用 AI 做教学论文选题：怎么避免大而空

教学论文写不动，多数情况卡在选题：题目开得太大。比如「论核心素养在课堂中的落实」，这个题目够写一本书，一篇三千字的论文根本装不下，结果每段都是正确的空话。AI 在这里的定位是学术辅助：帮你把大题目收窄、把框架搭起来、把表述检查一遍，研究和写作本身仍由你完成。

大而空的根源：从概念出发，不从问题出发

选题时习惯从大概念出发，是因为大概念「显得正确」——没人能反驳「核心素养很重要」。但论文的价值恰恰来自具体：你手上真实存在的问题，才可能写出别人没写过的观察和证据。大概念带来正确的废话，具体问题才能带来有价值的内容。判断方法很简单：把题目念给同事听，如果对方问「所以你到底研究什么」，说明还太大。

三层限定把题目收窄

给题目依次加上三层限定，每加一层，可写性提高一截：

• 限定学段：小学高段、初中一年级、高二，越具体越好；
• 限定课型或内容：新授课、复习课、某个具体知识点；
• 限定问题：学生常犯的错误，还是某个教学环节效率低。

对比一下：「论小组合作学习的有效性」收窄后是「小学数学新授课中小组合作流于形式的三种表现及改进」。前者要查几十篇文献才能凑够篇幅，后者你教室里就有现成的观察对象，能写、也值得写。让 AI 做这件事时，把你的学段、学科、具体困惑和能拿到的材料一起给它，要它给出三个收窄后的选题，每个注明研究问题、材料来源、预计篇幅、难度和风险，并标出哪些表述仍然偏大。研究问题应当能用一句话说清——这种一句话提炼的功夫，和把卖点压成一句主图文案是同一种训练。收窄之后还有一个自检动作：把新题目讲给一位没进过你课堂的同事，对方能复述出你要研究什么，题目才算立住；复述不出来，说明限定还不到位。

框架四块，最容易缺的是证据

教学论文的基本框架是：问题是什么、我怎么做的、有什么证据、得出什么结论。四块里最容易缺的是第三块。没有课堂记录、学生作业样本、前后对比数据，结论就只是主观感受，而主观感受撑不起一篇论文。动笔之前先盘点：我能拿出什么材料？如果什么都没有，先回到课堂收集两三周的记录，再回来写。

材料分析也有方法可循：学生的错误并非随机分布，把一个班的错题按类型归堆，找出高频错误的共同成因。这部分分析思路可以参考数据归因的通用方法——先分类、再找模式、最后验证，和业务数据是同一套逻辑。

AI 的边界与三条底线

AI 能做的：把模糊的想法追问成清晰的研究问题、检查表述是否大而空、指出框架里缺了哪一块、帮你把已写内容理顺。AI 不能做的：替你写论文、替你产生观点、替你提供真实课堂证据。

三条底线要钉死。一是不代写：用它梳理观点和框架可以，成稿必须自己写，代写既违反学术规范，也写不出你课堂里的真实细节。二是文献自己读：大模型可能编造看起来非常像真的参考文献——作者、期刊、年份一应俱全但根本不存在，引用前必须逐条在知网等数据库核实，一条都别省。三是不编数据：课堂记录、成绩对比、问卷结果都要真实，为了论文好看而调整数据，一旦被发现，代价远超一篇论文。

教学论文选题速查

• 三层限定：学段、课型、具体问题，逐层收窄
• 动笔前先盘点证据，没材料先回课堂收集
• 框架：问题—做法—证据—结论，缺证据不硬写
• 文献逐条核实，数据一条不编，成稿自己写

选题能力本质上是一种复盘能力：日常教学里持续记录困惑和小尝试，期末统一整理，下学期的论文题目往往就藏在这些记录里。把教学过程定期沉淀成文字，可以参考内容复盘的通用流程——记录、归类、找模式，教师和创作者面对的是同一个问题。