2026年11月18日 星期三
命题:让人工智能真正读懂“难度”
张晨颖

    现在不少教师直接给指令,让AI围绕同一知识点分层生成基础、提高、挑战三类试题,试卷梯度很容易搭建。但分层命题是否贴合学情,指令怎么写是次要的,关键在于教师能否将学情判断清晰、准确传递给AI。

    难度并非题目自带的属性,而是源于教师在上课、批改作业中对学生的了解:哪些题能做、大概能做对几道、卡在哪一步、哪种错误最常见。AI对难度的判断基于文本统计,比如哪些题被标记为难题、常出现在压轴位置。这些规律本身没错,但它指向的是“这类题”的平均表现。同一道题,有的班2/3的人能做对,另一个班可能只有一半人够得着;同一条难度指令,落到不同学校就是两回事。让一个没见过自己学生的工具去做一件依赖“自己的学生”的事,只能得到平均数,而平均数对谁都不完全合适。工具并非不努力,只是拿不到最关键的信息。

    进阶路径也是如此。一个知识点在整个知识体系中的位置与前后概念的衔接及递进次序,体现了素养整合性的特点,教师对此心中有数;而工具虽能识别知识点,却未必清楚它们之间的层级与联系。直接让工具出“挑战题”,生成的题目很可能碎片化。

    此外,教师自身也存在难点。成熟教师判断难度靠的是积累的经验,无须量化标准。但要把这份隐性经验转化为能说清的标准传给AI,就会发现很难开口。难度是以本班学生为标尺形成的感受,脱离这个参照,标准就落不了地。教师能凭经验拿捏一个班的情况,却很难将标尺提炼成稳定、可转述的规则。

    一旦完成这套转化,命题质量会明显改善。教师先拿出自己打磨过、经课堂检验的“锚题”,标注每道题的达成比例、考查指向、推理步数及预判错点。有了参照样本,模型出的题才有依据,才不至于漫无目的地飘。肯拿出“锚题”的教师,等于把平时看不见的判断摆上台面;青年教师接手“锚题”,也能顺带学习老教师如何拿捏难度,还可以要求工具在出题时说明难度判断、关键步骤及最容易想岔的地方;说不清难在哪里的题,通常不该直接用,若工具的说法与自己的判断对不上,就按照自己的来。这动作花不了几分钟,却能把“人工智能出的题”变成“人工智能出、教师校准过的题”。

    教师的专业判断无法像数据那样简单叠加,却能在一次次命题与校准中得以梳理、沉淀和传递。批改也是如此,讲评的方式、追问的角度都需要教师重新思考、重新表达,才能被他人借鉴。命题亦然,花在命题上的功夫往往远超出一道题本身。久而久之,还会带来额外收益:学生手中逐渐积累起一批经过验证的题目,大家清楚哪道题适合夯实基础,哪道题能激发思考。此时再借助工具,出题门槛降低,省下的时间便可双向利用:向上多做情境化改编,向下为掉队的学生单独选题。这些工作,工具是无法替代人的。

    如今采集学情数据的条件也比过去完备得多,但AI生成的分层试题是否适配,最终仍要依靠教师对本班学情的判断进行校准,算法无法自动界定难度。分层命题并非将同一套“标准难度”的题目统一发给所有人,而是让每道题都贴近学生当下的实际状态。

中国教师报