AI赋能教学：词云与物理教学判断

讨论热度来自一组公开材料；教学价值需要独立证据与课堂检验。

词云统计口径

样本为2025年发表的10篇教育部门及高校官网材料，检索与整理日期为2026年9月30日：1篇教育部通知，9篇高校材料（8所高校，其中沈阳师范大学2篇）。采用目的性抽样，兼顾政策、建设通知、讲座提纲与案例报道；不是随机抽样、系统综述或全网热度统计。

人工阅读教学相关段落，将近义表述归并为18个主题。每篇材料对每个主题最多记1次，同一材料可属于多个主题。“提及”包括建议、计划与实践描述，不等同于已经实施，更不等同于有效。主主题的字号按提及篇数递增；椭圆排布中补入44个由同批资料提取的细分关键词，统一以小字号层级呈现。细分词与主主题存在包含关系。颜色仅用于排版。

检索使用“人工智能赋能教学”“应用场景”“备课”“学伴”“可视化”等组合词，检索词和材料可得性都会影响样本分布。未计算网页搜索结果数量。只纳入教学用途；例如东南大学稿件中的科研论文绘图不归入教学可视化。

下载计数表（CSV） · 查看主题编码及来源（JSON）

主题提及篇数

查看椭圆形词云全部关键词及其来源

归并规则与边界

“智能助教学伴”合并助教、答疑与伴学；“智能备课”包括教案、大纲与教学组织设计；“个性化学习”也包括按学生需要调整材料。“虚拟仿真”包括实验模拟、数字孪生与虚拟工厂。“可视化呈现”指教学内容或知识结构的视觉表达，不含纯粹的学习行为仪表盘。因此，词云中的“可视化呈现”并不专指物理动画；右侧对物理可视化的优先判断是另外作出的教学判断。

“作业批改”须明确涉及AI评阅学生作业；“出题与作业设计”须涉及题目或作业生成。它们在本样本出现较少，不能推断在全国教学讨论中较少。实验仿真、可视化与课件制作本来就可能重叠；这些主题用于描述用途，不能相加为互斥占比。

哪些更可能帮助物理教学？

以下是结合研究与物理教学任务作出的初步判断，优先级不是词云的统计结果，也不是已经完成的效果评估。

教学判断所依据的公开资料

1. [A] Wieman, Adams & Perkins (2008), PhET: Simulations That Enhance Learning, Science 322, 682–683。支持探索式使用仿真，并强调学习者的主动参与。
2. [B] 沈阳工学院课件制作项目通知明确要求审核内容、按课程及学生需要调整生成课件。它是建设要求，不是效果实验。
3. [C] Kestin et al. (2025), AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting, Scientific Reports 15, 17458。233名选课学生中194名符合纳入条件；比较相同内容下两种教学方式的两次课表现。
4. [D] 清华大学：AI在清华，带来这些新体验，2025-08-15。
5. [E] 内江师范学院物理化学及化学工程教研室专题研讨，2025-12-23。

10篇词云样本及人工编码

以下为归纳说明，不是原文逐字摘录。点击标题可查看公开原文。