人工智能+教育 | 生成式人工智能赋能初中信息科技个性化深度学习策略

教育部等五部门印发了， 明确提出推动人工智能人才培养与素养提升、促进人工智能与教育深度广泛融合、建强“人工智能+教育”基础环境、优化“人工智能+教育”发展生态等四大重点任务。

基于此，《中国信息技术教育 》 杂志推出“人工智能+教育”专题系列，旨在系统追踪政策落地动态，深度呈现一线创新实践，凝练可复制、可推广的经验范式。

生成式人工智能赋能初中信息科技个性化深度学习策略

刘世能 广东省佛山市南海区狮山石门高级中学

赵建初 广东省佛山市高明区教师发展中心

本文针对乡镇中学信息科技教学中学生基础差异大、资源配置与师资不均的问题，以广东省某市某中学初二年级为实践案例，探索基于深度学习理念与生成式人工智能（GAI）的个性化学习策略，即通过前置测评构建“学习者画像”，利用GAI技术生成差异化学习内容，设计分层任务、提示词迭代与动态分组等教学策略，实现规模化因材施教。实践表明，该策略有效提升了学生的学习参与度，大幅提高了学生的任务完成率，显著增强了学生的信息意识、计算思维与数字化创新能力。

乡镇中学信息科技教学面临的现实挑战

随着《义务教育信息科技课程标准（2022年版）》（以下简称“新课标”）的全面实施，信息科技课程已从传统的技能传授转向核心素养培育。然而,乡镇中学在实施新课程过程中面临着严峻挑战：第一，在信息技术硬件设施、师资力量和技术支持方面存在明显不足。第二，学生信息素养存在显著断层——普通班学生对知识概念、键盘操作等基础知识和技能掌握非常薄弱，重点班和有为班学生原理性知识和创新应用能力仍有欠缺。第三，教学资源配置不均衡，在新课标颁布后，配套教材更新滞后，教师需要根据新课标自主设计教学内容。第四，学校、家长和学生对信息科技课程的重视程度不够。虽然信息科技已纳入会考科目，但考核要求相对宽松，导致学校层面将其视为边缘课程，家长层面对其价值认识不足，学生层面则将信息科技课程简单理解为“上网课”，缺乏对信息科技核心素养的全面认识。

个性化学习的理论基础与实践演进

1.信息科技核心素养与深度学习的融合

新课标明确了信息科技课程的六大逻辑主线（数据、算法、网络、信息处理、信息安全、人工智能）和四大核心素养（信息意识、计算思维、数字化学习与创新、信息社会责任）。逻辑主线及四大核心素养的确定，标志着课程发生了从工具导向向素养导向的根本性转变。

深度学习理念与信息科技核心素养的培养高度契合。深度学习强调通过真实情境中的问题解决，促进学生对核心概念的深刻理解，并能够将知识、思维方法迁移到新情境中。在信息科技教学中，深度学习不再局限于软件操作和编程语句的记忆，而是关注学生在面对复杂问题时，能否运用计算思维进行分析、分解、抽象、建模，并利用数字化工具创造性解决问题的能力。

2.生成式人工智能技术赋能个性化学习的发展

生成式人工智能（GAI）的迅猛发展，为破解乡镇中学教育困境提供了新的技术路径。GAI能够根据特定指令，动态生成文本、图像、代码等多元化学习材料，从而为不同基础的学生提供适配的学习内容和支持。

个性化学习的技术演进经历了从程序教学到自适应学习再到生成式学习三个阶段。早期的程序教学依赖于预设的学习路径；自适应学习通过对学生学习行为的分析，从资源库中匹配相应内容；生成式学习则实现了内容的即时生成和动态调整，做到了“千人千面”。

3.研究现状与创新空间

基于CiteSpace的可视化分析显示，我国个性化学习领域的研究热点集中在理念创新、资源推荐以及评价方式三个方面，整体展现了以人工智能（AI）技术为核心开展个性化学习的路径和方式。然而，现有研究对乡镇学校特定场景下的实施策略关注不足，特别是在基础差异巨大的班级中，如何将GAI技术与深度学习理念有机结合，仍需进行深入的实践探索。

基于深度学习与AI赋能的个性化学习内容构建

1.学习者画像的精准构建

精准的“学习者画像”是个性化学习内容构建的前提。本研究针对某中学初二年级的实际情况，根据初二信息科技基础知识测评及其数据分析，构建了涵盖认知基础、情感动机、表达偏好三个维度的学习者画像体系（如表1）。

表1 某中学初二学生信息科技学习者画像

2.AI驱动的差异化内容生成

本研究基于精准的学习者画像，利用GAI技术生成一系列差异化内容组件，包括个性化情境、序列化问题链和适配性学习活动。下面，以《Flash动画剧本、角色与场景设计——GAI奇幻之旅》一课的教学为例，进行具体说明。

（1）个性化情境创设

以“理解提示词作用”这一知识点为例，针对不同班级的学生，AI生成了不同的学习情境。

普通班：生成“与AI对话：让你的指令更听话”的情境，使用“想让同学帮你拿东西，要说清‘拿哪个’‘放哪里’”的生活化类比，避免专业术语，目标是建立对人机交互的直观感受。

重点班/有为班：生成“我是导演：用AI创作奇幻动画”的完整项目情境，强调创意表达、工程实现与团队协作，有为班要求理解提示词对输出质量的影响机制。

（2）序列化问题链设计

本研究针对不同学习基础的学生设计了差异化的问题链，如表2所示。

表2 差异化问题链设计示例

（3）适配性活动与支架设计

在教学活动设计中，针对不同班级采用不同策略。

普通班：采用“提示词变变变”游戏化活动，小组合作对基础提示词进行接力添加，观察AI生成图像的演变过程，并提供“提示词卡片”和基础词汇表等学习支架（五种风格：经典乡村探险风/奇幻森林秘境风/历史文化寻宝风/科幻未来畅想风/神话传说邂逅风），核心目标是完成“GAI奇幻之旅”中的任务一（AI编剧），并体验任务二（AI美术师）的成功感。

重点班/有为班：实施“我是AI动画导演”项目，要求生成符合剧本要求的特定镜头，撰写并迭代优化提示词，还要撰写“优化日志”，说明每次修改的原因和效果，提供“提示词结构框架”和高级参数说明等专业支架，要求完成从剧本到视频生成的全部任务。

这种精细化内容生成策略显著提升了学生的学习参与度。实践数据显示，重点班和有为班在“GAI奇幻之旅”项目中的任务完成率达到100%，有为班创新能力得到明显增强，普通班的任务一完成率也达到了85.3%，远高于传统教学模式下的参与度。

个性化学习教学策略的创新实践

1.分层任务与动态分组的有机整合

分层任务设计针对不同班级设置了差异化目标。

普通班：采用“核心任务通关”模式，教学重心是操作引导与基础概念建立，确保所有学生能完成基础任务，并将进阶任务设计为“挑战关卡”，允许使用预设卡片体验成功，核心目标是建立学习自信。

重点班/有为班：实施“完整项目驱动”模式，教学重心是计算思维与创新素养的培养，要求完成完整的项目式学习，引入作品阐述、小组互评等环节，培养复杂问题解决能力。

动态分组机制借鉴了“动态用户分组”的管理理念和教育领域的动态分组实践，根据学生学习进程中的实时数据，灵活调整分组策略。具体而言，利用过程性评价数据（如提示词修改的创意、任务完成度）识别普通班中的潜力学生，邀请其加入师傅组“以优带弱”，同时为重点班中遇到困难的学生提供“支援小组”。这种柔性动态小组界限实现了真正的“因能施教”。

2.提示词迭代作为元认知训练的核心

“提示词迭代”是连接学生思维与AI反馈的核心环节，也是培养学生元认知能力的重要途径。通过借鉴“元提示词”的思维系统，可以将提示词优化过程转化为学生的元认知训练工具。

提示词迭代采用4-D法：解构——引导学生分析初始提示词的缺失，识别核心意图、关键实体和背景信息；诊断——帮助学生审视提示词在清晰度、具体性和完整性方面的差距；开发——根据任务类型应用不同的提示词设计策略；交付——输出优化后的提示词，并附改进说明和使用建议。

在本研究中，不同层级学生的提示词迭代重点有所不同。

普通班：迭代体现在从“画一只猫”到“画一只白色的猫”的简单优化上，让学生直观感受“思考—表达—验证—调整”的学习闭环。

重点班/有为班：迭代是严谨的调试过程，如在生成代码时，学生需分析AI返回的错误，并精确修改提示词以指导AI修正，这一过程与程序员调试代码的思维模式高度一致。

通过这种元认知训练，学生不仅学会了如何与AI进行有效交互，更重要的是培养了计划、监控、评估自身学习过程的高阶思维能力，这是深度学习的关键标志。

3.测评数据与教学过程的深度融合

将测评数据与教学过程有效连接，形成“测评—分析—教学—再测评”的闭环系统，是实现个性化学习的制度保障。本研究所提到的某中学的实践包括三个关键环节：

①前置素养测评数据的教学转化将基础知识测评中暴露出的真实问题，转化为GAI教学中的核心讨论点。例如，在讨论AI生成内容的真实性时，引导学生回顾素养测评第14题，批判性讨论如何辨别AI生成新闻的真假；在体验智能推荐算法的同时，引导学生反思“信息茧房”效应。通过这种方式，信息素养教育不再是空洞的说教，而是解决真实问题的内在需要。

②过程性数据的实时采集与分析借鉴其他学校“教-学-评”一体化经验，依托教学平台与工具实现多维度数据融合。通过极域电子教室广播系统进行屏幕广播与学生机监控，实时掌握全班操作进度；运用问卷星在课中发起即时测评，快速收集学生对关键概念的理解数据；借助UMU互动学习平台布置探究任务并自动记录学生操作路径与协作过程；利用讯飞星火认知大模型对学生的文本回答进行语义分析，识别其思维逻辑中的亮点与盲区。同时，利用路由器网络行为管理系统后台的网络访问轨迹，有效区分学习资源检索与无关浏览行为。这些平台共同构建了覆盖“操作—认知—表达”的立体化数据采集网络，使学习过程实现全息化呈现。

③基于平台数据的动态评价与干预机制形成了教学优化的闭环。极域系统的作业收集与屏幕监控功能为教师提供课堂操作达成率的第一手数据；UMU平台的学习行为分析报告自动生成小组参与度与任务完成质量图谱；问卷星的实时统计图表直观呈现全班对知识点的掌握分布；讯飞星火的智能批阅与语义分析则从认知层面对学生作答进行深度诊断。通过整合这些平台的数据输出，教师能够在课堂看板上动态可视化班级学情，精准定位共性薄弱环节，及时调整教学节奏与策略，实现“数据驱动决策”的精准教学范式。

结语

本研究针对乡镇中学学生信息科技基础差异巨大的现实问题，构建了一套以“精准诊断—AI生成—分层施教”为核心理念的个性化学习策略体系。实践表明，该体系能够有效激发各层次学生的学习动机，使普通班学生获得学习成就感，重点班学生获得思维挑战感。

研究结果表明，将深度学习的教育理念与GAI的内容生成能力相结合，能够有效破解乡镇教育中规模化与个性化之间的矛盾。特别是“提示词迭代”作为元认知训练工具，不仅提升了学生与AI交互的效率，更重要的是培养了他们的计划、监控、评估能力，这是数字时代至关重要的高阶思维技能。

本文作者：

刘世能

广东省佛山市南海区狮山石门高级中学

赵建初

广东省佛山市高明区教师发展中心

文章刊登于《中国信息技术教育》

2026年第08期

引用请注明参考文献：

刘世能，赵建初.生成式人工智能赋能初中信息科技个性化深度学习策略[J].中国信息技术教育,2026(08):41-44.

欢迎订阅

识别上方二维码订阅纸质版或电子版杂志