金华市外国语实验学校学生利用“思享慧”平台的语音应答器一起表达。学校供图

浙江师范大学附属芦江书院的教师，在人工智能赋能教学研讨会上执教示范《竹节人》。 楼慧芬 摄

近年来，从国家政策到地方实践，持续将人工智能纳入促进教师发展与教研改进的重要议程。2026年全国教育工作会议更是将“扎实推进人工智能赋能教育”作为重点任务之一。这为利用人工智能推动中小学教研方式变革提供了政策支撑，也提出了新的要求。

长期以来，中小学教研主要依托经验积累与集体讨论展开。这种以经验判断为主的教研方式，在新课程改革背景下逐渐暴露出证据支撑不足、分析视角有限、改进路径不够清晰等问题。如何在坚守育人目标和教师主体地位的前提下，借助人工智能的力量，推动教研由经验判断走向循证改进，进而更有效地支撑课堂变革与教师专业发展？如果人工智能应用缺乏与教研制度的系统衔接，仅停留在工具叠加层面，则难以持续影响教师的教学判断与专业成长，甚至可能增加一线教师的工作负担。

我们应认识到，人工智能可以为教研转型提供嵌入式、辅助性的技术支撑，但不能提供替代性的解决方案。只有在厘清应用边界、坚守教师主体地位和育人目标的前提下，人工智能才能真正服务于教研质量提升。

支撑精准教学：

由经验判断走向循证的学情诊断

在实践中，不少学校围绕提升教学精准性进行了持续探索，如改进作业设计和命题研究以促进“教—学—评”一致性，依托教研组协作开展学情分析和教学调整等。这些做法在一定程度上增强了教学的针对性，但从运行机制看，学情判断仍主要依赖教师经验与集体研判，对学生学习情况的把握多停留在结果层面，学生差异及其形成过程难以被持续、系统地揭示。

人工智能介入学情分析的重要意义，并不在于简单扩大数据规模，而在于为教研提供不同于以往的证据结构。通过对作业、测验、课堂互动等多源信息进行整合与结构化处理，人工智能为学情诊断提供了以证据为中介的分析路径，使学情判断由个体经验走向可追溯、可比较的证据支持。学情不再只是教学结束后的反馈结果，而成为贯穿教学设计、实施与反思全过程的重要依据。

在此基础上，生成式人工智能进一步发挥连接与转化作用。一方面，通过识别典型错误类型、认知卡点和学习路径特征，帮助教师形成更具分辨率的学情画像；另一方面，支持教研组围绕共性问题与关键差异开展针对性研讨，形成分层教学方案和相应的学习支架。精准教学由此不再主要依赖个别教师的经验积累，而逐步转化为在教研层面可持续运行的制度性机制。

需要强调的是，数据驱动并不等同于数据决定。学情数据本身并不自动生成教育意义，其价值有赖于教师基于学科逻辑和育人目标的专业解读。人工智能在学情诊断中的合理定位，是拓展教师理解学情的认知视野，而非替代教学判断。

支撑课堂优化：

由结果评议走向过程理解的课堂研究

课堂观察与研讨是中小学教研的重要形态。传统“听、评、磨”等方式依托教师的专业经验和现场感受，为教学反思提供了重要依据，但其分析往往具有瞬时性和描述性，难以在不同课例和时间维度上形成稳定比较，课堂改进也容易停留在对表层现象的经验评议上。

人工智能通过技术中介，推动课堂分析由结果判断走向过程理解。借助对师生语言交流、互动结构和学习参与分布等过程性信息的持续采集与结构化处理，课堂观察得以形成可追溯、可比较的证据基础，为课堂改进提供更加具体的分析支点。在这一过程中，生成式人工智能可以进一步支撑教研运行。一方面，通过对提问层级、互动频率和参与结构等课堂行为特征的结构化呈现，帮助教师识别教学行为与学习机会分配之间的关系；另一方面，支持教研组围绕典型课堂问题和关键教学策略开展对照分析，逐步形成可迭代的改进方案。课堂改进由此从经验性评议，转向在教研层面持续推进的专业过程。

我们应看到，人工智能在复杂互动意图识别和教育价值判断等方面仍存在明显局限。其合理定位，应是为教师在育人目标引领下开展专业反思和教学决策提供支持。只有将技术分析嵌入规范、有序的教研流程，构建从证据到判断，再到行动的协同闭环，课堂研究的专业价值才能真正体现出来。

支撑专业成长：

由经验反思走向循证反思

教学反思是教师专业成长的重要路径，也是教研活动不断深化的关键载体。但在实践中，反思活动往往受限于经验视角，缺乏稳定的分析框架和证据支持，难以在理论层面和实践层面形成持续改进。

人工智能的介入，可推动反思方式由经验性回顾走向循证性分析。通过对教学设计文本、课堂实录和反思记录等多源材料的分析，生成式人工智能能够为教研活动提供结构化支持，帮助教师在证据基础上对教学策略进行对照、修正与优化。

生成式人工智能还有助于教师经验的系统整合。通过对教师长期反思文本的主题归纳与策略提炼，零散的实践经验得到系统整理，逐步形成相对稳定的个人教学策略体系；同时，也为校本教研积累可共享、可迭代的专业知识基础，推动教师专业成长由个体积累走向组织性学习。

需要警惕的是，反思内容的价值判断和理论立场选择，仍有赖于教师自身的教育信念与实践智慧。鉴于人工智能在情境理解和价值判断方面的局限，其更适合作为激发深度反思的认知工具，其分析结果和改进建议，有待教师在教育价值框架下加以审慎吸收与重构。

支撑生态重构：

人工智能融入校本教研的路径与边界

人工智能对教研的支撑作用，集中体现在校本教研方面。但在现实中，不少学校的技术应用仍停留在工具层面，与教研制度和教研文化的融合程度有限，缺乏稳定的制度嵌入，其促进作用难以持续。

推动人工智能支撑校本教研转型，关键在于进行教研组织机制的系统性重构。在理念层面，应形成“以人为本、智能增强”的共识，明确人工智能服务育人目标和教学改进的功能定位；在实践层面，应围绕真实教学问题，组织开展循证导向的教研活动，使技术应用与教学改进紧密结合；在制度层面，将证据分析、人机协同研讨和改进跟踪等环节有序嵌入既有教研流程，逐步形成常态化运行机制。

人工智能融入校本教研，并非对传统教研的否定，而是在其基础上的拓展与升级。人工智能并非中小学教研变革的替代者，而是在坚持教师主体地位和育人目标的前提下，推动教研走向循证化、协同化与专业化的重要支点。人工智能的作用边界，应当始终限定在“支撑”而非“主导”，人工智能不能直接替代教师进行教学价值判断和教学决策。只有将人工智能纳入校本教研运行机制，将人工智能与既有的教研文化和组织传统有机融合，避免技术应用的外在化，才能推动教研生态实现内生转型。

《中国教育报》2026年03月16日 第06版

金华市外国语实验学校学生利用“思享慧”平台的语音应答器一起表达。学校供图

浙江师范大学附属芦江书院的教师，在人工智能赋能教学研讨会上执教示范《竹节人》。 楼慧芬 摄

近年来，从国家政策到地方实践，持续将人工智能纳入促进教师发展与教研改进的重要议程。2026年全国教育工作会议更是将“扎实推进人工智能赋能教育”作为重点任务之一。这为利用人工智能推动中小学教研方式变革提供了政策支撑，也提出了新的要求。

长期以来，中小学教研主要依托经验积累与集体讨论展开。这种以经验判断为主的教研方式，在新课程改革背景下逐渐暴露出证据支撑不足、分析视角有限、改进路径不够清晰等问题。如何在坚守育人目标和教师主体地位的前提下，借助人工智能的力量，推动教研由经验判断走向循证改进，进而更有效地支撑课堂变革与教师专业发展？如果人工智能应用缺乏与教研制度的系统衔接，仅停留在工具叠加层面，则难以持续影响教师的教学判断与专业成长，甚至可能增加一线教师的工作负担。

我们应认识到，人工智能可以为教研转型提供嵌入式、辅助性的技术支撑，但不能提供替代性的解决方案。只有在厘清应用边界、坚守教师主体地位和育人目标的前提下，人工智能才能真正服务于教研质量提升。

支撑精准教学：

由经验判断走向循证的学情诊断

在实践中，不少学校围绕提升教学精准性进行了持续探索，如改进作业设计和命题研究以促进“教—学—评”一致性，依托教研组协作开展学情分析和教学调整等。这些做法在一定程度上增强了教学的针对性，但从运行机制看，学情判断仍主要依赖教师经验与集体研判，对学生学习情况的把握多停留在结果层面，学生差异及其形成过程难以被持续、系统地揭示。

人工智能介入学情分析的重要意义，并不在于简单扩大数据规模，而在于为教研提供不同于以往的证据结构。通过对作业、测验、课堂互动等多源信息进行整合与结构化处理，人工智能为学情诊断提供了以证据为中介的分析路径，使学情判断由个体经验走向可追溯、可比较的证据支持。学情不再只是教学结束后的反馈结果，而成为贯穿教学设计、实施与反思全过程的重要依据。

在此基础上，生成式人工智能进一步发挥连接与转化作用。一方面，通过识别典型错误类型、认知卡点和学习路径特征，帮助教师形成更具分辨率的学情画像；另一方面，支持教研组围绕共性问题与关键差异开展针对性研讨，形成分层教学方案和相应的学习支架。精准教学由此不再主要依赖个别教师的经验积累，而逐步转化为在教研层面可持续运行的制度性机制。

需要强调的是，数据驱动并不等同于数据决定。学情数据本身并不自动生成教育意义，其价值有赖于教师基于学科逻辑和育人目标的专业解读。人工智能在学情诊断中的合理定位，是拓展教师理解学情的认知视野，而非替代教学判断。

支撑课堂优化：

由结果评议走向过程理解的课堂研究

课堂观察与研讨是中小学教研的重要形态。传统“听、评、磨”等方式依托教师的专业经验和现场感受，为教学反思提供了重要依据，但其分析往往具有瞬时性和描述性，难以在不同课例和时间维度上形成稳定比较，课堂改进也容易停留在对表层现象的经验评议上。

人工智能通过技术中介，推动课堂分析由结果判断走向过程理解。借助对师生语言交流、互动结构和学习参与分布等过程性信息的持续采集与结构化处理，课堂观察得以形成可追溯、可比较的证据基础，为课堂改进提供更加具体的分析支点。在这一过程中，生成式人工智能可以进一步支撑教研运行。一方面，通过对提问层级、互动频率和参与结构等课堂行为特征的结构化呈现，帮助教师识别教学行为与学习机会分配之间的关系；另一方面，支持教研组围绕典型课堂问题和关键教学策略开展对照分析，逐步形成可迭代的改进方案。课堂改进由此从经验性评议，转向在教研层面持续推进的专业过程。

我们应看到，人工智能在复杂互动意图识别和教育价值判断等方面仍存在明显局限。其合理定位，应是为教师在育人目标引领下开展专业反思和教学决策提供支持。只有将技术分析嵌入规范、有序的教研流程，构建从证据到判断，再到行动的协同闭环，课堂研究的专业价值才能真正体现出来。

支撑专业成长：

由经验反思走向循证反思

教学反思是教师专业成长的重要路径，也是教研活动不断深化的关键载体。但在实践中，反思活动往往受限于经验视角，缺乏稳定的分析框架和证据支持，难以在理论层面和实践层面形成持续改进。

人工智能的介入，可推动反思方式由经验性回顾走向循证性分析。通过对教学设计文本、课堂实录和反思记录等多源材料的分析，生成式人工智能能够为教研活动提供结构化支持，帮助教师在证据基础上对教学策略进行对照、修正与优化。

生成式人工智能还有助于教师经验的系统整合。通过对教师长期反思文本的主题归纳与策略提炼，零散的实践经验得到系统整理，逐步形成相对稳定的个人教学策略体系；同时，也为校本教研积累可共享、可迭代的专业知识基础，推动教师专业成长由个体积累走向组织性学习。

需要警惕的是，反思内容的价值判断和理论立场选择，仍有赖于教师自身的教育信念与实践智慧。鉴于人工智能在情境理解和价值判断方面的局限，其更适合作为激发深度反思的认知工具，其分析结果和改进建议，有待教师在教育价值框架下加以审慎吸收与重构。

支撑生态重构：

人工智能融入校本教研的路径与边界

人工智能对教研的支撑作用，集中体现在校本教研方面。但在现实中，不少学校的技术应用仍停留在工具层面，与教研制度和教研文化的融合程度有限，缺乏稳定的制度嵌入，其促进作用难以持续。

推动人工智能支撑校本教研转型，关键在于进行教研组织机制的系统性重构。在理念层面，应形成“以人为本、智能增强”的共识，明确人工智能服务育人目标和教学改进的功能定位；在实践层面，应围绕真实教学问题，组织开展循证导向的教研活动，使技术应用与教学改进紧密结合；在制度层面，将证据分析、人机协同研讨和改进跟踪等环节有序嵌入既有教研流程，逐步形成常态化运行机制。

人工智能融入校本教研，并非对传统教研的否定，而是在其基础上的拓展与升级。人工智能并非中小学教研变革的替代者，而是在坚持教师主体地位和育人目标的前提下，推动教研走向循证化、协同化与专业化的重要支点。人工智能的作用边界，应当始终限定在“支撑”而非“主导”，人工智能不能直接替代教师进行教学价值判断和教学决策。只有将人工智能纳入校本教研运行机制，将人工智能与既有的教研文化和组织传统有机融合，避免技术应用的外在化，才能推动教研生态实现内生转型。

《中国教育报》2026年03月16日 第06版

金华市外国语实验学校学生利用“思享慧”平台的语音应答器一起表达。学校供图

浙江师范大学附属芦江书院的教师，在人工智能赋能教学研讨会上执教示范《竹节人》。 楼慧芬 摄

近年来，从国家政策到地方实践，持续将人工智能纳入促进教师发展与教研改进的重要议程。2026年全国教育工作会议更是将“扎实推进人工智能赋能教育”作为重点任务之一。这为利用人工智能推动中小学教研方式变革提供了政策支撑，也提出了新的要求。

长期以来，中小学教研主要依托经验积累与集体讨论展开。这种以经验判断为主的教研方式，在新课程改革背景下逐渐暴露出证据支撑不足、分析视角有限、改进路径不够清晰等问题。如何在坚守育人目标和教师主体地位的前提下，借助人工智能的力量，推动教研由经验判断走向循证改进，进而更有效地支撑课堂变革与教师专业发展？如果人工智能应用缺乏与教研制度的系统衔接，仅停留在工具叠加层面，则难以持续影响教师的教学判断与专业成长，甚至可能增加一线教师的工作负担。

我们应认识到，人工智能可以为教研转型提供嵌入式、辅助性的技术支撑，但不能提供替代性的解决方案。只有在厘清应用边界、坚守教师主体地位和育人目标的前提下，人工智能才能真正服务于教研质量提升。

支撑精准教学：

由经验判断走向循证的学情诊断

在实践中，不少学校围绕提升教学精准性进行了持续探索，如改进作业设计和命题研究以促进“教—学—评”一致性，依托教研组协作开展学情分析和教学调整等。这些做法在一定程度上增强了教学的针对性，但从运行机制看，学情判断仍主要依赖教师经验与集体研判，对学生学习情况的把握多停留在结果层面，学生差异及其形成过程难以被持续、系统地揭示。

人工智能介入学情分析的重要意义，并不在于简单扩大数据规模，而在于为教研提供不同于以往的证据结构。通过对作业、测验、课堂互动等多源信息进行整合与结构化处理，人工智能为学情诊断提供了以证据为中介的分析路径，使学情判断由个体经验走向可追溯、可比较的证据支持。学情不再只是教学结束后的反馈结果，而成为贯穿教学设计、实施与反思全过程的重要依据。

在此基础上，生成式人工智能进一步发挥连接与转化作用。一方面，通过识别典型错误类型、认知卡点和学习路径特征，帮助教师形成更具分辨率的学情画像；另一方面，支持教研组围绕共性问题与关键差异开展针对性研讨，形成分层教学方案和相应的学习支架。精准教学由此不再主要依赖个别教师的经验积累，而逐步转化为在教研层面可持续运行的制度性机制。

需要强调的是，数据驱动并不等同于数据决定。学情数据本身并不自动生成教育意义，其价值有赖于教师基于学科逻辑和育人目标的专业解读。人工智能在学情诊断中的合理定位，是拓展教师理解学情的认知视野，而非替代教学判断。

支撑课堂优化：

由结果评议走向过程理解的课堂研究

课堂观察与研讨是中小学教研的重要形态。传统“听、评、磨”等方式依托教师的专业经验和现场感受，为教学反思提供了重要依据，但其分析往往具有瞬时性和描述性，难以在不同课例和时间维度上形成稳定比较，课堂改进也容易停留在对表层现象的经验评议上。

人工智能通过技术中介，推动课堂分析由结果判断走向过程理解。借助对师生语言交流、互动结构和学习参与分布等过程性信息的持续采集与结构化处理，课堂观察得以形成可追溯、可比较的证据基础，为课堂改进提供更加具体的分析支点。在这一过程中，生成式人工智能可以进一步支撑教研运行。一方面，通过对提问层级、互动频率和参与结构等课堂行为特征的结构化呈现，帮助教师识别教学行为与学习机会分配之间的关系；另一方面，支持教研组围绕典型课堂问题和关键教学策略开展对照分析，逐步形成可迭代的改进方案。课堂改进由此从经验性评议，转向在教研层面持续推进的专业过程。

我们应看到，人工智能在复杂互动意图识别和教育价值判断等方面仍存在明显局限。其合理定位，应是为教师在育人目标引领下开展专业反思和教学决策提供支持。只有将技术分析嵌入规范、有序的教研流程，构建从证据到判断，再到行动的协同闭环，课堂研究的专业价值才能真正体现出来。

支撑专业成长：

由经验反思走向循证反思

教学反思是教师专业成长的重要路径，也是教研活动不断深化的关键载体。但在实践中，反思活动往往受限于经验视角，缺乏稳定的分析框架和证据支持，难以在理论层面和实践层面形成持续改进。

人工智能的介入，可推动反思方式由经验性回顾走向循证性分析。通过对教学设计文本、课堂实录和反思记录等多源材料的分析，生成式人工智能能够为教研活动提供结构化支持，帮助教师在证据基础上对教学策略进行对照、修正与优化。

生成式人工智能还有助于教师经验的系统整合。通过对教师长期反思文本的主题归纳与策略提炼，零散的实践经验得到系统整理，逐步形成相对稳定的个人教学策略体系；同时，也为校本教研积累可共享、可迭代的专业知识基础，推动教师专业成长由个体积累走向组织性学习。

需要警惕的是，反思内容的价值判断和理论立场选择，仍有赖于教师自身的教育信念与实践智慧。鉴于人工智能在情境理解和价值判断方面的局限，其更适合作为激发深度反思的认知工具，其分析结果和改进建议，有待教师在教育价值框架下加以审慎吸收与重构。

支撑生态重构：

人工智能融入校本教研的路径与边界

人工智能对教研的支撑作用，集中体现在校本教研方面。但在现实中，不少学校的技术应用仍停留在工具层面，与教研制度和教研文化的融合程度有限，缺乏稳定的制度嵌入，其促进作用难以持续。

推动人工智能支撑校本教研转型，关键在于进行教研组织机制的系统性重构。在理念层面，应形成“以人为本、智能增强”的共识，明确人工智能服务育人目标和教学改进的功能定位；在实践层面，应围绕真实教学问题，组织开展循证导向的教研活动，使技术应用与教学改进紧密结合；在制度层面，将证据分析、人机协同研讨和改进跟踪等环节有序嵌入既有教研流程，逐步形成常态化运行机制。

人工智能融入校本教研，并非对传统教研的否定，而是在其基础上的拓展与升级。人工智能并非中小学教研变革的替代者，而是在坚持教师主体地位和育人目标的前提下，推动教研走向循证化、协同化与专业化的重要支点。人工智能的作用边界，应当始终限定在“支撑”而非“主导”，人工智能不能直接替代教师进行教学价值判断和教学决策。只有将人工智能纳入校本教研运行机制，将人工智能与既有的教研文化和组织传统有机融合，避免技术应用的外在化，才能推动教研生态实现内生转型。

《中国教育报》2026年03月16日 第06版

金华市外国语实验学校学生利用“思享慧”平台的语音应答器一起表达。学校供图

浙江师范大学附属芦江书院的教师，在人工智能赋能教学研讨会上执教示范《竹节人》。 楼慧芬 摄

近年来，从国家政策到地方实践，持续将人工智能纳入促进教师发展与教研改进的重要议程。2026年全国教育工作会议更是将“扎实推进人工智能赋能教育”作为重点任务之一。这为利用人工智能推动中小学教研方式变革提供了政策支撑，也提出了新的要求。

长期以来，中小学教研主要依托经验积累与集体讨论展开。这种以经验判断为主的教研方式，在新课程改革背景下逐渐暴露出证据支撑不足、分析视角有限、改进路径不够清晰等问题。如何在坚守育人目标和教师主体地位的前提下，借助人工智能的力量，推动教研由经验判断走向循证改进，进而更有效地支撑课堂变革与教师专业发展？如果人工智能应用缺乏与教研制度的系统衔接，仅停留在工具叠加层面，则难以持续影响教师的教学判断与专业成长，甚至可能增加一线教师的工作负担。

我们应认识到，人工智能可以为教研转型提供嵌入式、辅助性的技术支撑，但不能提供替代性的解决方案。只有在厘清应用边界、坚守教师主体地位和育人目标的前提下，人工智能才能真正服务于教研质量提升。

支撑精准教学：

由经验判断走向循证的学情诊断

在实践中，不少学校围绕提升教学精准性进行了持续探索，如改进作业设计和命题研究以促进“教—学—评”一致性，依托教研组协作开展学情分析和教学调整等。这些做法在一定程度上增强了教学的针对性，但从运行机制看，学情判断仍主要依赖教师经验与集体研判，对学生学习情况的把握多停留在结果层面，学生差异及其形成过程难以被持续、系统地揭示。

人工智能介入学情分析的重要意义，并不在于简单扩大数据规模，而在于为教研提供不同于以往的证据结构。通过对作业、测验、课堂互动等多源信息进行整合与结构化处理，人工智能为学情诊断提供了以证据为中介的分析路径，使学情判断由个体经验走向可追溯、可比较的证据支持。学情不再只是教学结束后的反馈结果，而成为贯穿教学设计、实施与反思全过程的重要依据。

在此基础上，生成式人工智能进一步发挥连接与转化作用。一方面，通过识别典型错误类型、认知卡点和学习路径特征，帮助教师形成更具分辨率的学情画像；另一方面，支持教研组围绕共性问题与关键差异开展针对性研讨，形成分层教学方案和相应的学习支架。精准教学由此不再主要依赖个别教师的经验积累，而逐步转化为在教研层面可持续运行的制度性机制。

需要强调的是，数据驱动并不等同于数据决定。学情数据本身并不自动生成教育意义，其价值有赖于教师基于学科逻辑和育人目标的专业解读。人工智能在学情诊断中的合理定位，是拓展教师理解学情的认知视野，而非替代教学判断。

支撑课堂优化：

由结果评议走向过程理解的课堂研究

课堂观察与研讨是中小学教研的重要形态。传统“听、评、磨”等方式依托教师的专业经验和现场感受，为教学反思提供了重要依据，但其分析往往具有瞬时性和描述性，难以在不同课例和时间维度上形成稳定比较，课堂改进也容易停留在对表层现象的经验评议上。

人工智能通过技术中介，推动课堂分析由结果判断走向过程理解。借助对师生语言交流、互动结构和学习参与分布等过程性信息的持续采集与结构化处理，课堂观察得以形成可追溯、可比较的证据基础，为课堂改进提供更加具体的分析支点。在这一过程中，生成式人工智能可以进一步支撑教研运行。一方面，通过对提问层级、互动频率和参与结构等课堂行为特征的结构化呈现，帮助教师识别教学行为与学习机会分配之间的关系；另一方面，支持教研组围绕典型课堂问题和关键教学策略开展对照分析，逐步形成可迭代的改进方案。课堂改进由此从经验性评议，转向在教研层面持续推进的专业过程。

我们应看到，人工智能在复杂互动意图识别和教育价值判断等方面仍存在明显局限。其合理定位，应是为教师在育人目标引领下开展专业反思和教学决策提供支持。只有将技术分析嵌入规范、有序的教研流程，构建从证据到判断，再到行动的协同闭环，课堂研究的专业价值才能真正体现出来。

支撑专业成长：

由经验反思走向循证反思

教学反思是教师专业成长的重要路径，也是教研活动不断深化的关键载体。但在实践中，反思活动往往受限于经验视角，缺乏稳定的分析框架和证据支持，难以在理论层面和实践层面形成持续改进。

人工智能的介入，可推动反思方式由经验性回顾走向循证性分析。通过对教学设计文本、课堂实录和反思记录等多源材料的分析，生成式人工智能能够为教研活动提供结构化支持，帮助教师在证据基础上对教学策略进行对照、修正与优化。

生成式人工智能还有助于教师经验的系统整合。通过对教师长期反思文本的主题归纳与策略提炼，零散的实践经验得到系统整理，逐步形成相对稳定的个人教学策略体系；同时，也为校本教研积累可共享、可迭代的专业知识基础，推动教师专业成长由个体积累走向组织性学习。

需要警惕的是，反思内容的价值判断和理论立场选择，仍有赖于教师自身的教育信念与实践智慧。鉴于人工智能在情境理解和价值判断方面的局限，其更适合作为激发深度反思的认知工具，其分析结果和改进建议，有待教师在教育价值框架下加以审慎吸收与重构。

支撑生态重构：

人工智能融入校本教研的路径与边界

人工智能对教研的支撑作用，集中体现在校本教研方面。但在现实中，不少学校的技术应用仍停留在工具层面，与教研制度和教研文化的融合程度有限，缺乏稳定的制度嵌入，其促进作用难以持续。

推动人工智能支撑校本教研转型，关键在于进行教研组织机制的系统性重构。在理念层面，应形成“以人为本、智能增强”的共识，明确人工智能服务育人目标和教学改进的功能定位；在实践层面，应围绕真实教学问题，组织开展循证导向的教研活动，使技术应用与教学改进紧密结合；在制度层面，将证据分析、人机协同研讨和改进跟踪等环节有序嵌入既有教研流程，逐步形成常态化运行机制。

人工智能融入校本教研，并非对传统教研的否定，而是在其基础上的拓展与升级。人工智能并非中小学教研变革的替代者，而是在坚持教师主体地位和育人目标的前提下，推动教研走向循证化、协同化与专业化的重要支点。人工智能的作用边界，应当始终限定在“支撑”而非“主导”，人工智能不能直接替代教师进行教学价值判断和教学决策。只有将人工智能纳入校本教研运行机制，将人工智能与既有的教研文化和组织传统有机融合，避免技术应用的外在化，才能推动教研生态实现内生转型。

《中国教育报》2026年03月16日 第06版

金华市外国语实验学校学生利用“思享慧”平台的语音应答器一起表达。学校供图

浙江师范大学附属芦江书院的教师，在人工智能赋能教学研讨会上执教示范《竹节人》。 楼慧芬 摄

近年来，从国家政策到地方实践，持续将人工智能纳入促进教师发展与教研改进的重要议程。2026年全国教育工作会议更是将“扎实推进人工智能赋能教育”作为重点任务之一。这为利用人工智能推动中小学教研方式变革提供了政策支撑，也提出了新的要求。

长期以来，中小学教研主要依托经验积累与集体讨论展开。这种以经验判断为主的教研方式，在新课程改革背景下逐渐暴露出证据支撑不足、分析视角有限、改进路径不够清晰等问题。如何在坚守育人目标和教师主体地位的前提下，借助人工智能的力量，推动教研由经验判断走向循证改进，进而更有效地支撑课堂变革与教师专业发展？如果人工智能应用缺乏与教研制度的系统衔接，仅停留在工具叠加层面，则难以持续影响教师的教学判断与专业成长，甚至可能增加一线教师的工作负担。

我们应认识到，人工智能可以为教研转型提供嵌入式、辅助性的技术支撑，但不能提供替代性的解决方案。只有在厘清应用边界、坚守教师主体地位和育人目标的前提下，人工智能才能真正服务于教研质量提升。

支撑精准教学：

由经验判断走向循证的学情诊断

在实践中，不少学校围绕提升教学精准性进行了持续探索，如改进作业设计和命题研究以促进“教—学—评”一致性，依托教研组协作开展学情分析和教学调整等。这些做法在一定程度上增强了教学的针对性，但从运行机制看，学情判断仍主要依赖教师经验与集体研判，对学生学习情况的把握多停留在结果层面，学生差异及其形成过程难以被持续、系统地揭示。

人工智能介入学情分析的重要意义，并不在于简单扩大数据规模，而在于为教研提供不同于以往的证据结构。通过对作业、测验、课堂互动等多源信息进行整合与结构化处理，人工智能为学情诊断提供了以证据为中介的分析路径，使学情判断由个体经验走向可追溯、可比较的证据支持。学情不再只是教学结束后的反馈结果，而成为贯穿教学设计、实施与反思全过程的重要依据。

在此基础上，生成式人工智能进一步发挥连接与转化作用。一方面，通过识别典型错误类型、认知卡点和学习路径特征，帮助教师形成更具分辨率的学情画像；另一方面，支持教研组围绕共性问题与关键差异开展针对性研讨，形成分层教学方案和相应的学习支架。精准教学由此不再主要依赖个别教师的经验积累，而逐步转化为在教研层面可持续运行的制度性机制。

需要强调的是，数据驱动并不等同于数据决定。学情数据本身并不自动生成教育意义，其价值有赖于教师基于学科逻辑和育人目标的专业解读。人工智能在学情诊断中的合理定位，是拓展教师理解学情的认知视野，而非替代教学判断。

支撑课堂优化：

由结果评议走向过程理解的课堂研究

课堂观察与研讨是中小学教研的重要形态。传统“听、评、磨”等方式依托教师的专业经验和现场感受，为教学反思提供了重要依据，但其分析往往具有瞬时性和描述性，难以在不同课例和时间维度上形成稳定比较，课堂改进也容易停留在对表层现象的经验评议上。

人工智能通过技术中介，推动课堂分析由结果判断走向过程理解。借助对师生语言交流、互动结构和学习参与分布等过程性信息的持续采集与结构化处理，课堂观察得以形成可追溯、可比较的证据基础，为课堂改进提供更加具体的分析支点。在这一过程中，生成式人工智能可以进一步支撑教研运行。一方面，通过对提问层级、互动频率和参与结构等课堂行为特征的结构化呈现，帮助教师识别教学行为与学习机会分配之间的关系；另一方面，支持教研组围绕典型课堂问题和关键教学策略开展对照分析，逐步形成可迭代的改进方案。课堂改进由此从经验性评议，转向在教研层面持续推进的专业过程。

我们应看到，人工智能在复杂互动意图识别和教育价值判断等方面仍存在明显局限。其合理定位，应是为教师在育人目标引领下开展专业反思和教学决策提供支持。只有将技术分析嵌入规范、有序的教研流程，构建从证据到判断，再到行动的协同闭环，课堂研究的专业价值才能真正体现出来。

支撑专业成长：

由经验反思走向循证反思

教学反思是教师专业成长的重要路径，也是教研活动不断深化的关键载体。但在实践中，反思活动往往受限于经验视角，缺乏稳定的分析框架和证据支持，难以在理论层面和实践层面形成持续改进。

人工智能的介入，可推动反思方式由经验性回顾走向循证性分析。通过对教学设计文本、课堂实录和反思记录等多源材料的分析，生成式人工智能能够为教研活动提供结构化支持，帮助教师在证据基础上对教学策略进行对照、修正与优化。

生成式人工智能还有助于教师经验的系统整合。通过对教师长期反思文本的主题归纳与策略提炼，零散的实践经验得到系统整理，逐步形成相对稳定的个人教学策略体系；同时，也为校本教研积累可共享、可迭代的专业知识基础，推动教师专业成长由个体积累走向组织性学习。

需要警惕的是，反思内容的价值判断和理论立场选择，仍有赖于教师自身的教育信念与实践智慧。鉴于人工智能在情境理解和价值判断方面的局限，其更适合作为激发深度反思的认知工具，其分析结果和改进建议，有待教师在教育价值框架下加以审慎吸收与重构。

支撑生态重构：

人工智能融入校本教研的路径与边界

人工智能对教研的支撑作用，集中体现在校本教研方面。但在现实中，不少学校的技术应用仍停留在工具层面，与教研制度和教研文化的融合程度有限，缺乏稳定的制度嵌入，其促进作用难以持续。

推动人工智能支撑校本教研转型，关键在于进行教研组织机制的系统性重构。在理念层面，应形成“以人为本、智能增强”的共识，明确人工智能服务育人目标和教学改进的功能定位；在实践层面，应围绕真实教学问题，组织开展循证导向的教研活动，使技术应用与教学改进紧密结合；在制度层面，将证据分析、人机协同研讨和改进跟踪等环节有序嵌入既有教研流程，逐步形成常态化运行机制。

人工智能融入校本教研，并非对传统教研的否定，而是在其基础上的拓展与升级。人工智能并非中小学教研变革的替代者，而是在坚持教师主体地位和育人目标的前提下，推动教研走向循证化、协同化与专业化的重要支点。人工智能的作用边界，应当始终限定在“支撑”而非“主导”，人工智能不能直接替代教师进行教学价值判断和教学决策。只有将人工智能纳入校本教研运行机制，将人工智能与既有的教研文化和组织传统有机融合，避免技术应用的外在化，才能推动教研生态实现内生转型。

《中国教育报》2026年03月16日 第06版