引子

昨天的“语言学文献共读直播”里，我介绍了一个AI时代英语老师的王炸组合：

Data Driven Learning/Teaching + Gemini3

Data Driven Learning/Teaching (DDL/T)，汉语翻译为“数据驱动学习/教学”，是大数据时代开始后兴起的一种新的学习方式。

Gemin3是这几天最火的AI大模型，出自谷歌，它具备出色的逻辑理解能力和编程能力。

为什么这二者结合是王炸呢？我们今天就来谈谈这个问题，并附上结合的详细教程。

新工具应该做新事情

首先，我邀请你看一个 DDL/T和Gemini3 结合的产物——一个讲解过去完成进行时态的互动网页课件。

点击这个链接就可以查看。我也截取一些图片展示。

你肯定注意到了，这个课件由三大部分构成：

一、 核心知识（动画）图解

二、 带上下文的场景应用

三、 互动练习

记住这个结构，这可以作为一个制作类似课件的通用模板。这个网页是纯AI生成的，但这个结构和背后的内容却是基于 DDL/T的。这就是为什么我说它是DDL/T和Gemini3结合的产物。

在我介绍制作流程之前，请允许我先分享一个重要的理念。

这个理念就是，我们应该用新工具来做新事情，而不是用新工具来做老事情。

如果一个老事情，本身就没有什么效果，你换一个做得更快的工具，它还是没有效果。这是在浪费工具。

要知道，人类发展有这么一个规律：理论往往先于技术。有时候，一个更好的方法已经在理论上证明有效了，但由于技术不成熟，暂时无法实施。

这方面的例子不胜枚举。例如，图灵在1936年就提出了“图灵机”的概念，证明了可计算性的理论边界，但直到二战后，随着电子工程的迅速发展，冯·诺伊曼结构的出现，现代计算机才成为现实。

再比如现在火得一塌糊涂的AI大模型，其核心算法（反向传播算法、卷积网络等）上世纪80年代就以基本成型，但直到2009年之后，随着算力的飙升和海量数据集的累积，深度学习才真正爆发。

所以，当理论已经出现，但技术还不成熟时，很多有前瞻性眼光的人，要么努力去提高技术，要么等待技术成熟马上实施新的方法。

英语教学也是一样。

现在有 Gemini3 这样的工具，可以帮助我们轻松做炫酷的互动课件。但如果还拿它来做传统语法教学的课件，那无疑就是暴殄天物。

实际上，英语学习和教学已经有一个理论上更加先进，但实施是一直有技术障碍的方法，那就是数据驱动学习。

所以，基于新工具应该用来做新时期的理念，gemini3这样的好工具，就应该用来实践DDL/T。

DDL/T 实践的困难

那DDL/T以前在实施上有哪些困难呢？这就要说到它的实施要点了。

首先，DDL/T要求教师采用真实的语料。而且因为需要从语料中发现规律，那语料的量也必须保证。

以教授过去完成进行时态为例，你怎么也得准备至少50个带过去完成进行时态的句子吧，而且需要有上下文。

那么问题来了，到哪里去找到这些语料呢？有人说，现在语料库很多啊，COCA，BNC，iWeb，随便找啊？

如果你是做语料库语言学的，当然觉得这事儿很容易。但对大部分一线英语老师来说，这就是件很困难的事情。

就算拿到了语料库，怎么从里面提取需要的结构，又是一件有点技术门槛的事儿。要么你得会编程，要么你得会 CQL（corpus query language语料库检索语言，针对xml标注的），要么你得会正则表达式。

再看DDL/T实践的第二个要点：教学任务要问题导向，教师要引导学生去观察并归纳教学点的用法。

我的天！我说句不客气的话，别说学生很难观察出什么东西来，我看很多老师也不见得知道如何引导学生往正确的方向观察。

这里有个被很多人忽略的要点，数据驱动的语言学对语言的解释很多地方都不同于传统的形式语法，所以用数据驱动的方法去观察、总结传统语法里的规律，本身就是件南辕北辙的事情。

换句话说，这个方法和它背后的语言学理论是配套的。英语老师要成功实践DDL/T，也必须同时了解基于使用和功能的语言学理论。

你看吧，这桩桩件件，都是实践DDL/T的拦路虎。

但现在，AI大模型可以把这些拦路虎都扫除。

接下来就是实操教程了，我还是用用过去完成进行时态举例。

王炸实操

第一步，我们确定讲解的方向：从使用功能、使用场景和句子构成要素的角度来讲解这个语言点。请记住这个讲解方向，因为它决定了其后我们要AI做的事情。

第二步，用AI辅助检索一个大型语料库，提取大量包含过去完成进行时态的例句和语境，比如前后三句。

这一步，我专门做了一个自然语言的语料库查询智能体，你只需要告诉它你想要什么结构，它就会自动去检索，然后返回结果（如下图）。这个智能体近期就会上线，敬请关注。

这个工具帮我找到了538条记录。

第三步：把这538条记录上传给任意一个大模型，chatgpt也行，DeekSeek也行，Claude也行，大家这方面的能力都差不多。提示词也很简单，就是第一步那几句话：

“我现在要从使用功能、使用场景和句子构成要素的角度来讲解过去完成进行时态。我需要你观察我提供的例句，把这个时态的使用功能、使用场景和句子构成要素返回给我，返回时每一项提供真实的例句。”

目前的大语言模型，最擅长的事情就是做这种总结。总结的结果就是你在网页里看到的第二个版块。

第四步：把你做应用的需求和第三步的总结再次提交给任意大模型聊天工具，让它帮你做一个生成应用的提示词方案。

注意，这一步很关键，直接决定了最后生成网页的质量。最后一步生成互动网页，我们会用调用 Gemini3 的Google AI Studio。理论上来说，你给 Gemini3的提示词越详细，越结构化，它生成的效果越好。

我提供给Gemini3的提示词就非常详细，非常结构化。有多详细呢？PDF整整18页。多结构化呢，你可以看下截图：

这个课件我在答疑群里共享里，有兴趣你可以看一下。

有人可能看到这样的提示词方案，会倒吸一口凉气：怎么才能写出这样详细的提示词啊。

事实上，提示词不用我们自己写。我就把我的需求和第三步AI的总结发给了 Claude，让它出一个提示词方案。我写的话就下面几句。

第五步：把第四步出的18页方案，上传给 Gemini3，然后等待几分钟，搞定。这一步，我的提示词简单到令人发指：根据上传文档做应用。

结语

感谢你的阅读。

今天的图文，我分享了如何通过Gemini3工具结合DDL/T理念，做出漂亮的英语教学课件。整个制作分为五个步骤，我帮你总结一下：

第一步，针对知识点，搜集语料。这一步我做了个专用AI工具，很快会上线。

第二步，用一个AI模型从语料中提取知识点。

第三步，将知识点传给一个AI模型，让它出一个生成应用的提示词方案。

第四步，把应用方案上传给Gemini，直接出成品。

你可能注意到了，虽然我最后传给Gemini的提示词长达18页，但整个过程 中，我写的东西很少的。

整个链条里，都是AI在不断扩充我的提示词，我只是用几句简短的话启动了整个项目。这就好比滚雪球，我是让雪球滚起来的推动力，但后面雪球越滚越大，就是各个AI工具起的作用了。

我把这称为提示词滚雪球法，这是目前AI工具使用最好的方法，没有之一。你可以实践一下。