問題式融智課堂：新質教學模式構建與實踐展望

中圖分類號：G434 文獻標識碼：A① 閆寒冰為本文通訊作者。

一、引言

數智時代的浪潮中，生成式人工智能的嶄露催生著技術角色從輔助工具向智慧主體的躍升，為課堂生態底層邏輯的重構提供了契機，推動著教育向“人機共生”的新范式演進[1]。在此背景下，“融智課堂”應運而生。它整合教師、學生與AI大模型的多主體智慧，通過深度交互與協同共創，構建起以思維生成與群智涌現為導向的課堂新形態，為教育注人智性驅動的全新內核[2]。這一愿景描繪了智能技術驅動下理想的教育圖景：課堂不再是靜態的知識載體，而成為思維發展的創新場域。

然而，融智課堂的實踐落地仍面臨諸多挑戰。多主體協同的復雜性遠超傳統教學場景，教師如何從知識權威轉型為智慧引導者？學生如何在技術深度介人中保持思維自主性？如何避免AI大模型陷入機械化應答的窠白？現有研究多聚焦單一主體或技術功能的優化[3-5]，卻鮮少提供多主體角色定位與動態交互的操作路徑。更關鍵的是，若缺乏對協同邏輯的結構化梳理，課堂可能陷入“技術堆砌”或“主體沖突”的困境，導致“融智”愿景淪為空洞口號。可見，當技術從支撐工具升維為生態要素時，要通過方法論創新，方能實現“人機共生”與“思維躍遷”的辯證統一。問題化學習作為公認的高階思維培養范式[6][7]，為破解上述困境提供了關鍵線索。其以問題為驅動，通過任務設計串聯學習活動，推動學生在認知深化中完成從知識積累到創新能力的轉化，天然具備結構化課堂要素的潛力。但傳統問題化學習以教師預設問題為主，問題鏈的生成與演化較為靜態，難以適應復雜多變的學習情境，并且當AI大模型介人問題化教學時，如何平衡技術的普適性與教育場景的專屬性？若缺乏對問題鏈設計邏輯與智能體功能的垂直化適配，極易使課堂陷人“技術主導思維”的異化困境。因此，如何在多主體智慧協同的背景下，推動問題化教學的模式變革，成為連接愿景與實踐的核心命題。

在融智課堂中，問題化教學轉化為一系列基于“問式”的學習（Question-BasedLearning），這并非形式上的術語迭代，而是對教學過程認知邏輯的再構與升級。“問式”學習不再將問題作為導人情境的裝飾，而是將其還原為思維生成的原點、知識組織的主線與認知調控的內驅。通過“問式”系統嵌入學習全過程，將零散的知識點轉化為邏輯連貫的認知脈絡，教學從線性講授走向螺旋式追問，促使學生思維從被動響應走向主動構建與生成。基于這一轉化路徑，問題式融智課堂作為一種融合問題化學習邏輯與融智課堂生態的新型教學模式，進一步建構了以知識組織、思維路徑與智能協同為核心的結構體系。因此，本研究以問題式融智課堂為切入點，系統探討其在新質人才培養中的結構要素、框架及實踐路徑，力求構建起契合未來社會需求的新質教學模式，將技術賦能的“可能性”轉化為教育實踐的“可行性”，推動教育向更具深遠意義的智慧共生邁進。

二、融智課堂的內涵與內在機理

（一）融智課堂的內涵

教育中技術的角色嬗變與課堂生態的革新緊密相關。從早期教學機器的工具性輔助，到計算機輔助教學（CAI）推動的協作交互，再到AI大模型驅動的多模態感知與動態知識生成，技術已成為課堂生態創新的關鍵引擎。這一演進歷程揭示出技術介入教育的本質邏輯逐步從“優化知識傳遞效率”轉向“重構思維生成生態”，這也是課堂價值錨點的根本性轉變，即通過技術賦能的生態化改造，逐步轉型為知識生產與思維發展的共生場域。

在此背景下，融智課堂的內涵得以明晰。融智課堂引人AI大模型作為認知協同主體，突破工具性技術對教育的表層優化，以多主體協同為基底，以動態生成為路徑，構建了以“群智涌現”為特征的課堂生態。區別于傳統課堂的單主體自主學習模式，其更強調智能技術驅動的協同共創，在這一生態中，技術通過多模態感知與動態生成能力，將離散的知識節點編織為可擴展的認知圖譜；教學邏輯從預設的線性流程轉向自適應的非線性路徑，支持學生在真實問題中實現認知升維；師生關系從權威主導轉向協同共進，依托多向對話激發批判性反思與創造性重構，使課堂成為多主體智慧共振與生態適配的互動場域。過程中，教師引導探究方向、學生驅動學習進程、技術支撐認知拓展，共同推動教育從“標準化流程\"邁向“個性化創生”，為新質人才培養提供一種兼具理論深度與實踐張力的可行路徑[8]

（二）融智課堂的內在機理

融智課堂的內在運行邏輯根植于多主體協同的動態反饋系統，通過教師、學生與AI大模型的深度交互，構建起自適應的教育生態，如圖1所示。

教師作為課堂生態調控的核心樞紐，依托AI大模型的實時數據分析與智能診斷能力，能夠精準識別學生的認知盲點與思維停滯，并基于此動態調整教學策略；AI大模型通過語義理解、邏輯推演等，為教師提供跨學科關聯線索與分層問題設計支持，并及時響應學生的個性化需求，生成適配其認知水平的學習資源與路徑。在此過程中，教師與技術的智能協同突破了傳統教學的線性約束，形成“策略優化一資源適配”的閉環，使教學從預設流程轉向彈性化支架，顯著提升課堂的精準性與適應性。同時，學生的學習行為與認知需求成為驅動生態演進的關鍵變量。學生通過與AI大模型深度互動，不斷接收實時反饋并挑戰思維邊界，其個性化需求與創新成果通過交互數據反向觸發技術與教學的迭代優化。例如，當學生的探究路徑超出預設范圍時，AI大模型通過動態生成跨領域知識支持深化討論，教師則據此調整任務難度與開放性，形成“需求觸發一動態響應一協同進化”的鏈式反應。這一雙向反饋機制使教育生態始終圍繞新質人才培養目標動態演進，既避免了技術的機械堆砌，又防止了教學目標的靜態僵化，為培育具備復合思維、創新思維和技術思維的新質人才提供可持續的實踐路徑[9]

圖1融智課堂的內在機理

三、問題式融智課堂的結構要素

要讓融智課堂真正落地并賦能新質人才培養，關鍵在于構建清晰的實施路徑。問題式融智課堂以問題為驅動的深度學習模式為核心，通過自標、角色與過程的系統性整合，為新質教育提供可操作的實踐框架，如下頁圖2所示。

（一）目標要素：多維知識載體下的思維培育

問題式融智課堂的核心目標是通過課堂多主體的深度協同與動態交互，培養具備復合思維、創新思維和技術思維的新質人才。其以知識為載體，這既是學生探究與反思的顯性內容，也是學生認知深化與能力提升的依托。基于知識領域的分類，結合學習成果的預期效果，可將知識劃分為“是什么”“如何做”“為什么”三種類型的“問式”，即陳述性知識、程序性知識、價值性知識[10]其中，陳述性知識幫助學生識別和理解核心概念，是構建認知框架的基礎；程序性知識則強化學生在實際情境中的知識遷移能力，推動其思維深度的拓展；價值性知識促使學生通過對原則、價值觀的反思來整合認知與情感，促進思維的融合與提升。三類知識相輔相成，通過遞進式探究任務形成協同效應，推動教育目標從“知識習得”向“思維滲透”躍遷。在此過程中，知識作為學生直接接觸的顯性學習內容，為課堂任務提供了具體的操作素材與認知基礎；而思維則是隱性的過程，依托對知識的探索、整合與反思而逐步生成，助力學生實現邏輯建構、能力遷移與思維創生。問題式融智課堂通過自標要素的多維整合，支撐學生在復雜情境中實現認知重組與能力跨越。

圖2問題式融智課堂的結構框架

（二）角色要素：多元參與主體中的智慧生成

在問題式融智課堂中，角色要素明確了課堂的核心參與者—教師、學生與AI大模型。三者通過差異化定位與協同機制，共同推動課堂智慧生成與思維深化。

1.學生：探究驅動

學生從傳統課堂的被動接受者轉型為兼具主動探究者、思維共創者與自我調節者的多重角色復合體，成為實現深度學習、思維發展和知識生成的關鍵。作為主動探究者，學生要始終保持自主思考，主動承擔起問題驅動學習的責任，課堂問題的起點既可源于教師預設的開放性任務，亦可由學生通過批判性審視學習內容與知識局限，自主發現認知沖突并提出。在此基礎上，學生還要將原初性問題不斷精煉與結構化，參與“問式鏈條”的共建過程，以實現問題的層次分解與認知拓展。其關鍵在于激發深層次的認知動機與探究意愿，讓學生以自我主導的學習路徑推動認知的深度拓展。作為思維共創者，學生通過與教師、同伴以及AI大模型的互動，整合多元視角以完善問題解決方案，知識建構從個體思維的線性延伸轉向集體智慧的動態涌現，促使學生在協作拓展中形成系統性認知框架。自我調節者的角色要求學生通過反思與調整持續優化自身的學習策略和思維模式，識別認知偏差并做出及時修正。在此過程中，教師與AI大模型會輔助學生識別認知盲點和突破思維瓶頸，但學生需主動承擔元認知監控的責任，自主修正認知偏差，避免過度依賴外部干預。

2.教師：啟發引領

教師角色從知識權威轉向兼具認知引導、思路校準、情感支持與技術適配等功能的生態協調者，其不再是單一的知識源，而是激活和引導學生思維過程的關鍵力量。作為認知挑戰者，教師應當通過設計富有挑戰性的問題和情境，打破學生的認知局限，促使他們超越表面的知識接收邁向更深層的理解和思考，構建起更加立體、廣泛和深刻的知識結構；作為思路校準者，教師要通過結構化的提問和引導，幫助學生在復雜的任務探究中理清思維路徑的脈絡，識別和克服認知中的偏差，并提供適時的支持與反饋，確保學習進程的高效進行；作為情感支持者，教師通過敏銳的情感識別和積極的情緒疏導，營造開放包容的課堂生態，以語言、語氣、面部表情、肢體動作等多維交互來傳遞情感支持；在多主體協同交互的問題式融智課堂中，教師還承擔著協作推動者的樞紐型角色，積極推動多主體協作，使課堂成為一個多元對話和思維碰撞的場所，促進集體智慧的有機涌現。在技術深度嵌入的課堂中，教師角色進一步延伸為垂域智能體設計的協調者，需適當參與垂域智能體的設計、調度與優化，將自身的教學經驗轉化為技術約束條件（如嵌人學科思維模型、設定倫理規則），確保智能體的功能輸出精準契合教學目標，確保技術賦能始終服務于思維生成的教育本質。

3AI大模型：協同賦能

AI大模型作為問題式融智課堂中至關重要的智能協作主體，其角色涵蓋引導性、支持性與反饋性三類維度。在引導性維度中，AI大模型承擔啟發性引導者、思維激發者和邏輯梳理者的角色。通過生成富有挑戰性和啟發性的問題，幫助學生突破思維定式，激發其深層次思考與自主探索，并通過多角度的視野拓展，使學生能夠以更加全面的方式審視問題。此外，還能協助學生梳理知識框架與邏輯結構，幫助其在復雜問題中厘清層次關系與內在邏輯。支持性維度表現為知識生成者、路徑設計師、任務協調者與問題探索伙伴的協同作用，AI大模型能夠提供豐富的學習資源和跨領域的知識背景，引導學生構建學科交叉的認知框架；還能基于認知診斷動態調整學習路徑，實現內容難度與思維負荷的精準適配。在協作任務中，AI大模型還承擔著任務分配與協調的責任，幫助學生合理分配學習任務，確保多主體協同效能最大化；在問題探索中，通過模擬實驗設計與開放性探索任務，支持學生在假設驗證循環中完成實踐性知識建構。在反饋性維度中，AI大模型承擔反思引導者、認知修正者、情境調節者等多重角色。通過對學生的問題設計、學習軌跡、解題策略等的精準分析，提出具有挑戰性和引導性的反思性問題，促使學生對認知模型與思維路徑進行系統性復盤，還能基于認知診斷模型識別邏輯斷層、概念偏誤與思維定式，并實施伴隨性干預以修正認知偏差；

作為學生持續交流的伙伴，AI大模型能夠通過情感計算與認知負荷監測，動態調節任務復雜度和交互方式，確保學生在學習中始終保持積極參與和最佳的學習狀態。三類角色協同使AI大模型超越工具屬性，成為促進學生“問題提出一協作探究一反思迭代”認知循環的關鍵支撐。

（三）過程要素：逐層遞進鏈條中的思維拓深

過程要素通過一系列明確的教學環節，引導學生實現從知識理解到思維生成的漸進發展。這不僅是探究路徑的精心設計，更是對角色要素與目標要素的系統整合，其本質在于將遞進式問題鏈作為認知發展的核心引擎。問題鏈作為思維建構的重要支架，以結構化、遞進性的提問貫穿問題化教學全過程[11]。無論是本杰明提出的PBL八階段[12]，還是巴羅斯的五階段[13]，抑或希爾文的七步模型[14]，均揭示了一個共同規律：環環相扣的問題設計，能夠引導學生在問題分析、信息整合、假設驗證與反思改進中完成思維躍遷。這些經典框架不僅驗證了問題鏈作為認知驅動力的關鍵價值，更為問題式融智課堂的系統設計提供了理論基礎。

然而，傳統問題鏈的構建長期依賴教師單一主體，其預設性、靜態化的特征導致問題鏈的生成與演化受限。當面臨復雜多變的認知需求時，如何從真實問題中提煉核心認知目標，并轉化為可推進、可操作的“問式”鏈條，成為實現深度學習的關鍵。這一過程不僅是理念的重構，更是教學邏輯的重組，尤其需要教師與學生在真實任務中協同拆解問題，逐步建構遞進式認知路徑。教師需設計具備驅動性的問題情境，引導學生識別核心沖突并逐層聚焦；學生則需在探究與互動中不斷生成問題、提出假設，并對問題邏輯進行反思與重組。在這一過程中，AI大模型的引人不僅為問題鏈的動態生成提供技術支撐，也為協同中的認知反饋與路徑優化提供關鍵保障。但需警惕，通用AI大模型因其功能泛化性，若直接嵌入教學場景可能產生目標偏移風險，過度依賴模型的自動化生成可能削弱教師的教學主導權，甚至因算法黑箱特性阻礙學生顯性化思維過程，致使課堂生態失衡。基于此，有研究者提出構建基于問題式融智課堂場景的垂域智能體[15]，以實現技術能力與教育規律的深度耦合。垂域智能體不僅繼承了傳統智能體的任務導向性和功能專一性，還通過嵌入學科思維模型與認知發展規律，形成具有教學情境感知能力的專業系統[16]

在傳統\"5何\"（由何、是何、為何、如何、若何）模型的基礎上，問題式融智課堂進一步拓展提出“7何”模型，打破了知識線性進階的教學邏輯，以更靈活的框架將學習路徑設計為一種開放的、動態的認知流動系統，讓知識成為思維生成的操作對象，思維發展突破學科邊界，在問題探究中實現跨領域遷移，這種共生關系通過垂域智能體的多角色協作得以強化。值得注意的是，模型框架本身具有開放性，任何以問題為線索、能夠引導學生深入思考的問題鏈模型均可融入，關鍵在于垂域智能體通過動態角色配置，精準契合教學目標與課堂情境，賦予問題式融智課堂更強的適應性與廣泛的場景應用價值，為課堂的高效運行提供關鍵支持。為更清晰地呈現“7何\"模型的教學邏輯與實施路徑，表1概括了其核心要素，包括問題類型（問式）、核心目標、關鍵任務以及AI大模型在每個環節的智能支持，并結合具體教學案例，展現模型的實際應用價值。

表1“7何”問題鏈模型

續表1

“7何”問題鏈以層層遞進的問式設計引導學習者深化認知，建構系統化的思維路徑。為進一步優化問題鏈的推理透明度與動態適配性，充分展現問題求解的多維路徑和動態生成過程，基于大模型的思維鏈應運而生。大模型思維鏈依托智能推理與知識整合，使問題鏈的生成與調整更具靈活性，不僅能夠優化問題鏈的層次結構和推理路徑，還能增強知識整合能力，使學習者對問題求解的邏輯關系有更加清晰的理解。二者結合，使問題鏈的推理深度得到拓展，動態生成能力進一步增強，同時借助大模型的智能推理優化學習者的認知路徑，使思維過程更加顯性化、系統化。下頁表2對比了“7何”問題鏈與大模型思維鏈在核心維度上的關聯性，以進一步揭示二者在教學實踐中的協同作用。

四、問題式融智課堂的實踐展望

確保問題式融智課堂深度落地、生根發芽、綻放實踐活力，是其從理念邁向現實的必經之路，亦是確保這一模式在實踐中切實可行、行之有效的關鍵所在。

（一）賦能關鍵角色：能力本位驅動與技術領域智能化

問題式融智課堂的有效運行依賴于教師、學生與AI大模型在能力層面的深度協同與精準發力。教師需實現雙重角色升級，既是知識建構的引導者，又是課堂生態的調節者。在問題鏈設計方面，可圍繞學科核心議題逐層遞進設問，如在歷史課堂中，從“工業革命的背景\"到“社會結構的變化”，再到“對現代社會的影響”，逐步引導學生深化認知。認知腳手架的搭建則可結合可視化工具（如思維導圖）、合作學習（如小組討論）等方式，幫助學生構建邏輯框架并促進深度思考。此外，教師應積極運用數字技術，精準診斷學情，優化教學策略，提升課堂的適應性與互動性，特別是在“問式”建構過程中，形成面向理解支持與認知引導的能力復合體。學生作為課堂的認知主體，需要具備主動探究與創新思維的能力，并在技術支持下突破線性思維，逐步發展將真實問題結構化表達為“問式”鏈條的能力，提升問題意識、邏輯組織與思維表達的系統性，實現真正意義上的人機協同增智[17]。在這一過程中，師生應協同識別真實問題、拆解關鍵要素，并在交互中逐步共建結構化問題鏈，推動認知路徑的持續深化與動態優化。而AI大模型作為問題式融智課堂的核心引擎，專業化定制與場景化優化是其發揮價值的關鍵路徑。因此，不僅要強化語義理解與動態推理能力，精準支持認知過程，為教師提供實時輔助，為學生提供多維知識推演與問題引導，還要突破學科知識表征與教學邏輯耦合的技術瓶頸，推動學科交叉與教育要素的有機集成，形成更加貼合實際需求、符合認知發展規律的智能感知與干預能力。

表2“7何”問題鏈與大模型思維鏈的關聯分析

（二）拓展應用場景：多作用場遷移嵌入下的活力激發

隨著教育改革的持續推進，培養學生在真實情境中綜合運用知識解決復雜問題的能力，已成為教學創新的重要方向。教育部在《教育部辦公廳關于推薦義務教育教學改革實驗區和實驗校的通知》中明確提出，要積極探索基于情境和問題導向的教學方法；2022年新頒布的《義務教育課程方案和課程標準（2022年版）》更進一步強調，要以真實情境為依托，培養學生綜合運用知識的能力；這些政策文件為問題式融智課堂的落地提供了契機。為充分釋放問題式融智課堂的應用價值，可將其融人當下倡導的跨學科、大單元和項目化學習等新課改模式中，這些模式常以大問題和問題鏈為核心內容，與問題式融智課堂的理念高度契合。例如，在跨學科主題學習中，圍繞“氣候變化”主題，結合地理、化學、經濟等學科，通過“7何\"問題鏈引導學生分析成因、技術方案及社會影響；在大單元教學中，可基于“能源與環境”單元，設計遞進式問題鏈，引導學生在真實情境中遷移應用知識，以培養綜合思維能力。問題式融智課堂的“問題鏈拓展 + 智能體支撐”模式能夠為學生提供清晰的思維推進路徑，幫助其在復雜情境中逐步厘清問題，實現知識與能力的雙向建構。作為一種高度兼容的教學模式，問題式融智課堂不僅契合新課改的需求，還能成為各類創新教學模式的內嵌思維工具，顯著提升學生在知識遷移和解決問題中的效率與深度。通過在新課改倡導的多樣化學習場景中逐步應用，問題式融智課堂的核心價值將得到進一步激發，成為新課改實踐中的重要助推器。

（三）規避倫理風險：審慎對待技術運用中的教育異化

問題式融智課堂中，工具理性與價值理性共同構筑了技術賦能教育的內在邏輯[18]。前者聚焦“如何做”，以智能技術提升課堂效率與思維深度；后者則追問“為何做”，強調教育的倫理責任與育人使命。但隨著技術的深度介入，教育生態潛藏著因技術邊界模糊而產生的多重隱憂。課堂中技術的過度賦權可能侵占教師的主體地位，使其從課堂引領者退化為技術執行者，削弱了教師在情感關懷、價值引導等方面不可替代的作用。同時，技術的高度智能化使得學生極易滑入“高技術參與、低思維投入”的陷阱，逐漸喪失批判思考和自主探究的能力，甚至完全依賴技術。更為嚴峻的是，技術在數據隱私保護、算法公平性以及教育資源分配方面的潛在問題很可能加劇教育的不平等，導致教育目標的異化。為應對技術濫用的潛在風險，師生須具備清醒的主體意識和專家思維，在技術應用中應始終秉持價值引領的責任擔當，強化對AI生成內容的科學審視與事實核查，警惕“技術幻覺”導致的盲信與過度依賴，明確課堂的主導力量始終應該是自身的專業判斷和道德標準，避免將技術作為完成任務的快捷工具，而應通過技術促進思維的延展與深化，從而真正成為人機協同中的主動主體[19]。同時，技術治理體系的構建也至關重要，通過設定明確的技術規范、加強數據隱私保護、優化算法的公平性與透明性，可有效防范技術帶來的倫理滑坡問題，構建健康有序的教育生態[20]。技術引入絕非為了追求單純的效率提升，而是為教育注人新活力，釋放教育真正的潛能，這種技術理性與價值理性雙向融通的課堂生態，才是問題式融智課堂的理想圖景[21]

（四）回歸育人本真：促進主體角色認同下的智慧共生

技術的深度滲透讓教育進入了高效與智能并存的時代，但也帶來了課堂主體邊界模糊的隱憂。當技術的強大算力逐漸侵占課堂，教師的專業價值被壓縮，學生的獨立性被弱化，教育的本質風險被稀釋，教育極易淪為冷冰冰的程序化操作[22]。回歸育人本真，需重新審視教師、學生與技術的角色定位，在智慧共生的課堂中厘清角色邊界，確保師生互動與AI支持的動態平衡。教師作為課堂的核心樞紐，其價值除了知識傳遞，更在于情感關懷與智慧激發。技術可以在信息處理和思維可視化上提供支持，但教師的情感共鳴和人性關懷的力量是其永遠無法企及的。教師需要超越技術的邊界，通過敏銳的洞察與專業的判斷，為學生搭建情感的橋梁和思維的支點，以人性賦予知識以意義，這是課堂中不可讓渡的關鍵力量。作為智慧生成的核心驅動者，學生在問題式融智課堂中的獨立與主動不是可選項，而是決定學習深度的關鍵所在。真正的思維成長，源于學生對問題的批判性追問與對路徑的主動性選擇，而非技術簡單提供的現成答案，必須警惕將技術視為完成任務的捷徑。當學生能夠跳出技術框架，在多維的探索中結合技術反饋批判性地自我反思，并重構問題解決的邏輯路徑，真正的智慧才得以生成，唯有主動將技術轉化為服務思維的工具，學生才能完成從知識消費者到智慧創造者的躍遷。AI的邊界需限定在認知增強范疇，而非代替人的思考與決策，任何忽視主體角色的技術濫用，都可能導致課堂生態的失衡。智慧共生的課堂需要科學厘清角色邊界，教師通過情感與專業為課堂注人靈魂，學生以主動探索為課堂注入活力，技術以高效賦能為課堂注人可能性，三者協同共振，課堂生態才能真正達到平衡與和諧。

五、結語

數智時代的技術躍遷為教育生態重構提供了全新契機，問題式融智課堂作為人機協同的智慧場域，揭示了多主體智慧共振下課堂生態的躍遷邏輯：AI大模型的認知拓展能力為思維生成提供了技術支點，教師的教學智慧與學生的主動性則共同構筑了課堂的活力內核。未來研究還需進一步聚焦垂域智能體的場景適配性優化、多模態交互的倫理邊界厘清以及師生主體性與技術輔助性的動態平衡等，以推動技術理性與價值理性的深度耦合。教育作為“人”的塑造工程，本質在于思維激活與價值引領，問題式融智課堂的實踐意義不僅在于為新質人才培養提供可行方案，更在于為數智時代的教育變革指明了一條“以智啟智、以思促思”的共生路徑一唯有堅守育人本真，技術方能真正成為思維躍遷的重要推手。

參考文獻：

[1]Luckin R.Machine learning and humanintelligence：The future of education forthe 21st century[M].London：UCL Institute of Education Press，2018.

[2]祝智庭，戴嶺等.新質人才培養：數智時代教育的新使命[J].電化教育研究，2024，45（1）：52-60.

[3]岳偉，閆領楠.智能時代學生主體性的異化風險及其規避[J].中國電化教育，2023，（2）：90-97.

[4]郭文良，戴念秋.技術賦能基礎教育高質量發展的價值意蘊、限度審視與優化路徑[J].西南大學學報（社會科學版），2024，50（5）：194-203.

[5]王輝.數智技術作用下師生關系“脫域\"與\"在場\"治理優化[J].教學與管理，2025，（6）：64-69.

[6]SaveryJR，Duffy TM.Problem-based learning：Aninstructional model and itsconstructivist framework[J].Educational Technology，1995，35（5）：31-38.

[7]Hmelo-SilverCE.Problem-based learming：What and how do students learn？[J].Educational PsychologyReview，2004，16（3）：235-266.

[8]祝智庭，戴嶺.融合創新：數智技術賦能高等教育的新質發展[J].開放教育研究，2024，30（3）：4-14.

[9]祝智庭，趙曉偉等.融智課堂;融入AI大模型的創新課堂形態[J].電化教育研究，2024，（12）：5-12+36.

[10]盛群力，崔昕.知識領域分類再探討及其教學應用價值[J].現代遠程教育研究，2022，34（5）：10-19.

[11]BarrowsH S.A taxonomy of problem-based learning methods[J].MedicalEducation，1986，20（6） ：481-486.

[12]Benjamin C，Keenan C.Implications of introducing problem-based learning ina traditionally taught course[J].Engineering Education，2006，1（1） ：2-7.

[13]BarrowsHS，Myers A C.Problem-based learning in secondary schools[R].Springfield：Problem-BasedLearning Institute，Lanphier High School andSouthern Illinois UniversityMedical School，1993.

[14]Hmelo-Silver C E.Problem-based learming：What and how do students leam？[J].Educational Psychology Review，2004，16（3）：235-266.

[15]吳永和，姜元昊等.大語言模型支持的多智能體：技術路徑、教育應用與未來展望[J].開放教育研究，2024，30（5）：63-75.

[16]劉明，楊閩等.教育大模型智能體的開發、應用現狀與未來展望[J].現代教育技術，2024，34（11）：5-14.

[17]郝祥軍，張天琦等.智能時代的人機協同學習：形態、本質與發展[J].中國電化教育，2023，（10）：26-35.

[18]郭紫怡.論人工智能賦能教育的價值理性與工具理性[J].教育理論與實踐，2024，44（31） ：24-29.

[19]Selwyn N.Should robots replace teachers？AI and the future of education[M].Cambridge：Polity Press，2019.

[20]FloridiL.The ethics of information[M].Oxford：Oxford University Press，2013.

[21]閆寒冰，陳怡.數據智慧生成的實踐路徑;設計、管理與治理[J].現代遠距

離教育，2023，（2）：53-60.[22]孫田琳子，金約楠等.跨學科視域下人工智能倫理教育重構：知識觀、學生觀與教學觀[J].中國電化教育，2024，（4）：45-51.

作者簡介：

祝智庭：終身教授，博士生導師，研究方向為教育信息化系統架構與技術標準、智慧教育與教育人工智能。

陳怡：在讀博士，研究方向為教師專業發展、教師培訓設計。

朱曉悅：在讀博士，研究方向為信息化教學設計、培訓專業化。

閆寒冰：教授，博士生導師，研究方向為數智環境下的教學設計、教育數字化治理、教師培訓設計與管理。

Question-Based Convergent Intelligence Classroom： Construction and Practical Prospects of a New Quality Teaching Model

Zhu Zhiting1， Chen δY_i² ， Zhu Xiaoyue2，Yan Hanbing

1.School of Open Learning and Education， East China Normal University， Shanghai

artmentof Educational Information Technology，East China Normal University，Shanghai

Abstract：Thisofeneraiveartificalintellgeeasdiventhetrasfomationoftducatioaleosystmtowadaedigf uma-machsiasofrialsiinigsilciiuto tistudyintegatestoreticalfouatiosoQuestiobedlagdeovergtIellgeCootoeQutio BasedCnvegentItellgeerosativedelstablisdiesioalcuralfrmokel synchronizesowedeasiatioihgivepeerationrivingapaaigshiffroowedgetasmsiontgtiatio Theroledimensioncarifiesthrespetivefunctionsofteachers，students，andAILargeLanguageModels，everagingulti-agentyaic interactiontostmulateleieinteligeceergeprossmesionevosaondtsevenquestioprblaiodel designingaproessvegitiatitrodgtsubespeiicdtatoaofmortitelittst balaneeitofooiofcatiActeveisypoospleeatior keyareas：mpoykxpadngatioeaosaicalssdaligngieoai ensuringtatistalitsosdoaltsachstoilatesaofoo statickowedgtstaciieoatiacovioicaleesdptaisitsfotig qualitytalentstetdiait Keywordsquesetitello;Ldelsietao

收稿日期：2025年3月17日責任編輯：宋靈青