直接答案:AI 备课的正确顺序不是先让工具“一键生成教案”,而是先固定课程标准、教材版本、课时、学生先备知识和可观察的学习目标;再把可靠资料、常见误解与评价标准交给 AI,分别生成导入、例题、活动、分层任务和评价量规的候选。教师必须逐条核对知识、答案、难度、来源、版权和学生数据,并用低风险小样试教。AI 可以加快草案探索,但不能替代教师对教学目标、学科准确性和最终发布的责任。

AI 备课能做什么,不能替教师决定什么
《教师生成式人工智能应用指引(第一版)》强调教师科学、安全、合规、理性地使用生成式 AI。落到备课,关键不是“是否使用 AI”,而是把可委托的草案工作与必须由教师承担的判断分开。生成一份结构完整的教案只证明系统能组织文本,不能证明内容符合本校课程、适合这一班学生或能形成学习证据。
| 环节 | AI 适合提供 | 教师必须决定 | 最低证据 |
|---|---|---|---|
| 学习目标 | 把宽泛目标改写为多个候选动词 | 本课真正要达成什么、与课程进度如何衔接 | 课标/课程方案、教材与单元位置 |
| 知识解释 | 类比、反例、不同表述和问题清单 | 事实、公式、边界与术语是否正确 | 教材、规范、原始资料与版本 |
| 学习活动 | 讨论、预测、操作、练习的候选 | 活动能否暴露误解并服务目标 | 目标—活动—证据对应表 |
| 例题与测验 | 题目草案、变式和评分量规候选 | 答案、干扰项、难度、公平性和评分后果 | 独立复算、审题和小样作答 |
| 课件与素材 | 版式草图、示意图、旁白与字幕初稿 | 真实性、可读性、版权、标识与无障碍 | 来源、许可、修改和生成记录 |
如果目标是把批准后的课程设计制作成视频,应转到AI 教学视频从脚本到字幕与版权验收;本页只处理备课与课时设计。学生数据、成绩和未成年人信息的专门控制见教育场景 AI 数据最小化与权限指南。
第一步:先写可观察的学习目标
“了解光合作用”“掌握一次函数”“感受人物形象”不能直接验收。先回答:在规定时间和条件下,学习者要解释、判断、计算、比较、设计或完成什么?成功作品长什么样?哪些错误说明尚未掌握?AI 可以帮助列候选,但目标必须由教师依据课程要求和学生现状签发。
- 弱目标:“学生理解信息来源的重要性。”
- 可观察目标:“给出三段带链接的 AI 回答,学生能逐条打开来源,判断发布日期、原文支持范围,并指出至少一项证据缺口。”
- 成功证据:核验表包含主张、来源、日期、支持/不支持和理由。
- 常见误解:把“有链接”当作“结论已被证明”。
目标写清后,才知道要生成什么。需要学生做判断,就不能只生成讲义;需要完成操作,就必须提供可操作环境与检查点;需要迁移,就要有不同表面情境的新任务。把“教师讲完”当作目标,是 AI 备课最容易放大的结构性问题。
第二步:建立备课输入包,不让模型自行补全事实
一份可复查的输入包至少包含:课程/学段、课时长度、单元位置、学习目标、学生先备知识、允许使用的资料、必须覆盖的概念、常见误解、评价方式、设备条件、无障碍需求、禁止输入的数据和输出格式。不要上传完整学生名单、成绩明细、联系方式、健康信息或未经批准的内部材料来换取“个性化”。
| 输入项 | 建议写法 | 缺失后常见风险 | 教师核对 |
|---|---|---|---|
| 课程边界 | 学段、学科、教材版本、单元与课时 | 内容超纲、重复或跳过先备知识 | 与当前教学进度一致 |
| 可靠资料 | 允许引用的教材段落、规范、数据和发布日期 | AI 补出错误事实、数字或过期说法 | 关键主张能回到原文 |
| 学生概况 | 匿名的整体先备水平、典型误解和支持需求 | 泄露个人信息或形成标签化推断 | 只提供完成任务所需最少信息 |
| 成功标准 | 作品/答案必须出现的要素和不能出现的错误 | 活动热闹但无法判断学习结果 | 量规能由另一位教师复核 |
| 现实约束 | 时间、人数、设备、材料、网络与安全限制 | 方案在真实课堂无法执行 | 准备替代路线与停止条件 |
《个人信息保护法》要求处理个人信息具有明确目的并履行告知等义务,不满十四周岁未成年人的个人信息属于敏感个人信息。具体学校还受本地制度、合同和平台部署影响;“姓名替换为学号”也未必完成匿名化。对未经批准的公共 AI 服务,最稳妥的备课输入是抽象的班级层面描述和人工构造样例。
第三步:用四栏卡对齐目标、证据、活动和材料

四栏卡的填写顺序是“目标 → 成功证据 → 学习活动 → 材料与来源”,不是先找漂亮图片再补目标。UNESCO 生成式 AI 教育与研究指南强调以人为本、年龄适切、数据隐私与教育机构治理。对应到一课时,AI 应嵌入教师设计的教学关系中,而不是把学习者变成系统生成内容的被动接收者。
| 时间段 | 教师/学生动作 | 产生的学习证据 | AI 候选的用途 |
|---|---|---|---|
| 导入 | 学生先预测或判断 | 暴露先备知识和误解 | 生成多个不直接泄露答案的情境 |
| 建构 | 观察材料、比较例子、解释规律 | 口头/书面推理与中间步骤 | 生成正例、反例与追问候选 |
| 练习 | 独立完成后同伴核对 | 答案、过程和错误类型 | 生成同目标不同表面的变式 |
| 反馈 | 针对错误重教或补充支架 | 修订前后差异 | 生成提示层级,不直接代答 |
| 退出任务 | 完成一个短迁移任务 | 是否达到本课目标 | 生成候选后由教师审题和复算 |
CAST UDL Guidelines可作为考虑多种参与、呈现和表达方式的参考,但不能理解为“给每个学生自动生成一套难度标签”。支持应围绕可访问性和学习障碍设计,避免用未经验证的 AI 推断给学生贴能力、性格或风险标签。
第四步:一次只让 AI 生成一类候选
“请生成一份优秀完整教案”会把目标、事实、活动、答案和评价压成一个不可诊断的长输出。更好的做法是分轮:先请它根据输入包指出缺口;再生成三种导入;确认后生成活动;最后才生成题目和量规。每轮保留输入、输出、人工修改与版本。
你是备课草案助手,不是最终决策人。仅使用我提供的资料;资料不足时列出缺口,不得自行补数字、政策或案例。课程:[填写];学生先备知识:[匿名概况];本课目标:[可观察目标];成功证据:[作品/答案标准];现实约束:[时间/设备]。本轮只生成三种“导入活动”候选。每个候选写明:学生动作、教师动作、预计用时、产生的学习证据、可能误解、所依赖的资料。不要生成完整教案。
这只是编辑模板,不是保证正确的“万能提示词”。模型仍可能忽略来源、误算答案或生成不适合年龄的情境。提示词的作用是让错误更容易看见,而不是把教师责任转移给系统。提示词失败的系统排查可参考AI 提示词不生效的诊断方法。
第五步:核验知识、例题、答案和材料权利
核验不等于通读一遍。把教案拆成原子项:定义、事实、数据、公式、例题条件、答案、图片、引文和活动安全要求,逐条记录来源与复核人。数学与理科题要独立复算;历史、政策和时效信息要核对发布日期与适用范围;文学作品、图片和题库要确认使用权,不因“用于教学”就默认可以任意复制或公开传播。
《中华人民共和国著作权法》规定了作品权利与相应限制,具体使用要结合场景判断。使用开放素材时,也要读具体许可证;例如 CC BY 4.0要求适当署名、链接许可证并说明是否修改,且不自动解决肖像、隐私或商标等其他权利。建议为每个外部素材保存标题、作者、原始 URL、许可证、访问日期和修改说明。
第六步:设计分层支持,不让 AI 给学生贴标签
分层不是为“好、中、差”三类学生生成固定任务,而是围绕同一目标提供不同支架和表达路径。基础支架可以给词汇表、步骤卡或半完成示例;标准任务要求独立完成;拓展任务增加新情境、解释或约束。学生可根据需要进入或退出支架,教师根据真实课堂证据调整。
- 概念支架:术语表、正反例、关系图,但不直接给结论。
- 过程支架:把复杂任务拆成检查点,逐步撤除提示。
- 表达支持:在不改变目标时允许文字、口头、图示或操作证明学习。
- 拓展任务:改变情境或约束,检验能否迁移,而不是简单增加题量。
《中小学生成式人工智能使用指南(2025年版)》把核心素养、伦理责任、安全与规范应用同时纳入框架。教师应明确本次活动允许学生怎样使用 AI、哪些过程必须独立完成、如何声明使用、怎样核验输出,避免一边用 AI 生成全部教学材料,一边对学生使用 AI 没有清晰规则。
第七步:低风险试教,再做最终签发

先让一名同学科教师或少量目标学习者完成关键活动,观察他们在哪里误解、卡住、提前看到答案或误把生成画面当作事实。记录实际用时、题目歧义、错误类型和需要的支架;不要用“大家觉得不错”代替证据。高影响考试、成绩评定、心理或能力判断不能仅由未经校准的 AI 量规决定。
| 发布门 | 通过条件 | 失败时回到 |
|---|---|---|
| 知识 | 关键主张有适用版本来源,公式与数据可复查 | 输入包/事实台账 |
| 教学 | 目标可观察,活动能产生成功证据 | 四栏课时卡 |
| 答案 | 例题、干扰项和量规已独立复算或试答 | 候选生成与审题 |
| 权利 | 图片、文本、音频与题库来源许可清楚 | 素材选择 |
| 隐私 | 没有不必要的学生数据,访问和保存期限明确 | 工具与输入设计 |
| 无障碍 | 结构、文字、颜色、替代说明和必要字幕可用 | 材料制作 |
| AI 标识 | 按平台与适用规则保留声明、显式/隐式标识 | 导出与发布设置 |
《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日起施行,覆盖生成合成文本、图片、音频、视频和虚拟场景的标识要求。课堂内部草案与公开传播的具体义务可能不同,但删除平台标识、把生成实验图当真实记录、或不说明数字人/克隆音色来源都不应成为备课捷径。
怎样衡量 AI 备课是否真的有帮助
不要预设“节省 50%”。先选同类型课时,记录基线和 AI 辅助版本的真实工时、修改轮数、事实错误、试教失败、材料权利缺口和学习任务通过情况。质量必须优先:如果草案生成快了,但核验和返工更久,或者学生误解增加,就不能宣布提效。
- 效率:从输入包到批准版本的总工时,而非只统计生成等待时间;
- 准确:每百条关键主张、答案和来源的错误/缺口数;
- 可教:关键活动在目标时间内能否执行,多少环节需要临场重写;
- 学习证据:学生是否完成目标对应任务,而非只评价课件好看;
- 治理:学生数据、版权、AI 标识和版本记录是否完整。
AI 生成内容的事实核验方法可复用AI 幻觉与证据忠实度检查,工具选择则参考AI 工具选择与小样验证方法。选择工具时比较的是输入权限、数据处理、来源能力、导出可编辑性、团队协作和退出路径,不是厂商案例里的“几分钟生成一节课”。
保存一份可交接的备课包
最终交付不应只有一个 PPT 或教案文件。至少保存课程目标与适用版本、可靠资料清单、四栏课时卡、AI 输入与候选输出、教师修改记录、例题独立答案、素材权利表、数据处理说明、试教发现和最终签发版本。文件名带日期和版本号,避免下学期误把旧政策、旧数据或旧教材页继续使用。若同事无法判断某句话来自教材、教师还是 AI,这份备课包就还不具备可维护性。
复用时先检查课程目标、教材版本、数据日期和平台条款是否变化,再决定哪些内容可以原样保留。不要只更新封面日期;任何影响结论、答案、学生任务或权利状态的变化,都应重新走对应验收门。这样做也能让学校判断 AI 真正节省的是哪一环,而不是把核验成本藏在个人加班里。
常见问题
AI 可以直接生成完整教案吗?
可以生成候选文本,但不应直接签发。完整输出会把目标、事实、活动和答案的错误藏在一起。分轮生成并逐项验收,更容易定位问题和回退。
可以把学生成绩上传给 AI 做分层吗?
不能默认可以。先确认学校制度、处理依据、供应商数据条款、访问权限和保存期限;能用匿名整体特征完成任务,就不要上传可识别的个人明细。未成年人信息需要更严格控制。
AI 生成的题目有答案,还需要复算吗?
需要。语言流畅不等于条件充分、答案唯一或推导正确。教师应独立作答,检查干扰项、单位、边界和评分量规,并让小样暴露歧义。
备课是否应该固定使用某一个工具?
先固定工作流和验收口径,再用同一脱敏小样比较工具。功能、价格、地区和条款会变化,不应把一篇文章的排名当长期采购结论。
来源与复核记录
本文依据教师生成式人工智能应用指引、中小学生成式人工智能使用指南、UNESCO 教育指南、个人信息保护法、著作权法、Creative Commons 许可说明、CAST UDL 与生成合成内容标识办法整理,资料复核日期为 2026 年 7 月 18 日。教育管理、数据与版权要求会因地区、学校和任务变化,本文提供操作框架,不替代学校制度或专业法律意见。本站来源与纠错方法见兰塞 AI 关于与编辑规范。
试教验收检查清单
| 检查项 | 合格标准 | 常见不合格表现 | 修正建议 |
|---|---|---|---|
| 教学目标对齐 | 每个活动可追溯到具体目标 | 活动有趣但无法映射到目标 | 用逆向设计重建活动-目标映射 |
| 时间分配 | 讲授不超过40%,练习≥30% | 满堂灌,学生无动手时间 | 插入3分钟即时练习节点 |
| 差异化设计 | 至少2层难度梯度 | 全班统一难度 | 设计基础/进阶/挑战三级任务 |
