摘 要：生成式人工智能技术快速演进，其教育应用潜能广受关注。本研究从读后续写教学中的难点出发，尝试在生成式人工智能辅助下重构读后续写教学策略。实证研究发现，生成式大模型在提供精准反馈、辅助以学定教、支持人机协同创作、促进师生合作评价、优化作业设计等方面有明确的提质和增效作用。

　　关键词：生成式人工智能；生成式大模型；读后续写；以学定教；人机协同创作

　　*本文系上海外国语大学中国外语战略研究中心2023年度“世界语言与文化研究”课题“‘教师+大模型’混合反馈对二语综合写作表现的影响研究”（项目编号：WYZL2023AH00）、2023年度安徽省教育信息技术研究课题“信息技术与高中英语群文阅读教学深度融合应用研究”（项目编号：AH2023005）、2022年度安徽省教学科学研究项目“基于AI技术的高中英语OMO阅读课程资源开发研究”（项目编号：JK22058）的研究成果。

引言

　　以大语言模型为代表的生成式人工智能技术具备创造文本、图像、音频和视频内容的能力，凭借其高智能交互、创新性生成和复杂数据处理等优势，为教育研究带来了新的变革（荆洲、杨启光，2025）。教育学界对于生成式人工智能的研究已涉及课堂教学中的有效运用和创新方法（胡壮麟，2023；焦建利，2023；黎加厚，2025）、教育应用的伦理问题和风险规避（王佑镁等，2023；何昌旺、熊和平，2025）及其对教师角色的影响（于银磊、饶辉，2023）等。

　　在外语教育方面，越来越多的中小学教师也开始关注生成式人工智能的教学应用价值。胡加圣、戚亚娟（2023）提出，生成式人工智能可帮助学生自我评估并识别改进领域，增强学习意识和自主学习能力。孔蕾（2025）重构了阅读教学模式，应用生成式人工智能辅助进行情感、主题、叙事多层次分析，有效增加阅读深度，培养学生的思维品质。余苏丹、赵杰（2025）利用生成式人工智能创设互动学习环境，生成多模态内容以促进词汇学习。徐晓艺、陆祎（2025）针对初中英语写作教学中教学资源有限和个性化教学不足的问题，引入生成式人工智能辅助写作过程的开展。然而，针对高中英语读后续写教学的新技术融合教学应用研究尚不多见。

生成式大模型支持的读后续写教学重构

　　读后续写作为近年高考英语写作任务新题型受到广泛关注。研究团队围绕读后续写日常教学，通过线上问卷、线下访谈等方式对全国范围内50所学校的327名高中英语教师进行了调研，分析总结出一线教师在开展读后续写教学过程中面临的三大难题：第一，日常教学目标模糊且备课耗时；第二，教师批改及讲评负担较重；第三，学生缺乏基于个人学情的写作辅导和学习素材。

　　从上述难题出发，研究团队测试了多个生成式大模型，利用它们的序列任务执行能力、对话情境理解能力、启发性内容生成能力（卢宇等，2023），进行读后续写教学的技术融入探索，发现生成式大模型可以在如下方面辅助教师的教学：第一，批改、润色学生作答；第二，创作多样续文情节；第三，生成个性化素材并辅助分层作业设计。本节聚焦教师如何利用生成式大模型设置教学内容和重构教学方式，以提高读后续写教学效能。

　　1.教学内容

　　人工智能系统可使评价变得更加灵活和个性化，既为教师提供多维的教学参考，也为学生提供系统的学习反馈和个性化指导（刘建达，2023）。在生成式大模型的辅助下，教师的写作批阅效率大幅提高，且能获得多维学情报告，便于以学定教；学生可获得个性化的习作反馈，适于自主订正。

　　生成式大模型参与的外语教学设计应明确课上和课下教学内容的侧重点（孔蕾，2025）。原本教师在课堂上带领学生理解文章、解析基本词汇和语法知识等任务，均可提前安排学生于课下完成，不再作为课堂教学的重点。课堂教学转而聚焦于推动学生的策略运用、思辨能力提升和情感、态度、价值观培育。这种课内外相融合的教学方法既能满足学生个性化学习的需要，又能促进他们批判性思维和实践能力的发展，进而助力学生更好地应对未来挑战。

　　2.教学组织方式

　　在合理应用生成式人工智能的课堂中，教师和学生可以实现知识的共创、共享和拓展，使学习环境更具活力和创意（黎加厚，2025）。研究团队根据“明确目标—进行教学设计—授课、观摩、研讨—修改教学设计—再次授课”的步骤，设计了读后续写研讨课，由2名教师分别展示。授课教师与同行及专家团队共同研讨，明晰了生成式大模型融入读后续写教学的组织方式：课前基于学情反馈，实施以学定教；课中立足深度互动，构建生成课堂；课后利用个性素材，设计分层作业。

　　具体而言，课前，教师可参考生成式大模型提供的多维证据来诊断班级学情、确定教学目标或课堂焦点。授课时，教师以支架理论强调的“最近发展区、师生互动、合作学习”为指导，采用小组学习形式组织学生对原文进行深度解读、赏析范文或学生习作等活动。教师可在课堂上引入与生成式大模型的交互活动。教师先示范如何使用精准的提示语来实现特定内容的生成，随后指导学生使用生成式大模型创设不同的情节。这一过程中，教师、学生及人工智能系统进行三者互动，相互启迪。学生在教师引导下，通过自身的独立思考和批判性思维获得对新技术的认知（黎加厚，2025）。课后，教师要求学生及时巩固课上学到的文本解读及习作优化策略。常见的读后续写教学做法是教师基于原文，人工“二次开发”巩固练习或布置背诵范文等作业任务。事实上，此类作业对学生来说往往缺乏针对性，“二次开发”对教师而言也耗时费力。生成式大模型的自动、快速生成高质量试题的能力（王蕾，2023）可辅助教师根据学情生成有着不同侧重点的课后任务，教师亦可依托生成式大模型的辅助及所提供的个性化素材，相对轻松地设计出分层作业。

生成式大模型在读后续写教学中的应用

　　本节以2022年英语新高考Ⅰ卷读后续写题“David’s Run”为例，选取并分析典型教学环节，展示如何运用生成式大模型辅助教师精准备课、开展课堂教学及设计作业，呈现如何引导学生进行人机互动，通过师生合作评价树立正确的人机协作理念。

　　1.诊断学情精准备课，以学定教优化设计

　　在写作备课阶段，教师遇到的一大挑战是如何选择评价焦点（孙曙光，2017）。教师在读后续写阅卷中经常会发现学生习作中既有词汇、语法方面的问题，也有情节内容、细节描写、行文逻辑等方面的问题。因此，如何选择讲评重点以及如何分配教学活动时间是读后续写讲评课的常见难题。

　　国内一些较成熟的生成式人工智能教学应用系统已实现批量阅卷、精批润色、智能报告学情并归纳学生典型作答案例（如语法、情节、描写等），其批改效果相较传统的智能系统更符合读后续写的评价标准。为直观展示案例，研究者基于“讯飞星火认知大模型”进行说明。以“David’s Run”读后续写题为例，教师可将学生习作输入网页端对话入口，使用合适的提示语（prompt），获得相应的诊断性评价、润色示例和修改说明。如下文所示（有删节）。

　　学生习作（原文）：

　　... After a while, I asked him to join this running. I don’t think that was such a big question for him. Although he has a disease he could also running with others normally. He stared at my eyes. I hugged him, it worked. ...

　　大模型对学生习作的诊断性评价：

　　总评：故事情节基本合理，与原文基调一致。部分逻辑衔接不够流畅，如直接叙述“I asked him to join this running.”却未描写之前是如何鼓励他的。情感、动作、语言等细节描写不足，且存在语法错误，语言表达上有改善空间。

　　大模型基于诊断评价提供修改润色示例：

　　Sensing his unease, I gently reminded him of all the progress he had made during practices and how proud everyone would be to see him participate. “You know what?” I added with a reassuring smile, “I believe you’re going to have an amazing race.” Gradually, his gaze lifted to meet mine, eyes still glistening with tears, but now with a hint of determination.

　　修改说明：

　　增加了“我鼓励大卫”的情节，使逻辑衔接更顺畅；示范了动作、语言描写……

　　教师可基于学情分析更有针对性地备课，确定每个教学环节的焦点。例如，本班学情报告显示学生习作的主要问题有：（1）情节逻辑衔接不够流畅；（2）在情感、动作、语言描写等方面有所欠缺；（3）情节走向过于雷同。据此，教师可要求学生在讲评课前查看大模型针对个人习作的逐句批改反馈和篇章润色建议，对照原文完成初步的作文修订，理解修改意图和修改方式，提升对高质量写作的感知能力，积累语言表达的经验及策略，从而提高自主学习能力。而教师则可将有限的课堂时间侧重于更具有思维挑战的活动，引导学生开展深度语篇解读，与生成式大模型互动，进行故事情节创设或协同优化典型案例等活动。

　　2.师生共筑智慧课堂，协同生成动态教学

　　（1）人机协同创作，生成多样情节

　　教师在读后续写教学中，常期望引导学生基于原文情节和逻辑续写出“一个故事，多种结尾；一个情境，多向发展”（凌勇，2016）的续写内容。但学生在写作中易出现情节过于聚焦或忽视原文线索及伏笔而进行不当发散等问题。对此，教师可以尝试设计“人机协同创作”类课堂活动，通过与生成式大模型互动解决。例如，教师可按表1示例的多轮提示语来引导学生与生成式大模型共创续作内容，通过人机协同生成情节与描写、探究更多可能的结尾等，避免续写考试后仅让学生参看、背记一两篇范文的教学局限。