返回快讯

谷歌推出AI生成课堂互动练习工具

Google Research 公布了一项名为"学习互动练习(Learning Interactives)"的研究与工具,利用生成式AI帮助教师快速生成定制化的课堂网页互动模拟:教师只需提出学科、年级和教学主题,系统即可生成配有学习目标、关卡化内容、分层提示与反馈的互动练习网页。项目由Google Research研究科学家Gal Elidan与产品经理Yael Haramaty主导,相关博客文章于2026年9月17日发布。

整套生成流程被拆分为四个环节:第一步由AI根据教师提出的主题生成具体、可修改的学习目标,交由教师审核确认;第二步围绕已通过的目标,将练习内容拆解为难度递进的关卡式结构;第三步为内容自动生成配套的知识点导入、公式工具箱、分层提示、情境反馈和完整解法;第四步引入带教学护栏的迭代校验机制,通过自我修正循环检查教学逻辑、交互机制与视觉呈现是否合理。

校验阶段还包含一种agent化的自动测试方式:系统会自动打开Chrome浏览器实例,模拟学生的正常解题路径和"对抗性"操作(比如乱点、跳关或输入错误答案),以此检验生成的互动练习是否真的可解、是否会在异常操作下出错或卡死,相当于给每份生成内容做一次自动化可用性质检。

教师在整个流程中始终掌握关键否决权:从最初提出需求、审核并修改学习目标,到新生成的互动练习必须经教师人工审核通过,才能被正式收录进公开练习库供更广泛使用。这种"人在回路"的设计目的是避免生成内容出现事实错误或不符合教学逻辑的情况直接流向课堂。

研究团队邀请12名美国教师参与实测,每位教师各自提出3个针对自己课堂需求的定制互动练习请求,教师对生成结果的平均评分为10分制的8分;一名参与实测的高中科学教师反馈称,过去很难针对不同班级差异化调整教学模拟内容,"给什么用什么",而这套工具第一次让她能按需临时生成契合自己课堂进度的模拟内容。团队还邀请英国的STEM学科教师,按10项教学与设计标准对一批生成的互动练习进行评估,结果显示总体评价为"良好到优秀",其中物理和化学学科生成的模拟练习被认为最贴合教学需求。

从行业影响看,这类工具最直接冲击的是过去依赖人工设计、成本较高的互动教学内容制作环节——此前教师如果想要针对具体知识点的可交互模拟,往往只能依赖固定题库式的现成资源,"有什么用什么",无法按班级差异化定制;而这套工具把定制内容的生产成本从专业教育内容团队转移到教师个人的即时请求上。受益方是缺乏预算购买定制化教学软件的普通公立学校教师和学生;承压的则是提供标准化互动课件、模拟题库的教育科技供应商,其内容差异化优势可能被稀释。

目前该公开练习库已上线30多个英语互动练习,覆盖物理、化学、生物、数学、计算机科学和地球科学,面向初中和高中阶段;已使用Google Workspace for Education的学校可通过"Google for Education Pilot Program"申请生成定制化互动练习,新生成内容同样需经教师审核后才能进入公开库。

来源:公开信息

ABAB AI 解读

谷歌在教育科技方向的布局有清晰的历史脉络:2024年5月推出面向教育场景的专用模型家族LearnLM,2025年上半年陆续在Gemini中上线面向学生的"Guided Learning"引导学习模式(对标同类产品的学习辅导功能),同年下半年又为Gemini加入互动图片深度学习能力。这次的"学习互动练习"是谷歌过去两年围绕LearnLM持续加码教育垂直场景的又一延伸,路径是先打造教育专用底座模型,再逐步把模型能力包装成教师和学生可直接使用的具体工具。

谷歌在这里调动的不是传统意义上的资金并购,而是研究与工程资源的优先投放:把最新的"生成式UI"能力和agentic自动测试能力(自动打开浏览器模拟学生操作)率先用在教育场景做验证。这背后的动机是把教育当作生成式UI技术的高价值试验场——教育内容对正确性要求高、容错率低,能倒逼团队把自我校验、护栏机制打磨得更扎实,这些能力大概率会被复用到Gemini在其他专业场景(例如医疗、法律咨询类辅助工具)的生成式界面能力上。

可以类比的历史案例是PhET Interactive Simulations——由科罗拉多大学博尔德分校主导、长期免费提供给全球教师的固定模拟题库,近二十年来一直是"标准化互动教学内容"的代表,但内容更新慢、无法按班级定制。谷歌这次的思路本质上是把PhET式的"人工预制题库"模式,升级为"教师即时定制生产"模式。当前行业正处在教育科技从"内容分发平台"向"内容生产工具"转型的早期阶段。

这次变化本质上是一次技术替代:过去制作一份高质量的课堂互动模拟,需要教育内容团队、UI设计师和前端工程师协作数周才能完成,属于专业分工产物;现在生成式AI把"文本规划—关卡设计—代码实现—教学校验"这条完整生产链压缩进一次模型调用加人工审核。机制上,这相当于把原本由专业团队承担的隐性知识(如何设计有效的分层提示、如何让交互既有趣又不偏离教学目标)编码进模型的生成流程和护栏规则里——而这个替代能够成立的前提,是谷歌先用LearnLM等专用模型把教学法层面的隐性知识显性化、结构化,否则单纯的通用大模型很难保证生成内容的教学有效性。

ABAB News · 认知定律

  1. 门槛不是知识,是流程还没被拆解

  2. 谁把隐性经验编码,谁就能替代专家

  3. 定制成本正在从团队转移到个人