AIGC支持下的高中英语阅读教学研究——基于单元整体教学实践研究
Research on Senior High School English Reading Teaching with the Support of AIGC—Based on Study on Practice of Unit Integrity Instruction
DOI: 10.12677/ae.2026.163465, PDF, HTML, XML,    科研立项经费支持
作者: 高格格, 郑悦丽:江苏理工学院炎培学院,江苏 常州;孔博鉴*:江苏理工学院教育学院,江苏 常州
关键词: 生成式人工智能单元整体教学英语阅读英语教学Generative AI Unit Integrity Instruction English Reading English Teaching
摘要: 在新课程改革核心素养的指导下,单元整体教学在高中生英语学习中发挥重要作用,英语阅读教学是串联单元前后教学内容的核心纽带。高中英语课程重视AIGC技术与课程教学的深度融合。AIGC技术具备的场景模拟、智能交互、内容定制等功能,能够为构建差异化、沉浸式的教学场景提供支撑,有效解决传统教学中难以兼顾学生个体差异的问题。因此,本论文探讨了AIGC支持下的单元整体教学在高中英语阅读教学中的应用,研究旨在探究单元整体教学设计如何影响学生的学习效果。文章采用学生阅读测试和教师访谈两种方式,其中包括8名教师和200名学生参加实验。实践表明,单元整体教学对教师阅读教学方法论具有重要意义,教师通过单元整体教学,合理运用AIGC可以提高高中英语阅读教学效果。
Abstract: Under the guidance of the core competencies of the new curriculum reform, unit integrity instruction plays an important role in high school students’ English learning. The reading part of each unit is a key link to the content before and after the unit. The high school English curriculum emphasizes the deep integration of AIGC technology with course instruction. AIGC technology, with its capabilities in scenario simulation, intelligent interaction, and content customization, can support the creation of differentiated and immersive teaching environments, effectively addressing the challenges of traditional teaching in accommodating individual student differences. Therefore, this paper explores the application of AIGC supported unit integrity instruction in high school English reading teaching, aiming to explore how unit integrated teaching design affects students’ learning outcomes. The paper adopts two methods: reading testing for students and interview for teachers. 8 teachers and 200 students were selected to take part in the experiment. The paper shows that unit integrity instruction is conductive to teachers’ methodology in reading teaching. Teachers can improve the effectiveness of high school English teaching of reading by using AIGC in a reasonable manner through unit integrity instruction.
文章引用:高格格, 郑悦丽, 孔博鉴. AIGC支持下的高中英语阅读教学研究——基于单元整体教学实践研究[J]. 教育进展, 2026, 16(3): 153-162. https://doi.org/10.12677/ae.2026.163465

1. 引言

1.1. 单元整体教学

2017年出台的《普通高中英语课程标准(2017版)》首次应用了“大概念”一词,明确提出教师在新课程方案实施过程中以及在设计教学内容时要进一步精选学科内容,重视以大概念为核心,使课程内容结构化,以主题为引领,使课程内容情境化,促进学科核心素养的落实。2022年出台的《义务教育英语课程标准(2022版)》则在重视学段衔接、继承和发展高中课标的基础上,进一步指出教学应该以单元为组织,以主题为引领,以语篇为依托,以意义探究为目的,加强单元教学的整体性。2025年出台的《普通高中英语课程标准日常修订版(2017年版2025年修订)》实施素养立意的单元整体教学在教学中,教师要强化素养立意,加强单元教学的整体性。日常修订版课标进一步强化了核心素养的统领作用,把核心素养理念体现在课程标准的各部分,让核心素养理念成为课程标准的魂[1]。对于教师而言,大概念是组织教学过程的核心,为教师设计教学过程提供基础与思路,使单元教学过程相互关联且连贯一致。对于学生而言,大概念提供了“理解知识、探究和解决问题的思想方法或关键工具,并能应用于新情境”[2]。基于大概念开展教学和教学设计,能够串联起以主题为引领、结构化、情境化的学科核心内容,更利于学生进行意义探究,了解学科本质和学科方法,从而能够迁移运用所学,解决真实生活中的问题[3]

1.2. 生成式人工智能与教育

2017年,国务院印发的《新一代人工智能发展规划》提出要推动AI与社会各领域深度融合,在教育教学上明确要利用智能技术加快推动人才培养模式、教学方法改革。2018年教育部发布了《教育信息化2.0行动计划》,明确提出要促进人工智能和教育深度融合,推动新技术支持下教育的模式变革和生态重构,推动人工智能在教学、管理等方面的全流程应用,利用智能技术加快推动人才培养模式、教学方法改革,探索泛在、灵活、智能的教育教学新环境建设与应用模式。2025年8月26日,国务院印发《关于深入实施“人工智能+”行动的意见》。到2027年,率先实现人工智能与6大重点领域广泛深度融合,新一代智能终端、智能体等应用普及率超70%,智能经济核心产业规模快速增长,人工智能在公共治理中的作用明显增强,人工智能开放合作体系不断完善。ChatGPT可以辅助教师查找备课资源、生成教学设计、准备教学课件等,极大提升备课效率。有了ChatGPT的帮助,教师可以根据需求生成合适的图片、动画、视频等,节省时间的同时还能提升备课质量[4]。在教育领域尤其是在承担立德树人、尧夯实国民素质基础任务的基础教育阶段GAI展现出广泛的应用前景[5]。生成式人工智能深度赋能课堂教学,既是技术演进的必然趋势,也是教育高质量发展的内在需求[6]

2. AIGC技术在教学领域的应用研究

2.1. 理论层面

在理论研究层面,众多学者从理论创新视角探索了AIGC应用于课堂教学的新模式,为AIGC与教育教学的融合奠定了相应的理论基础。在20世纪70到90年代,人工智能与教育的结合以多学科的理论研究为主要路径[7]。认知建构主义认为,学习者通过已有经验理解新知识,而AIGC能根据学习特点提供个性化内容,优化学习路径,加速知识构建[8]。学习分析理论强调通过收集和分析学习者的各种数据,优化教学策略和学习路径,从而提高学习效果[9]。个性化学习理论强调根据学习者的需求、兴趣和能力定制学习路径,以优化学习效果。与传统教育模式不同,个性化学习理论认为每个学生的需求和学习节奏不同,需要为每个学生量身定制学习方案[10]。AIGC通过建构主义理论、学习分析理论和个性化学习理论等多维度理论出发,深入探索了AIGC技术对传统教学实践的创新作用,为后续研究提供了理论参考[11]

2.2. 实践层面

在实践应用层面,有研究者从课堂教学实践视角出发,致力于推动AIGC技术在教学场景中的实际应用,以AIGC技术赋能课堂教学。张静[12]提出了六维共建的教学实践,围绕教学目标、教学资源、教学情境、教学活动、教学评价和师生关系六方面构建出高阶思维教学模式,并利用AIGC的技术优势,设计了具体课例说明该模式的实施途径;Huang等[13]针对语言类与技能类课程的教学需求,构建了情境模拟对话教学实践,利用AIGC技术创设高度逼真的虚拟教学情境,引导学生在沉浸式的对话交互中提升专业技能与实践能力。Selahattin等[14]聚焦“AIGC + 翻转课堂”的融合创新,将AIGC技术与翻转课堂的课前预习、课中探究、课后拓展三个环节深度结合,构建了5E翻转教学模型,即吸引(Engagement)、探究(Exploration)、解释(Explanation)、迁移(Elaboration)、评价(Evaluation),有效解决了传统翻转课堂中预习资源单一、课堂互动不足、个性化指导缺失等问题;Kong等[15]设计了一种自我调节教学实践,对教师和学生的角色、AIGC的功能进行了重新定义——教师从知识的传授者转变为学习的引导者与赋能者,学生从被动的学习者转变为主动的探究者与创造者,AIGC则承担起个性化辅导、学习路径规划、学习效果诊断等功能,通过三者的协同配合,实现了学生自主学习能力与综合素养的全面提升。

2.3. 教学层面

在教学中,课前教师能够利用AIGC来创建课程计划、设计教学活动,课中用于与学生的互动,课后实现生成作业、互动作业,或用于评价学生作业等。对学生而言,AIGC能及时高效地提供符合个人特征的个性化知识内容[16]。对教师来说,AIGC可以减轻教师的工作负担,让教师有更多时间关注课堂教学和学生的个性化需求。如帮助教师生成教学资源,如教案、试卷、课件等。通过输入一些关键词,能够为教师提供合适的教学内容,有效节省教师的时间和精力。在教学目的方面,AIGC的出现打破了“师–生”二元教学结构,更加强调能力和价值培养,从单一的知识评价转变为“知识–素养”综合性评价[17]。在课程内容方面,AIGC在语言类课程的教学上有极大优势,以ChatGPT为例,该模型在大部分语言输出上已近于母语表达者,且因其对各国文化背景都基本了解,因此可以创设非常真实的对话情境与学习者沟通。此外它还能针对学习者的个性化问题给出及时的反馈与指导[18] [19]。在教学方法方面,AIGC将有助于促进互动式教学、小组协作学习等教与学的方法[20]

3. AIGC支持下的高中英语单元整体教学研究

3.1. 研究对象

本实验的对象为安徽省巢湖市巢湖新星学校的高一师生。为了使访谈结果更有代表性,选取了8位高中英语教师进行访谈,四个班级每班50人共200名学生作为实验对象,其中两个班级为实验班,两个班级为对照班,在本学期的实验课程之前,四个班级学生在英语测试中的平均成绩相对接近,且四个班级学生的成绩排名分布在各个层次。

3.2. 研究问题

通过使用AIGC来辅助高中英语阅读单元整体性教学,本文研究问题主要围绕三个方面:

1) 教师们如何看待AIGC应用于英语教学中?

2) 教师们如何将AIGC应用于英语单元整体教学设计中?

3) AIGC支持下的单元整体教学是否能提高教师们的教学效果和学生的学习能力?

3.3. 研究方法

3.3.1. 测试法

阅读测试能够在一定程度上反映阅读学习能力,因此本研究采用的第一种研究方法是学生测试法。每份测试总分为50分,包含5篇文章一共25道题目。实验开始前,与选定的四个班级的英语教师进行了适当的沟通交流,最终确定高一(5)班(6)为实验班,高一(7)和(8)班被确定为对照班。实验班的教师借助豆包等AI模型,将AIGC技术应用于课前、课中、课后整个教学环节,而对照班的教师采用传统的教学方法。本实验的自变量为传统阅读教学方法,因变量为实验班与对照班学生阅读能力的变化及相应的英语阅读测试成绩的变化。

3.3.2. 访谈法

通过教师访谈问卷,可以了解教师对AIGC技术应用于单元整体性教学的理解,以及单元整体性教学在高中英语阅读教学设计中的应用。本研究采用访谈的方式,在实施单元整体教学之前,教师需要完成此问卷,以了解教师对英语阅读单元整体性教学的理解程度。访谈以对话与问卷形式展开,需充分准备并规划访谈内容。此外,访谈内容应紧扣研究主题,为了深入探究AIGC支持下的单元整体教学对高中英语阅读教学的影响,对学校的8名高中英语教师进行了访谈。

3.4. 学生测试数据结果与分析

3.4.1. 测试前后各班级阅读成绩对比

实验班高一(5)班、(6)班与对照班高一(7)班、(8)班在实验前后的英语阅读平均分呈现出显著的变化,如测试前表1与测试后表2所示。

Table 1. Comparison of reading scores among different classes before the test

1. 测试前各班级阅读成绩对比

班级

平均分

最高分

最低分

实验班(5)班

25.78

46

6

实验班(6)班

25.92

44

6

对照班(7)班

25.72

42

4

对照班(8)班

25.96

44

6

Table 2. Comparison of reading scores among different classes after the test

2. 测试后各班级阅读成绩对比

班级

平均分

最高分

最低分

实验班(5)班

28.68

50

10

实验班(6)班

29.32

48

8

对照班(7)班

26.04

46

6

对照班(8)班

26.20

44

10

表1的测试前数据来看,实验班与对照班的英语阅读成绩基本无显著差异。实验班(5)班、(6)班的平均分分别为25.78分、25.92分,对照班(7)班、(8)班的平均分分别为25.72分、25.96分,四组班级的初始平均分数处于同一水平,最高分、最低分的分布也较为接近,说明实验前两类班级的英语阅读能力具有的同质性。

表2的数据显示出明显的组间差异:实验班(5)班平均分提升到28.68分、(6)班的平均分提升到29.32分,平均增幅约3分;而对照班(7)班、(8)班的平均分仅提升到26.04分和26.20分,平均增幅不足0.3分。同时,实验班的分数变化较大,而对照班的分数变化相对平缓。这一数据差异并非简单的平均分数增长,而是AIGC支持下单元整体教学在不同认知维度上产生的效果差异。结合布鲁姆目标分类法进行分析,对照班在传统教学模式下,学生的进步局限于记忆与浅层理解层面,因此分数提升微弱。而实验班学生在AIGC工具的辅助下,认知能力得到了阶梯式提升:第一,在理解维度,AIGC帮助学生快速突破了生词与长难句障碍,将更多认知资源建构在语篇整体意义上,解决了学生“读不懂”的问题;第二,在分析维度,借助AIGC生成的单元思维导图和语篇逻辑链图谱,学生能够高效梳理文章的结构与作者的思路,实现了从“文章信息提取”到“文章逻辑分析”的转变;第三,在评价与创造维度,AIGC支持下的单元主题探究活动,促使学生结合文本内容进行批判性思考与观点表达。

这一结果表明,AIGC支持下的单元整体教学,对提升学生英语阅读成绩具有显著的提升作用。实验班学生分数总体由低分段向中高分段提升,整体上提高了班级的平均分。综上所述,AIGC有效支撑了学生从低阶认知向高阶认知的提升,这是实验班学生阅读成绩实现跨越式提升、整体由低分段向中高分段迁移的根本原因。

3.4.2. 实验前后各分数段人数分布图

实验班高一(5)班、(6)班与对照班高一(7)班、(8)班在实验前后的英语阅读成绩分布呈现出显著的变化,如实验前图1与实验后图2,四个班级各分数段人数的分布所示。

Figure 1. Distribution chart of the number of people in each score range before the experiment

1. 实验前各分数段人数分布图

Figure 2. Distribution chart of the number of people in each score range after the experiment

2. 实验后各分数段人数分布图

实验前(图1),实验班与对照班的英语阅读成绩分数段分布呈现同质性,两类班级的人数均主要集中在11~40分区间,其中11~20分、21~30分和31~40分是人数最多的三个分数段,0~10分低分段与41~50分高分段的人数均较少且分布趋势基本一致,反映出实验前两组学生的阅读能力基础无显著差异。

实验后(图2),人数分布出现明显分化:实验班在31~40分区间的人数显著增加,且41~50分高分段的人数有所上升,0~10分低分段人数基本不变,11~20分、21~30分人数有所减少,整体呈现向中高分段迁移的趋势;而对照班的分数段分布变化相对平缓,在31~40分区间有小幅增长,其余区间人数波动较小。

对比可见,AIGC支持下的单元整体教学有效提升实验班学生英语阅读能力,对中低分段学生提分效果显著,助力其向高分区间进阶,优化了班级成绩分布,对照班则仍以中低分段为主。AIGC在理解、分析、评价等认知维度为学生提供分层指导,中低分段学生语篇阅读理解偏差会减小,推动其阅读认知能力系统性提升,是成绩优化的核心原因。

3.5. 教师访谈结果与分析

在访谈之后,对访谈结果进行了总结和分析,发现阅读教学过程中存在的主要问题是:阅读教学方式较为单一,阅读教学关注表面内容,难以激发学生的学习兴趣,因此,AIGC有必要应用于高中英语教学中。阅读教学中缺乏单元整体教学的原因可以分为两类:一是教师在教学设计中缺乏单元整体教学设计,二是不能熟练的将AIGC融入到单元教学中。

教师在设计阅读活动时需关注以下要点。首先,要充分认识到阅读活动的设计旨在更好地锻炼学生的语言能力与读写素养。其次,随着教育研究的不断深化与发展,人们逐渐意识到要从根本上解决学生的学习困境,必须培养学生的思维能力。最后,教师需要认识到兴趣源于自信,即学生相信自己能够学好英语,基于这种自信,学生的兴趣才会提升。教师实施单元整体教学时面临的困难包括:对整体单元教学核心概念的理解还不够深入;不知如何将AIGC融入到单元整体教学中;认为单元整体教学准备耗时过长且难度过高。

3.6. AIGC在高中教学应用中的伦理风险和设备门槛

3.6.1. AIGC的伦理风险

AIGC在方便教师教学的同时,可能会带来风险和相关问题,应当推动AIGC在英语教育领域的健康发展。AIGC在教育中应用时,由于没有数据隐私的边界、缺乏数据保护的相关措施,学生的隐私有可能被泄露;AIGC提供的数据信息可能不完整不准确,如果学生将有关数据应用于其他地方,会违背教育初衷,数据存在欺骗性,导致数据失真;如果AIGC应用下出现相关的教育事故,算法模型很有可能被应用于不当之处,导致学生权利受到威胁;由于学生过度的依赖AIGC带来的方便,过度信任技术生成的创意性成果,失去辨别信息真伪的能力。这些都需要教育管理者、教师、家长协调共同解决的风险。

3.6.2. AIGC的设备门槛

AI模型应用于教学的设备门槛整体较低,可与校园现有教学硬件体系充分适配,无需额外配置专业设备。教师端借助常规多媒体教学终端与校园稳定网络,即可实现AI辅助备课、阅读教学资源智能生成、学情数据精准分析等核心教学操作;学生端通过校园公用电脑、平板、手机等常规设备,便能完成AI赋能的个性化阅读训练、学习效果即时测评、实时互动答疑等学习环节,校园基础硬件与网络条件即可支撑教学全流程的落地实施。

4. AIGC支持下的高中英语阅读单元整体教学

4.1. 阅读单元教学分析

英语阅读单元整体性教学设计以教材单元为基础,以单元主题的意义为指导进行整体教学设计。以下以北京师范大学高中英语教材必修三的第八单元《绿色生活》为例[21]。以王蔷教授英语学科大观念为核心理论支撑,对本单元阅读整体教学设计,遵循“教–学–评”一体化教学设计理念与指向学科核心素养发展的英语活动观,紧扣“人与自然”主题语境下的环境保护核心议题,对教材中Lesson 1《Roots and Shoots》、Lesson 3《“White Bikes” on the Road》及Reading Club 1~2等核心阅读进行重组与优化,搭建起逻辑连贯、主题统整的阅读教学体系。依托AIGC技术打破传统阅读教学中语篇孤立、任务单一的局限,设计符合高中生的认知发展水平,通过语篇结构化处理、个性化任务生成、沉浸式情境创设等创新方式,推动阅读教学从“知识输入”向“素养生成”转型。

4.2. AIGC赋能单元阅读教学全流程

将人工智能融入课前准备(备课、设计)、课中实施(授课、互动)、课后拓展与评价(作业、评估、反馈)的教学全过程,加强人工智能技术在教学活动各环节的具体应用与深度嵌入[22]。实验班以豆包AI模型为核心技术支撑,教师作为教学设计者、情境创设者与交互中介,将AIGC技术深度融入单元“课前–课中–课后”三阶段,实现“技术赋能–教师引导–学生主体”的协同;对照班则依托教材、教辅资料及多媒体课件,采用“教师讲解–学生练习–总结反馈”的传统流程,无AIGC技术介入。以下结合第八单元阅读课,阐述实验班与对照班教学流程的差异,及实验班学生以教师为中介与AIGC的交互过程。

4.2.1. 课前阶段

对照班采用“经验预设”模式,教师依据教参和教材确定“绿色生活”单元重难点,通过纸质练习册布置词汇抄写与文本通读任务。学生预习缺乏有效支架,仅能通过词典解决生词,预习成果无法及时反馈,教师难以掌握学生对“环保”话题的认知差异,只能设计统一的教学方案,预习环节存在明显单一的现象。实验班中AIGC技术帮助学生实现课前预习。学生在本单元主题下积累相应的词汇,AIGC帮助教师生成“绿色生活”主题资料包,包含单元核心词汇思维导图与主题微视频,学生可以开展沉浸式预习。同时,AIGC可根据学生对单词的熟悉程度,智能生成个性化闯关任务(如词义匹配、语境填空、同义替换等),帮助学生针对性巩固话题词汇。在语篇预览环节,AIGC对单元核心阅读进行处理:针对Lesson 1为了引导学生梳理语篇逻辑脉络,生成“提出问题–分析问题–解决问题”结构预判模板;针对Lesson 3为了梳理“白单车”的发展历程,可以设计时间线填空任务;针对Reading Club语篇,提供核心观点预判清单。学生完成任务后,可通过AIGC平台上传预习中的疑问,为教师在课中重点教学提供支持。此外,根据语篇的背景AIGC生成拓展资料包,如为“Roots and Shoots”补充珍·古道尔环保事迹短视频与组织最新动态,为“白单车”提供阿姆斯特丹骑行文化解析,为废物利用主题补充瑞典与非洲国家的最新环保数据,学生可自主选择拓展学习内容,搭建起阅读理解的背景知识。

4.2.2. 课中阶段

对照班遵循“教师讲解–学生练习”的传统流程。教师主导课堂,逐段翻译讲解文本,重点分析语法点与难句。在处理“白单车”等多模态语篇时,仅依托PPT展示静态图片,学生被动接受信息。小组讨论多局限于教材后的思考题,形式比较单一,学生难以深入探究“Just-me-ism”的深层危害,课堂交互层次较浅。实验班中AIGC技术帮助教师实现高效化阅读教学。在语篇精读环节,集体精读Lesson 1,AIGC实时生成语篇结构图,学生搭建“Just-me-ism问题呈现–根与芽组织成立–组织核心意义”的逻辑链条;分组精读环节,将学生分为“组织环保”“绿色出行”“废物利用”三组,分别聚焦Lesson 3与Reading Club语篇:“绿色出行组”借助AIGC将文本信息转化为动态流程图,清晰标注“白单车1960年失败–1999年回归–全球传播”的关键节点及深层原因;“废物利用组”通过AIGC生成瑞典与非洲国家环保措施对比表格,学生合作填充关键信息。在问题探究环节,AIGC基于课前高频疑问与语篇的核心要点,生成不同难度的问题:比如基础性的问题“根与芽组织的成立目的”“白单车的环保意义”等;思考型的问题“Just-me-ism对环境的危害”“共享单车在中国面临的挑战与解决路径”等。

4.2.3. 课后阶段

对照班的课后环节以“机械巩固”为主,学生完成教辅资料中的词汇与语法习题,或撰写简短读后感。教师批改后进行统一讲评,反馈时仅标注对错,缺乏对学生环保观点表达和语言运用的个性化点评。评价方式单一,无法有效衡量学生的跨文化环保意识,也难以激发课后学习主动性。实验班中AIGC技术推动阅读成果迁移应用。在成果输出环节,学生利用AIGC工具可生成“绿色生活实践指南”图文手册,整合单元阅读中的环保措施,如骑行出行、废物利用、组织参与等;可制作环保主题思维导图关联所有阅读语篇的核心观点与案例;AIGC提供字幕生成、剪辑辅助等功能,还可将文本内容转化为短视频脚本,小组合作拍摄环保宣传短片。在评价反馈环节:过程性评价方面,实时记录学生课前预习准确率、课中任务完成质量、小组讨论贡献度等数据;成果性评价方面,对学生提交的图文手册、思维导图、短视频等成果,从内容完整性、逻辑清晰度、语言准确性等维度进行初步评分,生成详细评价报告,教师结合报告进行针对性点评与补充。同时,AIGC汇总全班阅读数据,生成学生在单元阅读存下的问题,为教师调整教学提供数据支撑。

AIGC技术的深度融入为高中英语阅读单元整体教学,通过课前、课中、课后的全流程介入,实现了教师阅读教学的效果。在情境化的阅读活动中学生可以沉浸式体验,推动学生的深度学习,使学生具备环保责任意识与跨文化沟通能力。

5. 结论

综上所述,在传统高中英语阅读课堂教学中,部分教师在进行教学设计时局限于单篇语篇或单个章节,缺乏对单元教学内容的整体设计,忽视了单元教学整体性目标与建构教学内容的连贯性。因此,高中英语教师应重视单元整体教学设计,将AIGC技术在单元整体教学进行深度融合与科学应用,可以打破传统教学的局限性,不仅能实现教师教学效能,而且能提升学生学习效果。高中英语阅读教学的提质增效是一项长期性,单元整体教学法在教学实践中的落地生根,离不开一线英语教师的深度认同、持续关注与创新优化。

本研究存在的局限性如下:研究样本仅选取一所学校,样本范围相对较小,研究结论的普适性有待进一步验证;受研究时间跨度的限制,AIGC支持下单元整体教学模式的长期教学效果未能得到进一步追踪与分析。针对以上不足,后续研究可从以下方面展开深化探索:扩大样本选取范围,选取不同办学层次的高中学校为样本,增强研究结论的代表性;延长教学实践的周期,系统分析AIGC支持下单元整体教学的长期效果;拓展AIGC技术的应用场景,推动AIGC与高中英语教学的深度融合,提高教师的教学效果和学生的学习能力。

基金项目

教育部高等学校心理学类专业教学指导委员会2023~2024年度教育教学改革项目《基于知识图谱的普通心理学AI课程建设及其教学模式探索》。

NOTES

*通讯作者。

参考文献

[1] 梅德明, 王蔷. 《普通高中英语课程标准日常修订版(2017年版2025年修订)》解读[J]. 基础教育课程, 2025(12): 43-45.
[2] 顿继安, 何彩霞. 大概念统摄下的单元教学设计[J]. 基础教育课程, 2019(18): 6-11.
[3] 江星贝. 基于大概念的中学英语单元整体教学设计现状研究[D]: [硕士学位论文]. 上海: 华东师范大学, 2023.
[4] 吴砥, 李环, 陈旭. 人工智能通用大模型教育应用影响探析[J]. 开放教育研究, 2023, 29(2): 19-25+45.
[5] 卢宇, 余京蕾, 陈鹏鹤, 等. 生成式人工智能的教育应用与展望——以ChatGPT系统为例[J]. 中国远程教育, 2023, 43(4): 24-31+51.
[6] 卢宇, 汤筱玙. 生成式人工智能赋能课堂教学的形态层级与进阶路径[J]. 电化教育研究, 2025, 46(6): 75-82+106.
[7] 阎琨, 段梦涵, 张雨颀. 人工智能赋能教育的理论演进框架与趋势[J]. 清华大学教育研究, 2025, 46(2): 33-42+84.
[8] Kadaruddin, K. (2023) Empowering Education through Generative AI: Innovative Instructional Strategies for Tomorrow’s Learners. International Journal of Business, Law, and Education, 4, 618-625. [Google Scholar] [CrossRef
[9] Lei, S.J., Wang, Y.R., Wang, H., Sun, D.H., Cao, Y.G. and Zheng, Z. (2017) A Literature Review on Learning Analytics. International Journal of Social Media and Interactive Learning Environments, 5, 201-213. [Google Scholar] [CrossRef
[10] Phung, T., Pădurean, V., Cambronero, J., Gulwani, S., Kohn, T., Majumdar, R., et al. (2023) Generative AI for Programming Education: Benchmarking ChatGPT, GPT-4, and Human Tutors. Proceedings of the 2023 ACM Conference on International Computing Education Research Volume 2, Chicago, 7-11 August 2023, 41-42. [Google Scholar] [CrossRef
[11] 杨清望, 唐乾. 生成式人工智能赋能研究生教育: 理论逻辑、法律风险和治理路径[J]. 研究生教育研究, 2025(2): 26-33.
[12] 张静. 生成式人工智能背景下翻译高阶思维教学实践构建[J]. 中国翻译, 2024, 45(3): 71-80.
[13] Huang, K.L., Liu, Y.C. and Dong, M.Q. (2024) Incorporating AIGC into Design Ideation: A Study on Self-Efficacy and Learning Experience Acceptance under Higher-Order Thinking. Thinking Skills and Creativity, 52, Article 101508. [Google Scholar] [CrossRef
[14] Selahattin, A. and Eyup, Y. (2024) Flipped Learning: An Innovative Model for Enhancing Education through ChatGPT. International Journal of Modern Education Studies, 1, 124-148.
[15] Kong, S.C. and Yang, Y. (2024) A Human-Centered Learning and Teaching Framework Using Generative Artificial Intelligence for Self-Regulated Learning Development through Domain Knowledge Learning in K-12 Settings. IEEE Transactions on Learning Technologies, 17, 1562-1573. [Google Scholar] [CrossRef
[16] 郑燕林, 任维武. 实践观视域下ChatGPT教学应用的路径选择[J]. 现代远距离教育, 2023(2): 3-10.
[17] 张绒. 生成式人工智能技术对教育领域的影响——关于ChatGPT的专访[J]. 电化教育研究, 2023, 44(2): 5-14.
[18] Hong, W.C.H. (2023) The Impact of ChatGPT on Foreign Language Teaching and Learning: Opportunities in Education and Research. Journal of Educational Technology and Innovation, 5, 37-45. [Google Scholar] [CrossRef
[19] 胡加圣, 戚亚娟. ChatGPT时代的中国外语教育: 求变与应变[J]. 外语电化教学, 2023(1): 3-6+105.
[20] Rospigliosi, P. (2023) Artificial Intelligence in Teaching and Learning: What Questions Should We Ask of ChatGPT? Interactive Learning Environments, 31, 1-3. [Google Scholar] [CrossRef
[21] 北京师范大学出版社. 普通高中教科书英语(必修第三册) [M]. 北京: 北京师范大学出版社, 2019.
[22] 谢青松, 白然, 郭冬梅. 生成式人工智能赋能职业教育大模型建设: 功能逻辑与路径策略[J]. 职业技术教育, 2026, 47(1): 59-66.