返回快訊

谷歌推出AI生成課堂互動練習工具

Google Research 公佈了一項名爲"學習互動練習(Learning Interactives)"的研究與工具,利用生成式AI幫助教師快速生成定製化的課堂網頁互動模擬:教師只需提出學科、年級和教學主題,系統即可生成配有學習目標、關卡化內容、分層提示與反饋的互動練習網頁。項目由Google Research研究科學家Gal Elidan與產品經理Yael Haramaty主導,相關博客文章於2026年9月17日發佈。

整套生成流程被拆分爲四個環節:第一步由AI根據教師提出的主題生成具體、可修改的學習目標,交由教師審覈確認;第二步圍繞已通過的目標,將練習內容拆解爲難度遞進的關卡式結構;第三步爲內容自動生成配套的知識點導入、公式工具箱、分層提示、情境反饋和完整解法;第四步引入帶教學護欄的迭代校驗機制,通過自我修正循環檢查教學邏輯、交互機制與視覺呈現是否合理。

校驗階段還包含一種agent化的自動測試方式:系統會自動打開Chrome瀏覽器實例,模擬學生的正常解題路徑和"對抗性"操作(比如亂點、跳關或輸入錯誤答案),以此檢驗生成的互動練習是否真的可解、是否會在異常操作下出錯或卡死,相當於給每份生成內容做一次自動化可用性質檢。

教師在整個流程中始終掌握關鍵否決權:從最初提出需求、審覈並修改學習目標,到新生成的互動練習必須經教師人工審覈通過,才能被正式收錄進公開練習庫供更廣泛使用。這種"人在迴路"的設計目的是避免生成內容出現事實錯誤或不符合教學邏輯的情況直接流向課堂。

研究團隊邀請12名美國教師參與實測,每位教師各自提出3個針對自己課堂需求的定製互動練習請求,教師對生成結果的平均評分爲10分制的8分;一名參與實測的高中科學教師反饋稱,過去很難針對不同班級差異化調整教學模擬內容,"給什麼用什麼",而這套工具第一次讓她能按需臨時生成契合自己課堂進度的模擬內容。團隊還邀請英國的STEM學科教師,按10項教學與設計標準對一批生成的互動練習進行評估,結果顯示總體評價爲"良好到優秀",其中物理和化學學科生成的模擬練習被認爲最貼合教學需求。

從行業影響看,這類工具最直接衝擊的是過去依賴人工設計、成本較高的互動教學內容製作環節——此前教師如果想要針對具體知識點的可交互模擬,往往只能依賴固定題庫式的現成資源,"有什麼用什麼",無法按班級差異化定製;而這套工具把定製內容的生產成本從專業教育內容團隊轉移到教師個人的即時請求上。受益方是缺乏預算購買定製化教學軟件的普通公立學校教師和學生;承壓的則是提供標準化互動課件、模擬題庫的教育科技供應商,其內容差異化優勢可能被稀釋。

目前該公開練習庫已上線30多個英語互動練習,覆蓋物理、化學、生物、數學、計算機科學和地球科學,面向初中和高中階段;已使用Google Workspace for Education的學校可通過"Google for Education Pilot Program"申請生成定製化互動練習,新生成內容同樣需經教師審覈後才能進入公開庫。

來源:公開信息

ABAB AI 解讀

谷歌在教育科技方向的佈局有清晰的歷史脈絡:2024年5月推出面向教育場景的專用模型家族LearnLM,2025年上半年陸續在Gemini中上線面向學生的"Guided Learning"引導學習模式(對標同類產品的學習輔導功能),同年下半年又爲Gemini加入互動圖片深度學習能力。這次的"學習互動練習"是谷歌過去兩年圍繞LearnLM持續加碼教育垂直場景的又一延伸,路徑是先打造教育專用底座模型,再逐步把模型能力包裝成教師和學生可直接使用的具體工具。

谷歌在這裏調動的不是傳統意義上的資金併購,而是研究與工程資源的優先投放:把最新的"生成式UI"能力和agentic自動測試能力(自動打開瀏覽器模擬學生操作)率先用在教育場景做驗證。這背後的動機是把教育當作生成式UI技術的高價值試驗場——教育內容對正確性要求高、容錯率低,能倒逼團隊把自我校驗、護欄機制打磨得更紮實,這些能力大概率會被複用到Gemini在其他專業場景(例如醫療、法律諮詢類輔助工具)的生成式界面能力上。

可以類比的歷史案例是PhET Interactive Simulations——由科羅拉多大學博爾德分校主導、長期免費提供給全球教師的固定模擬題庫,近二十年來一直是"標準化互動教學內容"的代表,但內容更新慢、無法按班級定製。谷歌這次的思路本質上是把PhET式的"人工預製題庫"模式,升級爲"教師即時定製生產"模式。當前行業正處在教育科技從"內容分發平臺"向"內容生產工具"轉型的早期階段。

這次變化本質上是一次技術替代:過去製作一份高質量的課堂互動模擬,需要教育內容團隊、UI設計師和前端工程師協作數週才能完成,屬於專業分工產物;現在生成式AI把"文本規劃—關卡設計—代碼實現—教學校驗"這條完整生產鏈壓縮進一次模型調用加人工審覈。機制上,這相當於把原本由專業團隊承擔的隱性知識(如何設計有效的分層提示、如何讓交互既有趣又不偏離教學目標)編碼進模型的生成流程和護欄規則裏——而這個替代能夠成立的前提,是谷歌先用LearnLM等專用模型把教學法層面的隱性知識顯性化、結構化,否則單純的通用大模型很難保證生成內容的教學有效性。

ABAB News · 認知定律

  1. 門檻不是知識,是流程還沒被拆解

  2. 誰把隱性經驗編碼,誰就能替代專家

  3. 定製成本正在從團隊轉移到個人