AI学习营|AI相伴同成长,AI学习营开营
作者：微信文章点击蓝字 关注我们
2
0
2
5
NEW TERM
为落实人工智能教育教学要求，构建区域教师协同学习平台，提升教师 AI 素养、建立人工智能教育学科专家库、产出可落地的教学案例，9月27晚信息科技学科AI学习营在线上开营，学习营将通过主题讲座、工具演示、案例研讨等形式开展团队学习，期望成员能学AI、用AI，形成校本示范并共享成果，构建区域AI教学共同体。
本次 AI 学习营以“落地与协同”为主线，围绕教师如何在课堂与备课中合理使用生成式 AI 展开。活动包含主题分享、工具演示与实践建议三个部分，既讲解了核心概念，也演示了具体可用工具和提示词方法，帮助老师们把 AI 从“概念”变成“工具”。会中还特别讨论了构建本地大模型与专家库的可行路径，为后续的校本化实践奠定技术与流程基础。
尹萍老师在开营致辞中以她多年推动信息技术与教研工作的经验为切入点，强调成立 AI 学习营的紧迫性与制度化必要。她指出，AI 是推动教学创新与教师专业成长的新契机，但若缺乏组织化学习，很难持续产出可实践的成果。因此，应以“抱团发展”为路径，通过名师工作室、课题研究与团队协作，把零散的个人实践上升为制度化、可复制的校本项目。尹老师坦言个人学习动力受限，但正是通过组织与团队的力量，才能形成长期推进的合力。她回顾了以往课题研究与团队培养带来的成果，并强调要把这些成熟路径复制到 AI 学习营中：围绕课题做训练、以成果驱动学习、用展示检验效果。最后，她呼吁各位教师积极参与、形成常态化学习机制，并建议依托学区资源与外部专家逐步形成示范窗口，从而实现从“学会”到“推广”的闭环落地。
张昊老师的分享兼顾理论与实践，先说明 AI 在课堂与备课中的直接价值（如快速生成教案、PPT、配图与配音），随后提醒大家关注常见风险——尤其是“幻觉”现象。他用“Thinking 模型与 Agent 模型”的对比清晰阐述了两类策略：前者适合生成连贯推理但易放大错误，后者通过拆分任务并调用检索/工具更利于事实核验。张老师还结合具体工具（如 ChatGPT、Gemini、豆包、BoardMix 等）分享了选型建议：情感与互动类可优先豆包，事实核验类宜采用具备检索或多模态能力的模型；成本与可访问性则决定是否采用 API 或本地部署。此外，他演示了 nano-banana（Gemini 2.5 Flash Image）在生成写实手办场景中的提示词实践，展示了模型在光影与材质处理上的进展。最后，张老师提出构建本地专家库的技术路线：资料收集 → 文本整理 → 向量化（Embedding）→ 向量库存储（如 FAISS/Milvus）→ 与模型通过检索增强（RAG）或框架（LangChain/LlamaIndex）对接，从而把“模型”变成“学科专家”，为教师备课与学生答疑提供可控、可审查的智能支持。
第一期 AI 学习营的开营只是一个起点。未来，我们将持续开展系列活动，让更多教师在实践中探索 AI 的教学价值，从而真正实现‘以学促教、以研促用’。期待每一位老师在这里收获新的工具、新的思路，也期待大家把成果分享出来，让 AI 学习营成为学区内最具活力的学习共同体。让我们一起拥抱 AI，共同书写教育的新篇章！
注：文中部分内容由会议纪实AI转写
图文丨新区四小 张昊
编辑丨王鑫
审核丨尹萍
页:
[1]