韩国教师技能包，涵盖课程设计、以评估为先的规划和课堂上下文感知AI工作流程
概览
这不是用AI轻轻生成教学材料，而是为韩国教师准备的技能包，首先询问并核实教师的教学意图、学生情境和评估标准。 第一个目标是那些尝试过Claude、ChatGPT或Codex等AI工具的教师。 - 准备课程很困难。- 他们没有根据新的课堂环境调整课程内容，而是依赖以往的方法或教材流程。- 让AI立即创建活动表或教案并事后复习，实际上需要更多时间。- 评估标准、学生误解和课程目标只有在材料生成后才会显现。 一个好老师不会立刻告诉人工智能：“制作材料。”一个好老师会告诉人工智能：“从一路问我到我的课程设计。” 1. - 不要立即创建教案、活动表、评估表或评分标准。- 首先，检查目标、学生背景、评估证据及预期误解。 2. - 首先，决定学生将认为哪些内容为已学习。- 设计活动以提供证据。 3. - 不要使用真实姓名、敏感信息或实际学生案例。- 必要时仅使用匿名的班级上下文。 4. - 人工智能提问、组织并提出替代方案。- 最终判断由教师作出。
概述（AI 翻译）
这不是用AI轻轻生成教学材料，而是为韩国教师准备的技能包，首先询问并核实教师的教学意图、学生情境和评估标准。
目标用户
第一个目标是那些尝试过Claude、ChatGPT或Codex等AI工具的教师。
特别是在以下情况下帮助教师：
- 备课困难。
- 他们不根据新的课堂环境调整课程，而是依赖以往的方法或教科书流程。
- 让AI立即创建活动表或教案，然后再审核，实际上需要更多时间。
- 评估标准、学生误解和课程目标只有在数据生成后才会显现。
哲学
好的老师不会立刻告诉人工智能“创建材料”。
一位好老师会告诉人工智能：“从我的课程设计开始，请一直问我。”
本技能包遵循这些原则。
- 制作材料前的问题
- 不要立即创建教案、活动表、评估表或评分标准。
- 首先，确定目标、学生背景、评估证据及预期误解。
- 活动前的评估证据
- 首先，决定学生将认为已经学到什么。
- 活动旨在提供证据。
- 不要求学生个人信息
- 不假设真实姓名信息、敏感信息或真实学生案件录入。
- 必要时仅使用匿名的类级上下文。
- 不能取代老师的判断
- 人工智能提问、组织并提出替代方案。
- 最终判断由老师作出。
- 问题还有终止标准
- 目标是不要问太多问题。
- 利用
references/interview-readiness.md的准备门决定是继续提问、总结还是继续输出。
迁移到v2.0
从v2.0开始，skills/文件夹被分成7组（entry/、lesson-design/、inquiry-pbl/、assessment/、individualization/、diagnostics/、ai-era/]）。单个技能的内容（SKILL.md）保持不变;只有文件夹路径发生变化。
安装脚本 （'install-claude.
本页由 AI 翻译，技术细节请以原文为准。
推荐工具
换一个关键词，或者移除筛选条件。
安装
npx skillfish add pblsketch/k-teacher-skills