AI赋能课堂：AI生成的课堂提问处于什么认知层级？统计200个问题

现在不少老师备课时已经会让AI帮忙设计课堂问题。输入课文、知识点或者一份教学目标，几十秒就能得到一套提问，数量足、表达完整，看上去也有一定层次。但真正把这些问题放进课堂，一个更实际的问题随之出现：AI生成的问题，到底要求学生思考到哪一步？

这个问题值得认真看。2026年教育部等五部门印发《“人工智能+教育”行动计划》，基础教育阶段明确提出要激发学生好奇心、培养创新思维、提高解决复杂问题的能力。也就是说，AI进入课堂以后，价值不能只体现在“替教师多生成几个问题”，还要看这些问题究竟能不能推动学生思考。

01.

我统计了200个AI生成的问题

为了做一个接近教师日常使用场景的小测试，我选取语文、数学、英语、物理、化学、生物、历史、地理、道德与法治、科学等常见教学内容，使用同一款通用生成式AI，每个学科生成20个课堂问题，共200个。

提示词有意保持普通，没有要求AI按照某种认知理论出题，大致形式就是：“根据本课教学内容设计20个适合课堂使用的问题，按照教学推进顺序呈现。”这样做不是为了测试某个模型的能力上限，而是想看看教师直接说“帮我设计课堂问题”时，AI通常会给出怎样的认知结构。

统计采用修订版Bloom认知分类，将问题分为记忆、理解、应用、分析、评价和创造六个层级。哈佛大学教学资源对这一框架的解释比较清楚：记忆和理解主要涉及知识获取，应用和分析进入知识使用与关系辨析，评价和创造则要求作出有依据的判断或形成新的方案。需要说明的是，这六类并不是简单的“越高越好”，课堂仍然需要基础性问题，关键在于它们是否与学习目标匹配。

结果如下：

如果进一步合并，记忆、理解类问题占42.5%，应用、分析占40.5%，评价和创造只有17%。其中“理解”出现最多，而“创造”最少。

这组数据当然不能代表所有AI，也不能代表所有学科，但它至少暴露了一个教师使用AI时容易忽略的问题：问题生成得很多，不等于认知层级已经设计好了。

02.

AI不是不会出高阶问题，而是默认状态下“不替你设计层级”

最值得注意的是，这个小测试的结果不能简单理解成“AI只会出低阶问题”。

2026年一项发表于KDD的研究，对6种大语言模型生成的20,700个教育问题进行了分析。研究发现，当提示词明确指定知识点和Bloom认知目标后，模型的认知控制能力会改善，但仍然会出现层级偏移；有的问题比目标要求低，也有相当一部分会突然跳到更高的认知层级。研究者最后强调，结构化、细粒度的提示设计会明显影响生成问题的认知质量。

这和教师实际使用时的感受是能够对上的。AI很容易生成“概括主要内容”“解释原因”“说说你的理解”一类问题，也能生成复杂问题，但如果教师没有告诉它本节课需要怎样的思维递进，它并不知道哪个问题应该用于导入，哪个用于概念理解，哪个应该放在课堂后半段推动证据分析和判断。

因此，问题并不在于AI“聪明不聪明”，而在于教师有没有把教学目标和认知要求交代给它。

03.

同一个知识点，提问层级可以完全不同

以科学课中的浮力为例，“浮力的方向是什么”主要检查记忆；“为什么铁钉容易下沉，而轮船可以漂浮”已经要求学生联系多个条件进行分析；如果进一步问“怎样改变同样质量橡皮泥的形状，使它稳定漂浮，并设计办法验证你的判断”，学生需要提出方案并验证依据，认知要求已经发生明显变化。

知识点没有变，变化的是学生为了回答问题必须完成什么思维活动。

这也是教师审核AI问题时最值得看的地方。不要只看问题里有没有“分析”“评价”“设计”这些词，而要判断学生是不是真的需要比较证据、建立联系、作出判断或者形成方案。2026年的大模型教育问题研究也发现，模型对Bloom层级的识别和实际生成并不完全一致，这说明仅靠表面的提问动词并不足以判断认知深度。

04.

教师可以把提示词改一步

与其输入“帮我设计10个课堂问题”，不如把要求写得再具体一点：

“根据以下课时目标设计12个课堂问题。其中记忆、理解类3个，应用、分析类5个，评价、创造类4个。每个问题标注认知层级和设计目的，并给出一个可以继续追问学生思维过程的问题。所有问题必须能够依据本课学习材料展开，避免只有形式复杂但实际仍是知识复述的问题。”

这样做并不是为了机械追求高阶问题的数量，而是强迫AI先考虑整节课的问题结构。UNESCO关于生成式AI教育应用的指导同样强调，人仍然应处于教育设计的中心，AI输出需要经过教学层面的验证，而不能直接把生成结果当作现成的教学方案。

05.

这其实也是一个很好的课题切口

如果教师正在寻找AI与课堂教学结合的课题，这个问题比“人工智能赋能课堂教学研究”要具体得多。

可以记录教师原有课堂提问、AI普通提示生成的问题，以及加入认知层级要求后生成的问题，再比较三者在记忆、理解、应用、分析、评价和创造六个层级上的分布，同时观察学生回答长度、证据使用、追问次数和课堂参与情况。

这样一来，研究的重点就不再是证明“AI有没有用”，而是回答一个更实际的问题：怎样使用AI，才能让课堂问题真正支持学生思维的发展？

200个问题的统计只能算一次小观察，但它提醒我们，AI可以把出题速度提高很多，却不会自动替教师完成教学判断。最后决定一个问题该不该问、什么时候问、问到什么程度的，仍然是教师对学生和课堂的理解。

END

回复【资料】，领取申报-中期-结题模板