生成式人工智能賦能跨學科創新思維培養：內在機理與模式構建*

摘要：在學科融合趨勢日益迅猛的時代背景下，培養學生的跨學科創新思維是當前教育的重要目標之一。作為人工智能時代的突破性技術，生成式人工智能給技術賦能教育帶來了巨大的機遇與挑戰。基于此，文章聚焦跨學科教育領域，首先闡釋了跨學科創新思維的基本內涵和分類，在此基礎上歸納出跨學科創新思維的四個發生要素：多學科知識基礎、基本的創新思維、團隊溝通與協作、產出導向。然后，文章剖析了生成式人工智能賦能跨學科創新思維培養的四個核心功能：高效信息檢索與整合、多輪對話與角色模擬、評價與反饋、生成與創作。在此基礎上，文章厘清了生成式人工智能賦能跨學科創新思維培養的內在機理。最后，文章從“課前-課中-課后”教學評一體化的視角，基于面向設計的產生式學習模式（Design-oriented Production-Based Learning，DoPBL），構建了生成式人工智能賦能跨學科創新思維培養的教學模式。文章通過研究，旨在為人工智能時代下如何培養學生的跨學科創新思維提供理論和實踐參考。

關鍵詞：生成式人工智能；ChatGPT；跨學科創新思維；面向設計的產生式學習；教學評一體化

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2024）04—0005—11"【DOI】10.3969/j.issn.1009-8097.2024.04.001

引言

在創新驅動的發展模式下，創新能力成為21世紀人才的關鍵特征，如何培養學生的創新能力也成為我國教育改革與發展的熱點。例如，2024年全國教育工作會議強調，“把全面提高人才自主培養質量，著力造就拔尖創新人才，支撐高水平科技自立自強作為全年教育工作的主攻方向”。而培養創新人才的先導和核心是創新思維的培養^[1]。創新思維，也被稱為創造性思維，是指能夠察覺問題并找出癥結，產生解決問題的新穎想法，最終傳達出結果的一種思維能力^[2]。就思維模式而言，創新思維與發散思維、聚合思維密切相關^[3]。

跨學科是指超出一個已知學科的邊界進行的涉及兩個及以上學科的實踐活動。跨學科強調通過多個學科的交叉與綜合建構新的知識體系，從而解決單一學科無法解決或不能徹底解決的復雜問題^[4]。“交叉”與“綜合”意味著跨學科需要兼具“發散”與“聚合”思維，這也正是創新思維的核心要義。從這一角度來看，創新思維似乎與跨學科具有與生俱來的關聯性。有研究在總結全球已發表于《自然》雜志的8.8萬篇高質量創新水平的科技論文的基礎上，發現來自交叉學科的論文數量逐年遞增，這也說明跨學科創新已成為全球科技發展的基本趨勢^[5]。因此，研究如何在跨學科背景下有效提升學生的創新思維，即培養學生的跨學科創新思維，是當前教育亟需關注的重點。

ChatGPT自2022年底面世以來，經過持續地迭代升級，實現了模型參數的指數級增長，對社會各個行業尤其是教育領域產生了巨大沖擊和影響。以ChatGPT為代表的生成式人工智能技術對教育領域的持續介入，正在反向訴諸人才的高階能力，倒逼教育理念、教學模式的深度變革，成為助推教育創新的加速器^[6]。從技術底座來看，生成式人工智能擁有涵蓋廣泛學科知識的訓練數據庫，能夠在短時間內為學生提供和解答幾乎所有學科領域的知識^[7]。此外，多項研究指出，ChatGPT有助于建立人機協同的新型學習模式和多學科融合的新型育人模式^[8][9]。因此，生成式人工智能技術在助推跨學科教育創新方面亦具有巨大潛力。在此背景下，如何在跨學科教育中充分發揮生成式人工智能技術的教育潛力，構建生成式人工智能與跨學科教育創新融合的新型教育模式，以此賦能學生的跨學科創新思維發展，儼然成為當下教育實踐改革的重要議題。

基于此，本研究首先在分析和論述跨學科創新思維的發生要素和生成式人工智能賦能跨學科創新思維培養的核心功能的基礎上，以厘清生成式人工智能賦能跨學科創新思維培養的內在機理。然后，基于《義務教育課程方案（2022年版）》中強調注重實現“教-學-評”一致性的要求，本研究從“課前-課中-課后”教學評一體化賦能的角度，構建具有可操作性的生成式人工智能賦能跨學科創新思維培養的教學模式，旨在為提升學生的跨學科創新思維、推動跨學科創新人才培養目標的實現提供理論依據和實踐參考。

一 生成式人工智能賦能跨學科創新思維培養的內在機理

為構建具有可操作性的生成式人工智能賦能跨學科創新思維培養的教學實踐模式，首先需要厘清生成式人工智能賦能跨學科創新思維培養的內在機理。本研究基于創新思維與跨學科學習的相關理論和實踐基礎，認為生成式人工智能賦能跨學科創新思維培養的內在機理由三個部分構成：內核、終端以及兩者的共同價值取向（如圖1所示）。其中，內核為跨學科創新思維的發生要素，包括多學科知識基礎、基本的創新思維、團隊溝通與協作、產出導向。終端為生成式人工智能賦能跨學科創新思維培養的核心功能，包括高效信息檢索與整合、多輪對話與角色模擬、評價與反饋、生成與創作。內核與終端之間則通過兩者的共同價值取向連接起來，一方面，兩者的實踐基礎均依賴于多學科知識的整合與創新；另一方面，兩者的實踐過程均是面向復雜問題解決的協作產出過程。

1"跨學科創新思維的發生要素

所謂跨學科創新思維，是指“在創造活動中，能夠整合不同學科領域的知識、理論、方法和技術，并充分利用自身和同伴在跨學科、跨領域的實踐經驗，從而實現新穎獨特地解決復雜問題，產生有價值的新理論、新方法等新成果的思維方式”^[10]。跨學科創新思維的分類則根植于以往對于創新思維的界定。目前普遍共識是，創新思維是發散思維和聚合思維的辯證統一^[11]。因此，跨學科創新思維可劃分為跨學科發散思維和跨學科聚合思維^[12]。其中，跨學科發散思維以形象思維為基礎，是指能夠沖破傳統單一學科的思想、理論和方法的束縛，具備同中求異、多向輻射、正向求反等系列思維；跨學科聚合思維則以邏輯思維為基礎，是指從多個學科的角度對事物形成完整認識，并能夠對跨學科問題進行綜合分析、抽象概括、判斷推理。

由上述定義和分類可知，跨學科創新思維具備創新思維的基本特征，強調學生能夠跨越單一學科的邊界，并整合多學科的知識和理論，借助多學科的視角和方法，以團隊協作的方式來解決復雜問題，最終產出新成果，從而實現創新。由此，可以歸納出跨學科創新思維的發生要素包括多學科知識基礎、基本的創新思維、團隊溝通與協作、產出導向。

（1）多學科知識基礎

多學科知識基礎是跨學科創新思維發生的邏輯起點，獲取并掌握多學科知識是形成跨學科創新思維的基石。多學科知識基礎包括各個學科的基本原理、術語、方法論和應用等。然而，學生要發展跨學科創新思維，僅獲取多學科知識是不夠的，還需要主動地對多學科知識進行深度加工和整合，并將其“同化”到自身已有的知識框架中，最終實現從跨學科知識建構到跨學科高階思維培養的過渡^[13]。在多學科知識內容整合方面，大概念是勾連學科內知識和學科間知識的橋梁^[14]。因此，在跨學科實踐中常以大概念對多學科教學內容進行統整，為學生跨學科創新思維的培養提供重要保障^[15]。

（2）基本的創新思維

由于跨學科創新思維可以視為創新思維的一種特殊形式和進階形態，因此學生需要具備基本的創新思維，如邏輯思維、批判性思維、設計思維等，才能在此基礎上融合多學科知識基礎來發展跨學科創新思維。其中，又以設計思維尤為重要。近年來，越來越多的教育研究者和實踐者強調設計思維在跨學科創新教育中的作用，由設計思維引領的跨學科創新教育模式日益得到重視^[16][17]。“設計思維”是關于創新的方法論，是在解決現實世界需求和復雜問題時所需的一種以人為本的、迭代的、以用戶參與為核心的思維方式^[18]。目前，應用最多的設計思維模型來自斯坦福大學設計思維學院，該模型包括共情（用同理心探索并發現問題）、定義（定義問題）、構想（方案發展）、原型（方案實施）和測試（迭代）五個關鍵環節。

（3）團隊溝通與協作

該發生要素是基于美國教育傳播與技術協會前主席布拉德·霍坎森教授提出的創新思維發生的兩個重要前提^[19]，其中一點是“創新思維不會從人腦里直接蹦出來，而是個人在后天的能力發展和團隊合作中，與社會文化環境互動的結果”。該前提強調創新思維發生的社會性，即創新思維是在團隊合作與人際互動中形成的結果。而跨學科創新思維的形成同樣強調團隊溝通與協作：首先，由于跨學科學習中的驅動問題通常是基于真實生活情境的劣構問題，因此在解決這類問題時，需要學生與小組成員展開發散性的思辨與討論^[20]。其次，跨學科學習的成功開展需要項目成員通過有效溝通以理解不同學科的概念和方法，并通過團隊協作探究來建構新的知識或生成產品^[21]。

（4）產出導向

布拉德·霍坎森教授提到的另一個重要前提是“創新思維是新穎性和實用性的統一”，并非產生與眾不同的想法就是創新思維，還需要考慮這些想法能否成功解決真實世界的復雜問題，能否在解決問題過程中形成實用的產品。因此，產出導向對于跨學科創新思維的培養尤為重要。一方面，產出導向要求學生從真實世界的復雜問題出發，逐步拆分細化問題，并確定需要整合哪些學科知識和技能來解決問題，在尋求問題解決方案的過程中，促使學生將不同學科的理論和方法結合起來，從而實現組合創新^[22]。另一方面，產出導向要求學生最終生成外顯的成果或作品，該要求能夠推動學生對跨學科知識的遷移應用和動手實踐，并在此過程中有效促進學生內隱的思維包括設計思維、創新思維的發展^[23]。

2"生成式人工智能賦能跨學科創新思維培養的功能剖析

以ChatGPT為代表的生成式人工智能在教育領域內具有巨大的賦能潛力。例如，董艷等^[24]從人機協同的視角出發，分析了ChatGPT賦能學生學習的路徑；楊曉哲等^[25]認為ChatGPT類生成式人工智能能夠在教師準備教學資源、學生開展自主學習、課堂增強學習互動、課外作業自動評價反饋四個方面成為賦能教育教學的助手。此外，生成式人工智能在更為具體的教育子領域也具有其特定的價值意蘊和賦能路徑。例如，王景等^[26]分析了ChatGPT賦能拔尖創新人才培養的價值意蘊和路徑；王佑鎂等^[27]探究了ChatGPT賦能職業教育數字化轉型的實踐路徑。本研究則聚焦于跨學科教育這一教育子領域，結合跨學科創新思維的發生要素，剖析生成式人工智能賦能跨學科創新思維培養的核心功能，具體表現為高效信息檢索與整合、多輪對話與角色模擬、評價與反饋、生成與創作。

（1）高效信息檢索與整合

ChatGPT在全新的深度學習堆棧上接受了更多數據訓練和計算訓練，多模態、連貫性的信息處理和整合能力顯著提升，這將徹底改變傳統的信息檢索模式^[28]。可以說，ChatGPT是智能時代下具有強大信息檢索力和整合力的百科全書式學習助手，能夠根據學生的需求高精度生成和高密度輸出學習內容。在跨學科學習中，學生往往需要經歷煩瑣而耗時的學科知識搜索與查詢過程，在這一過程中將經歷較高的認知負荷^[29]。相較于傳統的搜索引擎，ChatGPT在知識整合和結構化呈現方面優勢突出，根據生成式學習的“選擇-組織-整合”（Select-Organize-Integrate，SOI）信息加工模型，深層學習的發生需經過三個階段，即從所提供的學習材料中“選擇”關鍵信息，將其“組織”成工作記憶中連貫一致的表征結構，并與長時記憶中的先驗知識“整合”^[30]。因此，ChatGPT通過結構化呈現高度整合的跨學科知識內容，促進學生對跨學科知識的選擇和組織，這為跨學科創新思維的發生提供了原料。

（2）多輪對話與角色模擬

ChatGPT在自然語言理解的基礎上，基于人類反饋強化學習的訓練方式，擁有上下文感知和多輪對話的記憶功能，能夠根據使用者反饋進行實時更新與學習，生成持續性、穩定性的回答，實現與使用者之間自然而流暢的對話^[31]。由于ChatGPT能夠進行符合邏輯的連貫性回復，因此可以利用ChatGPT模擬教師或多個學科領域專家，與學生開展高質量的“蘇格拉底式”對話式學習^[32]。這種學習方式不僅能夠促進學生進行深度思考和認知加工，推動學生不斷進行多學科知識融通，而且在人機對話的過程中，學生通過不斷提問、質疑，能夠培養邏輯思維和批判性思維等基本的創新思維。

（3）評價與反饋

評價與反饋是教學活動中的重要環節。一方面，ChatGPT本身能夠作為課堂中的自動化評價反饋員。ChatGPT的巨大算力和邏輯能力使教學過程中的即時評價反饋得以實現，這極大地減輕了教師評價反饋的負擔，為學生提供更加個性化的學習體驗^[33]。例如，利用ChatGPT實現對學生小組的寫作、項目報告書等階段性學習產品的個性化即時評價反饋；利用ChatGPT充當小組項目式學習的智能導師，對學生小組的項目計劃、實施方案進行指導反饋，及時調整并優化學生小組的項目式學習進度，促進學生團隊的協作進程。另一方面，生成式人工智能對話平臺能夠保存學生的縱向人機互動數據，并和其他技術相結合，對學生的課堂表現和學習投入度等進行追蹤分析，作為跨學科學習評價的重要參考依據^[34]。

（4）生成與創作

與先前的人工智能相比，生成式人工智能的最大技術優勢在于其生成與創作能力。先前的人工智能在很大程度上局限于搜集、整合和分析信息，并做出預測。而以ChatGPT為代表的生成式人工智能并不局限于分析現有的數據，而是具備了生成和創作新內容的能力^[35]。最基礎的文本生成式人工智能，如谷歌在Chrome瀏覽器內嵌的“文案寫作人工智能”模型，支持寫作中語句的自動完成和文章生成^[36]。此外，圖像、視頻生成式人工智能均可根據用戶的文字輸入要求生成或編輯具有專業品質的多模態產品。該功能不僅能夠輔助教師在跨學科教學的備課階段進行問題鏈和項目情境的設計，而且能夠輔助學生在跨學科學習過程中進行項目作品創作。

基于上述對跨學科創新思維的發生要素及生成式人工智能賦能跨學科創新思維培養的功能剖析，可以歸納出兩者具有的共同價值取向：首先，兩者的實踐基礎均依賴于多學科知識的整合與創新。一方面，多學科知識基礎是跨學科創新思維發生的邏輯起點，整合并掌握多學科知識是形成跨學科創新思維的基礎。另一方面，生成式人工智能基于“大語言模型”，在對多學科知識數據庫進行重組整合的基礎上，才能夠生成創造性成果^[37]，這與跨學科創新思維的發生基礎相契合。其次，兩者的實踐過程均是面向復雜問題解決的協作產出過程。一方面，跨學科創新思維的產生是社會文化環境互動的結果，這說明跨學科創新思維的培養實踐需要在團隊協作解決真實復雜性問題的情境下展開。另一方面，生成式人工智能在自然語言理解的基礎上，基于人類反饋強化學習的訓練方式，具有多輪對話與角色模擬、智能評價與反饋等支持人機協同式學習的功能，這為跨學科創新教育中復雜問題的協作解決過程提供了強有力的支持。

二 跨學科創新思維培養的基礎模式：DoPBL模式

基于上述對生成式人工智能賦能跨學科創新思維培養的內在機理分析，本研究梳理了跨學科創新思維的發生要素和生成式人工智能賦能跨學科創新思維培養的核心功能，并明晰了跨學科創新思維與生成式人工智能兩者之間的共同價值取向，由此可以得出生成式人工智能在賦能跨學科創新思維發展方面具有巨大的潛力與價值。那么，如何在跨學科教學的各環節中有效地應用生成式人工智能以達成培養學生跨學科創新思維這一教育目標？本研究嘗試構建生成式人工智能賦能跨學科創新思維培養的教學模式，以期為教師開展生成式人工智能技術支持下的跨學科教學活動提供系統性參考。

為達成培養學生跨學科創新思維這一教育目標，本研究主要從兩方面考慮：一方面，設計思維已經發展成為被普遍認可并采用的、培養學生創新思維的有效方法；另一方面，項目式學習（Project-Based Learning，PBL）因其能夠促進學生合作探究和問題解決，在跨學科學習中被廣泛應用。基于此，董艷等^[38]提出了面向設計的產生式學習（Design-oriented Production-Based Learning，DoPBL）模式，該模式是在整合問題式學習和項目式學習優勢的基礎上，融入設計思維要素的一種新型教學模式。教師在采用DoPBL模式設計課程時，可以根據問題中隱含的知識，組織多學科背景的學生進行協作學習，促進不同學科背景的學生進行跨學科合作，共同解決問題^[39]。因此，DoPBL模式可以促進學生的跨學科合作和復雜問題解決，在培養學生的跨學科創新思維方面具有巨大潛力。

DoPBL模式包括兩個并行且相互交融的實施路徑，即外環和內環。其中，外環包括六個迭代循環的環節：選定問題/項目、制定方案/計劃、設計活動探究、生成方案/作品、進行成果交流、開展活動評價。內環則引入了設計思維思想，包括共情、定義和構想。設置內環的核心目的在于：當學生面對新的問題或項目任務時，能夠融入設計思維的靈活性和創新性，而不是單從傳統視角來回應問題。在外環開展的不同環節中，教師或學生小組均可以通過內環來促進外環活動。例如，可以通過內環的“共情”來促進外環的“選定問題/項目”環節。教師通過設置問題情境，引導學生通過觀察和融入等方式對情境中的問題感同身受，幫助學生充分了解和分析需求，深刻認識到項目設計意圖，為后續活動做準備。

三 生成式人工智能賦能跨學科創新思維培養的模式構建

基于《義務教育課程方案（2022年版）》中強調注重實現“教-學-評”一致性的要求，本研究從“課前-課中-課后”教學評一體化賦能的角度，構建具有可操作性的生成式人工智能賦能跨學科創新思維培養的教學模式（如圖2所示）。具體而言，課前階段是賦能“教”的過程，即賦能教師完成跨學科教學設計；課中階段是賦能“學”的過程，在DoPBL模式的基礎上融入生成式人工智能技術，并對DoPBL模式的六個環節進行賦能，以此構建“師-機-生”三元結構的DoPBL教學模式；課后階段是賦能“評”的過程，即賦能跨學科創新思維評價，評價結果將反饋至下一次課前階段，對教師下一次的跨學科教學設計起到修正和導向作用，最終形成一個不斷迭代的“課前-課中-課后”教學評一體化的閉環模式。

1"課前：生成式人工智能賦能教師跨學科教學設計

生成式人工智能強大的生成與創作功能可以輔助教師進行高效的課程教學設計。例如，ChatGPT吸納整合了海量的教學設計方案，并能夠通過智能的方式優化已有的教學設計方案^[40]。盡管對教學設計方案的質量評估標準非常多樣，但ChatGPT生成的教學設計方案已經具備了較高的參考價值。此外，教師還可以針對教學設計方案的某個部分向ChatGPT進一步追問，通過人機雙向反饋的方式不斷優化教學設計方案^[41]。基于此，在課前階段，可以運用ChatGPT賦能教師完成跨學科教學設計，具體的實踐思路如下。

新課標導向下跨學科教學設計包括四個基本方面：學習目標、學習內容、跨學科實踐活動以及學習評價^[42]。在學習目標方面，需要圍繞素養發展這一主線。教師可從雙基、學科思維、跨學科創新思維三個層次進行學習目標設計。在學習內容方面，需要以大概念進行統整，并注重社會和文化議題的融入。教師可以向ChatGPT詳細描述跨學科主題學習的內容，要求ChatGPT生成多組大概念以及社會文化議題，然后從中遴選出合適的跨學科大概念和社會文化議題。在跨學科實踐活動方面，需要創設生活化的項目情境，并以問題鏈為導向、任務簇為內驅，問題鏈和任務簇的設計要以大概念為載體，讓學生在問題解決的過程中不斷深化對大概念的認識。教師可以在大概念和議題的基礎上，從“為什么做”到“做什么”再到“怎么做”，層層追問ChatGPT，生成合適的問題鏈和任務簇。在學習評價方面，教師可以利用ChatGPT提前制定多種針對課中教學活動的評價量規，如活動過程評價表、作品評價表等，用于學生自我診斷、組間評價以及教師評價。

2"課中：“師-機-生”三元結構的DoPBL教學模式

楊宗凱等^[43]認為，以ChatGPT為代表的生成式人工智能技術將推動教學模式從“師-生”二元結構轉變為“師-機-生”三元結構。在“師-機-生”三元結構中，教師是教學活動的設計者、實施引導者和評估者，生成式人工智能扮演“助教”和“助學”的雙重角色，學生是教學活動的深度參與者。在此理念下，針對課中階段，本研究結合DoPBL模式，構建“師-機-生”三元結構的DoPBL教學模式。下面將具體闡釋生成式人工智能賦能DoPBL模式各環節的實施策略：

①選定問題/項目。在這一階段，教師向學生呈現課前設計好的項目情境（如社會文化熱點或社會科學性議題），引導學生與同伴及ChatGPT交流提問，對多學科知識進行整合，形成富有挑戰性、趣味性的研究問題或項目。ChatGPT通過以下兩條路徑賦能“選定問題/項目”環節：第一，模擬“情境解說員”角色，融入學生小組的交流討論，解答學生對項目情境的困惑，促進學生對情境中的議題感同深受，實現“共情”的過程。第二，作為百科全書式的多學科知識助手，結構化地呈現高度整合的跨學科知識，促進學生對多學科知識的選擇和組織。

②制定方案/計劃。學生小組在選定問題/項目后，首先需要進一步分析問題，定義問題邊界，總結出要解決的關鍵問題。然后，小組成員開展頭腦風暴，構思可行的問題解決方案。在這一過程中，小組成員間通過深入交流討論甚至辯論，逐步優化問題解決方案，形成書面文稿。最后，依據方案設計出詳細的活動設計和時間安排計劃表。ChatGPT可通過以下三條路徑賦能“制定方案/計劃”環節：第一，幫助學生確定關鍵問題。ChatGPT可以從第一人稱視角出發，通過蘇格拉底式的對話輔助個體遴選信息，找出問題痛點和難點，直至確定要解決的“真問題”^[44]。第二，模擬“方案評估專家”，找出學生初擬方案中存在的問題并提供評估和修改建議，幫助學生小組及時調整和優化問題解決方案。第三，利用ChatGPT和學生小組共同制定時間安排計劃表，學生在ChatGPT提供的計劃模板和建議下，通過多輪對話逐步完成計劃表。

③設計活動探究。在制定方案/計劃后，學生小組要依照計劃表的安排開展活動（如調研、實地探究等），通過收集資料和數據進一步整合資料與數據分析，對第二步制定的問題解決方案進行修改完善、迭代優化，努力形成最佳的問題解決方案。在這一過程中，ChatGPT可通過以下兩條路徑賦能“設計活動探究”環節：第一，輔助學生小組整合資料。尤其對于信息量龐大的文獻和書籍資料，ChatGPT能夠實現對文獻資料細粒度的信息抽取、分析、歸納和總結，減輕學生閱讀資料的認知負荷，大大提升了探究活動的效率。學生小組可以在ChatGPT提煉資料的基礎上進行二次信息加工，充分整合多學科來源的資料。第二，輔助學生小組進行數據分析和可視化。教師引導學生向ChatGPT提供格式規范的數據以及適當的指令，ChatGPT則通過對繪圖工具、統計分析工具的API接口調用，幫助學生高效地完成數據分析與圖表繪制^[45]。

④生成方案/作品。經過前期的方案迭代和活動探究后，小組成員運用已有知識和在探究活動中習得的知識與技能，協作制定最終的問題解決方案。而方案的具體呈現有賴于與之匹配的物化作品，以小組協作的形式制作物化作品是發展跨學科創新思維的關鍵階段。在這一過程中，ChatGPT可通過以下兩條路徑賦能“生成方案/作品”環節：第一，促進小組成員的協作過程。ChatGPT與QQ群、騰訊文檔等工具結合使用，能夠在學生小組研討與協作中促進小組成員的溝通交流，提升學生的問題解決能力和批判性思維^[46]。同時，在人機協同對話過程中，ChatGPT根據小組提問給出即時反饋，有助于及時解決學生的困惑，并為小組協作提供新的思路和多元觀點^[47]。第二，輔助學生制作物化作品。綜合利用文本、圖像、音頻、視頻生成式人工智能，學生輸入指令便能快速生成作品所需的“零部件”，從而實現作品原型的快速成型，便于學生小組對作品修改完善。

⑤進行成果交流。作品完成后，各學生小組相互交流學習過程和收獲，展示作品并以匯報的形式闡述作品創意。在成果展示交流的過程中，不僅能夠提升學生的語言表達能力，學生通過有條理地向他人闡述自己作品創意的過程，也能進一步提升創新思維^[48]。因此，ChatGPT賦能“進行成果交流”環節的關鍵點在于，減輕學生制作匯報展示材料的認知負荷，并促進學生有條理地梳理和凝練作品創意。因此，ChatGPT通過以下兩條路徑賦能“進行成果交流”環節：第一，利用多模態生成式人工智能（SlidesAI、DALL-E 3、Sora等）生成匯報展示材料的初稿。教師引導學生在初稿基礎上進行完善，減輕學生制作匯報展示材料的認知負荷。第二，利用ChatGPT的角色模擬功能模擬專業的作品評委。通過與ChatGPT進行人機對話模擬作品展示與答辯流程，可以使學生在思維發散和收斂中有條理地梳理作品創意，進而提升跨學科創新思維。

⑥開展活動評價。在課堂時間有限的情況下，教師可以將活動評價的重點放在對學生的作品/方案的評價上，而將對學生跨學科創新思維的綜合評價放在課后環節進行^[49]。在對學生作品/方案的評價方面，強調主體多元和方法多元。其中，主體多元包括學生自我評價、學生組間互評、教師評價以及ChatGPT智能評價。為了保證智能評價的準確性，教師需要提前將評價標準提供給ChatGPT，并對其進行多輪評價訓練。方法多元強調定量與定性方法的結合，定量方法是指依據評價標準計算作品/方案的分數，以作為課堂績效考核的重要參考；定性方法是指給出反饋建議，目的是促進學生在課后階段對作品/方案進行優化完善。

3"課后：生成式人工智能賦能跨學科創新思維評價

課后開展的跨學科創新思維評價是實現教學評一體化的關鍵環節。評價結果一方面將直接反映課中教學活動的效果，另一方面將為教師下一次課前跨學科教學設計提供重要的參考依據。在評價內容上，要緊緊圍繞跨學科創新思維的發生要素展開，包括對學生的多學科知識能力、基本的創新思維（發散思維、邏輯思維、批判性思維等）、問題提出與解決能力、信息收集與處理能力、團隊協作能力等進行評價^[50]。在評價方式上，要兼顧對學習結果和學習過程的評價，包括知識與技能測驗、問卷與量表測評、物化的學習成果評估、互動話語與行為分析等方式。其中，知識與技能測驗是對學生多學科知識能力的總結性評價，其核心在于評估學生是否能夠在掌握跨學科概念及創新方法的基礎上，融會貫通多學科的知識與方法，形成整體知識結構并遷移應用到不同情境。問卷與量表測評用于評價學生基本的創新思維。物化的學習成果評估可從藝術性、新穎性、過程性和價值性四個指標評估其蘊含的跨學科創新思維^[51]。互動話語與行為分析旨在通過深入挖掘學生的學習過程，評估學生的團隊協作能力、課堂學習投入度等。

本研究認為，ChatGPT能夠通過以下三條路徑賦能跨學科創新思維評價：第一，輔助教師高效生成測驗、問卷等評價工具。例如，教師利用ChatGPT輔助生成具有綜合性和遷移性的跨學科知識測驗。第二，模擬教師或跨學科專家對學生物化的學習成果進行自動化評價與反饋。例如，利用ChatGPT對學生小組的項目成果報告書進行智能評分和建議反饋，教師在智能評價反饋的基礎上補充教師反饋，以此減輕教師課后評價的負擔。第三，ChatGPT類平臺保存學生的縱向人機互動話語數據，并與學習分析技術（如認知網絡分析、內容分析）相結合，對學生的課堂學習投入度、協作問題解決能力進行量化分析和可視化。

四 總結與展望

生成式人工智能作為當前人工智能技術的新頂點，給技術賦能教育帶來了巨大機遇與挑戰。本研究針對跨學科教育這一教育子領域，從跨學科創新思維的發生要素出發，剖析生成式人工智能賦能跨學科創新思維培養的核心功能，并基于DoPBL模式設計了“課前-課中-課后”教學評一體化的生成式人工智能賦能跨學科創新思維培養的教學模式——生成式人工智能通過在課前支持教師跨學科教學設計，在課中支持“師-機-生”三元結構的DoPBL教學模式開展，在課后支持跨學科創新思維評價，以此賦能學生跨學科創新思維培養。

未來可以從以下三方面開展更深入的研究：①進一步挖掘ChatGPT類生成式人工智能賦能跨學科創新思維培養的可行切入點，優化本研究提出的教學模式的設計流程；②以新課標為引領，設計出可供一線中小學教師參考的生成式人工智能賦能跨學科教學的課程教學設計案例；③根據本研究提出的教學模式，融入ChatGPT等大語言模型，設計并開發支持跨學科創新思維培養的AI垂直大模型平臺，并通過教育實踐和實證研究探究該平臺對于賦能學生跨學科創新思維培養的效果。

參考文獻

[1]王躍新，李晨語.創新思維：引領開拓創新的第一動力[J].學術界，2022，（8）：203-209.

[2]任劍鋒，祁永珍.面向創新思維培養的小學課程學習活動設計[J].電化教育研究，2020，（3）：108-113.

[3][11]岳曉東，龔放.創新思維的形成與創新人才的培養[J].教育研究，1999，（10）：9-16.

[4][12][51]鐘柏昌，龔佳欣.跨學科創新能力評價指標體系的構建與實證研究[J].中國電化教育，2022，（12）：27-34.

[5]Gates A J， Ke Q， Varol O， et al. Nature’s reach： Narrow work has broad impact[J]. Nature， 2019，（7781）：32-34.

[6][26][31]王景，李延平.ChatGPT浪潮下拔尖創新人才的培養：價值意蘊、現實隱憂與生態重塑[J].中國電化教育，2023，（11）：62-71.

[7][28]吳慮，楊磊.ChatGPT賦能學習何以可能[J].電化教育研究，2023，（12）：28-34.

[8][24]董艷，夏亮亮，李心怡，等.ChatGPT賦能學生學習的路徑探析[J].電化教育研究，2023，（12）：14-20、34.

[9][43]楊宗凱，王俊，吳砥，等.ChatGPT/生成式人工智能對教育的影響探析及應對策略[J].華東師范大學學報（教育科學版），2023，（7）：26-35.

[10][15]鐘柏昌，劉曉凡.跨學科創新能力培養的學理機制與模式重構[J].中國遠程教育，2021，（10）：29-38、77.

[13]許秋璇，楊文正，盧雅，等.融入“大概念”的STEM整合課程設計模型構建與應用研究[J].電化教育研究，2020，（7）：86-93.

[14]劉徽.“大概念”視角下的單元整體教學構型——兼論素養導向的課堂變革[J].教育研究，2020，（6）：64-77.

[16]李世瑾，顧小清.創新本位的AI-STEM融合新生態：模式構建與實踐范例[J].遠程教育雜志，2021，（6）：30-38.

[17]諶濤，肖亦奇.面向智能制造的跨學科創新教育：設計思維引領的新范式[J].高等工程教育研究，2023，（2）：45-50.

[18]張蓉菲，田良臣，馬志強.智能時代教師設計思維培養：邏輯向度與困境紓解[J].中國遠程教育，2022，（4）：55-64、77.

[19]翟雪松，束永紅.創新能力的內涵、測量與培養——訪美國教育傳播與技術協會前主席布拉德·霍坎森教授[J].開放教育研究，2018，（5）：4-10.

[20][23][38][39][49]董艷，孫巍.促進跨學科學習的產生式學習（DoPBL）模式研究——基于問題式PBL和項目式PBL的整合視角[J].遠程教育雜志，2019，（2）：81-89.

[21][42][50]詹澤慧，季瑜，賴雨彤.新課標導向下跨學科主題學習如何開展：基本思路與操作模型[J].現代遠程教育研究，2023，（1）：49-58.

[22][44]詹澤慧，季瑜，梅虎，等.打開創新人才培養的“黑箱”：創新性問題解決的過程模型與技術賦能[J].現代遠程教育研究，2023，（5）：75-85、103.

[25][40][47]楊曉哲，王晴晴，王若昕.生成式人工智能的有限能力與教育變革[J].全球教育展望，2023，（6）：3-12.

[27][34]王佑鎂，王海潔，王旦，等.ChatGPT賦能職業教育數字化轉型的多重角色與實踐路徑[J].電化教育研究，2024，（1）：76-83.

[29]Iku-Silan A， Hwang G J， Chen C H. Decision-guided chatbots and cognitive styles in interdisciplinary learning[J]. Computers amp; Education， 2023，201：104812.

[30]（美）洛根·費奧雷拉，盛群力，張恩銘.理解生成式學習[J].遠程教育雜志，2023，（6）：20-33.

[32]戴嶺，趙曉偉，祝智庭.智慧問學：基于ChatGPT的對話式學習新模式[J].開放教育研究，2023，（6）：42-51、111.

[33]王麗，李艷，陳新亞，等.ChatGPT支持的學生論證內容評價與反饋——基于兩種提問設計的實證比較[J].現代遠程教育研究，2023，（4）：83-91.

[35]徐國慶，蔡金芳，姜蓓佳，等.ChatGPT/生成式人工智能與未來職業教育[J].華東師范大學學報（教育科學版），2023，（7）：64-77.

[36]苗逢春.生成式人工智能技術原理及其教育適用性考證[J].現代教育技術，2023，（11）：5-18.

[37]胡衛平，張陽，呂元婧，等.人工智能創造力探究[J].現代教育技術，2024，（1）：17-25.

[41]董艷，李心怡，鄭婭峰，等.智能教育應用的人機雙向反饋：機理、模型與實施原則[J].開放教育研究，2021，（2）：26-33.

[45]陸偉，馬永強，劉家偉，等.數智賦能的科研創新——基于數智技術的創新輔助框架探析[J].情報學報，2023，（9）：1009-1017.

[46]李海峰，王煒.人機協同深度探究性教學模式——以基于ChatGPT和QQ開發的人機協同探究性學習系統為例[J].開放教育研究，2023，（6）：69-81.

[48]Huang X， Zhang X， Zhu S. How showing others’ ideas influences consumer creativity： The moderating role of participation motivation[J]. Thinking Skills and Creativity， 2023， 49："101338.

Cultivation of Interdisciplinary Innovative"Thinking Empowered with

Generative Artificial Intelligence： Intrinsic Mechanism and Model Construction

DONG Yan¹""""CHEN Hui²

（1. Faculty of Education， Beijing Normal University， Beijing， China"100031;

2. Faculty of Artificial Intelligence Education， Central China Normal University， Wuhan， Hubei， China 430079）

Abstract："Under"the"background of the increasingly rapid trend of disciplinary integration， cultivating students’ interdisciplinary innovative"thinking has become one of the key goals of contemporary education. As a breakthrough technology in the era of artificial intelligence， generative artificial intelligence （AI） presents significant opportunities and challenges for the empowerment of"education"with technology. Based on this， focused"on the interdisciplinary education"field， this paper firstly"elucidated the basic connotation and classification of interdisciplinary innovative"thinking and then summarized"four occurrence elements"of interdisciplinary innovative"thinking"of a multidisciplinary knowledge base， fundamental innovative"thinking skills， team communication and collaboration， and output orientation. Secondly， the four core functions of generative AI"in empowering the cultivation of interdisciplinary innovative thinking"were analyzed， which included efficient information retrieval and integration， multi-turn dialogues and role-play， evaluation and feedback，"generation and creation. Accordingly， the intrinsic mechanisms of the cultivation of interdisciplinary innovative"thinking"empowered with generative AI was claried. Finally， from the integrated perspective of teaching， learning and evaluation pre"class-in"class-post"class， and based on the design-oriented production-based learning （DoPBL） model，"a teaching model for cultivating interdisciplinary innovative"thinking empowered by generative AI"was constructed. Through research， this paper was expected to provide theoretical and practical"reference for how to cultivate students’ interdisciplinary innovative"thinking in the age of AI.

Keywords："generative artificial intelligence; ChatGPT; interdisciplinary"innovative thinking; design-oriented production-based learning; integration of teaching， learning， and evaluation

————————

*基金項目：本文為國家自然科學基金2021年度面上項目“STEM教育情境下同伴互動的腦協同機制及策略研究”（項目編號：62177011）的階段性研究成果。

作者簡介：董艷，教授，博士，研究方向為跨學科學習、創新教育與教師技術應用能動力研究等，郵箱為yan.dong@bnu.edu.cn。

收稿日期：2023年10月4日

編輯：小時