一、現實痛點與技術應用拐點

　　1.實踐痛點：無人指導與數據荒廢共存

　　師范生教育實習松散化是全球職前教師教育的痛點(世界銀行報告，2026)，其主要表現為指導教師(Mentor Teacher)專業能力不足、激勵缺失，政府、師范院校、中小學和教師工會等機構協同不足。具體到我國，存在以下問題：師范院校在校生規模普遍較大，而周邊中小學校實習生接收容量相對有限；教育實踐經費投入不足；高校實習帶隊教師和中小學指導教師受限于工作負擔，精力有限，難以提供充分的指導與陪伴。

　　隨著“教育數字化”戰略推進，師范生培養集中于師范院校的特點，正轉化為將實習反思與指導數據沉淀為教師教育資源的獨特優勢。我國部分高校自2017年開展“師范專業認證”以來，積累了大量的教師職前教育數據。例如，洛陽師范學院(以下簡稱“我校”)于2019年12月到2025年6月之間在“智慧實習云平臺”積累了本科生實習反思363875條。其中部分師范生的實習反思得到了指導教師的在線等級評定和點評反饋。依據教師專業發展規律，實習生所遇問題往往具有共性。往屆師范生在實習時總結的經驗與教訓，可以成為即將實習或正在實習的師范生的“方法寶典”和“避坑指南”。

　　師范生實習日志(或周報)是“新入職教師”在真實課堂中生成的實踐敘事，兼具個體性與公共性。這些源于一線、具有“親近感”的數據，經過挖掘與加工后，可直接服務于師范生、實習教師和新入職教師的培養。同時，它們彌補了當前教師教育類教材偏重于優秀教師案例，而對新入職教師實踐經驗與失誤反思關注不足的結構性缺口。

　　然而，上述數據在利用層面仍存在以下三方面的問題：一是信息孤島化，經驗難以實現跨時空共享，大量隱性知識隨實習結束而流失；二是檢索低效化，無法按問題類別、情境快速提取，僅能依賴人工篩選；三是應用靜態化，常為事后閱讀與評價，缺乏交互式、個性化與即時性的支持。以第三點為例，大量師范生實習期間的表現與記錄尚未受到入職學校或教師繼續教育機構的充分關注。

　　2.技術拐點：生成式人工智能的興起

　　隨著數字技術的快速發展，特別是2022年底ChatGPT的出現，引發了全球對生成式人工智能(Artificial Intelligence Generated Content，AIGC)的廣泛關注，隨后智能體(Agent)等相關技術不斷涌現。在這一背景下，我國作為教育大國，其規模優勢在社會主義制度條件下更易轉化為數字技術優勢，使得教育數據有望在人工智能技術驅動下被進一步激活與釋放價值。同時，國家層面持續強調以人工智能賦能教師發展，推動教育數據在教學、管理與評價等環節中的深度融合與應用。

　　生成式人工智能技術能夠將師范生的實習周報轉化為可交互的智能體，使原本分散、靜態的個體經驗轉化為可隨時調用的動態知識資源，從而實現“經驗即服務”。基于此，本項目的核心目標包括：其一，探索并構建“實習周報—結構化知識庫—對話式智能體”的轉化路徑；其二，通過真實教育實踐案例，驗證智能體在支持師范生專業成長中的應用效果，重點涵蓋備課設計、課堂管理、師生互動、與實習指導教師溝通以及突發事件應對等關鍵場景。

　　項目組嘗試采用“AI分析+人工識別確認”的方式，系統提取教育見習、教育實習與研習選題等相關內容，構建結構化知識庫，并在此基礎上開發師范生“教育實踐教練”系列智能體，面向全校師范專業學生搭建網絡化學習支持平臺。目前，該系列智能體包括“教育見習助手”“實習陪伴教練”和“研習選題伴學”三個子系統，已在教育實習的知識管理與實踐應用中初步形成示范效應。相關智能體已集成至微信公眾號菜單中(如圖1所示)，便于學生隨時調用與使用。

圖1 本項目所依托微信公眾號界面及其“自定義菜單”

　　其中，“教育見習助手”目前以科學課程為示例，面向低年級師范生的教育見習環節提供支持；“智能體遠程指導”主要用于師范專業師生開展畢業論文選題與教育研習的輔助探索；“實習教練”則面向正在開展教育實習的師范生，支持通過微信對話框或掃描小程序二維碼兩種方式進行交互使用。

　　二、技術路徑：從實習周報到結構化知識庫

　　1.數據來源與預處理

　　以本項目開發的“實習陪伴教練”智能體試用樣本數據為例，4021條實習周報來自2020-2021學年小學教育專業在133所實習學校的246名師范生。實習反思通常持續17-19周，涵蓋實習初期、實習中期(期中考試前后)和實習末期，構成了完整的學期實踐記錄。記錄內容包含“本周工作總結、遇到問題、下一步計劃、帶隊教師評語”四部分，形成“行動—問題—反思—指導”的完整閉環。這些記錄較為真實地呈現了高年級師范生在中小學、幼兒園實習期間的心態變化、工作日常和生活狀態。為便于后續分析利用，項目組借助大語言模型(Large Language Model，LLM)，對原始文本進行預處理，包括格式統一、隱私脫敏、段落切分和字段標注，以實現知識的初步結構化(見表1)。

表1 試用版樣本數據經“扣子(Coze)”歸納的知識類別和問題類型

　　2.知識庫構建與檢索增強生成(RAG)

　　項目組基于師范生實習反思知識庫，通過與DeepSeek、Kimi、MiniMax、豆包、千問等大語言模型(LLM)對話，系統梳理了實習中常見問題及應對策略，形成初步知識庫。隨后，項目組利用國產智能體開發平臺“扣子(Coze)”和“騰訊元器”，將初步標注的結構化數據以CSV(Comma-Separated Values，一種純文本表格格式)形式上傳，搭建專屬私有知識庫(見圖1)。上述平臺基于RAG(Retrieval-Augmented Generation，檢索增強生成)技術，確保智能體在回答問題時，優先從知識庫中檢索最匹配的真實案例作為生成依據，有效規避了通用大模型的“幻覺”問題，從而保障了經驗來源的真實性、可溯源性和情境適配性。相關智能體(試測版)已發布在“騰訊元器”和“扣子(Coze)”上，如圖2、圖3所示。

　　在此基礎上，項目組堅持定期復盤，每兩個月從“扣子(Coze)”和“騰訊元器”后臺導出對話記錄，篩選出高頻問題、低滿意度回答(如“點踩”較多)以及有代表性的真實案例。項目組將回答欠佳的問題及其優化后的答案整理為新文檔，上傳至知識庫，同步迭代優化提示詞。例如，若發現實習生在特定周次頻繁詢問“該做什么”，則在提示詞中強化按實習階段給出建議的能力。

圖2 在“騰訊元器”上發布的智能體(試測版)

圖3 在扣子(Coze)上發布的實習陪伴教練智能體(試測版)

　　三、智能體搭建：面向師范生教育實踐場景的設計與實現

　　1.智能體人設與系統指令設計

　　項目組將核心智能體命名為“實習陪伴教練”，其人設為“過來人+教練型學長學姐”，兼具情感陪伴與專業指導雙重功能。系統指令(部分)設計如下：“你是一名師范生實習期間的伴學智能體，名叫‘實習教練’；你的語氣要像一位有經驗的學長學姐，既親切共情，又能在關鍵問題上給出教練式指導；你的所有回答都必須優先依據知識庫中的真實實習周報，并盡量注明經驗來源(如知識庫中無匹配經驗，也可如實告知用戶)；你的問題回答結構是先表達對實習生情緒的理解，再提供方案并列出兩三條建議，最后在結尾部分作正能量引導。”

　　2.知識庫的多維結構設計

　　為實現更精準的匹配，項目組在AI智能分析基礎上，將上述4021條實習記錄按“階段×城鄉×問題類型”三維結構進行組織，并劃分為階段特征、城鄉差異、問題庫、成長軌跡和經驗精華五大模塊，如表1所示。這一設計使智能體能夠結合實習生所處的實習階段與學校類型，提供更具針對性的指導。例如，試用樣本中農村學校記錄2497條、城市學校1524條，兩者在課堂管理策略與學生構成等方面存在顯著差異，智能體據此可在回答中優先匹配同類型學校的經驗。同時，項目組以“常見問題×干預方案”為維度對上述結構化數據進行歸納，得到類似表2的分析框架，為智能體回答的條理性提供支撐。

表2 知識庫分析結構(示例)

　　3.典型應用場景與對話示例

　　在“教育見習助手”智能體的搭建環節，項目組基于2019-2025年的全校師范生實習記錄，以“科學”為檢索詞獲取7365條信息，直接導入知識庫供AI篩選；或采用“科學課”作為精準檢索詞獲取1520條信息以構成知識庫。該知識庫注入上述智能體之后，師生即可通過對話了解科學課開設情況與常見問題等。

　　依托“實習陪伴教練”智能體后臺，項目組可基于實習生的提問記錄，歸納形成“本周實習生TOP5(高頻)問題”等分析結果。

　　師范生“教育實踐教練”智能體系列之“教育見習助手”和“實習陪伴教練”智能體使用界面如圖4所示。

圖4 “教育見習助手”和“實習陪伴教練”智能體使用界面

　　場景一：2025級科學教育專業學生開始教育見習

　　師范生提問：

　　“我校哪些專業的師范生在承擔科學課?記錄了哪些問題?”

　　智能體回答(節選)：

　　小學教育專業的出現頻率最高，思想政治教育專業次之。物理學、化學、生物等理科師范專業也有部分實習生從事科學課教學。其余非理工科專業也有，如文學院、學前教育。

　　他們記錄了“強烈的知識焦慮與備課壓力”、“教學方法與課堂管理上的無力感”、“應試與素養培養的矛盾”和“逐步的成長與勝任感的建立”等問題。

　　場景二：2026屆學前教育專業學生畢業論文選題與潛在調研對象篩選

　　實習生提問：

　　“哪些學長、學姐記錄了幼兒園環境創設中的幼兒參與?”

　　智能體回答：

　　有多位師范生明確記錄了幼兒園物質環境創設中幼兒參與的情況，并分析了存在問題和對策思考，這是他們專業反思中的重要組成部分。張淑婭、盧光燕、張海姣等記錄了“幼兒參與流于形式，大多停留在作品被張貼的表層，未能真正參與決策”的現實。盧格格認為存在“‘成人審美’遮蔽‘童心世界’”，吳盼盼、劉媛媛認為存在“‘任務導向’壓倒‘過程體驗’”，傅藝璇、盧格格則認為存在“‘材料匱乏’限制‘表達空間’”等問題。在對策建議方面，佘曉婷通過“正面案例”、吳新儀通過“負面案例”認為應該“讓幼兒成為設計者與決策者——發揮信任的力量”；盧格格和衛樂認為應該“讓環創回歸生活和自然——實現聯結的智慧”；張淑婭和盧格格認為應該“理解環創的教育意義——讓努力被看見”。

　　這些真實的記錄表明，環境創設不應是教師的獨角戲，而應成為師幼共同生活、共同表達與共同成長的生動過程。

　　場景三：小學教育專業實習生咨詢課堂紀律管理

　　實習生提問：

　　“課堂紀律差，該如何管理?學長、學姐在周報中怎么說的?”

　　智能體回答：

　　我們當時也遇到過課堂紀律差的問題，確實令人頭疼。不過，學長學姐們在周報中總結了一些有效的管理方法，或許對你有所幫助。

　　首先是表揚與獎勵，在課堂秩序較差時，教師可及時表揚表現好的同學，讓其他學生受到正面激勵。例如，郝珍玉通過在下課時表揚表現好的同學，并給予印章獎勵(其印章可換積分，積分可兌小禮物)。其次是嚴厲與溫和結合，趙碩認為管理課堂紀律時要嚴厲，讓學生怕你；但同時也要注意溫和的一面，通過與學生交流了解他們的心理。最后是課堂管理技巧，他們的記錄提到課堂管理需要技巧，例如在課堂上多走動，關注每個學生的表現，及時制止不當行為；同時，通過設計有趣的課堂活動，提高學生的參與度和興趣。

　　此外，尚心悅在第二周到第四周，一直記錄她的課堂存在問題；黃琳怡在周報中分析了課堂紀律差的原因，還嘗試通過變得嚴肅來改善紀律；張新寧提到班里“不想學”的同學搗亂，影響了她的教學效果。

　　四、實踐成效與反思

　　1.實現從“經驗沉淀”到“數據活化”的閉環

　　目前，該系列智能體已在師范生教育實踐中開展試驗，初步實現了“經驗沉淀—數據活化—實踐改進—知識迭代”循環。智能體讓原本零散、沉睡的實習經驗變得可檢索、可對話，在一定程度上實現了“超時空”的知識連接。部分教師教育公共課和學科教學法教師開始借助智能體對話，檢索實習記錄，挖掘真實案例，豐富課堂教學。

　　例如《課程與教學論》(小學教育專業)教材第五章“教學模式”的問題情境是“你認為當下的課堂教學是傳統的還是現代的?”。針對低年級師范生中相當一部分已很久不關注小學的情況，教師可引導師范生在實習反思記錄中檢索“傳統”、“現代”等關鍵詞，或直接將數據導入DeepSeek等大語言模型(LLM)并詢問“通過查看這些記錄，你認為當下課堂是傳統還是現代的?”等問題，以獲得答案。

　　2.低代碼路徑彰顯“技術民主化”價值

　　項目組全程依托“扣子Coze”和“騰訊元器”等零代碼平臺，將技術門檻降至最低，使非技術背景的師生也能參與智能體的搭建與迭代。該實現路徑打破了傳統課程資源開發對技術團隊的依賴，讓智能體開發不再是少數技術人員的專利，對校內師范專業以及校內外其他專業師生均具有示范價值。也因此，本項目得到了較多教育同行的認可與歡迎；同時智能體嵌入的微信公眾號“洛師方案智庫”(heluoxiaojiaoren)，目前訂閱人數也已達669。

　　3.“做中學”提升師范生的人工智能素養

　　2026年4月，教育部等五部門印發《“人工智能+教育”行動計劃》，明確提到“將人工智能納入教師資格考試和認證內容”。在本項目的實施過程中，師范生在教育見習與實習階段不僅是智能體的使用者，更是知識庫迭代的貢獻者，這種“做中學”的參與式人工智能應用體驗，有助于提升其人工智能素養。

　　4.當下的不足

　　首先，目前本項目探索的智能體仍處于試測階段，知識庫的多維結構設計有待完善。當下應用較為集中的場景包括科學教育專業見習(知識庫來自全校師范生實習反思數據)和小學教育專業師范生在實習中對微格教學技能的體悟(知識庫來自樣本數據)。今后，項目組將依據用戶交互數據，探索利用大語言模型(LLM)進行更多維度的半自動歸類與人工確證，如引入舒爾曼“教師知識分類”、維曼“實習教師現實震撼”等理論框架，對知識庫進行更有深度的結構化分析。

　　其次，數據模態較為單一。目前項目主要基于文本數據開展分析，尚未納入實習學校照片(校園文化)、課堂板書照片等多模態數據源。我校2023-2024年在“智慧實習云平臺”上積累的實習生所拍攝照片，尚待挖掘與利用。

　　最后，效果評估尚不全面。現階段項目組主要依賴用戶主觀反饋判斷智能體的實用性，后續需設計更系統的實證研究方案(如與優秀實習基地開展相關智能體應用研討)來評估智能體的實際效果。

　　五、未來展望

　　其一，構建跨校、跨區域的師范專業實習生知識網絡，形成更大規模的師范生教育實踐智能體聯盟。該系列智能體發布后，得到了校內外多位專家的肯定與鼓勵，并吸引了山東泰山學院、周口師范學院、重慶三峽科技大學、鄭州工商學院、鄭州升達經貿管理學院等多所院校教師的關注。后續需進一步征詢相關研究與實踐者的意見，推動共建共享。

　　其二，推進教師教育職前、職后一體化的知識圖譜設計。項目組后期可基于“實習生教學反思+在職教師實踐反思”的知識互補進行一體化設計，支持師范生、高校帶隊教師與中小學指導教師通過數據直觀對比新入職教師和成熟教師在特定問題上的認知差異。

　　其三，建立常態化的知識庫動態迭代機制。項目組將適時收集當前實習生的新問題、新困惑，并提煉為新知識，在每學年末進行知識庫更新，以避免案例陳舊、內容過時。

　　作者：

　　張獻偉 洛陽師范學院 科學教育系講師

　　郭利強 洛陽師范學院 學前教育學院院長

　　周 震 洛陽師范學院 軟件學院院長

　　靳 君 洛陽師范學院 學前教育學院副院長

　　吳錚錚 鄭州龍湖一中 教師

　　本文刊載于《河南教育信息化》，作者授權轉發。