学情分析最常见的失败写法，是「学生基础薄弱、理解能力有待提高」——听起来没错，但什么都没说，因为它没有数据支撑。AI 在这件事里的价值，是帮你把零散的作业、错题、提问记录整理成集中失分点，把反思落到「下次怎么改」。有一条边界要先立住：数据可以交给工具分析，「这个学生怎么样」的判断必须由教师作出，AI 不替代学业评价。
四类数据来源，先备齐再分析
作业与小测最直接，能看出知识点的掌握情况；错题分布比平均分更有信息量，哪些题错得集中，指向的是具体的教学盲区；课堂提问与互动往往当场就能暴露谁在哪个环节卡住，事后凭记忆补，不如当堂记关键词；过程记录（订正情况、提问次数）反映学习习惯，它是慢变量，但决定了同样的教法在不同学生身上效果不同。
先有数据，才有分析。没有数据来源的学情分析，本质是印象——印象不是不能用，但它不可复盘、不可改进，今年用的判断和去年用的判断之间没有积累。
从数据到结论：找集中失分点，不看平均分
关键一步是找「集中失分点」。平均分只告诉你整体水平，失分分布才告诉你问题在哪。一道题全班七成人错，说明这个知识点的教法有问题，该改的是教学设计，不是批评学生不努力；错题分散在五个不同章节，更可能是练习量或考试策略问题，调整方向完全不同。
操作上先把错题按知识点归类，再数每一类的失分人数和人均失分，两个维度都高的，就是下节课最该先动的一项。这个归类整理，正是 AI 能帮你提速的部分——你贴原始数据，它出归类草稿。但归类的口径（知识点分多细）得你定，因为最清楚学生程度的是你。
| 数据形态 | 说明什么 | 对应的调整方向 |
|---|---|---|
| 单点集中：某道题七成学生错 | 该知识点的教法或示例没讲透 | 重备这节课，换示例和讲法，下节课前五分钟回炉 |
| 章节分散：错题分布在五个章节 | 练习量不足或综合调用能力弱 | 加变式练习，做跨章节小综合 |
| 两极分化：高低分学生错不同的题 | 统一进度下两端都没照顾好 | 分层作业，课后分别给两组不同任务 |
| 过程数据差：订正率高但同类题再错 | 习惯问题：为订正而订正 | 改订正要求：讲清思路，不只改答案 |
学情分析速查
- 四类数据：作业小测、错题分布、课堂提问、过程记录
- 看集中失分点，不看平均分；按知识点归类，数人数和人均失分
- 反思三行：发现的问题 → 可能的原因 → 下次的具体调整
- 提示词末尾加一句：不要对学生个人做评价；教师判断为主
教学反思写到「下次怎么改」
有效的反思不停在「这次哪里不好」，要落到「下次怎么改」。可以按固定结构写：发现的问题 → 可能的原因 → 下次的具体调整。三行就够，但第三行必须具体到能执行——「下次先讲课本例题再变式」是调整，「以后多关注学生」不是。
原因要区分「教的问题」和「学的问题」，两者的改法完全不同：教的问题改教法（换示例、放慢节奏、增加铺垫），学的问题改管理和要求（练习量、订正深度、习惯养成）。混在一起写，反思就成了表态。
提示词怎么写，AI 才帮得上
把这次测验的错题统计直接贴给它，按四步提要求：找出失分集中的知识点；区分哪些可能是讲得不透、哪些是练习不足；给出下一节课的调整建议；指出这份数据还缺什么、需要你补充。
最后一句必须加：「请不要根据数据对学生个人做评价。」这不是客套——它决定了工具输出的是教学建议，还是给学生贴的标签，而后者既越界又危险。教师判断为主，指的就是这一步的决断权不能交出去。
边界：三条不能越的线
数据必须真实。为了好看调整统计口径，反思就失去意义——学情分析是给老师自己用的，不是给检查用的。
学生信息要保密。成绩和错题记录属于个人信息，上传公开工具前去掉姓名和可识别信息，使用范围控制在教学需要内。
AI 不替代学业评价。工具可以指出「这道题错在哪个知识点」，但评定成绩、判断学生水平、写下评语，都是教师的职责。工具的分析是材料，评价结论必须由人作出并负责。
三个常被问到的问题
没有电子数据，手写记录能分析吗？能。错题按知识点手工归类，一次课堂测验半小时就能归完，数据量足够找出集中失分点。工具的价值在持续积累后的对比，不在单次的整理速度。
分析结果和班主任的评价不一致，听谁的？先核对口径：你看的是错题分布，班主任看的可能是课堂表现和作业习惯，两个数据源反映的是不同侧面。把两边的数据合起来看，比争一个结论有用。归因的方法论本身相通，可以参考用 AI 做退货原因归因里「先分类、再看集中度」的思路。
能让 AI 直接生成给家长看的学情报告吗？可以起草，但必须逐句改。涉及学生评价的每一句都要你确认，尤其是横向比较类表述。对外版本的结构和措辞，可以借鉴写经营总结的对外版本的思路：数据客观，判断克制。另外，把一学期的数据按周汇总、期末做一次整体复盘，做法和用 AI 做年度复盘一致：平时记字段，期末看趋势。
