视化的对比案例加以印证，进而落到工程与产业的应用，最后以开放式的猜想激发探究。例如讲解作用力与反作用力时，可以从"推墙手会疼"的生活经验，延伸到"港珠澳大桥斜拉索的受力"，再启发学生畅想"宇宙电梯"等前沿场景。

这四类活动不仅能激发学习兴趣、增加课堂的深度与广度，更为教师在课堂环节创造更多可能。善于使用这些方法，能让课堂更有趣、更有质——但前提是，AI始终是"助教"，课堂的主导权与育人责任仍牢牢握在教师手中。

---

课后：让评价与反思走向"循证"

课后阶段对教师而言是反思与改进，对学生而言是复习与巩固。同样有两类项目值得关注。

教学反思与评价。课后复盘是提升教学能力的重要手段，但个人视角往往难以触及问题的本质。借助AI的"专家"角色，教师可以把课堂实录文字稿交给AI，请它依据一套课堂观察量表给出的维度进行分析，找出教学中的不足并提出修改建议。这里有一条重要的使用纪律：即便有标准，AI的反馈也未必准确，负责任的使用是不断质疑、让它自证其说——例如，当AI指出"环节衔接不够流畅"时，可以追问"有什么证据证明衔接不畅？"，通过这样的反复质证来逼近真实问题。

智能批改与作业诊断。AI在作业批改上的价值，不只是"判对错"，而是构建"扫描—分析—干预"的闭环评价。比如把单元作业批量上传给AI，请它对每道题执行"步骤拆解→逻辑验证→错误溯源"的三级分析，按错误类型（计算错误、法则误用、符号遗漏）自动归类，识别错误频率高的共性问题，从而为班级整体与个体学生规划更有针对性的巩固路径。需要强调的是，作业数据涉及学生隐私，在使用、存储与共享中必须遵守数据规范，保护学生个人信息。

---

用好这套框架的三条要领

"二维三段四环"框架贯穿教与学全流程，为AI融入课堂提供了清晰的参照。但在实际应用中，有三点认识值得记取。

第一，AI是"标准流程"的好助手，也是需要人工把关的"半成品"。它擅长在规范化流程中代替重复劳动，但生成的教学资源质量参差不齐，仍需教师花费时间筛选与调整，不能完全依赖。

第二，工具存在使用门槛，需要持续培训。部分教师可能需要经过一定培训才能熟练掌握相关工具，院校应把AI工具应用纳入教师培训体系，分层推进、循序渐进。

第三，育人是目的，技术是手段。无论是时空连线还是人机互辨，落脚点都是学生的思维发展与素养养成，教师在每一个环节都握有最终判断权。让AI成为课堂的"第三条腿"，而不是喧宾夺主的"主人"，才是这套框架真正的价值所在。

工具与数据说明：文中涉及的工具、提示词与案例为教学应用层面的通用示例，功能描述以其公开信息为准；涉及学生数据的环节，请遵循所在机构与地区的配套规范执行。