新学期以DeepSeek为“最佳拍档”，“学为中心”课堂长什么样？

晨光中的生物课不再以翻书声开场——学生们围聚在智能屏前，抛出天马行空的问题："设计养老院的智能盆栽系统，该优先监测土壤湿度还是光照？" 这些曾经存在于科幻场景中的画面，正在成为AI时代课堂的新日常。

当DeepSeek等智能助手化身"数字学伴"，每个孩子的学习轨迹都能被精准"解码"，课堂教学的底层逻辑正在被重塑。在传统课堂的“教-学-评”三角结构中，AI正悄然推动教育系统从工业时代的“流水线”进化为智能时代的“有机体”。这种转型并非简单叠加技术工具，而是通过四个真实锚点重构课堂本质。

课堂起点重构：从“知识点”到“问题链”

当知识“越狱”

曾经基于学科逻辑和教师经验设计的课程目标，往往将知识点切割孤立，如同散落一地的拼图碎片。就像我们常问达·芬奇如何成为画出《蒙娜丽莎》的数学家，可在数学课上，我们却不会分享如何从数学的角度欣赏一幅美术作品的美感。

这当然是因为我们的老师也成长于人为搭建的学科体系中，但AI则能够为在单一学科中学习、工作的学科教师提供跨课堂知识图谱。以语文必读书目《红楼梦》的教学为例，以往备课时，老师需要手动收集跨学科案例，这样不仅效率低下，并且由于对于其他学科不够了解，难以分辨选题的价值高低。

而今只需按照提问模板向DeepSeek输入跨界科目（如历史/美学）、课时要求、形式要求，便能够收获一份对于跨界科目也颇有思考的教学方案。

提问模板：

【背景】我是一名高中语文教师；【任务】需要一份《红楼梦》教学大纲；【要求】6个课时；跨学科（历史/美学）；【补充】需要具有小组辩论环节。

这种智能供给的背后，是DeepSeek构建的立体资源网络。也许在未来，当校园接入DeepSeek等智能系统，在教师讲解李白《将进酒》时，AI将打破"古诗=背诵默写"的刻板框架，自动关联唐代酒器考古报告、敦煌残卷中的狂草书法真迹、方言语音库中的古音吟诵数据，甚至调用AR技术带学生"穿越"至长安酒肆，在虚拟场景中即兴创作劝酒诗。

最有价值的创新往往发生在学科标签失效处，AI正在撕掉学科间的“门牌号”，还知识以本来面目。

给知识装上“GPS”

一方面，对于教师而言，看见学生的学习，需要设计足够客观准确的学习结果和学习表现，来检验学生当堂的学习成果，反哺教学设计；另一方面，对于学生而言，他们需要明确地知道每堂课要学什么、学到什么程度、达到什么结果，就像游戏中的“技能树”一样，学生能够清楚知道自己离下一个“成就”还差哪些“任务”，而不是完全被老师的节奏“牵着走”。

这时，教师不仅要看见学生的学习，还要指导学生通过可视化工具看见自己的学习，比如，将解题思路写下来，将所学知识用思维导图的方式画出来，建立知识结构，进而形成学生新的认知结构。以此指导学生对自己的想法进行反思，进行分析与综合、创新与评价。

那么，如何设计学习目标？AI同样可以帮助我们梳理学科教材，形成知识结构图；对课程标准进行逐级分解细化，对接课程标准，形成目标细目表，包含知识目标、能力目标、素养目标等；用学生友好的语言，通过语言、图示和行为描述，清晰描述“通过什么样的学习过程，能够实现什么样的预期结果及其评估标准”。

在这种情况下，相比于以往茫茫大海捞针，教师需要更清楚地知道自己需要什么，才能在AI给出的大致框架下，问出合适的答案，比如判断AI给出的初稿是否有超纲的内容，如何融入自己对知识的把握与考量，哪里是大多数学生理解的难点，是否需要调整分配的课时……

教学资源革命：从“标准化”到“自适应”

随着人工智能呼啸而来的，是一场“资源生产范式”的迁移。以往需要数周来策划、打磨的差异化教案，现如今只需要几十秒的深度思考便可以产出一份供打磨的初稿。

比如以“勾股定律”为例，我们希望DeepSeek为我们生成适合薄弱学生、学有余力的学生与具备一定创新迁移能力学生的差异化教案，它立刻便提出想法：

对于基础薄弱的学生，系统生成“生活化脚手架”——用外卖骑手路径规划讲解勾股定理，每个推导步骤配有动画演示；学有余力的学生们，可以进一步接受“数学史侦探”挑战：通过《周髀算经》与古希腊文献对比，探究几何学起源的文化差异；对于创新者，则提供“卫星轨道计算编程任务”，实时调用NASA公开数据集验证结果。

但就像祝智庭教授等人提出的“融智课堂模型”一样，AI始终只能为我们创设学习场景，而落在具体的课堂组织上，如何基于自己对于本班学生的理解，为他们匹配合适的学习内容，让每个人都能得其所需，而对于那些不适应所在阶段的学生，又该如何灵活调配，这是留给老师们的，对于课堂更为攸关的难题。

AI的思考并不是替代教师去思考，而是释放教师的脑力给更加精细化的问题。

教学重心转移：提问成为学习的母语

另一方面值得重视的，是如何把讲台让给学生。我们知道，自主提问是学生主动学习的发端，是解决困惑、填补知识空白的第一步，也是迈向深度学习的必由之路。

但我们往往遇见的难点是，学生的问题多且杂，而老师的时间始终是有限的，一些发达地区的学校走向了“小班化教学”，可这对于教育资源匮乏地区又显得遥不可及。

于是，能够全年无休的AI则成了“救命稻草”。一些老师尝试用自己多年积累的学习、复习资料生成专属智能体，学生只需要输入自己的问题，智能体便调用资料来进行回答。

这种基础配置课堂对技术资源要求较低，适合设备有限的情况，课堂仍然由教师主导，AI主要负责支持教师讲解，能够帮助学生理解知识与掌握概念，同时培养学生对大模型生成内容的审辨思维与分析能力。

进阶配置课堂则为小组配置智能终端，大模型在此可扮演智能导师与学伴的双重角色，提供结构化的流程指导与多视角的理解，教师则可从其中脱身，解决小组的个性化问题。

高阶配置课堂个性化更强，能够实现学生与AI大模型的独立对话。此时大模型不仅可提供专家知识或多维视角，还可作为个性化学习规划师，提供定制化学习路径与即时反馈。

学生高度参与互动，生成递进问题链，向大模型自主提问并修正已有认知；教师在此过程中更多扮演引导者与观察者的角色，关注学生的个性化发展。比如在英语课上，我们可以借助Character.AI与ChatGPT让莎士比亚“活”起来，与学生展开对话。

在低中高三种配置的课堂之上，在技术狂飙突进的表象之下，DeepSeek带来的最深层次变革，都是让教师回归教育的本质，走出收集数据的“洞穴”，成为引导人、解读者。

可以说，“学会提问”，既是“学为中心”的课堂的重要风向标，也是打开AI世界的密匙。与此同时，“提问”的能力也并非天生具备的，教师可以借助一些思维工具，如STW三步提问法、“观察—思考—疑问”工具等，引导学生将心中所想表达出来。

课堂评价进化：从“分数裁判”到"成长全息图"

学习是主动建构的，而不是被动接受的。实现“学为中心”的转型，除了从以教材内容为主导，到以学生探究为主导，更需要老师将自己的角色从“权威教导者”转向“学生顾问”。

比如针对“无标准答案”题目——英语、语文作文的个性化批改。在这两门主课中，作文水平的提升往往是最让学生摸不着头脑的，因为在日常自主训练中，没有老师批改，没有标准答案，学生不知道从哪里开始改进提升。

但现在，老师可以通过教给学生指令的形式，如“这是一位初一学生，就XX主题写的作文，请评价其优缺点”，让AI成为学生专属的批改专家。

如果学生对答案不满意，还可以通过不断缩小提问范围的方式反复与AI进行对话，使学生在不断的“反馈—修改—再反馈—再修改”循环中真正提高写作能力。

与此同时，学生也可以将单篇的分析进行汇总，通过与AI的互动，回答“我在哪里（目标是什么）”“我如何去那里（指向目标的进程是什么）”“下一步该去哪里（为了更好地进步应怎么做）”三个问题，学生能了解自己的学习动态，对学习过程进行反思，促进知识的建构。

以上种种应用，虽然没有完全跳出应试的范畴，但这其中涉及非常重要的学习动力的转换，即从被动的“被别人教”变成了主动的“我要求你教”。

与此同时，在教学数据“泛滥”后，随之而来的是对教师更高的要求——看见数据背后的人文故事。比如当AI标记出“李某近期提问频次下降63%”，它所给出的只能是结果，不是解释，更不是原因。

这时，我们不能仅仅依赖数据结论，而要通过如邀请学生聊天，咨询学生的好友，甚至家访来发现学生走神的真正原因，比如父母吵架，又或是生病失眠？

是的，AI可以将教师从机械劳动中解放，但永远无法替代人类独有的“教育同理心”。它是工具、是资源、是系统，但绝不是一个“下载键”，仿佛一键就能在本地安装一个学为中心的课堂。

在这场静默的进化中，最动人的不是算法多么精妙，而是看见每个孩子眼里的光——那是对世界永恒的好奇，对人类温度的渴望，以及在技术洪流中愈发清晰的教育初心。

再比如，如何将AI生成的注意力曲线转化为教学故事，如果一个班级在课堂进行到23分钟的时候集体“掉线”，那么究竟是因为内容无聊，还是这个概念触及到了学生的知识盲区？这些只有与孩子们朝夕相处的老师可以给出答案。