AI出的题总生硬,别先换模型——先给它一套能执行的教研标准
备课时让 AI 出几道诊断题,素材喂了,教材传了,优秀例题也贴进去了,出来的题还是那个味道:选项一眼能排除,考的不是学生真会卡住的地方。
交到教研组,又是一轮大改。
很多老师第一反应是换个模型,或者再多喂几道好题。问题常常不在那儿。
AI 手里没有你们学校、你们班对一道好题的判断。你脑子里那些“这个干扰项不合理”“这个难度不对”的感觉,它看不到。
真正要补的一步,是把优秀教师的专业判断,写成 AI 能执行、也能被检查的规则。
不是写“要出好题”,而是写清楚:这道题要测出哪一种真实误解;每个错误选项对应学生哪一种想错的方式;难度按什么依据分层。规则越具体,AI 越不容易凭感觉编。
审核清单里可以直接写一条:这个选项对应哪种真实误解,对不上就改。
规则写完还不算完,得能检查。生成之前先对着标准写,生成之后再拿着同一套标准一条一条查。哪里不符合,是规则写漏了,还是 AI 没照做,一目了然。
教研标准和审核清单也可以放进 TAIWE 的同一个项目里,标准和题目都在一个地方,生成之前先对着标准写,生成之后再拿着标准一条一条查,不用来回翻文件。
下次 AI 出的内容不好用,先别急着换模型。翻出自己的判断,写成几条能对照检查的规则,再让它按规则来一遍。
你教哪个学科、哪个年级,最卡的是生成、分层还是自查这一环?
AI出的题总生硬,别先换模型——先给它一套能执行的教研标准