随着工学一体化技能人才培养模式在校内落地深耕，教师的教学思考正从宏观体系搭建转向课堂微观实施。一份教案，如何在40分钟里真正让学生学懂学会，成为亟待破解的核心难题。而这一目标的实现，离不开精细化、系统化的课堂教学活动设计。

教学的落脚点，终究是学生的实际掌握成效。围绕“学生到底怎么才算真正学会？”这个实践问题，学院研发了教学设计智能体，助力教师产出高质量、可落地、能保障学习成效的教学活动方案，改进课堂教学实践。

问题：教了≠学会了

“我明明把步骤和要点掰开了揉碎了讲，可一到学生自己上手，就不是那回事了。”

“我设计了特精彩的小组活动，课堂上热闹得像菜市场，可一抽查，学生们还是‘一问三不知’。感觉我演了一出独角戏，他们就是一群‘气氛组’。”

这是学院开展新教师听评课时，听到最多的教师自白。

近年来学院引进了一批教师，有的曾是经验丰富的企业专家，有的是学科知识扎实的研究生。他们共同的困惑是：为什么我讲得那么细，学生还是不会？

课堂观察记录显示：不少课堂中PPT翻页频率平均每2分钟一次，教师独白式讲授占比超过60%。思考不聚焦、表达缺乏专业性、被动参与，学生实践或讨论的质量堪忧，真正意义上的学习并未发生。

问题在于课堂活动的设计与学习目标之间缺乏实质性关联。学生动手了，但动手之前不知道要解决什么问题；学生讨论了，但讨论的话题没有明确的思维方向；学生表达了，但缺乏专业语言的支撑。教学止步于“教了”，离“学会了”还有距离。

2026年3月到6月，学院教师发展中心联合岭南艺术产业系，以AI协同备课为切入点，进行了一场持续三个月的有效教学改进实践。

起点：一条公式与一个闭环

4月，教师发展中心负责人卢盈主持了专业基础课备课工作坊，抛出一条公式：有效教学＝学习体验×心理获得。技能、思维和设计能力的培养需要更多直接经验，翻译成课堂语言是：学生既要“动起来”（实践、讨论、展示），也要“想进去”（思考、理解、形成自己的判断）。二者缺一不可。

怎么做到呢？让教的活动和学的活动交替推进。讲授、演示、提问之后，紧接着是实践、思考、讨论。课堂既不能从头讲到尾，也不能从头到尾放羊，而是有节奏地来回切换。

这个理念最关键的落地工具是输出性目标。

比如“让学生理解UI布局四原则”这个教学目标没法测量，改写成“学生能独立对一张App界面标注用到的布局原则，并写出三条修改建议”，动词从“理解”换成“标注”“写出”，教学目标就有了可检验的标准。

工作坊以移动端界面原型设计课中“运用布局原则设计生活服务APP首页界面”为例，完整展示了一个目标—活动—评价闭环：

这节课里，教师只在三个节点控场——活动前说清任务，活动中追问引导，活动后提炼总结。学生靠完成一系列可检验的小任务来证明“学会了”。

专业基础课备课工作坊现场

落地： AI上场，七步协同备课

工作坊现场引入了一个教学设计智能体，它以WPS知识库为基础、以七步提示词为框架、以大语言模型为生成引擎。教师输入授课主题、班级和教学目标，智能体基于知识库中的教案模板、设计方法和学情数据，几分钟便能生成一份包含学情预判、教学流程和活动建议的教案初稿。在此基础上，教师再来判断学习内容如何呈现、活动怎么取舍、什么时机介入课堂。智能体的定位是辅助教师提高备课效率，关键决策仍由教师做出。

七步备课工作流程

教师使用知识库和“七步备课提示词”修改教学设计

使用AI协同备课前后对比

工作坊只是开始。这次实验最扎实的一步，是要求每位参训教师把教学设计用在自己的课上。

35位教师按课程分为五组：商业图形绘制、移动端界面原型设计、结构素描、纹样设计与风格化应用、数字影像处理。各组老师和学院督导组成课堂观察团队，记录两类数据：教的时长和学的时长各占多少；学生在课堂中有没有经历观察、思考、行动三个认知层次。听课只记录事实，课后不评分、不评价，观察记录供任课教师进一步改进教学设计。

持续4周的设计、教学和观课实践

证据：35份案例呈现三大改变

6月26日的总结分享会上，35份教学设计案例提交评审。合计超过80%的教案在三个维度上出现明显变化：输出性目标写得具体了，教学活动有交替设计了，学习困难预判和认知路径嵌入教学活动了。

刘梦恬老师（任教课程：商业图形绘制）分享

王蓦颖老师（任教课程：山水国画绘制）分享

教学设计中“看得见的变化”

延伸：知识库让经验不再属于一个人

教师发展中心把艺术系的试点经验带到了人工智能产业系。

一次小组教研活动上，教师们分享了使用这个智能体的真实体会：生成的教案“看着像样，但用不上”，要么与本校设备、本地产业脱节，要么教学活动空泛，要么缺少可执行的物料清单。

问题出在哪里？智能体依赖的知识库中，本校的教学经验数据还不够丰富。

为此，教师发展中心明确下一步重点：一是充实教学设计智慧知识库，把各专业的优秀教学设计、合作企业的真实案例、专业术语库等集体智慧沉淀下来，让智能体有更扎实的本校数据支撑；二是重新梳理备课流程，帮教师更精准地向智能体下达指令，让生成内容从“通用模板”变为“本校定制”。

知识库的意义不仅是存储，更是把个人教学经验转化为组织知识资产的机制。一份优秀教案、一次优质课堂实录，可以沉淀、迭代、被AI调用、被同事借鉴。这可能是比AI工具本身更深远的变革。

人工智能产业系AI优化备课的研讨现场

回响：一场实验的远与近

广州市轻工技师学院林文婷副院长在总结会上将这场实验定位为起点，而非终点：“我们希望形成一套以输出性目标引领、以学习活动为核心、以AI为辅助的有效教学设计方法，让更多教师受益。”

从3月到6月，从艺术系35份案例到人工智能产业系的专题教研活动，这场实验没有“智慧课堂”的硬件堆砌，也没有宣称颠覆性创新。它更像一次教学基础设施建设——把模糊的目标写清楚，把隐性的活动设计显性化，把个人的备课经验转化为可共享的知识资产，把AI放在“助手”的位置上。

教育部等九部门在《关于加快推进教育数字化的意见》（教办〔2025〕3号）中明确要求“深化人工智能助推教师队伍建设行动”；教育部办公厅在《关于组织实施数字化赋能教师发展行动的通知》（教师厅函〔2025〕13号）中提出“基于大模型研发教师智能助手，全流程支撑教师的教研备课”。这些政策指向同一个方向：AI要进入教师的日常工作流。

广州市轻工技师学院的探索，或许只是众多回应中的一种。但如果更多的课堂在每节课结束时，老师们问自己的不是“我讲完了吗”，而是“学生能做什么了”，那这场实验的意义，就远远超出了一份总结报告。（供稿：赵婧、梁宇业；编辑：骆晓彤、洪镇华）