AI 赋能教研 · 可落地的操作方法｜五步做出有证据的课堂评价：我把用过的提示词都整理出来了
主题｜AI 赋能教研 · 可落地的操作方法
先说清楚这篇能给你什么
上一篇文章讲了我们怎么用 ima 知识库和 copilot 做课堂诊断，有老师留言说：思路挺好，但我还是不知道具体怎么操作。
这个反馈很中肯。所以这篇不谈心法，只讲操作——从拿到一份课堂录音，到产出一份有证据的评价报告，每一步该说什么、该点什么，我把自己真实用过的提示词原文整理出来了，你可以直接复制去用。
先交代一下准备工作：把课堂录音、教案、教材、教师教学用书、学生作品都上传到同一个知识库文件夹里。这一步没什么技巧，但材料越全，后面越省力。
下面五步，按顺序走。
第一步：让 copilot 先盘点材料
录音传上去之后，别急着转文字。先发这句话，让它告诉你手头有什么、缺什么：
提示词 1
请列出这个文件夹里的所有材料，按类型说明每份材料可以用来做什么分析，并指出做课堂诊断还缺什么关键材料。
这一步的价值在于：它会告诉你“只有录音，只能判断课上成了什么样；有教案和教参，才能判断问题出在设计还是实施”。知道缺什么，你才知道要不要去找。
第二步：切段转写，别整段丢给机器
这是最容易踩坑的一步。超过七八分钟的音频，识别会丢内容，而且不报错。 我当时第一次把 41 分钟的音频整个转，转出来的文本看着挺完整，实际上中段少了一大块。
正确做法是先在本地把音频切成 7 分钟一段，然后逐段交给 copilot：
提示词 2
请把这整段课堂录音完整转写成文字，保留全部内容，不要摘要、不要翻译、不要省略。输出格式：每句（或每个自然停顿段）一行，行首用方括号标注时间戳，然后是该句原文。请尽可能完整。
这句话里有两个地方不能少：“不要摘要、不要省略”（否则它会偷懒给你总结），“标注时间戳”（否则后面取证没有依据）。
转完之后，还要让它做一次整理：
提示词 3
请把以上转写整理成规范的课堂实录：按教学环节分段，标注说话人（师／生／生齐答／音视频），保留时间戳，并在文首注明“说话人系依据语境推断”。识别中的明显误差请结合教材语篇校正，无法确认处标注［听不清］，不要猜测。
最后半句特别重要。 我们那次转写里，“端午节”被识别成了别的词，“提纽”变成了“提牛”。不校正，后面所有引用都不可信；但校正也要有边界——听不清就标听不清，不要替老师说他说过的话。
第三步：先定尺子，这一步千万不能省
这是整个流程里最容易被跳过、却最影响质量的一步。
我们知识库里本来就有一套评价框架，之前用得挺顺手。但那次要评的是物理课，我一开始想直接套用，后来发现不对劲——那套框架是依据英语课程标准做的，“学习活动观”“语用任务”都是英语学科的概念。用它评物理课，等于拿一把刻度错的尺子。
所以我发了这句话：
提示词 4
这套评价框架依据的是哪个学科的课程标准？如果要用于物理课堂，哪些维度是学科专有的、不能直接套用？请指出并说明理由。
它逐条给我标了出来，哪些维度是英语专属、哪些相对通用。看清之后，我才决定重建标准：
提示词 5
请依据《义务教育物理课程标准（2022年版）》，重建课堂评价维度。要求：①以核心素养四维为主线；②考虑到这是一节工程实践课，需增列相关维度；③每个维度给出“观察点”和四档判定锚点（做得较好／基本达成／部分达成／薄弱），锚点要写成可观察的行为描述。
注意第③点的要求。如果只让它给维度名，它会给你一堆“是否体现核心素养”这类没法观察的空话；明确要求“可观察的行为描述”，它才会写出“是否用真实残缺的器材导入”“A类失误如何表现”这样的判断依据。
第四步：逐维取证，逼它拿证据说话
框架建好，就可以让它对照实录做分析了。但这里有个关键：
提示词 6
请按这套维度逐维分析这节课堂实录。每一条判断必须附上具体的课堂证据（时间点＋原话或行为），没有证据的判断宁可不写。每维输出三块内容：做了／没做或薄弱／改进建议。
加粗那句是灵魂。 不强调这一点，它会给你写“本节课教学目标明确、环节清晰、学生参与积极”这种话——听着都对，但你不知道该改什么。
强调之后，它的输出就变成了这样：
“第 33 分 03 秒，比较环节学生回答集中在表层（'家人们可以聚在一起''更重要'），教师虽引导到'团圆、欢乐、爱'，但缺少追问，高阶思维的机会被齐读、汇报挤占。”
这样的描述才有用——执教老师一看就知道该在哪个环节补什么。
还有一句要加：
提示词 7
录音无法捕捉的时段（如小组活动），请标注“录音中未捕获”，不要当作“没做”来判定。
这是我们给自己立的规矩。 小组活动时录音里全是分散的活动声，老师说了什么、巡视时指导得怎么样，根本听不出来。没听到不等于没发生，这个边界必须守住。
第五步：三方对齐，找出落差到底在哪
如果材料齐全，这一步一定要做，它是最见功力的一环。
把三份东西摆在一起：教师教学用书的要求、执教者的教学设计、课堂实录的实际。
提示词 8
请做三方对齐分析：以教师教学用书的要求为基准，逐条核对①教学设计里有没有这个动作，②课堂上有没有落实。然后把每条归入三类——A类设计落差（设计里就没有）、B类实施落差（设计了但没落地）、C类超越（超出要求）。最后统计三类各占多少，并判断核心问题是设计问题还是实施问题。
这一步的结果让我印象很深。英语那节课，教学设计相当完整，甚至超出了教师用书的要求；但课堂上近九成的核心动作没落地——思维导图没画、复述没做、比较没用韦恩图、“为什么”没追问到底、作品展示被压缩到一分半钟。问题不在设计，而在实施。
物理那节课情形几乎一样。原计划 10 分钟的原理推导实际用了 19 分钟，把 15 分钟的展示评价挤成了 8 分钟。两位老师，两个学科，同一个症结。
判定的方法很朴素，就是算时间：
提示词 9
请统计各教学环节的实际时长（依据实录时间戳），与教学设计中的计划时长对比，列出偏差最大的环节。若某重要环节的实际时长不足计划的一半，请标注为“设计超载导致的挤压”。
这个判断方式的好处是，它把矛头从“态度”转向了“容量”——不是“你不认真”，而是“这节课装得太满了”。执教者更容易接受，也更容易改进。
最后：让它给出“先保哪几件”
报告写出来只是半成品。改进建议如果只是一堆“应该”，老师看完还是不知道下节课怎么上。所以我补了这句话：
提示词 10
请把改进建议按“必保—可选—后置”三档重新配置：时间不够时哪些必须保留、哪些可以取舍、哪些可以移到课后。每项都要说明理由。
老师真正需要的不是“你应该做这二十件事”，而是“时间不够的时候，先保哪三件”。
几个必须提醒的坑
第一，别指望它替你判断。 它能做的是把 41 分钟的音频变成可检索的文字，把散落的材料梳理成结构，把重复的流程固化成模板。但一节课好不好、问题出在哪、下一步怎么改，仍然得靠执教者和教研组的专业判断。我上面每一步的提示词里，都留了“要求它给证据”“要求它标注不确定”的约束——这些约束不是技术细节，是判断权留在人手里的方式。
第二，不要为了显得通用而谎报适用范围。 我们最初做的工具，声称“非英语学科替换个别维度即可”。后来发现，九个维度里至少四个是英语专有概念，换两个根本不够。一个工具宣称的能力超出它真实的能力，会让使用者在错误场景里得到看似专业、实则错位的判断——这比功能少更危险。
第三，把标准公开。 我们最后专门写了一份《评价标准与方法说明》，把尺子从哪来、每一维怎么判、证据怎么取、哪里不确定，全部摊开。如果你对某个判断有异议，可以直接翻到对应章节看证据和规则。 有争议时，回到证据说话，而不是争“该给几星”。
结语
这套流程跑下来，我最深的体会是：技术真正改变的不是评课的效率，而是评课的证据基础。
过去我们说“这节课评价环节薄弱”，现在可以说“第 19 分 39 秒，学生汇报后教师仅回应了一个 Good，未与学习目标对照”。前者是印象，后者是证据。有了证据，分歧可以讨论，改进才有抓手。
上面十句话，你可以直接复制去用。但用的时候请记住一句：提示词写得再细，也只是在替你把活干得更规整；课该怎么上，还得你自己说了算。
END
项目化学堂 · 记录一线教研的真实探索
|
|
|
|
|
