在當今教育領域，教師面臨著前所未有的挑戰(zhàn)與機遇。教育改革不斷推進，教育理念持續(xù)更新，如何在復雜的教育情境中做出科學合理的決策，成為教師專業(yè)發(fā)展的關鍵所在。《教師的循證實踐——基于AI大模型的方法》應運而生，為廣大教師提供了極具價值的指導與幫助。

一、時代浪潮：人工智能與教育的深度融合

（一）人工智能在教育領域的蓬勃發(fā)展

以大語言模型（LLM）為代表的人工智能技術近年來發(fā)展迅猛，在自然語言處理、圖像識別、數據分析等諸多領域取得了令人矚目的成就。當這股科技浪潮涌入教育領域，便激起了層層創(chuàng)新的浪花。在教學資源獲取方面，大模型的智能搜索功能讓教師能夠從海量資源中精準篩選出適合不同學生群體的教學素材，極大地豐富了課堂內容。對于學生而言，個性化學習不再遙不可及，智能學習系統(tǒng)依據學生的學習進度、知識掌握情況和學習習慣，定制專屬學習計劃并推送學習任務，真正實現(xiàn)了因材施教。同時，大模型推動了虛擬教學環(huán)境的發(fā)展，為學生創(chuàng)造了沉浸式學習體驗，提高了學習的趣味性和參與度。

（二）人工智能在教育中的多元應用場景

近年來，國產大語言模型如雨后春筍般噴薄而出，在中小學教育領域的應用逐漸成熟，許多公司和機構開發(fā)了在智能輔導、個性化學習、語言學習、作業(yè)批改和教師支持等領域各有特點和優(yōu)勢、符合不同教育需求的模型，推動了個性化學習、在線輔導、智能評估等方面的創(chuàng)新。國產大語言模型正以各自的優(yōu)勢使其在中小學教育中的應用不斷深化，百度的文心一言、華為的昇思、阿里的通義千問、訊飛的星火等模型，或在對中文理解和知識增強能力、或在跨平臺支持和多模態(tài)能力、或在語音識別、或在大數據和知識圖譜方面各有千秋，而橫空出世的DeepSeek又正在把大模型的教育應用推向新的高度。

二、循證實踐：教育決策的科學之道

（一）循證實踐的內涵與價值

循證實踐起源于醫(yī)學領域，強調在實踐決策中系統(tǒng)地收集、評估和運用最佳證據，將研究證據、實踐經驗與具體情境有機結合。在教育領域，循證實踐為教師的專業(yè)實踐提供了重要的方法論指導，有助于教師做出科學合理的決策，實現(xiàn)教育實踐的持續(xù)改進。通過循證實踐，教師能夠打破單純依賴經驗教學的局限，基于科學證據調整教學策略，從而提高教學質量，促進學生的學習與發(fā)展。

（二）教育領域循證實踐的挑戰(zhàn)

1. 證據來源復雜：與醫(yī)學主要依賴隨機對照試驗不同，教育證據來源更為多元，包括質性研究、案例研究、政策文件等。這使得證據整合的難度大大增加，教師需要具備更強的信息處理和判斷能力。

2. 轉化過程復雜：教育實踐具有情境性強、變量多樣、因果關系復雜的特點，導致教育證據向實踐的轉化需要更多的專業(yè)判斷和情境適應。同樣的教學策略在不同學校、不同班級可能產生不同的效果，教師需要根據實際情況進行調整。

3. 評估強調過程性：教育實踐的評估比醫(yī)學更注重過程性，需要持續(xù)監(jiān)測和動態(tài)調整。教師不僅要關注教學結果，還要在教學過程中及時發(fā)現(xiàn)問題，調整教學方案，以確保教學目標的實現(xiàn)。

4. 教師專業(yè)技能不足：相比醫(yī)學從業(yè)者，教師在循證實踐所需的專業(yè)技能培訓方面相對不足，這在一定程度上阻礙了教育領域循證實踐的推進。許多教師缺乏系統(tǒng)的證據收集、評估和應用能力，難以將循證實踐有效融入日常教學。

三、AI大模型：助力循證實踐的強大引擎

（一）AI大模型解決循證實踐困境的優(yōu)勢

1. 證據獲取與篩選：大模型憑借強大的自然語言理解和生成能力，能幫助教師更便捷地獲取和篩選研究證據。教師只需用自然語言描述需求，大模型就能快速從海量文獻中精準檢索出相關信息，并按照證據的相關性和可靠性進行排序，大大提高了證據獲取的效率和準確性。

2. 證據理解與轉化：協(xié)助教師理解復雜的研究證據，并將其轉化為可操作的實踐方案。大模型可以對研究結果進行通俗易懂的解讀，為教師提供具體的教學建議和活動設計，使教師能夠更好地將理論知識應用于教學實踐。

3. 實踐監(jiān)測與評估：在實踐過程中，大模型可輔助教師進行持續(xù)的監(jiān)測和評估。通過分析教學過程中的各種數據，如學生的學習行為數據、作業(yè)完成情況等，大模型能夠及時發(fā)現(xiàn)問題，并為教師提供調整和優(yōu)化教學策略的建議，支持教師實現(xiàn)教學效果的最大化。

（二）基于AI大模型的循證實踐流程

1. 問題確定：教師在教學中發(fā)現(xiàn)問題后，可借助大模型如ChatGPT精確化問題描述。例如，教師發(fā)現(xiàn)學生課堂參與度不高，ChatGPT可以幫助教師進一步明確是哪些學生參與度低、在哪些課程或教學環(huán)節(jié)出現(xiàn)問題等，使問題更加具體、清晰，為后續(xù)的證據檢索和分析提供明確方向。

2. 證據檢索與篩選：確定問題后，大模型幫助教師確定檢索需求，選擇合適的資源進行檢索。大模型可以根據問題的性質和需求，推薦相關的學術數據庫、教育資源平臺等，并生成精準的檢索關鍵詞。在檢索過程中，大模型還能自動篩選掉不相關或質量不高的文獻，為教師節(jié)省大量時間和精力。

3. 證據評估：包括對單個證據的評價以及元分析和元綜合。大模型可以運用專業(yè)的評估方法和指標，對檢索到的證據進行質量評估，幫助教師判斷證據的可靠性和有效性。對于多個相關研究，大模型能夠進行元分析，綜合評估研究結果，得出更具普遍性的結論；對于質性研究，大模型可進行元綜合，提煉出核心觀點和實踐建議。

4. 證據轉化：遵循情境適配、教師主體和學生中心的原則。大模型根據教師提供的教學情境信息，如學校類型、學生特點、教學條件等，將證據轉化為具體的教學策略和活動方案。在這個過程中，充分尊重教師的經驗和判斷，鼓勵教師根據實際情況對方案進行調整和優(yōu)化，確保最終的教學方案符合學生的學習需求，能夠有效促進學生的學習和發(fā)展。

5. 循證項目的實踐與評估：在項目實施過程中，大模型如ChatGPT可輔助教師進行項目管理和效果評估。通過實時監(jiān)測項目進展情況，收集和分析相關數據，大模型為教師提供決策支持，幫助教師及時調整項目實施策略。項目結束后，大模型協(xié)助教師對項目效果進行全面評估，總結經驗教訓，為后續(xù)的教學實踐提供參考。

6. 項目的監(jiān)測與診斷：引入PARIT框架，大模型輔助教師進行項目監(jiān)測與診斷。通過對項目實施過程中的數據進行分析，大模型幫助教師及時發(fā)現(xiàn)問題，如學生學習困難、教學進度不合理等，并提供針對性的改進建議，確保項目能夠順利推進，達到預期目標。

四、本書特色：理論與實踐的完美結合

（一）系統(tǒng)性的內容架構

本書圍繞基于AI大模型的教師循證實踐，構建了完整的內容體系。從人工智能時代的循證實踐基礎理論入手，詳細闡述循證實踐的過程，包括問題確定、證據檢索與篩選、證據評估、證據轉化以及循證項目的實踐與評估等各個環(huán)節(jié)。同時，深入探討了項目的監(jiān)測與診斷方法，通過豐富的循證教學案例報告展示實踐成果，并介紹了如何利用ChatGPT輔助數據分析和文獻閱讀，為教師提供了全面、系統(tǒng)的循證實踐指導。

（二）豐富的案例與實踐指導

書中包含大量來自一線教學的實際案例，生動展示了如何將理論知識應用于實踐。在介紹證據轉化時，詳細描述了如何根據不同的教學問題和情境，利用大模型將研究證據轉化為具體的教學策略和活動方案，為教師提供了可借鑒的實踐范例。這些案例涵蓋了多個學科和不同的教學場景，具有很強的實用性和可操作性。

（三）方法的普適性與前瞻性

雖然書中案例實踐主要基于GPT4o進行，但所提出的方法和原理具有普適性，適用于ChatGPT、Claude、DeepSeek、豆包、Gemini等中外各種大型語言模型。作者團隊緊跟人工智能技術發(fā)展前沿，將最新的研究成果和實踐經驗融入書中，使本書具有前瞻性，能夠為教師在不斷發(fā)展的人工智能時代提供持續(xù)的指導。

（四）跨學科的作者團隊

本書由陳向東教授整體規(guī)劃和設計，參與撰寫的作者來自教育技術學、一線教學、教育管理等多個領域。這種跨學科的團隊結構，使得本書融合了多學科的知識和視角，既具有扎實的理論基礎，又充分考慮了教學實踐的實際需求，能夠為教師提供全面、專業(yè)的指導。

五、應用指南：助力教師專業(yè)成長

（一）提升教師循證實踐能力

1. 證據意識培養(yǎng)：幫助教師樹立循證實踐的意識，認識到證據在教學決策中的重要性。通過學習本書，教師能夠了解如何系統(tǒng)地收集、評估和運用證據，從經驗型教學向科學型教學轉變。

2. 技能提升：教授教師具體的循證實踐技能，如問題確定、證據檢索與篩選、證據評估、證據轉化等。教師可以學習如何使用大模型輔助這些工作，提高工作效率和準確性。

3. 持續(xù)學習與反思：鼓勵教師在實踐中不斷學習和反思，通過對循證項目的實踐與評估，總結經驗教訓，不斷改進教學策略。大模型在這個過程中可以為教師提供持續(xù)的支持和反饋，促進教師的專業(yè)成長。

（二）優(yōu)化教學決策

1. 精準問題定位：借助大模型精確化問題描述，教師能夠更準確地定位教學中存在的問題。這有助于教師深入分析問題的本質，為后續(xù)的決策提供可靠依據。

2. 科學證據支持：在教學決策過程中，教師可以利用大模型獲取豐富的研究證據，并通過科學的評估方法篩選出最適合的證據。這些證據為教師選擇教學策略、設計教學活動提供了有力支持，使教學決策更加科學合理。

3. 動態(tài)調整決策：在教學實踐過程中，大模型輔助教師進行持續(xù)監(jiān)測和評估，根據實際情況及時調整教學決策。這種動態(tài)調整機制能夠確保教學活動始終符合學生的學習需求，提高教學效果。

（三）促進教育創(chuàng)新

1. 探索新的教學模式：基于AI大模型的循證實踐為教師提供了探索新教學模式的機會。教師可以結合大模型的優(yōu)勢，如個性化輔導、智能評價等，創(chuàng)新教學方法和手段，為學生創(chuàng)造更具吸引力和實效性的學習環(huán)境。

2. 推動教育技術應用：促使教師積極應用人工智能技術，將其融入教學的各個環(huán)節(jié)。這不僅有助于提高教學質量，還能推動教育技術在學校的廣泛應用，促進教育信息化的發(fā)展。

3. 培養(yǎng)學生創(chuàng)新能力：在教師運用大模型進行教學的過程中，引導學生正確使用人工智能工具，培養(yǎng)學生的創(chuàng)新思維和實踐能力。例如，在項目式學習中，學生可以借助大模型獲取信息、開展研究，提高解決問題的能力。

六、未來展望：開啟教育新篇章

《教師的循證實踐——基于AI大模型的方法》為教育領域帶來了新的理念和方法，隨著人工智能技術的不斷發(fā)展和教育改革的持續(xù)深入，其應用前景十分廣闊。在未來，大模型將更加深入地融入教育的各個環(huán)節(jié)，為教師提供更加精準、高效的支持。同時，教育工作者需要不斷提升自身的數字素養(yǎng)和循證實踐能力，充分發(fā)揮大模型的優(yōu)勢，實現(xiàn)教育的創(chuàng)新發(fā)展。

在實踐過程中，教師可以進一步探索如何更好地利用大模型解決實際教學中的問題，不斷優(yōu)化教學流程和方法。學校和教育管理部門應加強對教師的培訓和支持，推動基于AI大模型的循證實踐在學校的廣泛應用。此外，還需要關注人工智能在教育應用中的倫理和安全問題，確保技術的合理使用，為學生創(chuàng)造一個安全、健康的學習環(huán)境。

總之，《教師的循證實踐——基于AI大模型的方法》為教師在人工智能時代的專業(yè)發(fā)展提供了重要的指導，引領教育工作者開啟教育新篇章，推動教育向著更加科學、高效、創(chuàng)新的方向發(fā)展。

《教師的循證實踐——基于AI大模型的方法》

陳向東 褚樂陽 陳鵬 著

華東師范大學出版社

978-7-5760-5892-5

69.80元

書中介紹了不同類型的循證實踐案例，強調將大模型等先進工具融入教師日常教學活動中的實踐策略。本書是任何希望在教育實踐中融合最新科技，同時堅持循證教學原則的教師的必備資源。無論是尋求創(chuàng)新教學方法的資深教育者，還是對教育技術感興趣的新手教師，都能在本書中找到實用的指導和靈感。

作者簡介

陳向東，華東師范大學教育學部教授，中國人工智能學會智能教育技術專業(yè)委員會主任，主要從事人工智能教育應用、基于AI的教育研究方法、計算機支持的協(xié)作學習、新媒體閱讀、新型學習空間等方面的研究。

褚樂陽，博士，揚州大學講師。

陳鵬，上海市教師教育學院講師。

目錄

編輯：王嘉明

制作：彭博

關注并設為星標

點擊閱讀原文，進入官方微店購買《教師的循證實踐——基于AI大模型的方法》！