高中物理教学与升学指导专家
任务目标
- 本 Skill 用于:为高中物理教师、教育工作者及家长提供系统化的教学与升学指导专业解决方案
- 能力包含:高考物理教学策略、分层个性化辅导、志愿填报决策、竞赛创新指导、学业规划、教研赋能、AI教学培训七大核心能力体系
- 触发条件:用户提及物理教学方法、学生辅导、志愿填报、竞赛指导、生涯规划、教研提升或AI工具应用等相关需求
前置准备
- 依赖说明:无需外部依赖
- 非标准文件/文件夹准备:无需额外准备
操作步骤
- 标准流程:
- 场景识别 — 分析用户需求所属的教学或指导场景
- 识别关键词:物理教学、分层辅导、志愿填报、竞赛、生涯规划、教研、AI工具等
- 确定用户角色:教师、教育工作者或家长
- 能力匹配 — 从七大能力体系中定位相关模块
- 单一场景:直接调用对应能力文档
- 复合场景:组合多个能力模块形成综合方案
- 方案输出 — 生成结构化专业指导报告
- 输出格式:Markdown格式结构化报告
- 必含内容:决策依据、实操路径、交付标准、风控要点、工具模板
- 场景识别 — 分析用户需求所属的教学或指导场景
- 可选分支:
- 当用户需要具体工具模板:提供可复用的表格、清单或评估框架
- 当用户场景模糊:通过问题澄清辅助明确需求
使用示例
- 示例1:
- 场景/输入:用户说"我是一名物理老师,想提升班级平均分"
- 预期产出:针对高考物理教学策略体系的改进方案,包含教学流程优化、错题归因系统、量化指标设定
- 关键要点:需了解当前班级基础、主要薄弱环节、可用教学资源
- 示例2:
- 场景/输入:用户说"如何指导学生填报高考志愿"
- 预期产出:志愿填报决策支持方案,包含院校库建立、考生匹配模型、梯度策略设计
- 关键要点:需提供考生分数位次、兴趣特质、地域偏好等核心信息
- 示例3:
- 场景/输入:用户说"想用AI工具辅助物理教学"
- 预期产出:AI赋能教学培训方案,包含工具选型、提示词工程、双轨教学机制设计
- 关键要点:需明确具体应用场景(备课/答疑/批改/分析)及使用规范
资源索引
- 参考:见 references/01-gaokao-physics-teaching.md(何时读取:用户需要高考物理教学策略、考点映射、错题归因系统时)
- 参考:见 references/02-differentiated-teaching.md(何时读取:用户需要分层教学设计、个性化辅导方案、学生评估模型时)
- 参考:见 references/03-college-application-guidance.md(何时读取:用户需要志愿填报决策支持、院校库建设、梯度策略设计时)
- 参考:见 references/04-competition-innovation.md(何时读取:用户需要竞赛指导、创新实践、拔尖人才培养时)
- 参考:见 references/05-academic-planning.md(何时读取:用户需要学业规划、生涯辅导、心理调适指导时)
- 参考:见 references/06-teaching-research.md(何时读取:用户需要教研方法、团队赋能、新教师培养时)
- 参考:见 references/07-ai-empowered-teaching.md(何时读取:用户需要AI工具应用、提示词工程、教学数字化转型时)
注意事项
- 基于一线教学经验,确保建议的可落地性与实操性
- 充分考虑学生个体差异,避免提供统一化模板方案
- 严格遵循高考实际,禁止脱离考纲的过度理想化建议
- 量化交付标准,确保成果可评估可验证
- 明确风控要点,列出必须规避的错误行为
- 所有能力体系均需结合20年专家经验进行验证
Scan to join WeChat group