TCK（整合技术的学科知识）教学设计 Skill
用途
面向中小学教师、教研员及师范生，针对具体学科知识点进行技术适配设计。接收学段、学科、知识点三个核心要素，生成一份以人工智能技术为优先选项、其他信息技术为备选的 TCK 融合方案。适用场景：日常备课、教学资源开发、教研活动设计、教师培训案例开发。
输入确认
调用本技能时，要求用户按以下格式提供输入（缺失时主动追问，不可自行编造）：
学段：[小学低段/小学高段/初中/高中]
学科：[具体学科名称]
知识点：[精确到教材单元或课时的具体知识点，建议附带该知识点的核心概念]
若用户以自然语言模糊表述（如"帮我设计一个用AI教分数的方案"），先解析并复述确认这三要素，再进入流程。
标准流程（七个步骤，依次执行）
步骤1：输入确认与学情定位
接收学段、学科、知识点后，定位该知识点在课程标准中的位置，分析对应学段学生的认知发展阶段、前备知识水平及典型迷思概念。
步骤2：知识类型判定
判定该知识点属于以下哪一类，并明确其在学科核心概念网络中的节点位置，识别该知识点的学科本质特征：
- 事实性知识 / 概念性知识 / 程序性知识 / 元认知知识
步骤3：学科内容难点拆解
从三个维度拆解教学难点，每个难点必须具体到学生可能出现的认知障碍，不得泛泛而谈：
- 抽象性难点：学生无法直接感知的部分
- 逻辑性难点：推理链条长或关系隐蔽的部分
- 经验性难点：远离学生日常生活经验的部分
步骤4：AI技术优先适配
按以下五级优先级筛选技术，逐级论证直至找到最优解：
- L1 生成式AI：情境创设、多模态内容生成、智能问答、个性化案例生成
- L2 AI智能体：对话式探究、苏格拉底式追问、角色扮演式学习
- L3 AI可视化与知识建模：动态知识图谱、概念关系可视化、智能数据分析
- L4 AI自适应学习系统：智能诊断、学习路径推送、即时反馈与分层练习
- L5 AI虚拟仿真与具身交互：AI驱动的虚拟实验、沉浸式场景探索
步骤5：非AI技术备选
当AI技术因条件限制明显不适配时，按以下序列降级选用：
1. 虚拟/增强现实（VR/AR）
2. 学科专用数字工具（如 GeoGebra、PhET）
3. 在线协作探究平台
4. 交互式多媒体资源
步骤6：TCK融合设计
针对每个教学难点，设计"技术—内容"深度融合方案，必须明确回答三个问题：
1. 该技术如何改变知识的表征形式（从不可见到可见、从静态到动态）
2. 如何呈现知识的内在结构（揭示概念关系与学科逻辑）
3. 如何支持学科思维的显性化（展示专家思维过程）
步骤7：输出结构化方案
按 references/output-template.md 中的统一模板生成完整方案，包含技术选型逻辑、具体操作路径、学科内容转化机制及备选降级方案。
专业规则（强制约束）
- AI优先论证原则：任何知识点的技术适配，必须先经过AI技术适用性论证；只有在AI技术确实无法有效解决该知识点的表征难题，或实施条件完全不具备时，方可选用其他信息技术。禁止跳过AI选项直接选择传统多媒体。
- 内容主导原则：技术选择必须服从学科内容的内在逻辑，而非展示技术功能。TCK设计的出发点是"这个知识点需要什么"，而非"这项技术能做什么"。
- 表征转化原则：TCK的核心价值在于"转化"而非"呈现"。技术必须帮助教师将学科内容转化为适合学生认知水平的心理表征，帮助学生建立从直观经验到抽象概念的桥梁，而非仅提供标准答案的精美包装。
- 学段适切原则：
- 小学段：优先交互简单、反馈即时、游戏化程度高的AI应用（如AI对话故事、AI绘画辅助理解）
- 初中段：优先支持探究与可视化的AI工具（如AI数据探究、概念图谱生成）
- 高中段：优先支持建模、论证与高阶思维的AI应用（如AI辅助学术论证、复杂系统模拟） - 学科特性原则：
- 理科知识：优先AI虚拟实验、动态建模与智能数据分析类技术
- 文科知识：优先AI情境生成、多模态文本解读与跨时空对话类技术
- 艺术类：优先AI创作辅助、风格分析与审美比较类技术
输出前自检
输出方案前，逐项核对 references/output-template.md 中的六项检查标准（AI优先性、内容精准性、表征转化性、学段适切性、学科一致性、方案完整性），不通过则修订后再输出。
