纵观习作教学课堂不难发现，其存在“高耗低效”的困境：一是缺乏对学生真实学习状态的精准把握，教师难以判断“教”与“学”之间的落差；二是教研活动多依赖教师的主观经验，缺乏客观证据支撑。说明文习作单元的教学更是如此。《太阳》是五年级上册习作单元的精读课文，承担着“阅读简单的说明性文章，了解基本的说明方法，并用恰当的说明方法把事物介绍清楚”的核心任务。教师如何实时捕捉学生的理解难点？如何判断教学策略的有效性？这些问题的解决亟待循证思维的介入。
循证教育（Evidence-basedEducation）强调将专业智慧与最佳研究证据相结合，优化教育决策与实践。而要将这一理念真正落地课堂，离不开能够客观捕捉并量化教学过程的智能化工具支撑。希沃课堂智能反馈系统运用人工智能技术对课堂进行自动记录与分析，生成包含教学行为、学生参与、课堂分析、评价等多维指标的课堂报告。该系统犹如一面镜子，可以照出教师从未察觉的教学盲区，为教研和教学反思提供充足的依据。
基于此，广东外语外贸大学附属科学城实验学校依托省级课题研究，以“三课五步”循证教研模式为基础，构建了“问—备—教—研—创”五步闭环的循证教研框架。这五个环节相互关联、螺旋上升：“问”即课前诊断，基于学情数据定位教学痛点；“备”即三轮备课，形成基于证据的教学设计；“教”即双轨采集，同步运用系统与人工捕捉课堂数据；“研”即归因改进，基于数据报告开展精准研讨；
“创”即成果沉淀，形成可复用的教学资源。研究结合《太阳》习作单元的教学实践，持续完善此教研模式，以期不断提升教师的专业水平，打造高效课堂，并形成可以推广的教学范式。
“问”：课前诊断，锁定教学痛点
循证教研的起点是“问”，即精准定位教学需要解决的核心问题。试教前，教师综合运用多种方式采集学情数据：通过前测了解学生对说明方法的已有认知，分析以往作业中的常见问题，调取上学期同课堂的调研报告，分析学生把握习作的难点。综合多源数据，本次教学的核心痛点有两个：一是如何让学生直观感知说明方法，避免“为学方法而学方法”的形式化学习；二是如何实现从“读”到“写”的自然迁移，让学生将在《太阳》中学到的说明方法灵活运用于自己的习作。
“备”：三轮备课，形成循证设计
第一轮由教师独立备课，围绕“感受说明方法的表现力”展开初步教学设计。第二轮备课，教研组参考以往《太阳》教学的优秀课例、课堂报告和文献。数据显示，有教师运用希沃投屏技术创设“直播带货”情境的做法，使学生在课堂的参与度提升。这令教师更加确信：真实任务情境是破解说明文教学抽象性的有效策略。第三轮备课，则是教研组开展集体研磨，基于证据对教学设计进行优化。研磨过程聚焦三个关键点。一是情境创设的升级。例如，当时正值第十五届全运会期间，所以将吉祥物乐融融带入课堂，发出“争做广州文化小使者”的倡议，将习作任务转化为真实的表达需求，激发学生的内在动机。二是深化说明方法体验。教师借鉴了“克隆功能”的创意，将文中“150000000千米”中的7个“0”一个个拖拽出来，在视觉冲击中让学生感受数字的庞大。三是读写迁移的支架设计。为帮助学生将从阅读中学到的方法迁移到习作中，教师设计了两级支架：第一级是课堂即时练笔，如提供“广州塔”的数据包，现场练习；第二级是课后习作提纲，用思维导图梳理事物特征，选取恰当的说明方法，为正式习作搭建框架。
“教”：双轨采集，捕捉课堂证据
循证教研主张从多个来源获取证据。多维证据有助于澄清教研问题，并为科学制定教研方案、实施教研活动和评估教研效果提供依据，使得教研活动有据可依、有迹可循和依证实践。
希沃课堂反馈系统的数据采集。教师同步开启希沃课堂智能反馈系统，对整节课进行无感采集。系统自动生成的课堂报告包含多个维度的数据图表，为后续教研提供了丰富的循证依据。其中，提问类型分布图对教师课堂提问进行了精细分类。数据显示，本节课理解型问题占59%，应用型问题占16%，创造型问题占5%，评价型问题占2%，而记忆型问题占18%。这一分布反映出教师更加重视理解记忆之类的问题。从应答时间看，设计问题要注意梯度和层次，加强追问，注重培养学生深度思考的能力。学生参与热力图记录了学生的举手次数、应答情况以及教师的走动轨迹。热力图显示，本节课学生举手总次数达86次，人均3.3次，明显高于常规课的平均水平。由此可以看出，学生对于解决真实问题更感兴趣。
人工观察的补充记录。系统采集的同时还有两位教师进行人工观察。观察记录显示，练笔环节，有学生将632米简单写成“很高很高”；在交流点评环节，当教师追问“为什么用列数字比用‘很高’更好”时，学生表示“数字能让人更加清晰地知道到底有多高”。这些细节为后续分析学生的思维过程提供了质性证据。
数据与观察的相互印证。系统数据与人工观察形成相互印证的关系：系统显示课堂练笔环节，学生投入度高，但仍有12%的学生未能完成任务；人工观察发现学生创造性运用说明方法的意识较弱。两者结合为精准归因提供了完整的证据链。
“研”：归因改进，基于证据的深度研讨
数据驱动的课堂复盘。教研组召开“问题归因会”，集体研讨课堂反馈系统生成的报告。系统数据显示，本节课“学生课堂行为占比”达65%，核心知识点测试正确率达87%，均显著高于常规课水平。然而，整体向好的数据背后也存在一些细节问题。回看切片发现，练笔指导缺乏“数据选择策略”引导，教师点评错失深化理解的契机。
归因分析：从现象到本质。基于数据证据，教研组深入剖析问题根源：设问不足是因为教师忽略了“倾听—接纳—拓展”的对话策略。这一归因过程改变了传统教研中“就事论事”的浅层讨论，推动教师从教学理念和设计层面反思问题根源。
改进策略的形成。教研组依据归因分析形成了改进策略：增设“方法变式”环节，通过变式训练培养学生灵活运用方法的能力；优化反馈语言，实施“接纳—追问—拓展”三步反馈；完善练笔支架，增加“小参谋”环节，降低练笔难度。
“创”：成果沉淀，形成可复用的资源
“一课一包”“一课到一类”的资源构建。将改进后的教学设计、课堂数据报告、反思案例等打包存入校本资源库，形成《太阳》教学资源包。提炼说明文习作单元的教学策略，形成可迁移的实践框架，真实情境驱动将习作任务与学生的生活经验直接勾连，创设“为广州文化代言”等真实表达需求。
教师专业成长的证据轨迹。将本轮教学与以往同课例的课堂报告相对比，可以清晰看到其情境创设更加生活化，提问类型更加多元化，师生互动更加协同化，反馈语言更具启发性。
该实践验证了循证教研在习作教学优化中的独特价值。同时也证明课堂反馈系统不仅是数据的采集者，更是教学问题的“观察者”和“诊断者”、教师反思的“对话者”。它的最大价值在于让教师看见自己的课堂表现，为教学决策提供客观依据，记录其成长轨迹。不过，本研究仍存在一定局限，五步循环教研模式的实施对教师的数据素养提出了更高要求，要避免“数据主义”倾向。同时，单节课例的长期效果需要进一步跟踪验证。未来，循证教研可向“构建区域性的教学数据库，探索AI大模型在教学诊断中的应用，构建‘教学—评价—改进’一体化的循证育人体系”等方面发展。
【本文系省级课题“人工智能视域下的五步循证教研模式研究”（课题编号：2025YQJK0100）研究成果】
作者：宋丽 范秦 灿慧 广东外语外贸大学附属科学城实验学校
