双翼循证：校本精准教研新范式的实践探索——基于“希沃+深瞳”双人工智能平台的初中地理课堂诊断为例
双翼循证：校本精准教研新范式的实践探索
——基于“希沃+深瞳”双人工智能平台的初中地理课堂诊断为例
徐沁1
（1.上海市第四中学，200030）
【摘要】针对传统校本教研课堂诊断环节常陷入“凭经验、缺证据” 的普遍问题，本文探索并提出一种基于双人工智能平台协同的校本精准教研新路径。该路径整合“希沃白板”的课堂行为智能分析与“深瞳优学”的教学对话语义诊断，对以学历案为载体的课堂进行全景式循证诊断。实践表明，这一“双翼循证”模式能有效实现从“经验评课”到“数据循证”、从“模糊研讨”到“精准归因”，为人工智能赋能校本教研提供了可操作、可迁移的实践参照。
【关键词】人工智能；校本教研；循证教研；课堂诊断
一、问题的提出：传统校本教研的困境与人工智能时代的破局契机
教研是保障基础教育质量的重要支撑。2019年，教育部《关于加强和改进新时代基础教育教研工作的意见》明确指出要“积极探索信息技术背景下的教研模式改革[1]”；2025年，中共中央、国务院印发《教育强国建设规划纲要（2024-2035年）》，部署实施国家教育数字化战略[2]，同年发布《教师生成式人工智能应用指引（第一版）》进一步提出“开展基于证据的教学反思[3]”。 政策脉络清晰指向一个方向：教研需要更科学、更有据。
然而，反观一线校本教研的实际情况，传统的听评课活动长期依赖个人经验与主观感受，同一节课在不同学科背景的教师眼中，评价可能出现较大差异。教研讨论大多停留在“教得怎么样”的表层描述，难以精准归因“为什么好或不好”，更难形成有具体证据支撑的改进意见。“凭经验、缺证据”的教研模式客观限制了校本教研的科学性和实际效果。
本校初中地理、生物、科学教研组是一个跨学科备课组，笔者担任教研副组长。三个学科虽同属科学领域，但学科知识体系和教学法差异显著。在日常教研中，跨学科背景的教师围绕同一节课进行研讨时，缺少共同的专业话语体系作为对话基础，经验性的评课更显无力，共识达成的难度更大。与此同时，学校正在推进“学历案”这一教学改革，强调“教学评一致性”的理念，要求教师以逆向设计思维组织教学，这对教研的专业性和精准度提出了更高的要求——我们不仅需要定性地“感受”学历案是否有效，更需要科学地检验“教学评一致性”是否真正落地，精准诊断学生学习是否真实发生。这些需求，恰恰是传统经验型教研难以胜任的。
人工智能技术的快速发展，为改变这一状况提供了新的可能。智能课堂分析工具可以从多维度采集教学数据，生成可视化诊断报告，这为教研活动提供了一份可以共同参考的、相对客观的依据。
本校教研组尝试引入“希沃白板”课堂智能分析系统与“深瞳优学”教学诊断平台，探索将两种工具协同应用于观评课教研，构建一种“双翼循证”的校本精准教研新范式，以期实现从“经验评课”到“数据循证”、从“模糊研讨”到“精准归因”的根本转变。
二、双翼循证：基于双人工智能平台的校本精准教研模式构建
在持续使用和探索课堂行为智能分析平台的过程中，教研组共同发现单一智能分析工具的分析视角有限，类似“盲人摸象”——各有其侧重和盲区。希沃白板的报告能看到行为参与，却说不清思维质量；深瞳优学的数据能反映对话层次，但对肢体互动、情感氛围这些课堂“温度”几乎没有触及。因此，可以将学校提供的两个平台协同使用，将两个平台的数据放在一起交叉印证，从而拼出一幅更接近课堂真实的“画像”，为精准诊断提供相对可靠的证据。
（一）两种工具的差异化功能定位
“希沃白板”课堂智能分析系统侧重于课堂外显行为的捕捉与分析。它通过课堂录像，对师生行为、走动路线、学生抬头率、举手频次等进行智能识别和量化统计，生成学生参与度热力图、教学时间分配图等可视化报告。这是课堂观察的“视”之维度。
“深瞳优学”教学诊断平台侧重于课堂内在思维逻辑的透视。它通过课堂全程录音，并结合教师提前导入的教学设计，对师生对话进行语义分析，自动识别教师提问类型（识记、理解、应用、评价等），量化师生对话深度，分析教学设计与实际教学流程的一致性。这是课堂观察的“听”与“思”之维度。
两种工具的差异化功能定位，恰好形成互补关系：希沃白板回答“课堂中发生了什么行为”，深瞳优学回答“这些行为背后承载了怎样的思维活动”。两者结合，能够实现“行为+思维”的双维度立体诊断。
（二）“双翼循证”教研流程
 |
基于两种工具的协同应用，教研组逐步形成了“双翼循证”教研的基本流程，其核心环节如下：
图1 “双翼循证”教研基本流程图
具体而言：课前，教研组集体研讨学历案设计，并将设计文本导入深瞳优学平台，获取AI对教学设计的初步诊断建议，据此进行优化；课中，主讲教师上课，两个平台同步采集课堂数据；课后，教研组同时调取两份诊断报告，进行交叉比对分析，寻找行为数据与思维数据的交汇点和矛盾点，据此定位真问题；随后，召开循证复盘研讨会，聚焦数据揭示的关键问题精准研讨，形成优化方案；最后，同一教师再次上课，再次采集数据进行对比，验证教研改进的实效。这一流程形成了一个“诊断-归因-研讨-改进-验证”的数据驱动闭环，体现了精准教研的核心特征。
三、实践案例：以“座头鲸的全球旅行”第一课时为例的双翼循证教研全过程
以下以沪教版地理六年级上册第一单元学历案课例“座头鲸的全球旅行——认识世界海陆分布与五种陆地地形”为例，完整呈现“双翼循证”教研的实践过程。
（一）课前：基于数据的学历案预诊断与优化
本课时是学历案大单元的第一课时，笔者以“2019年亚马逊雨林发现座头鲸尸体”这一真实自然事件为情境起点，设计了“座头鲸的全球旅行”主题活动，让学生扮演“鲸鱼迁徙路线追踪者”，通过读图、分析材料、完成任务，在探究过程中自主建构对全球海陆空间格局和五种陆地地形的认识。
课前，笔者将教学设计文档导入“深瞳优学”平台。平台的AI模型给出了初步诊断建议：一是教学目标中“识别七大洲四大洋”、“描述五种地形特征”等知识性目标与评价任务的匹配度较高，但“综合分析海陆分布对生物迁徙的影响”这一高阶思维目标缺少与之对应的评价任务设计；二是核心问题“鲸鱼为何出现在雨林”虽贯穿课堂始终，但围绕这一问题展开的学生活动以独立完成为主，生生互动设计偏少。依据这些数据，教研组在课前进行了针对性优化：增设了一项“小组讨论——推测鲸鱼从南极海域进入亚马孙雨林的可能路径”的协作探究任务，并配套设计了观察记录表，使高阶思维目标有了对应的评价载体。
（二）课中：双平台伴随式数据采集
课堂上，笔者以“亚马逊雨林发现座头鲸尸体”新闻事件导入，激发学生探究兴趣。新授课环节以学历案中的三个主要任务串联：先读图标注大洲大洋，梳理鲸鱼可能的迁徙路线；再通过“绘制地形名片”，归纳五种陆地地形的特征；最后回到核心悬念，综合海陆分布和水文联系，破解“原本应该生活在海洋中的座头鲸为何会出现在雨林”。整节课，希沃白板自动录像并生成行为分析数据，深瞳优学则全程录音并记录师生对话。
（三）课后：双维数据的交叉比对与精准诊断
课后，教研组同时调取两个平台生成的诊断报告，围绕三组关键数据交叉点展开循证分析。
交叉点一：学历案“自主学习环节”—— 任务设计的思维含金量审视
“深瞳优学”的对话分析数据显示，在“读图标注大洲大洋”的自主学习环节，教师语言以操作指令为主——如“请大家翻开地图册第2-3页”、“找到赤道，向南找到南极洲”等，属于低阶认知引导。与此同时，平台对学历案文本的预设目标进行分析，显示该环节的学习目标为“能在地图上准确标注七大洲四大洋”，在认知层次上属于识记级别。
教研组转而调取“希沃白板”的行为数据作为辅助参照：该环节耗时占整节课的20%，但学生完成后，在紧接着的“推测鲸鱼迁徙路径”小组讨论中，仅35%的学生能主动调用刚标注的大洲大洋名称进行空间推理，多数学生仍依赖再次查阅地图册。
两组数据交叉后，一个更深层的问题浮了出来：学生确实完成了标注，但知识停在了操作层面，没有真正变成下一步探究时可以随时调用的工具。回头看原因，这个环节的任务本身偏重执行，思维挑战不够，设计和后续探究之间缺少衔接。
交叉点二：师生互动——深度追问的不足与改进空间
“深瞳优学”对师生对话的语义分析显示，整节课探究式对话占比最高，但教师应答结构中的“深度追问”仅占13%，大量学生回答后教师的反馈为“对”、“很好”、“还有吗”等鼓励性短语或转向下一教学环节。
“希沃白板”的互动热力图进一步印证了这一问题：在“小组讨论推测鲸鱼迁徙路径”环节，系统显示部分小组讨论热度高，但教师走近并深度介入的次数较少，对小组讨论成果的追问式回应不足。两份数据的交叉分析一致指向同一个结论：教师课堂理答能力，特别是生成性评价和深度追问能力，是制约本课思维深度进一步突破的关键瓶颈。
交叉点三：AI智能标签——快速定位亮点与转折点
除上述聚焦问题的诊断外，“深瞳优学”自动对关键教学片段进行了标签化提炼，生成了“鲸鱼事件情境导入”、“迁徙路线读图探究”、“地形特征归纳对比”、“揭秘雨林谜案”等教学切片标签。教研组据此快速定位了课堂亮点：“情境导入”片段学生注意力高度集中，“揭秘雨林谜案”片段学生整合海陆分布、地形、水文等多重知识进行综合推理，思维活跃度最高。这些标签为教研讨论提供了清晰的“导航图”，使评课从漫谈变为聚焦，也帮助授课教师便捷地留存了值得复用的教学策略。
（四）循证改进与二次验证
基于上述数据诊断，教研讨论精准聚焦于“如何提升自主学习任务的思维含金量”这一真实问题展开精准改进：一是丰富“读图标注”环节的问题设计，在学生标签大洲大洋名称后，增设两个追问——“为什么座头鲸不选择穿越大西洋前往亚马孙平原周围海域？”、“它的迁徙路线中，哪些地理障碍是最难跨越的？”以提升该环节的思维挑战度；二是优化教师理答策略，在小组汇报环节预设3-5个深度追问语（如“你的判断依据是什么？”、“还有其他可能吗？”、“这个结论和之前小组的推测有何不同？”），有意识地提升课堂生成性评价的比例；三是增加“课前一测”，利用学生课前自学数据在课堂上进行针对性点评，弥补此前“课前学习结果未有效呈现与利用”的不足。
同一教师（笔者）在平行班级再次授课，再次采集双平台数据。对比结果显示：“深瞳优学”检测到教师深度追问占比从13%提升至28%，学生高阶思维问题应答时间延长；回答内容中关联性词语使用频次增加；“希沃白板”数据显示，改进后的“读图标注”环节中，学生在随后的小组讨论里主动调用大洲大洋名称进行空间推理的比例从35%提升至50%以上，知识迁移效果明显改善。这一前后数据的显著变化，为本次教研的实效性提供了有力的证据支撑。
四、成效与反思：双翼循证教研的价值与边界
（一）新教研范式带来的三重变化
经过实践检验，“双翼循证”校本教研范式推动了三重重要变化。
其一，教研理念之变：从“评课”到“诊课”。教研的目的不再是给授课教师下定语、做等级评判，而是像医生会诊一样，利用多维数据对课堂进行科学“诊断”，精准识别病灶所在，据此“开方”改进。这使教研从一种带有评判意味的活动，转变为教师专业发展的支持系统。
其二，教研流程之变：从“经验循环”到“数据闭环”。传统教研的一般流程是“上课-说课-评课”，改进效果依赖授课教师个人悟性。而双翼循证教研慢慢走出了一个闭环：先采数据，再交叉分析，找到问题后集体研讨归因，形成改进方案，然后再上一次课、再测一次，用前后数据对比来看效果。这个闭环使教研的科学性和实效性都有了明显提升。尤其笔者所在学校地理学科属于跨学科备课组，包括地理、生物、科学三个学科。这种基于客观数据的教研方式，有效打破了学科经验壁垒，让不同学科背景的教师能够围绕共同的学生学习数据进行有效对话，形成了跨学科教研的“共同语言”。
其三，教师角色之变：从“被评价者”到“研究者”。作为案例中的授课教师，笔者深刻体验到，一旦教研拥有了可信赖的数据证据，教师便从被动接受评价的位置中释放出来，成为主动运用数据反思自身教学的研究者。以笔者为例，通过AI生成的课堂逻辑思维导图，更清晰地看见了情境导入、任务驱动、问题链贯穿的整体设计结构；通过AI自动提炼的“教学切片”，便捷地定位了课堂的亮点与转折点，专业反思的精准度和自主性都得到了提升。正如《教师生成式人工智能应用指引》所强调的，教师应秉持“应用人工智能而不被人工智能所裹挟”的理念——数据服务于教师的专业判断，而非替代它。
（二）双翼循证教研的边界与思考
在充分肯定新范式价值的同时，也需要对其边界保持清醒的认知。
首先，数据不是全能的。AI能够捕捉行为频率、统计提问类型、生成可视化图表，但它无法真正衡量课堂的温度、一个鼓励眼神对学生的精神激励、一次师生间心灵共鸣的教育意义。正如AI诊断报告指出课堂在“课前课后衔接”上存在缺失，但为何缺失、如何补救，仍需要教师的专业判断和能动选择。这些不可量化的教育精华，恰恰是教学作为一门“关系性实践”的本质特征。
其次，数据是“证据”而非“判决”。人工智能为教研提供了客观的讨论起点，使研讨从“我认为”走向“数据显示”，这是进步。但最终的教研决策、教学方案的选择，必须经过教师集体的专业智慧和育人价值观的过滤与整合。这是人机协同的正确关系，也是人工智能时代教研伦理的核心要义——教师应时刻恪守职业道德，善用技术工具，但永不让渡教育决策的最终责任。
最后，跨学科教研在这次实践中展现出特殊的价值与挑战。一方面，双翼循证为地理、生物、科学教师提供了共同的研讨依据，让拥有不同学科背景的教师能够超越各自的经验边界、聚焦学生学习这一共同核心；另一方面，也需要警醒地意识到，技术指标有时难以充分捕捉特定学科的思维特质。例如，地理学科中“空间思维”的培养，虽然在本次AI课堂分析中难以直接被量化呈现，但恰恰是地理学科核心素养的关键构成。如何在发挥智能工具诊断作用的同时，避免过度依赖可量化指标、忽略学科思维培养的隐性维度，是未来教研实践需要持续深思的课题。
五、结语
人工智能时代的新教研，需要一线实践者的勇敢探索，也需要理性的边界意识。双翼循证校本教研范式的构建，是本校跨学科教研组在人工智能赋能教研道路上迈出的有意义的一步。它让“以学为中心”不再停留于理念，而成为可观察、可分析、可优化的具体教学行为链。当然，技术的意义最终在于回归育人。未来，我们将继续在“人的智慧与数据智能的协同”中探索前行，以更科学、更人文的方式推动每一堂课的精进、每一位教师的成长。
参考文献：
① 教育部. 教育部关于加强和改进新时代基础教育教研工作的意见[EB/OL]. 教基〔2019〕14号. 2019-11-20. https://www.gov.cn/zhengce/zhengceku/2019-11/20/content_5457628.htm.
② 中共中央 国务院. 教育强国建设规划纲要（2024—2035年）[EB/OL]. (2025-01-19). https://www.gov.cn/zhengce/202501/content_6999913.htm.
③ 教育部教师队伍建设专家指导委员会. 教师生成式人工智能应用指引（第一版）[EB/OL]. (2025-11-30). https://www.cse.edu.cn/index/detail.html?category=148&id=4743.
相关链接
