声明：发现公众号仅12名关注者，原谅我这次试水标题党，测试标题对文章阅读量的影响~
使用工具：AutoGLM沉思、NotebookLM、deepseek-V3/R1
探究的背景：周末核对女儿的作业，发现语文老师都是通过QQ群的作业功能进行布置，所有数据都有留痕；大学和之前的项目经历中接触过一些小学作业的类型和评价分析技术；同时一直希望能跟踪女儿课文学习效果和评估基于课标的达成情况。
一、作业数据结构化
1、因为QQ不提供作业导出功能，但作业界面的元素都是文本格式，支持选择复制。
2、因为文本内容太长，通过印象笔记进行跨平台的传输。
3、在印象笔记中将作业内容导出为pdf，分别上传到NotebookLM和deepseek-V3，整理为结构化的表格。
输入的提示词为：以表格的形式整理一年级语文作业，每一行是一天的作业内容，此外表头包括星期、对应的课文章节、识字与写字、阅读、背诵、预习，将每天的作业进行归类。
NotebookLM使用的分析模型是gemini1.5。对比gemini1.5和V3，发现gemini1.5在长文本阅读方面能力确实更强，V3对中文语境的支持更强，会将一些低相关度信息自动过滤（如下周要默写），并能精确提炼和对应到语文教材。
| 日期 | 星期 | 课文章节 | 识字与写字 | 阅读 | 背诵 | 预习 | 其他作业 |
| 2025/4/2 | 星期三 | 第九课 | 书写第九课和语文园地四生字笔顺 | 看书 | 背诵第九课第二段 | 无 | 认读生字 |
| 2025/4/3 | 星期四 | 语文园地四 | 抄写第九课和语文园地四词语 | 看书 | 背诵日积月累 | 无 | 认读语文园地四生字 |
（deepseek-V3输出的结果示例）
NotebookLM可以引入外链和上传文本，10s左右的时间内总结并完成输出。NotebookLM内置的学习指南、简报文档、常见问题解答、时间轴功能，都是amazing级别的功能，相比得到APP的拆书，NotebookLM效率的提升是数量级的，通过时间轴和关键人物的图谱梳理、以重点内容提炼和问答式形成内容概括，还能生成探究对话（目前仅限英语），交互效果也非常惊艳。我决定接下来做专题阅读后，通过NotebookLM做内容的总结和拓展。
二、作业的统计分析
对作业的分析方法除了一般的类型、难度、评价方式分析，还有结合课标、核心素养、知情意、听说读写等分析维度，还要进行学习者分析，对分析方法的收集和选取、应用对于普通人来说难度有点大，但如果不做这一步，提供给大模型的prompt就不够精准，输出结果的专业性和匹配度都有所欠缺，很难令人满意。
使用AutoGLM就可以快速完成信息的检索和总结（秘塔AI或其他大模型的deepsearch也可以），将汇总结果提供给R1，并给出输出的具体要求，即可等待结果。
| 分类维度 | 具体类型 | 次数 | 占比 | 典型案例 |
|---|---|---|---|---|
| 按核心素养维度 | ||||
| 语言积累与运用 | 抄写词语、背诵课文 | 98 | 60% | 抄写《动物儿歌》词语、背诵《静夜思》 |
| 识字与写字 | 笔顺练习、生字描红 | 72 | 44% | 书写第五课笔顺、语文书P41生字书写 |
| 口语表达 | 朗读、亲子讨论 | 12 | 7% | 熟读课文、与家长讨论故事角色 |
| 阅读兴趣 | 亲子阅读、自主阅读 | 45 | 28% | 每日亲子阅读30分钟 |
| 学习习惯 | 作业订正、预习复习 | 20 | 12% | 订正试卷、复习第四单元 |
| 按作业类型 | ||||
| 基础性作业 | 抄写、默写、笔顺练习 | 112 | 68% | 抄写第八课词语两遍、默写字母 |
| 目标性作业 | 背诵、单元复习、预习 | 32 | 19% | 背诵《忆江南》、复习第七单元 |
| 拓展性作业 | 写话、阅读思考、实践任务 | 12 | 7% | 完成语文书21页思考题、绘制海报 |
| 按作业难度 | ||||
| 低难度（记忆/模仿） | 抄写、描红、认读 | 120 | 73% | 抄写生字、认读《古对今》 |
| 中难度（理解/应用） | 组词、造句、预习 | 30 | 18% | 用生字组词、预习《浪花》 |
| 高难度（分析/创造） | 写话、创编、跨学科任务 | 14 | 9% | 设计海报、完成人物卡片（选做） |
| 按评价方式 | ||||
| 无明确标准 | 仅布置任务，无反馈要求 | 145 | 88% | 抄写词语、阅读30分钟 |
| 结果性评价 | 默写全对、完成度检查 | 12 | 7% | 字母默写、周周练订正 |
| 过程性评价 | 星级评价、家长反馈 | 7 | 4% | 书写工整度★、阅读打卡记录 |
（deepseek-V3输出的结果示例）
以上即是R1汇总的结果，发现对作业类型的分析还是存在偏差。如学习习惯划分为核心素养，评价方式包含了是否有评价标准和结果性/过程性评价两种维度，目标性作业的分类和定义不明确。
可以在此基础上，建立核心素养评价方式作业难度的三维矩阵，这样做归类时可以充分考虑互斥性原则。因为相比人类流程化的分析，大模型的思考过程是黑盒的，无法具体查看某一条作业项是否归类符合，调整提示词后重新让大模型逐步生成，可能因为tokens太多导致输出结果无法保持一致性。
与此同时，gemini更注重对不同类型的作业意义解释，分析结果偏正面，对统计方面使用“绝大部分”、“估计在70%以上”等模糊描述。总的来说，R1更理工科思维，gemini是注重描述。
但不可否认，借助AI作为辅助手段，这种工作效率对做作业评估和咨询来说，吸引力太大了。
三、作业的问题和改进策略
在对现存问题的分析方面，大模型输出结果表现出较高的一致性，都强调基础性作业过多，如重复性书写练习、口语表达任务稀缺。由于基础作业占比高，导致高阶思维任务时间被挤占缺乏趣味性和实践性。作业难度没体现出分层挑战，作业要求较为统一，没有针对不同学习水平的学生。缺乏评价标准或对作业质量缺乏明确指引，完全靠教师单向反馈。
在改进策略方面，R1给出的策略更量化，并从多维度优化作业结构、完善评价体系，提供一些典型案例的对比，最后总结与实施建议，形成完善解决方案。如评价体系提出具体的标准，并通过各类家校沟通渠道同步给家长（说实话，现在很多时候学校在自说自话，完全没考虑家长听不听得懂）。在核心素养维度的调整如下：
| 核心素养 | 调整目标 | 具体措施 |
|---|---|---|
| 语言积累与运用 | 压缩至40% | 减少机械抄写，改为“生字分类游戏”（按偏旁或主题归类）。 |
| 识字与写字 | 保持30%-35% | 增加“汉字结构探索”（如用积木拼字）。 |
| 口语表达 | 提升至15% | 设计“每日一句话分享”“课文角色扮演”。 |
| 阅读兴趣 | 强化深度互动（30%） | 增设“阅读记录卡”（记录喜欢的句子、插画理由）。 |
| 学习习惯 | 整合过程评价（15%） | 引入“学习习惯打卡表”（如“坐姿端正★”“按时完成★”）。 |
（deepseek-V3输出的结果示例）
四、我自己的改进方案
1、持续记录每日作业
通过多维表、AI和仪表盘的功能结合，将每天的作业复制粘贴后，自动分析，并更新各类型统计结果。后期可以使用RPA或MCP自动获取。
2、整理作业层级设计
完成每日的作业基础上，进行“写字自评”：每日完成抄写作业后，根据笔顺正确、田字格内大小均匀、页面整洁等，评选出至少3个可以得小红花的字。
之前买过一些其他辅导材料，根据每周的统计结果，周末适当增加一些阅读和习作。
3、结合生活场景的作业设计
“家庭物品识字清单”：记录家中物品名称，分类贴标签。持续一周的主题活动，每天在一张A4纸上绘制一份平面图，然后使用便签贴纸写下10个物品汉字，贴在相应位置。适当可以增加或减少。
“亲子阅读30分钟打卡表”：女儿幼儿园有段时间想要玩具，我就让她自己定个期限，在白板上制定日历，然后每天圈画打卡。接下来通过打卡表来作监督和提醒，然后通过一些主题阅读活动增加兴趣、输出成果。
“你画我猜”：家长A绘画一副场景，孩子在3分钟内描述画面内容，让家长B进行猜测。可以在家中不定期举行。
4、探索一些实践类或综合类活动
可以打印一些之前春游的照片，让孩子自己讲述当时发生的事情，并通过GET笔记进行记录，然后导出文字，通过wps或word的拼音指南功能（「开始」→「拼音指南」，非会员只能一次性标注30个以内的汉字），增加字体之间的间距、增加拼音和文字的偏移量提升美观性。
总结：通过QQ群作业功能整理女儿语文作业数据，利用NotebookLM和deepseek-V3进行结构化处理并对比模型差异，AutoGLM和R1对作业进行多维度统计分析。
分析指出基础性作业占比过高、缺乏分层设计和评价标准，针对性调整核心素养目标与评价体系。制定自动化记录、写字自评、生活场景作业设计等改进方案，并探索拼音标注等实践类活动。在此过程中发现AI工具显著提升分析效率，但存在模型输出模糊性和家校沟通脱节问题。