把课堂里的真问题，变成值得研究的好课题
从一门课、一个困难出发，把研究问题、AI 的作用和验证方法连在一起。
“想用 AI 改革教学”还不足以确定课题。先找到学生在真实任务中遇到的一个具体困难，再决定 AI 参与哪一步，以及用什么证据检验变化。下面是一套可以带到教研组讨论的整理方法。
先说清学生卡在哪里
把“学习积极性不高”换成可以观察的问题。例如，在数据库课程的查询任务中，学生能够套用语句，却难以解释多表连接为什么产生重复记录。这是一个教学情境示例，尚不是经过验证的研究结论。记录课程、任务、困难出现的位置，以及目前掌握的学生作品或课堂记录。
只改变一个关键环节
可以让 AI 在学生提交解释后提出追问，由学生修改推理过程。教师负责题目、判断标准和结果复核。写清楚谁先做、AI 提供什么、人最终确认什么，避免把研究方案写成工具功能清单。
让问题和证据对应起来
如果研究问题是解释能力，观察材料就应包含学生解释与修改过程，而不只是使用次数或满意度。使用共同量规比较任务表现，记录任务难度、教学时长和可能影响结果的条件。规模很小的一次实践只能支持有限的判断。
带着一张问题卡去讨论
用四句话填写：在什么课程和任务里，学生遇到什么困难；准备改变哪一步；AI 与教师各承担什么；准备留下什么证据。教研组讨论时先检查四句话能否互相对应，再讨论题目是否好听。
带走一份检查单
逐项检查，带着尚未解决的问题继续讨论。
勾选仅用于本页阅读，不会提交为研究成果。一张可讨论的课题问题卡
填写我的机会卡此操作需要登录相关站内资料
本文为编辑整理的方法建议；教学示例不代表已验证效果，不涉及课题审核结论。具体要求以研究会正式文件为准。