【教育技术顶刊】JSET:AI写的教案真的能应用在真实课堂吗?

• 这些由 AI 生成的教案，真的具备教育学意义上的专业性吗？

• 它们是真正符合现代教育理论的教学设计，还是仅仅披着华丽辞藻外衣的文字拼凑？

（1）研究背景

现有研究大多只关注 AI 工具的可用性——能不能省时间、能不能激发创意。但很少有人深究一个关键问题：这些 AI 生成的教案，到底符不符合既定的学习理论和课程标准？

更具体的痛点是：面对像工程设计式学习（EDBL） 这样强调"过程导向、迭代试错"的复杂教学法，AI 能否真正驾驭？

（2）研究问题

• RQ：针对一个六年级科学单元，AI 生成的教案在"教学质量"和"EDBL契合度"上表现如何？当用国家课程标准的技能要求和EDBL各阶段来衡量时，它们的优势与短板在哪？

1. 发现问题；

2. 研究问题；

3. 提出可能方案；

4. 选择并发展最佳方案；

5. 制作原型并测试；

6. 评估并重新设计。

在实际科学课堂中，最难的部分往往是第5和第6阶段 —— 如何引导学生在失败中反思并迭代。 研究正是要检验 AI 能否在教案中精准设计出支撑这种“反思性试错”的脚手架。

1. 概念技能（问题解决、提问、讨论）；

2. 领域特定技能（假设建立、观察、推断）；

3. 素养技能（数据素养、媒体素养、视觉素养）；

4. 社会情感学习技能（情绪调节、共情、健康自我概念）。

而本研究还额外加入了工程技能作为 EDBL 框架的内在要求 —— 构成完整的五大技能评估维度。

(1）任务设置与AI平台

 a）两个被测AI平台：

 b）任务内容：

生成六年级科学 “可持续生活与生物多样性” 单元教案，核心目标为 “质疑生物多样性对自然生命的重要性”，要求覆盖 5 项子目标（定义、提问、收集信息、评估信息可靠性、做出推断）、四大技能维度，并适配土耳其的本地情境。

（2）专家被试信息

a）专家样本：通过标准抽样选出11位专家（E1~E11），全部具备科学教育或课程研究的硕士以上学历，且有EDBL模型的实操经验。

b）翻译问题的处理：由于 Teacher's Buddy 当时不支持土耳其语，英文输出由两位精通英语的科学教育专家作者独立翻译成土耳其语，并交叉核对消除分歧。

（3）评估与分析方法

• 采用双盲评审设计：所有教案去除来源标识，仅标注 C1、C2，专家全程不知道对应平台；

• 10分制评分量表（1=完全不适切，10=完全适切）：涵盖12项教学质量标准，归类为七大类（五个EDBL阶段 + 两个实施标准）跨五大技能领域；

• 定性分析：采用 Braun & Clarke 的六阶段主题分析法处理开放式回答。两名研究者独立编码，最终归纳为三个适用性类别：可直接应用；修改后可应用；不应应用；

• 编码信度：使用二次加权kappa，达到κ = 0.79（95%置信区间0.68~0.90），表示高度一致。

两款 AI 呈现出一个共同特征：“呈现方案” 环节得分均为全场最高（C1 均值 47.00，C2 均值 49.09），说明 AI 普遍擅长设计收尾展示环节，输出结构清晰、形式丰富。

但核心差异体现在过程环节：

• C1 在早期阶段表现更优，“识别问题” 44.73 分、“调研问题” 45.00 分，适合做课程导入与背景铺垫；但到了最体现 EDBL 精髓的 “评估与重设计” 环节，C1 得分跌至 42.55 分 ，为所有环节最低，且专家评分分歧极大。

• 反观教育专属 AI C2，全程表现更均衡，尤其是 “评估与重设计”（48.45 分）和 “原型制作与测试”（47.45 分）两个迭代核心环节，显著高于 C1，真正还原了 EDBL 的循环属性。

👉 简言之：C1 写的是 “一步到位的教案”，C2 写的是 “有迭代的探究课”。

• 五大技能维度中，工程技能是两款 AI 的共同最低分：C1 仅 37.45 分，C2 为 41.45 分，相差 4 分。这说明无论通用还是教育 AI，都难以真正还原工程设计中的试错、失败分析、原型迭代等过程性能力，大多停留在 “口头讲步骤” 的表面。

• 其余维度各有侧重：C1 在概念技能（49.45 分）和社会情绪技能（47.64 分）上略有优势，内容表达更生动，更关注学生感受；C2 则在领域特定技能（50.72 分）、素养技能（49.45 分）上表现更好，更贴合科学学科的专业要求。

👉 整体质量的 8 项指标中，C2 全面高于 C1，教育专属 AI 在教学节奏、本地化适配等教学细节上，考虑得明显更周全。

但一个有趣的反转出现了：尽管C2定量得分全面领先，专家偏好却出现了分裂：

💡 深层启示：这说明专家的判断不仅看"结构契合度"，还看"情感和情境维度"。AI教案不能只评估技术保真度，更要看它能否培养以人为本、包容的学习环境。

（1）启示：数字公平的隐忧

研究指出土耳其语提示词产出的教案质量远低于英语提示词。这暴露了一个严重的"数字公平"问题，即 AI 工具可能不成比例地服务于英语能力强的用户，在不同语言语境中制造教学质量的鸿沟。

对全球非英语国家的教育者而言，这意味着 AI 带来的"便利"可能伴随着"不平等"。

（2）研究局限

• 仅依赖专家评估，缺乏真实课堂实施和学生学习成果的数据；

• 仅限单一学科（科学）和单一年级（六年级），泛化性受限；

• 缺乏纵向视角，无法考察教师如何随时间改编 AI 教案。

= END =