用 AI 出分层作业：按掌握度怎么分

2026-10-06 发布来源：我告诉你AI导航阅读

分层作业最常见的做法是同一个知识点出三套题，题量翻了三倍，学生练的东西没有区别。用 AI（大模型）出分层作业，真正值得花时间的地方在「按掌握度分对层」：让大模型快速生成同源不同难度的变式题，老师负责定分层依据、判断学生在哪一层、写批...

分层作业最常见的做法是同一个知识点出三套题，题量翻了三倍，学生练的东西没有区别。用 AI（大模型）出分层作业，真正值得花时间的地方在「按掌握度分对层」：让大模型快速生成同源不同难度的变式题，老师负责定分层依据、判断学生在哪一层、写批语做沟通。先把这个分工想清楚，AI 才能省下出题时间，而不是多出一道核对工序。

分层依据：按当前知识点的掌握度，不按总分

分层的单位是「知识点」，不是「学生」。同一个学生，代数可能停在基础层，几何可能已经能进拓展层。如果按总分排名一刀切，等于给学生贴了一张固定标签，练的题和缺的东西对不上，学习动力反而被压下去。可行做法是每个单元开始时，用一次 10 分钟左右的小测或作业样本，确定每个学生对这个单元核心知识的起点，再决定他这一单元练哪一层。

这里有一个可以直接落地的判断：层是「这道题适合谁练」，不是「这个学生是什么水平」。学生这次落在基础层，两周后掌握好了就该升上去；层长期不动，分层就固化成了标签。

三层怎么设计：同一个核心，三种综合度

三层共用同一个核心知识点，区别在难度和综合程度，而不是各换一批知识点。基础层对应课本例题的变式，目标是「会做」；提高层要求组合两个以上知识点，目标是「会迁移」；拓展层给开放性或综合性问题，答案不唯一，目标是「会思考」。用 AI 生成时，把这个结构写进要求，它能按同一道母题派生出三档变式，比老师手写三套题快得多。

层次	题目形态	升层判断标准
基础层	课本例题的变式，单一知识点，解题步骤不超过三步	连续两次正确率在八成以上，可以升入提高层
提高层	组合两个以上知识点，需要自己选择方法	不只答案对，还能说清为什么这样解
拓展层	开放性、综合性问题，答案不唯一	能自圆其说，并能评价不同解法的优劣

提示词给足约束，题目才能直接用

直接说「出一份分层作业」，得到的题多半笼统。可用的提示词要带四个约束：年级学科与知识点、三层的题目数量（比如每层 3 道）、每题标注考查目标与预计难度、指出哪些题表述容易产生歧义。最后补一句「注明这是通用题，具体难度按班级情况调整」，避免拿到的题被当成定稿。

拿到生成结果后先做两件事：核对知识点有没有偏、检查表述有没有歧义。AI 出的题在字面正确上出错率不高，容易出问题的是隐含条件没交代、单位和情境与教材不一致，通读一遍基本都能发现。

AI 做不了的部分：评价与沟通

AI 在分层作业这件事上有清晰的能力边界，有三件事不该交给它。一是判断学生具体在哪一层：这依赖老师平时对课堂表现和作业过程的观察，任何模型都拿不到这些信息。二是学业评价：分数、等级、评语属于学业评价的一部分，要依据课程标准和学校要求由教师作出，AI 生成的题可以用，AI 给的评语只能当草稿参考。三是师生沟通：一句批语背后是对这个学生的了解，让学生感到被看见的是老师本人，这件事替代不了。

三个容易踩的坑

分层变成贴标签：一旦学生发现自己长期固定在某层，分层就从教学手段变成了身份，升层规则要提前公开。
题量失控：分层不等于加量，三层加起来的总量仍要和原来一份作业相当，比如基础层 3 道、提高层 3 道、拓展层 2 道。
静态不动：每次单元结束都该重新定层，让「往上走」成为可预期的目标，而不是一次定死管一学期。

分层作业的效果也要靠复盘来验证：哪些题错得多、错在哪个环节，把它当成数据来看，比凭印象调整可靠。方法上可以参考「用 AI 做年度复盘：数据与选题的总结法」里的复盘框架，以及「用 AI 分析退货原因：售后数据的归因」中的归因思路，两者迁移到错题分析上同样成立。如果要把一学期的分层调整写成记录交给年级组或教研组，写法可以参考「用 AI 写年度经营总结：给合伙人的版本」给合伙人的汇报结构——先给结论（哪几层该调、依据是什么），再给数据，最后给下学期的调整建议。