江苏省南京市教学研究室
摘 要：作为读写结合的英语学习方法以及高考写作新题型，读后续写要求学生深度联结记叙文阅读输入和写作输出。产出导向法立足驱动、促成和评价三个核心环节，融合语言输入和输出，实现“学用一体”，为有效开展读后续写教学提供了参考路径。本文基于具体案例，通过剖析教学设计和实施过程，阐述教师如何在生成式人工智能辅助下，将产出导向法应用于读后续写教学设计，以提升教学实效。
关键词：读后续写；产出导向法；生成式人工智能；教学设计
一、引言
读后续写是结合阅读理解进行写作练习的一种方法，它将语言输入与输出紧密结合，将语言的模仿与创造性使用有机结合，将语言的学习与运用切实结合，以提高外语学习效率（王初明，2012）。作为高考新题型，读后续写要求学生基于一篇350词左右的阅读材料和两个段落开头语，续写约150词的两个段落，将其发展成一篇与给定材料逻辑衔接、情节、结构完整的短文（教育部考试中心，2015）。高中英语教学中读后续写通常以故事续写为主，综合考查学生在深度阅读、创造性思维、语言运用和篇章构建等方面的综合能力，对学生而言具有较大的挑战性。因此，如何有效引入读后续写任务并培养学生的续写能力，已成为高中英语教学的重点之一。然而，在实际教学中，教师对读后续写还存在理解偏差、无从下手或机械应对等问题（陈康，2024）。教师往往感到读后续写教学耗时耗力，而学生则缺乏基于学情的写作指导和学习素材（张静等，2024）。此外，许多师生将读后续写视为应试训练，过于关注考试中的阅读和写作环节，导致教学以积累语言素材和机械背诵范文为主，忽视了修改和评价等关键过程，使教学脱离真实情境，效果不佳。
在此背景下，针对外语教学“学用分离”和“文道分离”等问题提出的产出导向法（Production-Oriented Approach，以下简称POA）（文秋芳，2020）为读后续写教学提供了改进思路。POA的教学设计包括驱动、促成和评价三个环节：驱动环节通过真实交际场景和产出任务激发学生学习兴趣，并通过诊断产出困难和明确教学目标提高教学的针对性；促成环节为学生完成产出任务提供精准的语言输入，并搭建有效的学习脚手架；评价环节则综合运用多元评价方式，特别是“师生合作评价”，对产出成果进行针对性评估，实现以评促学。在读后续写教学中，教师可基于语篇的故事性特点，通过POA联结真实生活叙事和真实写作过程，调动学生已有的语篇知识，激发创造性思维和写作积极性，从而提升教学实效。
同时，生成式人工智能（以下简称“生成式AI”）的出现可为POA在读后续写教学中的实施提供有力的技术支持。它能够有效赋能POA要求的真实交际场景创设、产出困难诊断，确保促成材料输入的精准性及评价的多元性，从而减轻教师教学负担、提升教学质量和效率（许家金等，2024）。
二、基于生成式人工智能的产出导向法应用于读后续写教学设计
下文以某市高一第一学期期末市统考读后续写试题为教学素材，阐述如何在生成式AI辅助下，开展基于POA的读后续写教学。
该语篇讲述了患有唐氏综合征的男孩Derck接受学校受欢迎的女孩Kelsey舞会邀约的故事，二人在偏见中坚持自我，以真诚打破社交壁垒并成功参加了舞会。学生需梳理语篇“偏见—坚持—和解”的叙事逻辑，在续写部分依据练习舞蹈和众人非议等前文铺垫，合理设计情节，并在写作中呼应所给语篇的多维度描写和反衬手法等语言特色。两个续写段落的开头语分别为“Finally, the two getting ready, the Dance began.”和“After the Dance, students gathered around Kelsey and Derck.”。
1. 驱动环节：输出驱动，诊断学情，清晰目标
POA驱动环节包括以下步骤：教师首先设计具有交际真实性、认知挑战性和产出目标达成性的交际场景和产出任务。然后，引导学生尝试产出，通过切身体会任务的困难与挑战，认识自身不足，从而激发学习动机，调动学习积极性。接下来，教师诊断学生产出困难，并明确说明教学目标和产出任务，以提升教学精准性。在本环节中，生成式AI可通过高效生成和分析多模态语料，为教学语篇分析、交际场景创设、学情精准诊断及教学目标设定提供支持。
具体而言，首先，教师可以借助生成式AI对语篇进行全面解读，为交际场景的创设做好准备。故事类语篇通常包括人物、情节和主题等要素，教师重点围绕这三个方面，初步开展语篇分析。教师按照定义角色、任务目标、任务描述、补充要求和举例的常见结构，向系统输入如下提示词：
你是一名高中英语教师，请围绕“人物、情节和主题”三个要点对以下读后续写任务的阅读材料和段落开头语进行语篇分析，要求抓住重点，语言简洁。例如：Derck Rodgers是一名唐氏综合征患者，他渴望参加返校日舞会并勇敢接受邀请，展现出纯真与善良。
在本案例中，教师在利用生成式AI核查、追问和改编后，梳理了语篇的人物、情节和主题，如表1所示。
然后，教师可借助生成式AI设计恰当的交际场景。提示词如下：
你是一名高中英语教师，负责为读后续写任务设计沉浸式交际场景。请使用产出导向法创设一个真实的交际场景，帮助高一学生练习读后续写任务。交际场景需基于以下英文材料和两个段首句，并要求学生用英语续写两个段落。设计的交际场景必须包含四个要素：话题（信息/议题、问题/困难）、目的（说明/解释信息）、身份（产出者身份、受众身份）和场合（正式/非正式场合）。
通过人机协作，人工智能系统生成初步场景，教师进行核查和完善，最终形成如下交际场景：
然后，教师借助生成式AI的文生图功能为故事生成配图，并利用AI数字人视频创作平台制作以Jack视角为切入点的产出任务视频（如图1所示），以增强叙事的直观性和场景的真实感。教师通过在线学习平台将交际场景和产出任务发布给学生，让学生基于此生成尝试性产出，并收集学生课前产出，以用于学情分析。
随后，教师可借助生成式AI分析学生的课前产出，精准诊断其中的问题，为后续教学提供基于学情的数据支撑。具体而言，教师将学生的课前产出和该续写任务的评价标准输入生成式AI系统，并要求按照标准诊断学生的典型问题。通过人机协作，最终确定以下产出困难：（1）情节简化，忽略了Kelsey主动邀请Derck以及Billy和Betty抵制他们的关键情节；（2）主题偏离，仅强调舞会的欢乐气氛，没有体现“勇气与接纳”“友谊与理解”和“成长与自我实现”的深刻主题；（3）语言单一，对话过多，缺乏原文特有的多维度描写和反衬修辞手法，时间衔接也不够自然。
最后，教师借助生成式AI，结合POA要求，根据教学材料及学生的产出困难，明确以下教学目标：
交际目标：学会以校园记者的身份，用英语续写英语校报上的校园故事——受欢迎的女孩帮助患唐氏综合征的男孩实现返校日舞会梦想。
语言目标：运用多维度描写和反衬修辞手法，延续原文的人物塑造、情节发展及主题表达；运用时间衔接词有效组织段落结构。
随后，教师根据学生的产出困难和教学目标，将产出任务细化为内容促成、语言促成和结构促成三个子任务，以帮助学生逐步完成续写任务。
2. 促成环节：输入促成，多元支架，学以致用
促成是POA教学流程的核心环节，教师需设计一系列促成活动，基于恰当的输入材料为学生完成产出任务有针对性地搭建脚手架，帮助学生“逢山开路，遇水架桥”（文秋芳，2020）。在输出驱动下，输入材料为产出提供有效支撑，使学生能够聚焦重点、明确目标，对输入材料进行深度加工、练习和记忆，从而提升学习有效性。教师应根据产出任务和学生的产出困难整合教学资源，并按照精准性、渐进性、多样性和协同性的要求设计各促成环节，以增强读后续写中阅读与写作的协同效应，实现内容的创造、语言的模仿以及创造与模仿的紧密结合（王初明，2015）。在促成环节中，生成式AI能针对学生需求，在内容、语言和结构促成方面提供丰富的教学素材和多样化的教学活动方案，提升促成效果。
内容促成方面，教师首先明确教学设计的核心要求：针对学生的产出困难，合理运用文本分析工具梳理故事的情节和主题。随后，教师在生成式AI系统输入以下提示词：
你是一名高中英语教师，请设计针对学生读后续写困难的内容促成活动，帮助学生学会合理运用文本分析工具梳理故事要素，有效把握故事的情节发展、人物关系和主题。例如，可以设计小组合作活动，使用故事情节山梳理情节。
通过人机协作，最终生成如下教学活动设计：学生以四人小组为单位，利用故事情节山梳理故事的主要情节（见图2），并通过人物关系图（见图3）分析故事中的人物关系与主题。各小组完成任务后，通过对比差异与共性，进一步思考各情节对于主题的作用，并分析描写人物身份、性格和行动的关键词句所体现的主题意义。
语言促成方面，教师首先让生成式AI细致分析原文在多维度描写以及修辞手法上的语言特色，然后设计与原文主题、情境和语境高度相关的语言促成活动，以细化续写内容并增强叙事立体感。教学设计的核心要求是：基于所分析原文的语言特色，针对学生的产出困难，设计难度递进且形式多样的语言练习，使练习内容与续写内容高度相关，同时确保学生的产出语言与原文语言协同一致。随后，教师在生成式AI系统输入以下提示词：
你是一名高中英语教师，请根据读后续写原文的语言特点，以及以下学生产出困难和教学要求，设计语言学习的教学活动。学生产出困难：写作语言较贫乏，部分学生仅围绕情节写流水账，对话较多；教学要求：学会运用多维度描写和反衬修辞手法，与原文语言运用协同一致，设计难度递进的练习，如句子填空、仿写和翻译，练习内容需与续写内容高度相关。
经过多轮人机协作后，语言促成环节的教学思路及具体设计如下：
就多维度描写而言，原文运用了较多语言、动作、心理、神态和环境等细节描写，尤其是对两位主人公的直接描写较为生动。然而，学生往往过于关注情节展开，而忽视了对这些描写的鉴赏与运用。因此，需要通过针对性的语言练习提升学生的相应能力。多维度描写语言练习如表2所示（相关练习及参考答案均为人机协作生成，每项仅举一例，下同）。
就修辞手法而言，原文主要运用了反衬手法，通过描写其他学生抵制主人公的“恶劣”行为来凸显主人公的善良、勇敢和豁达。然而，学生往往忽视次要人物的反衬作用。对此，教师设计了以下教学活动：引导学生思考续写第二段段首句中students的指向，分析原文中次要人物Billy和Betty以及其他学生所起到的反衬作用，并预测续写中人物的转变，将其落实到续写中对反衬修辞手法的使用上。具体语言练习如表3所示。
结构促成方面，由于时间衔接相关的语篇知识具有较高的独立性和可迁移性，教师借助生成式AI生成了一个介绍时间衔接及其用法的简短脚本（见图4），再使用文生视频工具制作了约1分钟的微课视频。学生在观看微课后，具体分析原文的时间衔接方式，并将其迁移运用至续写任务中，从而增强续写段落篇章结构的连贯性和结构完整性。
在产出环节，教师在生成式AI的辅助下，确定采用写作圈形式组织故事续写活动，学生以四人一组，分别负责内容、语言和结构以及整体统筹。写作前，师生合作共建针对性的评价表，为学生提供明确的任务标准。写作过程中，学生对照产出任务和评价表，使用在线写作批改平台完成续写任务，限时15分钟。其间，学生可借助生成式AI解答小组的个性化问题。写作完成后，学生通过实时机改反馈了解写作问题，并在课后进一步完善。课后调查显示，学生对上述内容促成、语言促成和结构促成活动的接受度较高，大多数学生认为任务恰当、具体且有针对性，难度适中，能引导他们深入理解和运用相关写作手法，支持续写任务的完成。
值得注意的是，鉴于学生对AI工具较陌生和技术限制等一线教学实际，以及AI辅助教学设计才是本文侧重点，本文未过多涉及学生在课堂促成活动中直接运用生成式AI的相关内容。
3. 评价环节：师生合作，多元评价，以评为学
POA强调评价是教学流程必不可少的环节，倡导“以评为学”，通过学生边评边学、边学边评，打破“学”与“评”的界限（文秋芳，2020：122）。其实现路径除了课中实时评价外，还包括针对产出成果的师生合作评价（Teacher-Student Collaborative Assessment，以下简称TSCA）。与更关注产品质量的评价方式不同，TSCA更关注教学目标的达成情况（文秋芳，2020）。具体实施要求包括：课前，教师依据教学目标明确评价焦点（针对教学目标的评价重点）和典型样本（可改可评的中等质量产品），并对其进行详细批改；课中，教师通过驱动性问题和渐进性支架引导学生合作评价样本；课后，学生根据评价焦点和修改要求开展自评、互评或机评，教师则负责过程监控和推优示范（孙曙光，2019）。整个评价过程有机融合多元评价方式，有效增强学生在续写中的参与感和获得感。在评价环节中，生成式人工智能可高效评估学生产出，帮助教师选择典型样本并生成针对性训练材料，同时可为每位学生提供个性化反馈，助力因材施教。
本课例中的评价环节具体实施过程如下：
课前，教师将学生产出输入生成式AI系统，要求根据教学目标达成情况诊断典型问题，并选取三个典型样本，同时给出理由。随后，教师结合教学目标和评价标准，对样本进行快速人工批阅与核查，明确师生合作评价焦点为“多维度描写的充分性”，据此最终确定一个典型样本，并在AI的辅助下针对评价焦点标注该续写任务的官方范文。
课中，教师首先呈现典型样本，引导学生先独立批改，再通过小组协作进一步完善修改意见。最终，师生合作完成对典型样本的修改（见图5）。在此基础上，教师提供官方范文，引导学生从“多维度描写的充分性”赏析范文，在学习范文的过程中进一步巩固相关写作技巧。
课后，教师通过线上线下混合教学，鼓励学生以小组合作的形式对机评的合理性进行批判性思考。最终，师生共同投票选出“班级最佳故事”来推优示范。同时，教师借助AI为学生生成个性化学习材料，开展基于学情的课后精准提高活动。
例如，针对在时间衔接词运用上仍较为薄弱的学生，教师在系统输入以下提示词：
你是一名高中英语教师，请结合以下学生情况和教学要求设计促进学生读后续写的练习。学生产出困难：时间衔接词过少。教学要求：分析并归纳故事中的衔接词使用，聚焦于这一点设计语言练习，如句子比较等，练习内容需与续写内容高度相关。
经过人机协作生成的针对性语言练习如表4所示。
三、结语
将POA运用于读后续写教学，通过输出驱动、输入促成和以评为学的驱动、促成和评价三个环节，能够引导学生立足真实的故事创作场景和创作过程，深入探究主题意义，体验真实语言运用的挑战与成就感，并逐步提升用英语分析和解决实际问题的能力。同时，借助故事中丰富的育人元素，学生得以深入探索人生观、世界观和价值观，突破应试桎梏，实现启智润心、培根铸魂的学科育人目标。此外，生成式AI以其独特的创新潜能为教学设计各方面提供显著支持，为教师赋能，在为教师读后续写教学减负增效上有较大助益。
与此同时，作为教学的总设计师，教师应深入探索人工智能辅助下POA在教学中的适用性，用好POA这一“教学工具箱里的一种工具”，避免“误认为POA是一把万能钥匙”（文秋芳，2020：204）。此外，教师需关注生成式AI应用中可能存在的风险，如价值观念偏见、训练数据版权、用户数据隐私、输出结果谬误、语言交互真实性、技术过度依赖等（许家金、赵冲，2024），确保在英语教学中合理应用这些工具，有效提升教学实效。
参考文献
陈康. 2024. 读后续写在高考中的应用以及对教学的启示[J]. 外语测试与教学, (1): 32—38.
教育部考试中心. 2015. 普通高等学校招生全国统一考试英语科考试说明(高考综合改革试验省份试用)(第一版) [M]. 北京: 高等教育出版社.
孙曙光. 2019. “师生合作评价”的辩证研究[J]. 现代外语, (3): 419—430.
王初明. 2012. 读后续写——提高外语学习效率的一种有效方法[J]. 外语界, (5): 2—7.
王初明. 2015. 读后续写何以有效促学[J]. 外语教学与研究, (5): 753—762+801.
文秋芳. 2020. 产出导向法: 中国外语教育理论创新探索[M]. 北京: 外语教学与研究出版社.
许家金, 赵冲. 2024. 大语言模型在英语教学中的角色[J]. 外语教育研究前沿, (1): 3—10+90.
许家金, 赵冲, 孙铭辰. 2024. 大语言模型的外语教学与研究应用[M]. 北京: 外语教学与研究出版社.
张静, 赵杰, 王鹏. 2024. 生成式人工智能辅助英语读后续写教学初探[J]. 英语学习, (8): 32—36.
作者简介
邢文骏，江苏省南京市教学研究室高中英语教研员，高级教师。
