从一堆材料到一篇文章，教师要把哪些决定留给自己

从通知、方案、照片、表格和旧稿到一篇可署名的文章，AI 可以整理材料和生成结构，但读者、立意、事实取舍、引用、隐私与最终发布责任应由教师保留。

批量处理作业时，AI 应该先整理证据

批量处理作业时，AI 最适合先统一文件、提取可核对证据、标出异常并归纳共性问题。本文给出证据矩阵、人工抽样、反馈草稿和数据留存的完整边界。

学生用了 AI，作业评价看结果还是看过程

学生使用大模型后，作业评价不该变成猜测“是不是 AI 写的”。这篇文章从任务边界、结果质量、过程证据和一分钟说明出发，给出一套教师可执行、学生负担可控的评价方法。

一堂大模型课，从提问到作品要经过哪些环节

把大模型课堂拆成问题说明、初步判断、模型对话、事实核验、作品修改和展示反思六个环节，让学生的选择与证据留在作品之外。

信息科技课上，怎样把大模型变成学习工具

把大模型放回信息获取、数据处理、程序调试和数字创作任务中，用初步判断、核验记录与修改说明保留学生的学习过程。

人工智能课里，大模型到底要教什么

把大模型带进机房并不难。打开一个对话页面，演示几种提问方法，再让学生生成一段文字或一张图片，一节课很快就能热闹起来。真正难的是下课以后怎么回答一个朴素的问题：学生今天到底学会了什么？ 如果答案只是会输入提示词、会复制结果、会让模型把文字改得更漂亮，这节课的价值就很有限。工具界面会变，模型能力也会变，