这里的作业自有分寸

提到作业，你是不是会回忆起，在无数个焚膏继晷的夜晚，无数次对预存知识的被动复制？

实用主义哲学家杜威在《民主主义与教育》中是这样解读的，知识不是独立于学习者之外的客观存在，而是个体在与环境互动中不断经验改造的结果。作业理应成为这种互动的场域——让学生在适切的挑战中独立思考、试错、调适，完成从“被动接受者”向“主动建构者”的转化。

但回到现代课堂，问题在于，什么是“适切的挑战”？面对“千人一卷”的作业，既无法引发真正的经验改造，也难以激发持续的学习动机。

瑞士儿童心理学家皮亚杰给出了答案，认知冲突是驱动学习的核心动力——任务太简单，认知无法被扰动；任务太难，主体直接放弃应对。

AI创思课堂的精准作业，尝试用数据找到那个“恰到好处的认知冲突点”。当作业难度与学生当下的水平精准匹配时，学生就更容易进入“做中学”的状态，并在完成适切挑战的过程中获得成就感。这种持续的正向反馈，正是自主学习最核心的内驱力来源——当学生相信“我能做好”，学习便不再需要外部催促。

在海高校区致和部（以下简称“致和部”）英语老师郑素娅的精准作业推送列表里，有着好几组不同的任务，有十几个人的定语从句专项练、五个人的听力题、两个人的阅读拔高练习……

她只需要在星学伴平板上点下发送键，这些不同难度、不同题量的作业，会在几分钟内出现在对应学生的平板里。同一节课、同一个班，每个人拿到的课后练习都不一样——这在几年前，是她想都不敢想的事。

这是致和部再寻常不过的一幕。作为AI创思课堂五大核心要素之一，精准作业早已不是“把习题搬上平板”的简单动作。它藏在每一次推送、每一道错题、每一组数据里，悄悄改变着沿用了几十年的“千人一卷”的作业模式。

有人吃不饱 有人吃不了

在很长一段时间里，作业的形态几乎从未变过：全班统一发一张卷子、一页教辅，无论基础好坏，做一样的题，交一样的作业，听一样的讲评。

但统一的背后是双向的消耗：基础好的学生反复刷着早已掌握的简单题，时间在无意义的重复里消耗；基础薄弱的学生盯着超纲难题无从下手，熬了半小时也只能空着，挫败感越积越深。

“以前讲试卷很矛盾。”郑素娅说，英语试卷以选择题居多，教师的备课时间有限，更多时候通过批改时的模糊印象来判断哪道题错得多，有时不得不通过课堂上学生举手的方式来统计错题数据。

讲题的时候更是两难。逐题讲吧，基础好的学生早就会了，坐在下面走神发呆；挑着讲吧，又怕漏了哪道题，做错的学生得不到讲解，心里有落差。最后只能折中，道道都沾一点，分析一张卷子得用两节课。

学生的困境同样具体。209班的张语涵坦言，以前的作业总在“太简单”和“太难了”之间摇摆。强势科目做起来索然无味，弱势科目又处处碰壁，“花了很多时间，但感觉效率有点低”。

更多困扰来自答疑的滞后，201班的涂程威记得，以前一道数学题卡壳，问遍周围同学都在忙，只能放着等第二天老师讲，“等到讲的时候，我都忘了当时是哪里想不通了。”

一边是老师埋在作业堆里，改不完、统计不清、讲不透；一边是学生困在统一卷里，要么吃不饱、要么跟不上。作业本应是查漏补缺的工具，却慢慢变成了师生共同的负担。

那么，究竟什么样的作业才算好作业？

它不应以题量多寡或知识覆盖面为衡量标准，而应看其是否真正服务于学生的实际掌握程度：内容上能与个体的知识漏洞相匹配，难度上处于学生通过努力可以达成的区间，功能上能同时支持教师的教学调整和学生的自主补弱。只有当作业从统一的任务转变为有针对性的学习环节，才具备实质意义。

但要让作业真正达到这一标准，仅靠教师的个人经验难以持续实现。每个学生掌握知识的节奏不同、漏洞各异，传统模式下教师很难在有限时间内为所有人提供适配的练习。

精准作业正是为了解决这一现实难题而出现。

一份作业的精准诞生

在致和部校长助理马文杰看来，精准作业更像一个“导航仪”：对教师而言，它让学生的学习过程变得可见，能精准知道哪个知识点全班已掌握、哪个点还卡着；对学生而言，它能帮自己明确定位，知道哪里该补、哪里可以冲。

这份“精准”从来不是老师凭印象给学生贴标签，而是靠课前、课中、课后全环节的数据采集与沉淀，动态更新每个学生的知识画像，最终实现练习内容与知识漏洞的精准匹配。

分管教学工作的校长助理周颖对此有更深一层的理解。她注意到，很多老师刚开始接触精准作业时，会把它简单理解成“一个布置作业的新工具”。但真正用起来之后才发现，“它改变的是整个教学流程的逻辑——以前是教完了再练，现在是从预习开始就在为精准做准备。”

她认为，精准作业之所以能达到“精准”，核心在于它是“课课达标”的前置验证和“自主学习”的后续延伸，“五大要素（自主学习、合作学习、小老师制、课课达标、精准作业）之间是联动的，精准作业只是那个把数据串起来的环节”。

课前预习是精准作业的起点。但在传统教学中，预习始终是最薄弱的一环。精准作业把预习变成了可量化的轻量任务：英语的单词跟读与词义辨析、化学的概念微课与基础判断、数学的前置知识点检测，学生在平板上完成后，系统立刻生成完成率与正确率数据。

“以前上课是从零开始讲，现在是带着问题讲。”数学老师蔡梦姣说。

前段时间上分布列复习课，她提前给学生布置了分层预习作业，覆盖基础、中档、难题三个梯度。从学生反馈的作业情况里她发现，学生对基础概念普遍掌握得不错，但核心难点集中在分布列判断与概率求解上。她调整了授课思路，不再按传统流程从头到尾梳理知识点，而是把课堂时间集中在两个易错点的拆解上。“以前满堂灌，基础部分占半节课，难点反而讲不透；现在直奔问题去，学生吸收效率高很多。”

课中答题是精准度的实时校准。课堂不是单向输出的过程，学生的吸收效果随时在变化。课中随堂检测、抢答互动、小组作答的数据会实时回传到教师端：每道题的正确率、错误选项分布、具体答错的学生、平均作答时长，一目了然。

对地理老师陈建霞来说，这是她判断知识点掌握程度最直接的方式。

讲完气压带风带的形成原理，她会把PPT里的随堂题推送下去，学生在平板上作答。她站在讲台前，看着屏幕上的正确率一点点跳动。两分钟后，完整的统计就出来了：全班四十几个人，有的题只有1-2个人错，有的题有7个人选错，大多集中在同一个干扰选项。

“错一两个的题不用讲了，组内讨论一下就过。错的人多的共性题，小组先讨论三分钟，然后我找人来讲。”她话音刚落，教室里就响起了讨论声。通过答题数据，她也能精准地发现哪位学生适合担任某道题的“小老师”。

金俊翰的化学课则把随堂作业做成了限时训练。讲完知识点立刻发一组检测题，卡着时间让学生独立完成，避免课后讨论造成的“假掌握”。提交后即时出结果，正确率高，课后作业就侧重拔高拓展；正确率不理想，课后就侧重基础巩固。

“相当于每节课都能做一次小体检，课后作业就能开‘对症的药方’。”他算了算，以前纸质训练要收、要改、要统计，反馈至少要隔天；现在当堂练、当堂出结果、当堂讲评，刚好对应“课课达标”的要求。

课后作业是精准作业的最终落点，也是“精准”最直观的体现。致和部的老师几乎都采用了“基础统一+分层选做+点对点补弱”的模式，既守住全员的知识底线，又满足不同学生的提升需求。

郑素娅的推送列表就是最好的例子。有学生定语从句次次错，她就单独推10道专项题；有学生主动找她要听力练习，她就单独发一套基础听力；有十几个学生某类阅读错题集中，她就统一推一组同题型的巩固练。“最少的时候，一道题我只推给一个学生。”她说，这在纸质作业时代根本不可能。

有一位偏科生让她印象很深。这个学生其他科目都一般，唯独英语能冲到年级前列，统一的作业对她来说太“浅”了。现在郑素娅可以单独给她布置拔高难度的阅读和写作练习，不用跟着全班重复刷基础题，“相当于一对一培养，比以前省心太多了”。

金俊翰则在同一份作业中内嵌基础、中档、拔高三层题目。基础题全体必做，守住得分底线；中档题鼓励中等生尝试；拔高题标注为挑战项，设置3-5分的额外积分奖励，学生可以自主选择要不要挑战。学生对不同知识点的接受度不一样，这一章学得弱，下一章可能就擅长。同卷分层的模式，让每个学生都有选择的空间。

从课前的起点判断，到课中的动态验证，再到课后的巩固补漏，三类数据相互印证、动态更新，学生的“最近发展区”不再是模糊的感觉，而是清晰可干预的具体区间。精准作业的“准”，本质上是数据支撑下的因材施教。

重回“教学设计师”

精准作业带来的深层改变，是教师工作内容的置换。机械重复的劳动被系统承接，教师的精力开始向更有价值的教学深处转移。

马文杰对此有清晰的判断：短期来看，全新的教学设计需要投入更多精力打磨；但长远来看，一旦形成校本资源库，再加上AI工具的辅助，教师终将从重复劳动中解放出来，把精力投入到更精细的教学与陪伴中。

郑素娅算了一笔账：以前两个班的英语选择题，全批全改要花两个多小时。现在系统自动批改，正确率、易错选项、错的学生是谁，全都一目了然。

省下来的时间，她都花在了学生的培优辅差上。把几个基础特别弱的学生叫到办公室，一个单词一个单词地带读、讲用法；给尖子生整理作文素材，面批写作思路；对着错题数据，琢磨哪个知识点还要再补练，哪类题型学生最容易踩坑。

作为只有四年教龄的年轻教师，数据还成了她的教学“校准器”。以前她总忍不住赶教学进度，怕完不成学校的教学任务，师傅总劝她慢一点，可她心里总着急。现在作业数据会直白地告诉她：这个知识点正确率还不到一半，不能往下赶。“以前全凭感觉，总觉得我讲过了，学生就会了。现在知道，讲过不等于学会，作业正确率才是硬标准。”

金俊翰解锁了错题讲评的新玩法。遇到高频错题，他会对着平板，一边写解题步骤一边讲思路，录成短视频附在题目后面。学生做错了，点开就能看，不用攒到课上统一讲，也不用追着老师问。“以前同样的题，这个学生来问一遍，那个学生来问一遍，我要讲好多次。”现在录一次，三个班的学生都能看，省下来的时间，他可以琢磨怎么把作业梯度设计得更合理，怎么把知识点讲得更透彻。

蔡梦姣所带的班级已经进入了高考复习阶段。以前一轮复习要从头到尾过知识点，面面俱到却处处不深。现在她对着错题数据，能精准定位全班的薄弱知识点，复习课直接聚焦易错点拆解，不用再在学生已经掌握的内容上浪费时间。“以前复习是撒网，现在是精准捕捞，效率高太多了。”

陈建霞则通过数据更全面地了解了自己的学生。有些课堂上沉默寡言、从不举手的孩子，作业正确率其实很高，只是不爱表达；有些学生看似漫不经心，实则掌握扎实。数据像一双更客观的眼睛，帮她看到了每个学生藏在课堂表现背后的真实水平。

在周颖看来，这种工作内容的置换，比单纯节省时间更有价值，老师也慢慢重新回到教学的“设计师”身份。

从“要我做”到“我要学”

AI创思课堂的核心目标之一，是激发学生的自主学习能力。精准作业正是撬动这个目标的关键支点——它通过适配的难度、即时的反馈、可自主选择的空间，一步步消解学生对作业的抵触，最终形成“愿意做、能做好、想提升”的自主作业闭环。

最先消失的是对作业的畏难情绪。有几个英语基础相对薄弱的学生，以前阅读题满篇生词，根本读不下去，越做越厌学。现在郑素娅给他们推词汇简单、语法点匹配的初高衔接难度题目，学生能看懂句子、能做对题，慢慢就有了成就感。顺着这份成就感引导，学生也愿意主动背单词了，学习积极性比以前高了很多。

对分层作业的接受度，也比老师们预想的更高。徐一诺和张语涵都坦言，刚开始看到每个人作业不一样，会有点不适应；但慢慢发现作业是适配自己水平的，确实能帮到成绩之后，就越来越喜欢这种模式了。“不会有落差，适合自己的才是最好的。”201班的沈忆说出了很多学生的心声。

当学生从作业里持续获得正向反馈，主动学习的意愿就会自然生长。201班的缪仁毅会在感觉某科有进步时，主动找老师要更高难度的题目练习；郑素娅也经常碰到学生跑过来，有的想补弱、有的想拔高。放在以前，很少有学生会主动要求多做作业。

错题本和AI解析，则给了学生自主复盘的抓手。

涂程威以前最烦整理错题，抄一道题要好几分钟，常常抄到一半就不想弄了。现在系统自动归集错题，还能一键生成错题卷，他考前刷一遍，忘了的知识点立刻就想起来了，“省了超多时间”。张语涵还发现，错题本会标注题目难度和做错次数，可以反复练习直到完全掌握，针对性很强。

遇到不会的题，学生也不用再死等老师，AI解析会一步步引导解题思路。缪仁毅以前用搜题软件，总忍不住直接抄答案，思考过程全跳过了。现在他更愿意看平板上的分步讲解，“真想学好的话，还是一步步弄懂更有用”。沈忆也算过，日常学习里AI的辅助大概占两成，主要就是用来看错题讲解。他很明确两者的区别：搜题软件会先给出答案，再附过程；星学伴会先讲解题过程，引导着一步步得出答案，更适合真正学东西。

最终，这一切汇聚成了正向的学习循环。209班甘漫妮的感受很有代表性：作业精准精简，完成效率高，就能腾出更多时间预习；提前看了老师的PPT和知识点，第二天上课就能紧跟思路，回答问题也更游刃有余。她认为，预习是自己成绩提升的核心原因，而这一切的起点，是精准作业帮她省下了大量无效刷题的时间。

从“老师让我做”到“我自己要练”，从被动完成任务到主动查漏补缺，学生的自主学习能力，就在一道题一道题的练习里，慢慢长了出来。

考试复习的脚步渐密，教学楼的灯光总亮到很晚。

不再是人手一套相同的试卷从头刷到尾，也不再是统一的进度推着所有人往前赶。学生循着自己的知识漏洞查漏补缺，老师顺着数据的脉络精准发力，有人夯实基础，有人拓展拔高，每个人都在自己的节奏里，把时间花在真正有价值的地方。

这场发生在作业本里的改变，安静而扎实。它让作业回归了查漏补缺的本质，把因材施教的理念，落到了每一次日常练习的细节里。