生成式人工智能在项目式课程设计中的应用实践

摘要： 数智时代，项目式学习作为促进学生深度学习、助力学生核心素养发展的重要学习方式，受到教改实践者的广泛关注。但教师在设计项目式课程时，面临着重建知识观、建构复杂任务、跨学科融合等挑战。为此，教师可借助生成式人工智能的优势，设计高质量的项目式课程。在应用生成式人工智能设计项目式课程时，教师应关注树立系统思维、聚焦计算思维、重视协作思维等关键要素。

关键词：生成式人工智能；项目式学习；项目式课程；跨学科主题学习；合作探究

数智时代来临，人类的生产、生活和学习方式正在经历深刻变革，未来需要具有沟通、协作、批判、创新以及数字化生存能力的人。项目式学习作为促进学生深度学习、助力学生核心素养发展的重要学习方式^[1]，强调学生在合作解决一个真实世界中的复杂性问题或需要深度思考的任务中，逐步习得包括知识、可迁移技能、高级思维能力等在内的必备素养和关键品格^[2]。它改变了传统以知识点为主的学习，推动了素养导向的跨学科主题学习^[3]。在教学实践中，如何转变理念、设计驱动问题、实现跨学科等成为教师面临的挑战。为此，研究团队基于信息技术名师工作坊的实践，探索以生成式人工智能赋能项目式课程设计，大大拓宽了教师设计项目式课程的思路，取得了较好成效。

一、教师在设计项目式课程时遇到的挑战

项目式课程打破了知识体系化的传统思维，需要以问题视角选取学科大概念，科学建构课程内容。习惯了传统分科教学的教师，在设计项目式课程时往往会面临以下挑战。

一是重建知识观。新课程方案要求以素养培育为根本，开展指向理解的学习。这要求教师必须破除以往“聚焦学科重点”“遍及学科知识点”的思维习惯，根据课程改革要求重构内容，以培养学生的问题解决能力、批判性思维、创造性思维以及合作与沟通技能，从而更有效地促进学生的深度学习，让学生得到全面发展。

二是建构复杂任务。新课程标准强调对学生批判性思维、创新能力和沟通协作能力等的培养，重视对学生思维能力的训练。这要求教师超越“逐个知识点的了解、识记和理解”的教学方式，以问题视角建构知识点之间的联结及运用^[4]，并引导学生在复杂任务中应用这些知识。因此，教师需要对学习路径进行全面重构，从单向的知识传递转变为促进学生的深度学习，并提高他们的问题解决能力。但对于那些习惯于“照本宣科”的教师而言，建构这样的复杂任务无疑是很具有挑战性的。

三是跨学科、跨领域融合。数智时代，数字化学习、泛在学习、碎片学习已经成为学生学习的新常态。学生与教师之间的知识体系不再是传统的单向包含关系，而是呈现出多元化和动态性特点。但是，教师由于长期专注于特定专业或学科，其知识结构与思维方式已趋于固化。因此，聚焦真实问题的解决，设计能够跨越专业和学科局限的项目式课程，是教师必须跨越的一道门槛。

二、应用生成式人工智能破解挑战的可行性

生成式人工智能是一种基于人工智能技术的机器学习模型，它通过学习大量的数据，提取其中的规则、模式和结构，并利用这些知识生成新的内容。作为一种先进的机器学习技术，生成式人工智能以其高度的灵活性和创新能力，在教育教学中展现出了巨大的应用潜力。目前，生成式人工智能已能实现智能化管理教学资源、个性化设计学习路径、创建虚拟实验室和模拟历史场景、自适应学习、智能推荐、智能分析与反馈等，在助力探究学习、跨学科融合、参与式学习和个性化学习等方面表现出突出的优势。

从赋能课程与教学设计的角度出发，生成式人工智能可化身为教师的智能伙伴，担当多种关键角色。一是作为项目式学习指导者。教师通过向生成式人工智能大模型提问，能够获得关于项目式学习的专家观点、教育理念、设计原则、组织策略、实施建议以及项目案例等一系列内容，从而打破自身固有的知识观念，开展任务驱动下的主动研修，提升项目设计和研究能力。二是作为跨学科专家。生成式人工智能能够处理海量的数据和知识，能为教师提供丰富的教育资源，帮助教师扩展和更新知识储备，并促进跨学科知识的融合。在它的协助下，教师可以设计出涵盖多个学科知识的项目，从而为学生提供跨学科的学习体验，促进学生深度学习和高阶思维培养。三是作为技术支持者。生成式人工智能不仅可以在文本生成、图像生成、音频生成、视频制作、游戏设计、代码生成等方面帮助教师实现技术与学科知识的融合（TCK），还可以通过评估学习数据、智能对话、虚拟体验等帮助教师及时调整教学策略，实现技术与教学知识的融合（TPK），建构指向真实问题的复杂任务。

综上，生成式人工智能凭借其强大的知识储备、出色的内容生成和智能分析能力，能够助力教师进一步丰富教与学的活动设计，促使“体系化的学科知识”转化为“结构化的学习经验”^[5]，从而设计出高质量的项目式课程。

三、运用生成式人工智能设计项目式课程的关键要素

结合生成式人工智能的特点，我们基于项目式课程设计的实践经验，凝练了运用生成式人工智能设计项目式课程的关键要素。

（一）树立系统思维，审慎辨别可用资源

项目式课程的本质在于让学生综合解决真实问题，形成复杂交往能力。人工智能虽然可以提供海量信息和资源，但是信息体系性不强，而且教学设计者常常会被新奇的资源吸引，将找到的热点资源简单拼合后为我所用，导致项目设计缺乏整体性。因此，教师需要树立系统思维，从学生需要出发，处理好“学习需要什么”和“人工智能有什么”的关系。一方面，教师要牢牢把握使用资源的主动性，对资源进行审慎挑选和辨别，避免沦为智能推送的待哺者；另一方面，由于生成式人工智能缺乏对人类语言和概念的真正理解，存在上下文依赖、可能复制或放大数据中的偏见错误等，所以，教师要对信息的科学性和准确性进行仔细辨别。

（二）聚焦计算思维，解构真实问题

项目式学习往往涉及多个学科领域，需要改变知识的线性布局，从学科逻辑转向问题逻辑，强调知识的整合应用。人工智能不是简单的查询工具，教师可以运用计算思维，综合应用分步提问、对比分析等提问策略，挖掘学习内容之间的关联，建构指向学生思考的概念网络，实现对真实问题的解构。比如，分步提问“我在分析食堂满意度数据时，第一步应该做什么”“请对比不同数据分析方法的异同”等，构建真实问题的变式，将其解构为跨学科问题网络，转化为符合学生最近发展区的进阶问题群，最终建构复杂任务。

（三）重视协作思维，打造合作探究场域

项目式课程的重要特征之一就是发展学生的合作探究能力，而这主要依赖于学习活动设计。人工智能没有情感，但可以帮助我们创建表达情感的学习活动。在设计项目式课程时，教师要重视协作思维，围绕情境、学生参与度、评估机制、合作学习等关键词，使用多种问答策略获取学习活动设计的资源。比如，设定情境提问“在设计一个讨论可持续发展的项目式学习课程时，我应该怎样结合信息技术学科课程标准”，以获得更贴近实际的答案；使用开放式提问“如何增强小组学习中的成员参与度”“如何有效评估并激励学生在项目式学习中的表现”，以获取更深入、更具描述性的答案；寻求具体案例式提问“能分享一些在高中教育层面成功的项目式学习案例吗”，从而获得实际操作的思路；通过提问“根据当前的教育研究，哪些项目式学习的实践被认为是最有效的”，询问某一领域的专家意见或已被广泛认可的最佳实践。使用以上策略，教师便可获取关于学习活动设计的有效资源，从而打造合作探究的学习场域。

四、运用生成式人工智能设计项目式课程的实践

依据上述运用生成式人工智能设计项目式课程的关键要素，我们指导教师开展了广泛的项目式课程设计实践。下面，以设计“数据编码”等项目式课程为例详细阐释。

（一）系统解构真实问题，迭代生成项目目标

项目目标既是真实问题的变式，也是向学生明确项目内容和要求的主体。在界定项目目标时，教师需要使用计算思维，将真实问题解构为多个条件，从多个维度界定和刻画。在设计课程前，教师向人工智能提问：“现在，请你扮演一名资深的课程设计师，与我共同设计一门课程，课程的主题是数据编码，课程面向16岁左右的高中学生，课程总时长为4课时，请撰写课程目标和4课时的课程标题以及副标题。课程标题要求不超过10个字，用有吸引力的问句，课程副标题要能概括本课时的主要学习任务，不超过10个字。”以上提问包含角色、面向对象、学时等多个由真实问题转化而来的条件，条件之间是“与”的关系，体现了运用计算思维解决真实问题的过程。人工智能给出方案，如表1所示。

在以上方案中，课程目标和标题表述均以知识点为主，不能体现项目式学习指向真实问题的要求。教师需要把握主体性，从系统思维出发，审慎辨别判断，进一步迭代提问：“我认为你给出的课程目标不够准确，我希望能够以面向学生的视角，依据布卢姆的教育目标分类学，基于信息技术学科课程标准重新设计。”人工智能给出如表2所示的方案。

迭代后的课程目标依据布卢姆的教育目标分类学，使用记忆、应用、评价等不同层级的行为动词表述，较第一版设计更为优化；标题面向学生视角，指向“破解密码”“画出头像”等真实问题。教师可以进一步使用设定情境策略、寻求案例策略等进行优化。由此，生成式人工智能帮助我们快速组织提炼信息、运用已知规则优化内容，大大提高了工作效率。

（二）构建挑战性问题群，打造深度学习的思维引擎

巴罗斯和坦布林说，知识的获得来源于对问题的认识和解决的过程。夏雪梅在《项目化学习设计：学习素养视角下的国际与本土实践》一书中，在谈到巴克教育研究所迭代项目式学习黄金准则时指出，“这表明巴克教育研究所对问题的认识发生了变化——从引发学生的兴趣、对学生友好的驱动性问题，转向对学生的思维和价值观有挑战的问题”^[6]。由此可见，挑战性问题是学生发展高阶思维的根本。教师应用生成式人工智能，通过开放式提问、设定情境等策略，挖掘项目的大概念及其关系，可以建构概念网络，再聚合形成挑战性问题链。

以“食堂满意度数据处理与分析”项目为例。教师进行开放式提问“在对食堂满意度数据处理与分析时，有哪些关键概念和方法，请帮我梳理一份概念图”。教师获得概念关系图（如图1）后，依据课程标准进行分析辨别，从而确定数据收集、数据处理、数据分析等一级大概念；数据清洗、数据转换、数据整合、假设检验、相关分析等二级大概念。教师再通过设定情境提问“在分析两个食堂的菜品、客流量、环境、服务态度等数据时，我们可以提出哪些具体问题来指导数据分析”，从而获得挑战性问题“两个食堂的菜品价格与销量之间是否存在相关性，顾客对价格敏感度如何（分析目的：确定定价策略，平衡利润和顾客接受度）”“工作日与周末的客流量是否有显著差异，如何解释这种差异（分析目的：了解顾客就餐习惯，为促销活动和营业时间调整提供数据支持）”。由此可见，生成式人工智能可以帮助教师弥合具体经验与抽象概念之间的间隙，构建概念之间的关系，设计出指向高阶思维的问题，助力学生深度学习。

（三）构建探究性学习场域，打造学习实践的多样路径

学生合作学习的发生需要源于对真实问题的兴趣和思考。深度探究的发生依赖于学生经历不同的学习路径产生观点碰撞。因此，教师要以合作学习活动促成多样化学习路径，帮助学生实现深度探究。以“数据分析”项目为例，在应用生成式人工智能设计合作学习活动时，教师使用了以专家理论指导、设定情境获取案例的策略，如通过“对于合作学习的活动形式，专家有哪些观点，请举例说明”“在组织数据分析项目时，可以设计哪些合作学习活动”等问题，确定了数据分析研讨会、数据清洗竞赛、数据故事讲述、客户反馈会议等合作学习活动（如图2），让学生在角色扮演中进行数据清洗竞赛，从不同视角、面向不同客户讲述数据故事，沉浸式体验数据分析的每个环节，实现深度合作和反思。在整个学习过程中，学生不仅掌握了专业知识和技能，还充分享有了选择权、发言权、决策权和评价权等。在这一过程中，生成式人工智能快速有效地梳理并整合了专家观点，不仅帮助我们跨越了行业间的知识界限，还消除了思维定式的阻碍。教师也得以构建有效、深度的探究性学习场域，实现学习路径的重构。

五、总结与反思

教育数字化转型背景下，以项目式课程培养学生面向未来的生存能力和创新能力具有积极的实践意义。应用生成式人工智能设计项目式课程，可以拓宽教师的视野，为项目式课程设计提供专家观点、创意灵感、融合策略、跨学科知识和丰富资源，帮助教师设计出能够促进学生深度思考、思辨创新的高质量项目，让学生得以在项目式课程的浸润中发展专家思维，掌握专家知识。但我们也清醒地认识到，人工智能的使用离不开教师的设计能力和教学智慧，甚至对教师信息化教学能力提出了更高要求。这需要教师具有较高的数字素养，具备主动获取资源的能力，同时还要具有系统思维、计算思维、辩证思维、迭代思维、协作思维等，对人工智能提供的内容做出甄别和判断^[7]。此外，生成式人工智能还面临数据质量依赖、缺乏真正理解能力和存在潜在偏见等问题，因而不能形成新的观点或应对现实世界复杂挑战的解决方案，教师需要提升自身的课程理解和设计能力，借力生成式人工智能更新知识体系，打造数字化学习新境界，让课程教学改革无限接近素养生成。

注：本文系姑苏教育人才资助项目“大概念统整的学科项目式学习的行动研究”（苏教师〔2022〕46号）、第五期江苏省职业教育教学改革研究课题“基于大概念的五年制高职项目化学习实践研究”（ZYB222）和苏州市教育科学“十四五”规划2021年度课题“大概念视域下信息技术学科项目化学习的实践研究”（2021/LX/02/257/09）的阶段性研究成果。

参考文献

[1] 辛京京，马由然，郝连杰.指向核心素养培养的小学数学项目式学习：以“一亿有多大”为例[J].中小学数字化教学，2023（2）：20-23.

[2] 张文兰，刘照阳.信息技术赋能项目式学习的有效路径[J].中小学数字化教学，2023（2）：5-8.

[3] 张丰，管光海.迎接素养导向的学习：项目化学习的浙江探索[J].中小学管理，2023（10）：29-32.

[4] 崔允漷.学科核心素养呼唤大单元教学设计[J].上海教育科研，2019（4）：1.

[5] 崔允漷，张紫红.义务教育课程改革的愿景、使命与方向：专访华东师范大学崔允漷教授[J].教师教育学报，2023（1）：1-10.

[6] 夏雪梅.项目化学习设计：学习素养视角下的国际与本土实践[M].北京：教育科学出版社，2021：53-55.

[7] 李艳燕，郑娅峰.生成式人工智能的教育应用[J].人民论坛， 2023（23）：69-72.

（作者系江苏省苏州工业园区教师发展中心教研员、高级教师，姑苏教育青年拔尖人才，苏州市学科带头人）

责任编辑：牟艳娜