2024年，随着 DeepSeek的对外开源，我这个站在绿茵场12年的体育老师，被人工智能“震”了一下。一份简报、一次活动方案、一份教学计划和学期总结，过去这些能耗掉我大把时间的文案工作，现在变得轻松多了。而且，我还发现 AI对于体育教学的提升空间远比我想象得大。

读懂新课标，有了专属“教研员”

《义务教育体育与健康课程标准（2022年版）》提出了三大核心素养目标——“运动能力、健康行为、体育品德”，“教会、勤练、常赛”成了课堂新样态，贯穿课堂教学始终。大单元教学不少于18课时、群密度不低于75[%]这些新要求，让我有些伤脑筋：课标看了又看，总有一些地方理解不透，做起教学设计来心里没底。

我尝试向 AI求解。先给它设定一个高定位、知识权威的角色，比如“全国资深体育教研员”，再把攒下的问题一个个抛给它。它不仅能给出清晰的阐释，遇到我看不懂的地方，还能换种方式举例说明。比如我问“教会、勤练、常赛”怎么落地，它就举出篮球大单元的例子，把每一个环节怎么串联、三项要求如何贯穿到底，讲得明明白白。就这样一问一答、一来一回，我对新课标的认识渐渐从模糊变得清晰。

在备课上， AI给我的帮助更直接。新课标要求做好大单元教学安排，还要根据实际学情做适时调整，在以前，光查资料、“磨”内容就得花上好几天。现在，我把教学内容、课时、学生基本情况交代清楚， AI很快就能搭出一个完整的大单元教学框架，我再依据学校场地器材和自己的经验做些“修剪”，一份有质量的、符合新课标的教学设计便完成了。它像一位随时在线的专业教研员，帮我在备课效率和质量方面上了一个台阶。

关注个体差异，让体能练习更有针对性

体能是运动的底子，底子打不牢，技术再漂亮也难以持久。可在体能课上，“一锅煮”的毛病一直很难解决。一个班几十个学生，身体条件、体能起点和运动天赋都不相同，却常常给他们布置相同的练习内容、提出一样的强度要求。结果体能好的“吃不饱”，体能弱的跟不上，时间久了，不少学生对体能训练产生了抵触。

这时，“3 DBody解剖”这个软件作为“小助手”进入了我的课堂。它能立体呈现人体肌肉和骨骼，每个动作主要锻炼哪块肌肉、强化哪个关节，一点就能清楚地显示出来。我先让学生通过智能体测试摸清自己的短板，再利用“3 DBody解剖”自主查找适合的练习动作和组数。下肢力量弱的学生，自己在软件里找到股四头肌、腓肠肌，探寻针对性的训练方法；核心力量不足的，就去搜索核心区的练习动作。每个学生都有了一份属于自己的训练“处方”，我在旁边观察、指导和保护，确保动作规范，避免受伤。

用了这个办法后，学生参与体能训练的积极性明显不一样了。以前觉得体能课就是“大家一起跑、一起跳”，现在练的是自己真正需要的东西，练得有目标、有方向，效果也实实在在起来了。

开启“智眼”，让动作问题一目了然

在体育技能教学中，最磨人的莫过于给学生纠正动作。有时我在前面反复讲解示范，学生还是掌握不好要领，可一个班那么多人，我的眼睛不可能同时盯住每个孩子。不少错误动作没能及时发现，等错误定型了再往回掰，费时又费力。

Kinovea这款视频分析软件，给我安上了一双“智慧之眼”。课上，我用手机拍下学生的技术动作，导入软件后，它追踪动作轨迹、做涂画标记、逐帧慢放分析。动作哪里不到位，发力顺序对不对，偏差在什么地方，一目了然。再把标准动作拉出来两相对照，学生看着画面，一下子就明白了自己错在哪里。

这个办法现在在技能课的学练环节用得最多。不管是立定跳远的摆臂和腾空收腿，还是篮球投篮的手型、跑步的摆臂姿势，Kinovea都能帮我做出精准分析。学生不再靠模糊的感觉去练，而是能“看见”自己的问题，改进起来方向明确，掌握技能的速度比以往快了一大截。

拥抱 AI，做新时代的体育教师

AI的到来，颠覆了我对教育的认知。这几年，我多次参加 AI赋能体育教学的研讨活动，接触过的技术和工具也越来越多——图像视频处理、文本编辑、 PPT制作，覆盖范围极广，迭代速度快得让人追赶不及。

在这一过程中，我也看到了周围同行的不同态度：有人在担忧，担心 AI会取代教师；有人在观望，想用又不知道从何入手；也有人在不屑，觉得不过是新瓶装旧酒。而我作为一名切身体验过 AI便捷与实效的亲历者，越来越坚定一个想法：身处这个时代，一线教师应该主动走向 AI、积极探索，让它成为教学路上的得力助教和专业伙伴。学会与它合作，我们的教学就能更进一步，我们自身也能在这个过程中不断成长。