随着“AI+教育”的蓬勃发展与应用，在中小学教研领域，课例研究逐渐被视为改进教师课堂教学、促进学生学业进步的一个有效途径，但在实践过程中也遇到一些挑战，如研究问题不明确、研究方法不够科学、研究过程过度依赖个人经验、教学改进缺乏客观证据支撑等。基于此，笔者近五年来先后指导哈尔滨市阿城实验区、哈尔滨市新区第一学校进行了基于AI数据分析的循证课例研究。

提出问题，循证确定主题。以问题为基础、主题明确的课例研究，更容易深入课程本质并实现研修成效。研究主题源于教师教学中遇到的实践问题、教育行政和教研部门要求重点解决的普遍问题、课程改革中需要突破的难点问题。提出问题、确定主题是课例研究的起点，它决定了研究实效。

查阅证据，循证明晰标准。循证课例研究的重点在于挖掘教育研究成果中的有效证据，以指导教育实践。关键证据分为三类：一是政策型证据，涵盖课程改革纲要和课程标准；二是研究型证据，来源于教育学和学科教学论的学术成果；三是案例型证据，即优秀教师的教学实例。这些证据及其评价标准有助于教师吸收新知，更新教育观念，提升反思与评价能力，培养关注教育前沿的习惯。

应用证据，循证设计课例。教师应用搜集到的多种证据指导自己的教学设计与实施，使其更符合政策导向，同时吸纳最新的理论前沿和创新实践成果，深度融合自身经验与教学证据，提升教学有效性，实现新型教与学方式的变革。

探究证据，循证授课辩课。传统课例研究常依赖于教师的主观判断，以定性评价为主，评课质量容易受教师经验、专业知识和能力的影响。教研团队难以达成统一、客观、科学的共识，尤其在研究过程中难以精准找到“病灶”，教学改进缺乏客观支撑。因此，笔者指导教研团队通过自制观察量表，使用AI课堂智能反馈系统，对授课场景进行完整录制，并形成可视化的课堂反馈报告，为教师教学反思和优化提供数据支撑。在课堂反馈报告中，提供包含课堂实录、热力图、教学时间分析、问答对话分析、课堂互动分析，以及基于新课标的AI反馈建议等多维度课堂数据，帮助教师诊断教学问题，提出改进策略。由此，使课例研究从传统经验分析型走向“经验+数据”双分析型。为了提升教师的数据解读能力，指导团队围绕主题、基于数据进行辩课，“同步课堂下的教学活动设计与组织成效是否显著”“深度学习是否发生”等辩题的选用和基于数据观课、辩课的教研形式取得了良好的研修效果。

梳理证据，循证改进课例。备课、观课、议课、辩课，是多种证据、多种观念汇聚、碰撞和博弈的过程。在这个过程中，研修活动主持人需要承担起引领团队不断聚焦问题、伴随式明晰研究思路、阶段式梳理研究成果的职责，让课例研究围绕主题不断深入。主备人也要在课例研究后整理团队研修成果，选择恰当的证据融合教学设计、改进教学思路，经历比较、甄别、筛选、梳理、完善和确定的过程。若有需要，团队还需进行二次观课、辩课和改课，在循环往复中达到最优化的目的。

个人层面，基于AI数据分析的循证课例研究能够使教师以最新证据指导、评估和改进教学，为学习和反思提供支架，促进专业成长；校级层面，循证研究模式逐渐成为数字化教研机制建设的风向标，例如哈尔滨市新区第一学校将希沃课堂智能反馈系统的数据报告纳入教师日常教学反思，促进教师常态化培养循证意识；区域层面，应用AI智能反馈系统聚焦区域教育改革发展中的关键问题，提高课堂教学质量，为区域推进教育部“基于教学改革、融合信息技术”新型教与学模式变革实验区提供助力和支撑，实现了区域教研方式的数字化转型。

人工智能不仅帮助教师“充电蓄能”，更为学校、区域教研按下数字化转型的“快进键”。相信在不远的将来，区域、学校、教师与AI循证共研共生会成为黑龙江教育事业的新生态。

作者：张丽萍|黑龙江教师发展学院教育信息化研培与传媒中心

【本文系2024年度黑龙江省教育科学规划重点课题《AI赋能基础教育高质量发展的理论基础与实践路径研究》的研究成果（JJB1424148）】