那间“会思考”的录播教室

周三下午，潍坊广文中学初二数学教师李新英站在录播教室的讲台上，手心微微出汗。这是她入职以来第一次接受AI课堂诊断。教室后墙的那台智能摄像头静静运转，屏幕上实时跳动着课堂互动频率、学生抬头率、教师语速曲线等数据。

一周后，诊断报告摆上她的案头：学生注意力波动的3个节点被精准标注，语音识别分析出她提问中“是不是”“对不对”等封闭性问题占比高达62%。“原来，我在讲解函数图像时,不自觉地重复了4遍概念，而学生真正困惑的是图像平移规律。”李新英在教研笔记上写道。

这份笔记后来被收入学校新教师成长档案，成为AI诊断系统使用两年来的典型个案之一。

2023年，广文中学引入这套AI课堂教学诊断系统，依托人工智能与大模型技术，对新课程标准下的课堂进行多维度画像。但学校课程研究院主任王常波更清楚它的边界：每学期由骨干教师随机抽取20%的课例，逐帧比对系统判定与现场观察的差异，累计修正算法误判37处。其中，“小组讨论被识别为课堂混乱”的偏差，已反馈技术方完成模型迭代。“我们给系统‘喂’的是广文中学的课堂，不是标准答案。”王常波说。

链条式的教研机制由此催生：青年教师先上“汇报诊断课”，AI数据与观课教师的课堂观察互为印证；骨干教师开设“示范引领课”，用数据验证教学策略的有效性；经验丰富的教师进行经典案例智慧分享，将隐性经验转化为可讨论的教学模型。学校数学教研组组长王蕾坦言：“以前评课靠感觉，现在多了一张‘课堂心电图’，但拍板定论的还是人。”

数据背后，教研、备课重心在悄然转移。一名英语教师在诊断报告中发现，自己课堂前１５分钟语速达每分钟280字，超出系统建议的240字阈值。调整后，她在关键处放慢语速、增加停顿，那节课，学生主动提问次数从3次增加至7次。初三年级主任王娜注意到，这类“语速预警”在诊断报告中出现频次最高，已成为新教师培训的固定模块。

广文中学的录播教室至今每天都运转着。李新英如今已是能独立解读诊断报告的“熟手”，但她仍会在系统标注的“建议干预时刻”后面画上一个问号——那是她选择亲自观察、而非依赖算法的标记。上周的诊断报告提示她“课堂留白不足”，她在备注栏写道：“当日内容衔接紧密，留白留到下一节课。”点击保存后，这条人工注释随即进入系统学习库。

百年广文，校训石上“厚德、广文、笃志、强身”8个字历经风雨。如今，当AI的诊断报告与教师的备课本并排放在办公桌上，那间“会思考”的录播教室记录的早已不是教师的“表现”，而是一群教育人如何用专业判断，把技术的精度转化为育人的温度。