又一次进入高三复习，我像往常一样，把2023年北京卷第19题“Cu被I2氧化的实验探究”输入生成式AI。几秒钟后，答案、解析、考点分析一应俱全。快是快，可合上电脑，我发现自己记住的是结论，却没有真正“想透”这道题。
这种感觉并不陌生。前些年阅卷，我常看到学生把方程式写得工工整整，却在解释现象时漏洞百出。他们好像会做题，却不会想题。如今轮到我面对AI时，竟也出现了类似的感受：得到了结果，却绕开了思考过程。
这让我想起一个学生。他能把原电池的概念背得滚瓜烂熟，却在看到充电宝电路板时问我：“老师，这与原电池有什么关系？”面对真实情境时，思维卡了壳。AI“直接给答案”的模式似乎正在让许多教师陷入同样的困境。
问题不是用不用AI，而是怎么用。我开始尝试，让AI从“答案提供者”变成“思维引导者”。
把题拆透。我把一道题的研究分成三层：解题、讲题、命题。每层再拆成几个可操作的台阶，一共九阶。
解题这层有五阶：情境觉察、目标识别、任务拆解、能力定位、素养落点。说白了，就是不能只把题做对，而是要把题“拆透”——情境是什么、考什么目标、学生要完成哪些任务、用到什么能力、最终指向什么素养。
以“Cu被I2氧化”为例。情境是“氧化还原的真实探究”，对学生来说陌生度高。他们熟悉Cu与浓硫酸的反应，但“I2氧化性弱却能氧化Cu”这一点，与他们原有认知形成冲突。信息以表格、文字、已知条件多元呈现。拆完之后，核心能力指向“分析与推测”“归纳与论证”，素养落点则在“证据推理与模型认知”。
我要求学生先不看选项，用一句话说出这道题在问什么。很多学生脱口而出“氧化还原”，却很少有人说出“覆盖效应改变了反应进程”。这个冲突本身就是讲题的起点。
把思维外显。讲题这层有三阶：诊断学生为什么错、提炼思维模型、设计分层追问。
学生为什么会在这道题上栽跟头？可能是忽视了CuI沉淀覆盖铜粉表面的影响，也可能是无法同时调动氧化还原、沉淀溶解、络合平衡三个视角。我把它提炼成一个解释模型：CuI覆盖层阻隔接触，反应减缓；高浓度I-又能络合溶解覆盖层，让反应持续。
据此，我设计了一条四环节追问链：
“I2氧化性弱，为什么能氧化Cu”——制造认知冲突。
“颜色由淡红到深红棕说明什么”——推进证据推理。
“铜为什么没完全反应？是I2不足吗”——突破迷思概念。
“这与工业上的铝钝化有什么相似”——实现模型迁移。
学生不是被答案推着走，而是被问题牵着想。每当学生卡壳，我会故意停一停，让他们先自己思考，再搭台阶。
把题变活。最后一层是命题，只有一阶：基于母题设计变式。
我通常从四个视角去“变”这道题。
学生解题视角：把KI换成KBr，让学生预测现象差异。比如同样是铜粉与卤素单质反应，KI体系因生成CuI覆盖层而反应受限，KBr体系则没有这种覆盖效应，现象会有明显不同。学科理解视角：从电化学角度解释沉淀生成如何改变电极电势。命题视角：把开放解释改成“设计实验证明CuI覆盖是铜未完全反应的主因”。本源性视角：关联铝钝化、铁钝化、锌铜原电池加速反应，提炼“表面覆盖效应改变反应进程”的跨情境认识。
一道好题要经得起反复咀嚼。从“一道题”走向“一类题”，从“会做”走向“会编”，教师的研题才算真正落地。
让AI学会“反问”。框架有了，怎么落地？我在coze平台上做了一个“试题深研助手”智能体。它的核心机制不是给答案，而是“反问”。
比如我问它：“请分析这道题。”
它不会直接输出解析，而是说：“我们先进入第1阶‘情境觉察’。请描述这道题呈现了哪些信息，它属于实验探究、工业生产还是理论分析类情境？”
我回答后，它再推进到下一阶。每一轮只推进1—2阶，用1—3个引导性问题驱动我先思考。当我实在想不出来时，它才提供提示选项。每轮末尾，它还会呈现“阶段产物预览”，方便我回溯自己的思考轨迹，复核AI的提示是否符合学科事实。
当然，备课也有赶时间的时候。助手设置了“快捷模式”，我只要说“直接五要素拆解”或“直接生成讲题脚本”，它就会跳过提问，直接输出规范化产物。准备公开课时，我会先用深度模式想清楚结构；日常备课赶进度时，再用快捷模式快速出活。两种模式并行，深度研修和高效产出，两不误。
教师始终是判断主体，AI只是支架。
改变在课堂发生。那个曾问我“充电宝与原电池有什么关系”的学生，后来在课堂上用“表面覆盖效应”解释了铝钝化、锌铜原电池加速反应等现象。他把一道题里形成的认识，迁移到了真实情境中。
这让我确信：AI赋能教学不是让AI代替教师思考，而是引发教师思考。当教师将一道题拆透、讲透、变活之后再走进课堂，讲的就不再是“这道题选C”，而是“为什么这么想、还可以怎么想、还能怎么出”。
技术不是万能的。这个框架目前只在化学学科验证，迁移到其他学科还需要改造知识库。大语言模型偶尔也会有不确定性，生成的内容仍需教师根据学科知识把关。真正决定课堂质量的永远不是工具本身，而是使用工具的人。
AI时代，我们需要的不是更快得到答案，而是更会提出问题。让AI学会“反问”，或许就是技术与教学走向深度协同的一种可能。
（作者单位系湖南省长沙市长郡双语实验中学；本文系湖南省长沙市教育科学“十四五”规划课题“中学化学教师数字化教学能力测评研究”阶段性研究成果，课题编号：CJK2025077）
|
