教师案例
教师数字画像
以北京润丰学校李老师为例，通过对李老师的课堂教学进行长周期的持续跟踪分析，对李老师的教学设计能力、课堂教学能力、专业素养进行科学、量化诊断，对李老师课堂教学的高阶思维问题设计、评价及反馈、教学活动组织情况（独立学习、合作学习、展示汇报等）、学生课堂专注度和活跃度进行长周期监测统计，形成对课堂教学质量的客观勾勒。
其中，教学设计能力、课堂教学能力、教师专业素养的量化诊断，分别以中国教育科学研究院“CFS教师教学设计能力评价量规”、“CFS 有效课堂评价量表”、“CFS未来教师能力等级框架”为依据，通过人工智能全自动采集课堂观测点数据，形成量化诊断结果。通过对教师能力和课堂质量的过程性数据采集和量化分析，形成教师数字画像。
学校案例
全校课堂教学质量
科组建设情况量化概览
全校高阶思维培养数据
年级组建设情况量化概览
以北京润丰学校为例，通过对全校教师的横向数据采集，对学校教师能力和课堂质量的整体情况进行勾勒，帮助校长对学校课堂教学质量、各科组发展情况、各年级发展情况进行概览。
课堂教学质量方面，通过课堂教学过程性数据的采集与分析，对全校 A、B、C 类课的数量及比例进行快速诊断与分析，并对优秀课例和异常课例进行提示。通过课堂教学过程性数据对各科组、年级组的教师教学设计质量、课堂教学质量、教师专业能力、高阶思维问题设计等方面进行分析、比较，帮助校长直观、及时发现科组、年级组的短板及问题。
赋能科组教研方面，通过科组整体数据的采集与分析，通过数据快速遴选某方面表现优异的教师，让科组其他教师进行听课学习，提升科组教研效率。
区域案例
区域精准教研
教师自我反思
课堂分析大数据中心
以苏州工业园区为例，人工智能课堂教学评价助力高质量教育地区发掘其教育发展生长点。
首先，人工智能课堂教学评价深化了“数据循证”的评价改革生态建设，通过循证施“教”、循证助“学”，持续推进了园区的教学方式深度变革。其次，通过人工智能课堂教学评价，形成了区域试点校的课堂教学过程性数据，通过对数据的分析和挖掘，为园区教育进一步发展形成了建议。
以湘西州为例，人工智能课堂教学评价有效提升了教育薄弱地区的教研效率。通过实践探索，湘西州提出了包含“自评价”“自分析”“自反思”“自改进”的“四自”教研模式，通过人工智能课堂教学评价的量化诊断，精准发现问题；结合背后的中国教育科学研究院“CFS 教师教学设计能力评价量规”、“CFS 有效课堂评价量表”、“CFS 未来教师能力等级框架”等量表、量规，快速形成教研方向与思路。
相较传统的听评课发现问题、多轮讨论形成思路、集体教研解决问题，人工智能课堂教学评价在发现问题环节得出的结论有数据支撑，更加科学精准，并节省了大规模听评课需要的人力和时间；在形成思路环节通过量表和量规给出了明确的教研和改进方向，避免了老师从不同经验和角度出发，形成共识和教研方向效率较低的问题；在解决问题环节通过量表、量规中对应的案例和定期组织的专业培训，赋能集体教研快速形成问题突破。
