生成式人工智能Ai技术，在教研活动中的应用方法与案例

02

教学资源开发

◐试题生成：AI 可以根据教学内容和难度要求生成各种类型的试题，包括选择题、填空题、简答题等。教师可以利用这些试题进行课堂练习、课后作业或考试评估。例如，“生成一套关于小学数学‘几何图形’的单元测试题。”

◐学习资料拓展：要求 AI 生成与教学主题相关的拓展阅读材料、案例分析、视频资源推荐等。例如，“为初中英语‘环保主题’的课程提供一些适合学生阅读的英文文章和视频资源。”

03

教学评估与反馈

◐作业批改辅助：AI 可以自动批改学生的作业，提供错误分析和改进建议。教师可以根据 AI 的反馈更有针对性地进行教学辅导。例如，对于学生的作文，AI 可以指出语法错误、逻辑不清晰的地方，并给出修改建议。

◐学生表现分析：通过分析学生的学习数据，如作业完成情况、考试成绩、课堂参与度等，AI 可以为教师提供学生个体和班级整体的学习表现分析报告。教师可以依据这些报告调整教学策略，满足不同学生的需求。例如，“分析班级学生在数学月考中的表现，找出薄弱环节。”

04

教育研究支持

◐文献综述辅助：在进行教育研究时，教师可以让 AI 帮助整理和分析相关的研究文献。例如，“生成关于‘混合式教学对学生学习效果影响’的文献综述。”AI 可以提取关键观点、研究方法和结论，为教师的研究提供参考。

◐研究问题探索：AI 可以为教师提供研究问题的灵感和思路。教师可以向 AI 描述自己的研究领域和兴趣点，让 AI 提出一些潜在的研究问题。例如，“我对小学科学教育中的实验教学感兴趣，有哪些值得研究的问题？”

02

案例二：教学材料创作

在小学美术课上，老师想让学生学习不同风格的绘画。她使用生成式人工智能 DALL・E2 来生成各种绘画风格的示例图片，如印象派、抽象派、写实主义等。老师将这些图片展示给学生，让他们观察不同风格的特点，并尝试模仿。

同时，老师还利用 Stable Diffusion 进一步丰富绘画风格的示例，生成更多独特的艺术作品展示给学生。接着，老师让 Midjourney 生成一些特定场景下不同绘画风格的表现，拓宽学生的视野。

老师又借助 Craiyon 生成一些充满创意的绘画示例，激发学生的想象力。还使用 Artbreeder 来混合不同风格的元素，创造出新奇的绘画效果展示给学生。

老师还让人工智能 ChatGPT 生成一些关于绘画技巧的文字描述，如 “印象派绘画注重色彩的瞬间感受，笔触松散自由” 等，帮助学生更好地理解和掌握不同绘画风格的技巧。此外，文心一言也被用来生成更生动形象的绘画技巧讲解，用故事化的方式让学生更容易理解和记忆。

同时，豆包大语言模型也为老师提供了一些绘画风格历史背景的介绍，帮助学生从更宏观的角度理解不同绘画风格的产生和发展。通义千问则为老师生成一些互动性的绘画学习活动建议，让课堂更加生动有趣。彩云小梦为老师构思一些绘画创作的故事场景，引导学生在特定情境中进行绘画创作。这样的教学材料不仅丰富了课堂内容，还激发了学生的学习兴趣和创造力。

03

案例三：个性化学习计划制定

在中学数学教学中，一位老师利用生成式人工智能为每个学生制定个性化的学习计划。老师将学生的数学成绩、学习习惯、优势和不足等信息输入到人工智能系统中，系统根据这些数据为每个学生生成一个专属的学习计划。

首先，老师使用豆包大语言模型对学生的信息进行初步分析。具体操作方法是，老师以清晰的语言描述学生的各项情况，如 “学生甲数学成绩中等，做题较为粗心，对几何部分掌握较好但代数部分较弱。” 豆包大语言模型会根据这些描述给出初步的学习建议，如 “针对学生甲，可以加强代数部分的基础练习，同时通过一些趣味数学游戏培养细心的习惯。”

接着，利用文心一言来进一步细化学生的学习需求和潜在发展方向。老师将豆包大语言模型的分析结果输入文心一言，询问 “对于这样的学生，如何更好地制定个性化学习计划？” 文心一言会给出更具体的策略，如 “可以推荐一些代数专题的在线课程，安排定期的小测验以检验学习成果。”

同时，借助 ChatGPT 生成一些具有创新性的学习方法和策略建议，融入到个性化学习计划中。老师向 ChatGPT 提问 “有没有新颖的数学学习方法适合这类学生？”ChatGPT 可能会回答 “可以让学生通过制作数学思维导图来梳理知识体系，或者参加数学学习小组进行讨论和互助。”

对于数学基础较弱的学生，计划可能包括更多的基础概念复习和练习题。老师利用猿辅导的智能学习系统为这些学生推荐针对性的基础课程资源和练习题集。具体做法是，在猿辅导平台上输入学生的学习情况和需求，系统会自动筛选出适合的课程和练习题，老师可以根据学生的实际情况进行选择和安排。还使用作业帮的智能题库筛选出适合他们巩固基础的题目，并通过科大讯飞的智能学习助手为学生提供语音讲解和答疑服务。当学生遇到难题时，可以使用科大讯飞的智能学习助手，通过语音提问获取详细的解答和讲解。

对于数学思维能力较强的学生，计划可能会推荐一些拓展性的数学问题和竞赛题目。老师运用洋葱学园的智能学习平台查找高难度的拓展内容和竞赛辅导资源。在洋葱学园中，老师可以根据学生的水平和兴趣选择相应的拓展课程和竞赛训练模块。还借助菁优网的智能推荐功能为这些学生推送具有挑战性的数学问题和竞赛真题。老师在菁优网上设置学生的能力参数，系统会自动为学生推荐合适的题目，学生可以在线练习并查看详细的解答过程。

老师根据这些计划对学生进行有针对性的辅导，提高了学生的学习效果。同时，老师还定期使用智学网的学习分析功能来监测学生的学习进度和效果，根据反馈及时调整个性化学习计划。老师在智学网上可以查看学生的作业完成情况、考试成绩、知识点掌握程度等数据，根据这些数据对学习计划进行优化和调整。

04

案例四：教学评估与反馈

在英语教学中，老师使用生成式人工智能对学生的作文进行评估。首先，老师利用 Grammarly 快速分析学生作文的语法错误、标点使用不当等问题，并给出具体的修改建议，例如 “这句话语法错误，应该改为……”。同时，它还能评估文章的风格是否正式、清晰等。

接着，使用 ProWritingAid 进一步分析学生作文的词汇丰富度、重复用词情况以及句子结构的多样性等方面。它可以指出 “这个词汇使用不恰当，可以换成……”，并提供一系列同义词和更生动的表达方式供学生选择。

此外，微软小英也被运用到作文评估中，它可以对学生的发音、语调进行评估，如果作文中有口语化表达，也能给出相应的改进建议。

还有 Quillbot 可以帮助学生进行句子的改写和润色，使文章更加流畅自然，同时也为学生提供不同的写作思路和表达方式。

同时，老师引入了 Wordvice AI 来检查文章的整体逻辑性和连贯性，它能够识别段落之间的过渡是否自然，主题是否明确，并给出相应的调整建议。

PaperRater 也发挥了重要作用，它不仅可以评估语法和拼写，还能对文章的原创性进行检测，防止学生抄袭，同时为文章的整体质量给出一个综合评分。

老师将这些人工智能的评估结果反馈给学生，让他们进行修改和完善。同时，老师也可以根据人工智能的分析了解学生在英语写作方面的普遍问题，从而调整教学重点和方法。例如，若发现学生普遍存在词汇量不足的问题，老师可以安排更多的词汇拓展练习和阅读任务；若学生在逻辑结构方面较为薄弱，老师则可以通过讲解范文、进行逻辑思维训练等方式来提高学生的写作水平。

05

案例五：教育研究数据分析

一位教育研究者正在进行一项关于在线学习效果的研究。他收集了大量的学生在线学习数据，包括学习时间、参与度、考试成绩等。利用生成式人工智能技术，他对这些数据进行分析，生成数据分析报告。

首先，研究者使用 IBM Watson Analytics 对学生的学习数据进行初步分析。具体操作步骤为：将收集到的数据导入 IBM Watson Analytics 平台，平台会自动识别数据类型和格式，并进行初步的数据清理和整理。然后，研究者可以通过设置分析参数和目标，让平台自动生成数据的初步分析报告，包括数据的分布情况、趋势分析等。例如，它可以发现学生在不同时间段的学习时间分布情况，以及参与度与学习时间之间的关系。

接着，利用 Tableau 进行数据可视化。操作步骤如下：将经过初步处理的数据导入 Tableau 软件，选择合适的数据可视化图表类型，如柱状图、折线图、饼图等。通过拖拽和设置参数，可以快速生成直观的图表和图形。通过 Tableau，研究者可以清晰地看到学生在线学习的行为模式，如哪些课程受到学生的欢迎，学生在哪些环节容易出现高参与度等。

同时，研究者还运用 RapidMiner 进行更深入的数据分析。具体步骤为：在 RapidMiner 中导入数据，选择合适的数据挖掘算法和机器学习模型，如决策树、随机森林、支持向量机等。设置模型参数和训练目标，进行模型训练和优化。这个工具可以进行数据挖掘和机器学习，帮助研究者发现不同因素对学习效果的影响。例如，通过分析学生的学习时间、参与度、讨论次数等因素，确定哪些因素对学习成绩有积极影响。

此外，SAS Analytics 也被用于数据分析。操作方法为：将数据导入 SAS 软件，使用其强大的统计分析模块进行数据分析，如假设检验、方差分析、回归分析等。设置分析参数和模型假设，运行分析程序，得到详细的分析结果。它可以进行高级统计分析和预测建模，为研究者提供更准确的分析结果。例如，通过建立预测模型，预测学生在不同学习条件下的学习成绩。

研究者又引入了 Python 中的数据分析库，如 Pandas、NumPy 和 Scikit-learn。具体操作如下：使用 Python 编程语言，导入相应的数据分析库。使用 Pandas 进行数据清洗和整理，通过读取数据文件、处理缺失值、去除异常值等操作，得到干净的数据。使用 NumPy 进行数值计算，如矩阵运算、统计计算等。使用 Scikit-learn 进行机器学习算法的应用，如选择合适的算法模型、划分训练集和测试集、进行模型训练和评估等。利用这些库，研究者可以进行更加灵活和定制化的数据处理和分析。

同时，R 语言也被运用到研究中。操作步骤为：在 R 环境中，导入数据文件，使用 R 语言的各种统计分析函数和绘图函数进行数据分析和可视化。例如，使用 R 语言进行假设检验、方差分析等统计分析，以及制作高质量的图表来展示分析结果。

国内方面，研究者使用了百度的飞桨（PaddlePaddle）深度学习框架。操作流程为：安装飞桨框架，准备好数据并进行预处理。设计深度学习模型架构，设置模型参数和训练策略。使用飞桨提供的 API 进行模型训练和优化。它可以帮助研究者进行大规模数据的深度学习任务，挖掘数据中的潜在规律。例如，通过构建深度神经网络模型，对学生的学习行为和成绩进行预测。

还有腾讯云智能钛机器学习平台。操作步骤为：在腾讯云平台上创建机器学习项目，导入数据并进行数据预处理。选择合适的机器学习算法和模型，设置训练参数。启动模型训练任务，平台会自动进行模型训练和优化。它提供了一站式的机器学习服务，包括数据处理、模型训练、评估和部署等。研究者可以利用这个平台快速搭建数据分析模型，提高研究效率。

阿里巴巴的 DataWorks 也被运用到研究中。具体操作是：在 DataWorks 平台上创建数据项目，导入数据并进行数据集成和清洗。使用其数据开发工具进行数据分析和处理，设置数据任务和调度计划。它可以实现数据集成、数据开发、数据治理等功能，帮助研究者高效地管理和分析数据。

华为云的 ModelArts 也是一个强大的人工智能平台。操作方法为：在华为云平台上开通 ModelArts 服务，上传数据并进行数据标注和预处理。选择合适的深度学习算法和模型，设置训练参数和优化策略。启动模型训练任务，平台会自动进行模型训练和评估。它可以支持多种深度学习框架和算法，为研究者提供便捷的模型训练和部署服务。

报告中包括学生在线学习的行为模式分析、不同因素对学习效果的影响分析等。例如，“学生在晚上的学习参与度更高”“在线讨论对学习成绩有积极影响” 等。研究者根据这些报告得出结论，并提出相应的教学建议，为改进在线教学提供了有力的依据。

06

案例六：英语写作教学

张老师在高中英语写作教学中应用生成式 AI 技术。首先，她让 AI 生成一些不同主题的写作题目和范文，作为学生的写作练习素材。张老师使用豆包大语言模型，输入特定的主题和要求，如 “以环保为主题，适合高中水平的英语写作题目和范文”，豆包大语言模型便会快速生成相关的题目和高质量的范文，为学生提供丰富的写作参考。

课堂上，张老师对学生们说：“同学们，今天我们借助人工智能来提升我们的英语写作水平。大家先看看这些由 AI 生成的写作题目和范文，然后开始自己的创作。”

学生小明举手提问：“老师，这些范文好厉害啊，我们会不会过度依赖它们呢？”

张老师微笑着回答：“小明的问题很好。范文是给大家提供思路和参考的，不是让大家照抄哦。我们要学习范文中的好的表达和结构，然后运用到自己的作文中。”

在学生完成写作后，张老师利用 AI 对学生的作文进行批改。她运用 Grammarly，这个工具不仅指出语法错误和拼写错误，还对文章的结构、逻辑和表达提出了具体的改进建议。例如，它会提示 “这句话的语法错误，可以改为……” 或者 “这段内容的逻辑不够清晰，可以添加…… 来增强连贯性”。

同时，张老师还引入了 ProWritingAid，这个工具可以进一步分析文章的风格、词汇多样性和句子长度等方面。它会给出诸如 “这个词汇使用过于频繁，可以用…… 替换” 或者 “文章中长句过多，可以适当增加一些短句来调节节奏” 的建议。

此外，微软小英也被张老师运用到作文批改中。它可以对学生的发音进行评估，如果作文中有需要朗读的部分，它能指出发音不准确的地方，并提供正确的发音示范。

张老师把批改后的作文发给学生们，说：“同学们，看看这些 AI 给出的批改建议，大家对照着修改自己的作文。有不明白的地方随时问老师。”

学生小红问道：“老师，我不太明白这里为什么说我的逻辑不清晰呢？”

张老师耐心地解释：“小红，你看这里，你的论述过程有点跳跃，没有很好地过渡。可以添加一些连接词或者解释性的语句，让文章的逻辑更顺畅。”

张老师根据这些 AI 的反馈对学生进行一对一的辅导，学生的写作水平得到了显著提高。

07

案例七：数学教学资源开发

王老师在初中数学教学中，使用 AI 生成教学资源。他首先让豆包大语言模型生成一套关于 “函数” 的练习题，包括基础题、提高题和拓展题，满足不同层次学生的需求。豆包大语言模型快速给出了各种类型的题目，如 “已知函数 y = 2x + 3，当 x = 4 时，y 的值是多少？” 等基础题，“对于函数 y = ax² + bx + c，在什么条件下函数有最小值？” 等提高题，以及 “探究函数 y = f (x) 与 y = -f (x) 之间的图像关系” 等拓展题。

同时，AI 还为每道题提供了详细的解答过程和解题思路，方便学生自学和教师讲解。例如，对于一道函数应用题，豆包大语言模型会给出这样的解答思路：“首先，根据题目中的条件列出函数关系式；然后，分析函数的性质，如单调性、最值等；最后，根据问题的要求进行求解。”

此外，王老师还让 AI 推荐了一些关于函数的在线教学视频和互动学习软件，丰富了教学资源，提高了学生的学习兴趣。他利用腾讯云智能钛的知识图谱功能，搜索关于函数的教学资源推荐。智能钛给出了一些优质的在线教学视频平台，如哔哩哔哩上的函数教学系列视频，以及一些互动学习软件，如洋葱学园、作业帮等。

王老师又使用百度的飞桨深度学习框架开发了一个函数学习小助手。这个小助手可以根据学生的答题情况，给出个性化的学习建议和练习题推荐。例如，如果学生在某一类函数问题上经常出错，小助手会推荐更多相关的练习题，并提供详细的讲解视频。

同时，阿里巴巴的 DataWorks 也被王老师用来整理和分析学生在函数学习过程中的数据。通过对学生的答题时间、正确率等数据的分析，王老师可以了解学生的学习进度和薄弱环节，从而调整教学策略。

王老师还引入了华为云的 ModelArts，利用其图像识别功能，开发了一个函数图像绘制工具。学生可以通过输入函数表达式，工具自动绘制出函数图像，帮助学生更好地理解函数的性质和变化规律。

08

案例八：教育研究文献综述

李老师正在进行一项关于 “在线教育对学生自主学习能力影响” 的教育研究。他让 AI 生成相关的文献综述。

李老师首先使用豆包大语言模型来启动文献综述的生成过程。他向豆包详细描述了研究主题和要求，比如 “请从大量学术数据库中检索关于在线教育对学生自主学习能力影响的文献，提取关键信息，包括研究目的、方法、结论等，并进行整理和分析。” 豆包迅速从多个学术数据源中收集相关文献，并开始提取关键信息。

接着，李老师借助智谱清言进一步优化文献检索和分析的过程。智谱清言能够更精准地定位高质量的学术文献，并对文献中的复杂概念和关系进行深入分析。它可以帮助李老师发现文献之间的潜在联系和研究趋势。

同时，李老师还利用文心一言对提取出的关键信息进行语言润色和结构化整理。文心一言可以将文献中的专业术语转化为更通俗易懂的语言，使得文献综述更加清晰易读。

此外，李老师使用微软学术的智能搜索功能，以确保不遗漏任何重要的学术文献。微软学术可以根据关键词和研究领域进行高级搜索，为李老师提供更广泛的文献资源。

李老师根据 AI 生成的文献综述，了解了该领域的研究现状和趋势，为自己的研究提供了有力的支持。