实际输入
- 学习目标与证据
- 统计入门。目标:为所给数据选择平均数或中位数,并用分布/极端值证据说明。成功标准:计算正确并给出条件式理由。先前作业显示很多学习者认为有异常值时中位数总是更好。
- 学习者与访问条件
- 24 名成人学习者。有些可用手机,但不能假设家庭网络。必须有纸质替代。课堂有计算器。不得披露个人财务信息。
- 课程约束
- 60 分钟课。课前最多 10 分钟,不计分诊断。课后最多 15 分钟,三天内完成,低风险。教师可提供全班和清单反馈,不能给所有人逐一书面反馈。
围绕同一学习目标安排准备、指导应用、反馈和后续提取. 请提供: 学习目标与证据、学习者与访问条件、课程约束. 预期成果: 包含工作量、反馈、访问和完成证据的三阶段练习序列.
你填写的内容只保留在当前浏览器中,AILesson 提示语不会将其发送给模型或服务器。
未填写的字段会保留为占位符,你仍然可以复制后自行编辑
请为一个学习目标设计相互连接的课前、课中和课后练习。
目标、成功标准、先备证据、误解和迁移:
[target]
水平、人数、语言、无障碍、设备或家庭访问、工作量和保护:
[learners]
课时、课前/课后时间、材料、反馈能力、评分、期限和替代方式:
[course]
每个阶段承担不同功能。课前用于激活或诊断先备知识,不能让不平等家庭访问决定成功。课中使用证据进行示范、练习、反馈和再次尝试。课后提取或迁移同一目标,不引入无依据新内容。总工作量在所给限制内,并提供等价访问方式。不得编造完成数据,也不能把未完成等同于缺少动机。返回阶段映射、学习者说明、时间预算、证据流、反馈路径、访问替代、未完成响应和教师复核触发。从输入到成果
看看具体背景如何通过这条配方转化为可使用的成果
课前,8–10 分钟:纸质或内容完全相同的可下载练习,包含两个小数据集。学习者计算平均数/中位数,选择一个表示“典型”,并勾选理由。目的:诊断程序与条件选择缺口。未完成记为未知,不是缺少动机;课堂前五分钟提供同样两题。
课中,60 分钟:0–5 访问/完成诊断;5–12 匿名回应模式和一次计算示范;12–22 对比极端值是真实观察与疑似录入错误的两个数据集;22–34 两人计算并使用四项清单说明;34–41 全班反馈“总是选中位数”的误解;41–50 修改同一理由;50–57 未见案例个人选择;57–60 出口理由。证据从诊断需要流向示范重点,再从清单反馈流向修改。
课后,12–15 分钟:一个新的非个人数据集;计算两个指标、作条件选择、说明一个限制,再用同一清单自查。纸质和数字版本完全一致。教师触发:若仍有超过三分之一使用无条件规则,下节课先使用新的对比案例,而不是增加更难计算。
不同阶段功能可防止课前、课堂和课后重复同一低价值任务。
证据流让每个阶段能够改变下一步,而不是彼此孤立。
每个阶段是否承担不同但相连的学习功能?
没有假设家庭技术条件的学习者是否有等价路径?
反馈是否引向同一目标的再次尝试?
更有把握地使用
了解这条配方何时适用、需要提供什么,以及哪些内容仍需人工复核
使用“设计课前、课中与课后练习”前,请准备学习目标与证据、学习者与访问条件、课程约束。只用可核实的信息替换占位符;如果某项未知,就明确保留未知状态,不要让模型自行推断。
如果结果还不能根据所给证据实现页面所述成果“包含工作量、反馈、访问和完成证据的三阶段练习序列”,或仍依赖未解决假设、缺失批准或编造细节,就不能使用。把检查项当作放行门槛:应修正来源输入,或指定有权限的复核者,而不是润色一个缺乏支持的输出。
截至 2026-08-29,“设计课前、课中与课后练习”尚无已记录的模型试跑。应把它视为跨模型模板,而不是兼容性声明。先运行页面中的实际案例,保留全部约束,并用结果检查核对输出后再用于真实材料。
继续完成任务
把分散要求整理成面向学习者的规范,同时不虚构政策
逐轮练习真实交流,并提供有边界的纠错、重试、自适应难度和进步证据
依据任务要求和评分标准诊断学习者草稿,同时保留其作者身份