欢迎访问安博全站app!
服务热线
我请DeepSeek和GPT各自帮我设计了一节课，和我自己设计的课做了比较。我希望能够通过这个比较，告诉广大教师和教育管理者，还有学生和家长：
优秀的人类教师能远超于当前的AI，尤其在帮助学生成为创造者，看到学科大图景，体会到创造知识背后的思维方法等等这些高层知识；
顺便，AI确实能够在一定程度上帮助人类教师完成一些低层次的重复性的劳动，从而更加集中在高层次工作上。不过，这部分不展开，也不会在这里提供案例。
我问的问题是“请你帮我设计一节讲自由落体的课”。我先展示DeepSeek的设计，再展示GPT的设计，再展示我的设计，然后来做对比。
-历史故事引入：简述伽利略在比萨斜塔的实验（传说故事），引发学生对“不同质量物体下落速度”的思考。
-课后思考：“月球上的自由落体加速度约为地球的1/6，若在月球上做相同实验，结果会如何？”
-通过问题引导、实验验证和实际计算，帮助学生构建从现象到公式的科学思维。
好的，我很乐意帮您设计一节关于自由落体的课程。以下是详细的课程设计方案：
-问题思考：提出问题——“如果同时从高处丢下一个铁球和一个羽毛，哪个会先落地？”请学生讨论并发表看法。
1.例题1：一物体从静止开始自由下落，经过2秒落地，求物体下落的高度和落地时的速度。
-用不同质地和质量的密度比较大截面积比较小的球状物块从速度为零松开下落，拍照或者同时下落，比较落地时间。
-整体来说，物块下落时间不依赖于物块质地和质量，都相同，不同的得去找其他原因
-整体来说，物块下落时间上，其他因素一致的条件下（只有一个因素不同），越重的物体下落越快，或者密度越大的物体下落越快，或者截面积越小的物体下落越快
-例如，在考虑质量的影响的时候，用同样质地形状的密度很大的小球，不同质量来比
-例如，在考虑形状的影响的时候，同样质地和质量一个做成片状一个做成针状一个做
-例如，在考虑密度的影响的时候，用同样质地密度相差很大的小球，比较落地时间
-在忽略形状（截面积，未来能更加进一步展开对空气阻力的研究）和密度（空气浮力，这部分初中学习过）的影响下，物体下落每个时间点在哪里和物体的质量和质地没关系
-进一步指出：对于跨越对象都通用（这里，下落时间点的位置和物体的质量、质地没有关系）的现象，科学就要关切，首先确认这个现象，接着确认可迁移的边界，后者往往一定要通过对这个现象做一个缘由分析（机制建模）来完成--科学本质上不过就是找到通用的规律然后把这个规律可能的话迁移到其他对象上去。这部分是对科学的学科典型责任的非常深刻的认知，也初步提到了科学研究方法--观察现象，做实验观测，提炼出来现象层面的规律，对规律做概念建模和数学建模，做实验检验。
-回到历史上，重物下落更快的观测结果，思考其合理性，通过进一步实验来检验这个结论
在有了现象层面的初步结论“物体下落每个时间点在哪里和物体的质量和质地没关系”的条件下，开展对自由落体的详细研究
我们先严肃地来解决第一个问题“每个时间点，物体在哪里，可以有通用的数学表达式来描述吗”。
-伽利略时代时间测量间隔精度受限，人眼睛需要一段时间来反应，如果竖直下落要求实验装置高度很高
-实际上，要去看每个时间点--位置是否不变，速度是否相同，速度的变化是否相同，最后会得到速度变化相同的结论
-这里的是否相同原则上最好有数学表达式，如果有，则很容易得到极限下也就是竖直下落的结果
-拓展实验：考虑改变斜面的倾斜程度，看看得到的定性规律（速度变化相同的）相同的条件下，其速度变化的值如何随着倾斜程度变化
-总结这里的思考：按照技术条件来设计实验，从实际实验到理想实验或者说推理，这些属于物理学家的典型思维方式
-材料：若干个不同质量和质地的小球，两米以上的皮尺，连拍时间间隔0.1秒左右的手机或者相机，做计算用的纸笔或者电脑
-步骤：把皮尺粘贴到墙面的竖直方向上，从皮尺接近起点处释放小球，用手机连续拍照，输出照片到电脑或者手机，读出来每一张照片上小球的位置，记录下来
-由于时间间隔相同，位置差相当于速度，位置差的差相当于速度的差，引入加速度的概念，并且发现其大小基本不变
-重复不同小球的实验，重复附近不同的地点，看看这一个位置差的差是否大概相同
-一般情况下，运动和物体质量有关，例如一个拉力牵引着一个质量为m的物体在气垫导轨上运动，大概来说质量越小的物体越容易被加速
-按照补充实验的启发，使得重物下落的力大概和质量成正比，一般来说加速的效果和质量成反比，如果
-通过速度-时间图的曲线下面积得到位置-时间图的方式完成在不懂得微积分的条件下得到
-总结出来：微积分是关于变化率和累积量的数学，联系微积分到曲线切线斜率、曲线下面积
-总结出来：数学和物理的关系，数学是物理用来描述世界和进行思考的语言，数学概念有时候受到物理或者说现实世界的启发而提出，有些时候物理学用现有的数学概念来描述世界
-科学研究方法：观察世界提出研究对象和现象，观测现象得到数据，分析数据规律，概念建模和数学建模来解释数据规律，实验检验，推广到其他类似的现象
-科学精神：任何和现实世界相同的结论都一定要通过科学研究方法来开展研究来检验，不能听大人物(亚里士多德，伽利略，教皇)的
-科学的学科典型责任：给现实世界提供可检验(可证伪但是尚未被证伪)的心智模型
-科学和数学的关系：数学是科学描述世界的语言是科学家展开思考的语言，数学概念受现实世界尤其是科学家对现实世界的研究的启发，科学家也常常使用现有的数学概念
-科学知识的系统性：任意的毛病的解决或者说任何知识，尽量走到底，也就是找到最基本的原理，然后从这个基本的原理建构(计算推理)起来得到这个知识。例如这里从
-创造体验式学习：跟着创造知识的大物理学家当时的思考和研究，重新经历一轮知识的创造过程，从而体会到创造这些知识背后的思考以及局限，从而学会创造知识
我们看到DeepSeek和GPT的设计都是一板一眼像模像样的，其也基本实现了帮助学生学会
但是，第一，这些知识之间的推理关系没有交代清楚，尤其是其中的利用曲线切线斜率和曲线下面积来帮助得到这个关系未提及，而这个知识和未来要学习的微积分的知识，甚至微积分被创造的过程都具有紧密关系；
反过来，我们看吴金闪的设计，就会发现，其课程围绕的核心就是帮助学生体会到物理学的典型思维方法、学科典型责任，体会到物理学家当时在他们创造知识的时候所面对的问题和创造性地处理问题的时候所需要的思维。
吴金闪为何需要把课程设置成这个目标？因为这个时代需要的是提出和解决实际问题的人，在提出和解决实际问题的过程中创造知识和创造性使用知识的人，而不是重复性地使用别人已经创造好的知识的人。
从老师的角度，如果仅仅为了传递事实性程序性知识，甚至学科概念知识，那么，你大可参考人工智能大语言模型去，但是，你的作用就是培养知识的重复使用者。如果你反过来，还希望培养知识的创造者和创造性使用者，以及培养知识的创造和创造性使用的欣赏者，那么，你就必须做到远高于人工智能大语言模型。
确实，用好大模型能够在一定程度上帮助教师降低在传递事实性程序性知识，甚至学科概念知识上的工作量，于是正好就可以把主要精力用来帮助学生体会到关于创造和创造性使用知识的知识。
反过来，如果你很满足于大模型给你提供的课程设计，那么，你要么是懒惰，要么是不负责任，要么是无能来传递高层知识，也就是你自己做的工作本身就太低级。