AIGC做教学_教育学习 skill-PHP中文网

AIGC做教学

Polar Sponsor

爱发电赞助

.NET 9.0

立即下载

基于AIGC技术快速生成高质量教学资源并优化教学效果；当教师需要提升备课效率、开发个性化教学内容或构建数字化教学资源库时使用

AI教学资源生成与优化

功能概述

AI教学资源生成与优化是一项面向实际任务的技能，主要用于本 Skill 用于:通过AIGC技术辅助教师快速生成高质量教学资源，提升备课效率与教学个性化水平；能力包含:教学需求诊断、AIGC工具智能匹配、教学资源自动生成、质量标准审核、迭代优化建议；

核心要点

触发条件:教师提供教学主题与课程目标并表达备课需求、或上传旧版教案需要优化升级、或需要批量开发教学资源；
依赖说明:无特殊系统依赖，Python环境需安装op。
它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。

使用与执行

从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；

结果检查与注意事项

若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。

AI教学资源生成与优化

任务目标

本 Skill 用于:通过AIGC技术辅助教师快速生成高质量教学资源，提升备课效率与教学个性化水平
能力包含:教学需求诊断、AIGC工具智能匹配、教学资源自动生成、质量标准审核、迭代优化建议
触发条件:教师提供教学主题与课程目标并表达备课需求、或上传旧版教案需要优化升级、或需要批量开发教学资源

前置准备

依赖说明:无特殊系统依赖，Python环境需安装openai和jinja2库
信息准备:
- 教学主题:明确的教学内容主题（如"绩效考核管理方法"、"牛顿第二定律"）
- 课程目标:具体的学习目标（知识/技能/素养三个维度）
- 学生层次:目标学生特征（年级/专业/先修知识/学习风格）
- 学科领域:所属学科门类（管理类/理工类/人文类等）
- 现有素材:可选，旧版教案、课件或教学案例（用于优化或扩充）

操作步骤

标准流程:
1. 需求诊断与分析 — 智能体深度分析
  - 解构教学主题，识别核心知识点与技能要求
  - 分析课程目标，匹配布鲁姆教育目标分类学层级
  - 评估学生层次，确定内容难度与呈现方式
  - 诊断现有素材痛点（如有），明确优化方向
2. AIGC工具智能匹配 — 智能体决策
  - 根据教学资源类型选择最佳工具:课件大纲→ChatGPT/Claude、视觉素材→Midjourney/DALL-E、习题生成→GPT-4、虚拟仿真→专业平台
  - 确定工具组合策略（单一工具vs多工具协作）
3. 教学资源生成 — 调用脚本处理
  - 脚本调用示例:python scripts/generate_teaching_resources.py --topic "绩效考核管理方法" --objectives "理解KPI与OKR的区别、掌握指标设计方法" --students "人力资源管理专业大二学生" --domain "管理类" --existing_materials ""
  - 脚本输出:JSON格式的教学资源清单，包含课件大纲、案例库、习题集、AIGC提示词、应用建议
4. 质量标准审核 — 智能体执行
  - 对照质量评估标准（见references/resource-quality-standards.md），审核资源准确性、完整性、适配性
  - 识别潜在风险（知识点错误、价值观偏差、版权问题）
5. 迭代优化与落地建议 — 智能体分析
  - 基于审核结果提供优化建议
  - 提供课堂应用方案（嵌入节点、使用方式、配套活动）
  - 设计教学效果评估指标
可选分支:
- 当仅提供教学主题未明确目标时:智能体主动引导补充目标信息或基于学科标准提供目标建议
- 当提供旧版教案需要优化时:启用"增量优化模式"，在保留原有核心内容基础上补充AI生成资源

使用示例

示例1:
- 场景/输入:教师提供"绩效考核管理方法"主题，目标为"理解KPI与OKR的区别、掌握指标设计方法"，对象为人力资源管理专业大二学生
- 预期产出:课件大纲（含KPI定义、OKR框架、对比分析、设计步骤）、3个企业案例、10道练习题、每个资源的AIGC提示词、课堂活动设计建议
- 关键要点:需确保案例涵盖不同行业（互联网/制造业/服务业），习题包含客观题与案例分析题
示例2:
- 场景/输入:教师上传旧版"薪酬管理"课件，提出"增加AI应用案例和互动环节"需求
- 预期产出:在原有课件基础上补充AI在薪酬数据分析中的应用案例、设计2个课堂互动游戏（薪酬测算模拟、谈判角色扮演）、提供AIGC工具使用指南
- 关键要点:保持原有知识体系完整性，新增内容需与旧内容自然衔接
示例3:
- 场景/输入:职业院校教师需要为"人力资源管理基础技能"在线课程开发完整资源库，覆盖招聘、培训、绩效、薪酬、劳动关系五大模块
- 预期产出:模块化资源清单，每个模块包含微课脚本、虚拟仿真场景设计、案例库、在线题库，符合国家级教学资源库标准
- 关键要点:需确保资源模块化、可复用，符合职业教育"三教"改革要求

资源索引

脚本:见 scripts/generate_teaching_resources.py (用途:基于教学信息生成结构化教学资源清单；参数:topic, objectives, students, domain, existing_materials)
参考:见 references/resource-quality-standards.md (何时读取:审核资源质量时)；见 references/prompt-engineering-guide.md (何时读取:需要优化AIGC提示词时)
资产:见 assets/courseware-template.json (用途:提供课件结构标准模板)；见 assets/quality-checklist.md (用途:质量审核检查清单)