
当前高校的教学范式&问题
老师和教学管理者的担忧
更贴近实际教学场景的应对思路
另一种思路:人智协同、增强教学效率和效果
透过和 AI 的协同来训练 ÀI,让 AI 学习成为贴近教学场景需求的好助手
自然地不断提升AI 辅助教学的能力和成效:AIGC → Co-pilot → Agent。
打通管理流程→聚焦教学质量,发展数智化教学

融入教学场景→逐步实现个性化的教学&学习
教学场景常见问题
高频需求场景:备课、答疑、批改、追踪学情。
AI 增强的教学模式(AI-Reinforced LEARN)
让老师更专心教,让学生更用心学。
Stage 1-课前
场景问题:
教师不易为每个学生提供个性化的预习材料
学生自己看课件容易一头雾水,不易完成有效预习。
AIR 辅助备课 →沉浸式备课,带动课前预热
AIR 辅助备课→沉浸式备课,带动课前预热

AIR 辅助备课→沉浸式备课,带动课前预热
文档出题:识别文档关键信息和潜在问题点,智能生成题目,同时验证生成的题目是否有正确答案
音视频出题:语音识别提取、视频处理技术捕捉重点,机器学习技术生成题目,提供练习和学习检测。

Stage 2 - 课堂开始
场景问题:
教师不易调动学生兴趣,课堂气氛沉闷
直接或间接影响教师自己的教学热忱。
AIR 辅助上课→暖身、激发学生兴趣

Stage 3-课堂中
场景问题:
教师难以即时追踪、掌握每个学生的学习进度和问题,进而做出有效的反应和调整。
AIR 辅助上课 →即时了解学生情况,即时调整教学
随堂出题:临时需要出题时,可基于课件教学内容生成相关联的随堂测试题目,即时了解学生学习情况
AI 讨论:针对学生讨论内容提出补充观点,辅助教师去引发学生思考和进一步讨论。

Stage 4-课堂结尾
场景问题:
时间心力有限,老师一个人很难能给每个学生课堂任务或作业结果针对性的指导。
AIR 辅助批改 →自动化批改,提供个性化反馈

Stage 5-课后
场景问题:
教师很难随时随地回答学生、难以追踪每一位学生的课后学习进展、学生缺乏自己需要的、持续的学习支持。
AIR 辅助追踪 →即时个人答疑,辅助下次备课
AI 智能助教:帮助教师、学生解答疑问,提供个性化学习建议,促进学生学习效果的提升
辅助备课:在功能页面内集成教学助手,随时为教师生成所需内容,如课程大纲、活动设计参考等。

实现愿景:人智共育 →让老师更专心教,让学生更用心学

数智化教学:发展个性化学习的三个阶段
让老师专心教,让学生用心学。
所需的关键能力或要求?

提问&改写转化能力
需要让 AI 模型理解教学场景是什么?老师和学生想做什么、需要什么?

我们如何协助老师?最简化操作,最佳化效果

背后机制:构建课程知识库、个人知识库
RAG 检索增强:本地课程资源/教师个人资源库升级为智能知识库。

背后机制:调用多模型来适配不同教学场景需求

我们如何协助学校?以成果为导向的深度协作推广

Q1. TronClass AIR 的主要特色是什么?
不仅是聊天机器人,更是懂每一个老师教学需求的AI助教
→一个能深入理解老师课程内容、教学环节、教学当下需求的AI助教
不需要学习复杂指令,AI助教就能即刻响应
→老师不需要学习如何编程,不需要配置系统,也不需要手动复制粘贴,AI助教随时随地提供帮助
基于教学原理,聚焦在高频教学场景需求
课前:生成课件知识索引,针对学习材料和教学需要出题,提高备课效率
课中:即时互动出题,提升课堂参与度
课后:自动化批改,减轻工作负担
随时:个性化答疑,满足学生解惑需要
实时:学情分析和教学提示,即时调整教学重点和方式,改善学习体验和效果。
基于学习地图的个性化学习路径

教学评价方面,持续提升质量的C.A.R.E.模式
持续实时地采集、评价、反馈教学全过程→促进课程、教师、持续改进。




