AI 备课（AI Lesson Planning）

备课是教师日常里最耗时的环节之一：确定教学目标、拆解知识点、设计活动与练习、准备课件与板书。AI 备课把其中可复用的部分交给模型起草，教师在此基础上修改与取舍，尤其适合多班平行授课、需要按班级差异调整的场景。

生成内容要挂住什么

有用的备课输出必须锚定三件事：课程标准与考纲要求的知识点、学生当前的掌握水平，以及一节课的时间与节奏约束。因此系统通常需要接入教材目录、知识点图谱与历史作业数据，否则生成的教案看起来完整，却与教学进度和学情脱节。生成时还要明确课型，新授课、复习课与习题课的环节结构差别很大，混用模板会得到不实用的方案。

数据与素材要求

• 学情数据：没有作业与测验数据，模型只能按平均水平写，难以生成分层任务与针对性练习。
• 教材与进度：要能对齐到具体单元与课时，避免生成超前或重复的内容，需要结构化的教材目录。
• 素材权属：课件插图、试题与阅读材料的使用权限要明确，避免把权属不清的素材带进课堂。
• 学科规范：理科的符号、单位与作图规范要统一，通常用学科模板约束输出格式与术语。

落地要点与风险

• 内容正确性：理科例题、公式推导与实验步骤出错会直接误导学生，需要学科校验与教师终审。
• 教学法多样性：模型容易输出讲授式的统一模板，需要显式要求探究、讨论与小组活动等不同结构。
• 教师主导权：工具定位是草稿与素材库，教学决策与课堂调整仍由教师负责，不能变成照本宣科。
• 学生数据保护：作业与成绩数据涉及未成年人信息，使用范围与留存期限要受约束。
• 过度依赖：长期直接使用生成教案会弱化教师的教材解读能力，需要保留自主设计的环节。

和相近概念的区别

它和自动出题的区别是覆盖面：出题只解决练习环节，备课还要处理目标、活动与评价的一致性。它和课堂分析类工具的方向相反，后者从课堂记录中反推教学效果，备课工具是在课前生成方案，两者常配合使用。

在组织方式上，常见做法是把备课拆成教学目标、课堂环节、练习与评价四部分分别生成，再由教师按课时拼接。这样修改局部时不必重写整份教案，也便于同年级教师共享与复用，减少同一内容被反复生成。

衡量效果不应只看节省了多少编写时间，还要看教师是否因此腾出精力做学情分析与个别辅导。