生成式人工智能賦能中小學項目式學習

在數(shù)字化轉(zhuǎn)型浪潮的驅(qū)動下，教育領域正經(jīng)歷著人工智能與教學實踐深度融合的加速變革。這一變革不僅關乎技術工具的迭代升級，更深刻地觸及教育生態(tài)系統(tǒng)的創(chuàng)新轉(zhuǎn)型。生成式人工智能（GenerativeArtificial Intelligence，GenAI）憑借語義理解能力、動態(tài)生成特性與自適應交互功能，正在突破傳統(tǒng)知識傳遞的時空限制，為教育場景帶來了從單向知識灌輸向雙向知識建構(gòu)轉(zhuǎn)變的可能，為教學范式的結(jié)構(gòu)性重塑提供了堅實的底層支撐。

在此背景下，項目式學習（Project-BasedLearning，PBL）因其培養(yǎng)學生高階思維能力的獨特價值，與GenAI的技術優(yōu)勢形成了功能互補。PBL在應對復雜問題場景時，常面臨即時反饋不足和開放性資源供給匱乏的挑戰(zhàn)。GenAI則能通過智能情境構(gòu)建、動態(tài)認知支架搭建及實時錯誤診斷等機制，有效彌補傳統(tǒng)教學資源在靈活性方面的不足。兩者的深度融合，在知識傳授與能力培養(yǎng)之間找到平衡提供了新的途徑。

盡管GenAI在教育領域的應用前景廣闊，目前針對如何具體賦能中小學PBL的研究仍顯薄弱。本文旨在通過厘清GenAI賦能PBL的特征，分析中小學PBL面臨的現(xiàn)實困境，在PBL設計、實施和評價階段提出實踐策略，以期為中小學教育教學創(chuàng)新提供更多思路。

一、GenAI賦能PBL的特征

GenAI在教育領域展現(xiàn)出獨特的教育特性和應用優(yōu)勢。這些特性不僅彰顯了技術的先進性，更在深層次上契合了教育的本質(zhì)需求。

一是智能化和自動化。GenAI具備強大的自然語言處理和機器學習能力，能夠自動生成教學內(nèi)容、學習路徑和評估反饋等。這一特性降低了教師的工作壓力，使他們能夠投人更多時間關注學生的個體差異及學習需求。同時，智能化的教學內(nèi)容生成確保了教學資源的豐富性與時效性。

二是個性化和定制化。GenAI能夠根據(jù)學生的學習需求和興趣進行個性化的學習方案設計。基于對學生學習數(shù)據(jù)及行為特征的深度剖析，GenAI能精準判定學生的知識掌握程度、學習風格偏好及潛在發(fā)展空間，動態(tài)構(gòu)建適配學生個性化需求的學習方案，智能推送學習資源，從而為實現(xiàn)個性化、定制化的教育提供技術支撐。

三是交互性和實時性。GenAI可與學生進行實時交互并提供反饋，這種互動模式突破了傳統(tǒng)教學在時間與空間上的局限，使學習更加高效且靈活。與此同時，實時反饋機制使學生能即時掌握自身學習進展和成果、優(yōu)化學習策略、保持學習動力的持續(xù)性。這種交互性和實時性的學習方式增強了學生的學習參與感和歸屬感，有助于培養(yǎng)他們的協(xié)作精神和溝通能力。

二、當下中小學PBL面臨的現(xiàn)實困境

GenAI給PBL帶來一系列巔覆性的變革，比如任務設計智能化、學習資源多元化、過程反饋精確化等等。然而，PBL在實施中面臨著一些困境，主要集中在設計階段、實施階段和評價階段。

（一）PBL設計階段的復雜性與挑戰(zhàn)性

PBL的成功在很大程度上取決于項目設計的優(yōu)劣。然而，在實際操作中，PBL的設計往往成為第一大的難題。教師需要構(gòu)思出一個既符合學科要求、又能激發(fā)學生興趣、匹配資源配備和學生認知水平等多個因素的項目，這無疑是一項艱巨的任務。PBL強調(diào)多維目標導向，其核心價值不僅在于促進學科知識的深度內(nèi)化，更注重系統(tǒng)性地培育學習者的高階思維能力[1]。這就要求設計者在構(gòu)思項目時，考慮如何將多元要素融合，形成一個既具有教育意義又能激發(fā)學生興趣的項目。PBL往往圍繞真實世界的問題或情境展開，這就要求設計者具備跨學科的知識視野和整合能力。然而，教師常因跨學科知識儲備不足而難以高效整合資源，這無疑增加了項自設計的復雜性和挑戰(zhàn)性。

（二）PBL實施階段的難度與不確定性

PBL實施階段的難度首先體現(xiàn)在資源調(diào)配與整合上。PBL強調(diào)打破學科壁壘，構(gòu)建跨學科知識體系，這就要求學校或教育機構(gòu)必須具備相應的硬件設施、軟件資源以及專業(yè)師資力量。但是，在現(xiàn)實中，這些資源的獲取和整合并非一件易事。另外，由于在PBL的實施過程中會不可避免地遇到各種預料之外的情況和挑戰(zhàn)，教師必須具備高度的應變能力、敏銳的風險意識和創(chuàng)新的解決方案，才能迅速調(diào)整項目策略，有效應對外部環(huán)境變化、學生個體差異等不確定因素，最終達到預期的教育目標。然而，現(xiàn)實中一些教師由于缺乏相關的培訓和實踐經(jīng)驗，難以達到這些能力要求。

（三）PBL評價階段的模糊性與不完善

評價在PBL中占據(jù)著舉足輕重的地位，它不僅是衡量學生學習成果的關鍵環(huán)節(jié)，也是改進教學方法、提升教育質(zhì)量的重要依據(jù)[2。PBL通常跨越多個學科領域，學生的學習成果因此呈現(xiàn)出多樣化的特點。但是，當前的教育實踐缺乏一套統(tǒng)一、明確的評價標準來衡量這些多樣化的學習成果。不同教師、不同學校甚至不同地區(qū)之間，對PBL的評價標準存在顯著差異，導致評價結(jié)果的公正性受到質(zhì)疑。這種模糊性使得教師難以準確把握評價的重點和方向，也使學生在學習過程中缺乏明確的指引和目標。傳統(tǒng)的評價方式往往側(cè)重于結(jié)果性評價，即主要關注學生的最終學習成果。然而，PBL中學生的學習過程和實踐成果同樣重要，甚至在某些情況下，過程比成果更能反映學生的學習能力和發(fā)展?jié)摿ΑＤ壳埃S多教師在PBL的評價過程中，仍然側(cè)重對最終成果的評估。

三、GenAI賦能PBL的實踐策略

作為新興技術，GenAI在教育領域，尤其在PBL中顯示出巨大的潛力。在PBL的設計階段，它作為指導者，為教師提供項目設計方案；在PBL的實施階段，它作為支持者，能實時分析學生行為數(shù)據(jù)，推送個性化指導策略；在PBL的評價階段，它作為評估者，能建構(gòu)量化評估模型，實現(xiàn)“過程一結(jié)果”反饋，從而共同助力解決PBL的核心痛點問題。

（一）GenAI作為PBL指導者，助力項目設計

設計是高質(zhì)量PBL的邏輯起點和實踐保障。成功的設計不僅考慮到學科知識與現(xiàn)實生活的連接，還考慮到學生的學習需求和興趣所在[3]。與搜索引擎呈現(xiàn)的豐富教學資源不同，GenAI可以直接提供必要的前置信息，構(gòu)建起“問題驅(qū)動一學科融合一能力進階一迭代優(yōu)化”的系統(tǒng)設計框架。

在問題驅(qū)動維度，GenAI將教師輸人的碎片化需求轉(zhuǎn)化為層次化問題網(wǎng)絡，生成PBL的專家觀點、教育理念、設計準則、組織方法及實施建議，據(jù)此構(gòu)建高質(zhì)量的核心問題驅(qū)動鏈。這一過程揭示PBL的驅(qū)動性問題與本質(zhì)問題、概念性知識以及課程標準之間的多維度關聯(lián)，有效彌補教師知識領域中的漏洞，突破了在傳統(tǒng)教學設計中對教師個體經(jīng)驗的過度依賴。GenAI以算法邏輯保障PBL設計的內(nèi)在關聯(lián)性，從零散活動的拼湊轉(zhuǎn)向認知邏輯自洽的體系。

在學科融合維度，GenAI打破了學科間的邊界，滲透學生對不同學科領域的知識需求，構(gòu)建PBL跨學科學習機制。這主要體現(xiàn)為橫向滲透和縱向整合。橫向滲透，即識別不同學科的共通概念，找到交疊區(qū)域。例如，在“四季農(nóng)耕”項目中，GenAI將科學中“植物生長條件”與數(shù)學中“數(shù)據(jù)記錄與分析”的知識整合，讓學生在測量植物高度并繪制生長曲線的過程中，了解不同學科關于植物生長的相通知識。縱向整合，即優(yōu)化多學科知識的權(quán)重，GenAI通過優(yōu)化權(quán)重，構(gòu)建有機的知識生態(tài)系統(tǒng)，使知識既具備相應的專業(yè)深度，又能形成協(xié)同效應，確保PBL與學生最近發(fā)展區(qū)的適配。

在能力進階維度，GenAI通過模擬學生的認知發(fā)展過程，以趣味性、真實性、探究性的設計，實現(xiàn)能力進階。GenAI通過設計挑戰(zhàn)層級，將素養(yǎng)訓練轉(zhuǎn)化為具體的任務要素。例如，在初級階段直接提供問題、中級階段引入多種解決方案的對比、高級階段讓學生重新探索全新解法。在此過程中，學生潛移默化地鍛煉了思維能力，實現(xiàn)“做中學”理念在智能時代的新發(fā)展。

在迭代優(yōu)化維度，GenAI可以實時分析教師的PBL設計方案，并自動記錄修改后的方案，為方案的演變提供完整追蹤記錄。通過對比不同版本的數(shù)據(jù)指標，如參與度、學習成效等，GenAI幫助教師評估修改后方案的實際效果，以數(shù)據(jù)驅(qū)動優(yōu)化，完成高效的PBL設計迭代。

（二）GenAI作為PBL支持者，推進項目實施

在實施階段，GenAI的自動化管理功能為PBL的順利進行注入強大動力。具體而言，GenAI在智能化的溝通協(xié)作上展現(xiàn)出強天的能力。GenAI能監(jiān)控學生之間的互動情況。教師也可以利用較成熟的課堂切片法，依據(jù)實時數(shù)據(jù)動態(tài)調(diào)整教學策略[4]。利用翻轉(zhuǎn)課堂、遠程教育以及結(jié)合虛擬現(xiàn)實和增強現(xiàn)實技術的情景模擬等數(shù)字化教學模式，拓寬PBL的廣度和深度。例如，GenAI通過收集并分析學生課前的自主學習數(shù)據(jù)，助力教師發(fā)現(xiàn)學生興趣點和難點，為視覺型學生推薦視頻案例，為實踐型學生推送實驗工具指南。同時，教師可利用智能化工具，敏銳地抓住關鍵教育時機，減少傳授，增加溝通，避免因教學內(nèi)容與學生需求脫節(jié)而浪費時間。此外，教師應主動觀摩、思考與應用，逐步形成獨具特色的數(shù)智化教學范式[5]。

（三）GenAI作為PBL評估者，優(yōu)化項目評價

GenAI以其獨有的優(yōu)勢成為優(yōu)化評價機制的重要工具。作為評估者，GenAI憑借其強大的數(shù)據(jù)處理和分析能力，為PBL提供精準化的評價支持。GenAI實時收集學生數(shù)據(jù)，經(jīng)過深度分析，客觀反映學生的學習狀態(tài)和學習成效。通過對比預設的學習目標和評價標準，GenAI產(chǎn)出詳細的評估報告，指出學生存在的問題，為教師提供有針對性的教學建議。

就評價方式的創(chuàng)新而言，GenAI成功地結(jié)合了結(jié)果性評價、過程性評價和表現(xiàn)性評價，可設計在線自我反思、電子檔案袋、完善迭代產(chǎn)品等多樣化評價工具，開展智能化分析。同時，GenAI可根據(jù)學生的學習數(shù)據(jù)和認知水平，智能調(diào)整評估梯度和評價指標[。例如，對于學習進度較慢的學生，GenAI可適當降低評價標準，設置階梯式任務完成度指標；對于學習進度較快的學生，GenAI可鼓勵他們進行更深人的探索。這種個性化的評估方式，能有效提升PBL整體效果。

就評價內(nèi)容的深化而言，傳統(tǒng)PBL評價多集中在成果產(chǎn)出階段，隨著數(shù)字化的浪潮席卷，評價更強調(diào)思維品質(zhì)的提升。回歸“培養(yǎng)人”的教育本源引發(fā)了知識觀、價值觀的重塑，當前教育開始側(cè)重批判性思維、創(chuàng)新能力、實踐素養(yǎng)、知識遷移能力以及解決復雜問題的能力，這些也是未來智能時代的重要競爭力。GenAI可動態(tài)獲取學生學習過程的多模態(tài)數(shù)據(jù)，全方位勾勒學生畫像，并基于大語言模型生成開放性反思問題。例如，提問“你的設計方案如何體現(xiàn)可持續(xù)發(fā)展理念”可以幫助教師識別學生的高階思維發(fā)展水平。

四、GenAI賦能PBL的實踐路徑

（一）設計階段：智能引擎驅(qū)動的項目孵化

在設計階段，GenAI以強天的智能化輔助能力和海量的教育數(shù)據(jù)，為PBL設計提供創(chuàng)新思路。

以“設計低碳校園”項目為例，作為學生學習與成長的重要場所，校園既是生態(tài)文明教育的重要陣地，也是推廣綠色低碳生活方式的理想空間。因此，如何在校園中創(chuàng)造綠色生態(tài)空間成為

1.現(xiàn)象感知層

值得探討的話題，也是本項目的重點關注方向。但設計低碳校園，教師須具備能源計算、建筑設計、行為心理等多方面的知識，傳統(tǒng)備課工具僅能提供碎片化的信息，教師長時間局限于單一學科視野，難以高效形成項目設計思路。而通過詢問GenAI，教師自動獲得了跨學科問題鏈，在現(xiàn)象感知、行動探索、創(chuàng)意傳播三個維度逐層遞進，促進項目任務的可實踐性，其用語和活動都符合基礎教育階段學生的認知范疇（如圖1）。

學生也可通過GenAI快速了解“低碳校園”涉及的技術與理念，并快速獲取低碳校園案例、全球碳排放數(shù)據(jù)、相關政策文件等，在關鍵信息的提煉中，資料收集的效率得到大幅提升。在智能化支持下，學生在碳排放現(xiàn)狀感知、節(jié)能方案探索、低碳思路宣傳等方面實現(xiàn)深度思考，獲得從抽象概念躍升至具體體驗的思維體驗。

（二）實踐階段：智慧學習場域的構(gòu)建

PBL的實施可解構(gòu)為項目啟動、規(guī)劃、推進、調(diào)控及評估五個遞進階段[7]。GenAI可在PBL實施過程中，為教師和學生提供適時幫助。

在項目初始階段，教師依據(jù)各問題鏈，將學生分為碳跡偵察組、節(jié)能創(chuàng)想組和綠意傳播組，從發(fā)現(xiàn)問題，到解決問題，再到宣傳影響，形成一條完整的思維路徑。各組并不是獨立的，每天都會召開“低碳校園聯(lián)席會議”，共同形成《低碳校園行動計劃手冊》。但學生是具有思想的獨立個體，教師在分隊時需將具有不同專長的學生組成團隊。通過分析學生的興趣問卷、技能測試或歷史學習記錄等資料，GenAI自動識別各學生的專長領域，為教師提供個性化分組建議，確保團隊的技能互補[8]。

以節(jié)能暢享組為例，教師需向該小組明確任務要求，即在明確校園不同區(qū)域用電情況的基礎上，識別潛在的節(jié)能機會，最終根據(jù)本校特點設計“低碳校園方案”。基于教師設定的核心問題，GenAI為小組成員提供腳手架支持，生成多樣化的子問題，幫助學生明確項目的方向與邊界。根據(jù)智能化助手的引導，成員們初步完成方案，但仍存在不足之處。例如，學生提出“鋪設太陽能光伏系統(tǒng)”的環(huán)保方案，并未考慮到成本因素，而教師難以及時發(fā)現(xiàn)該問題。此時GenAI可通過接人釘釘課堂等協(xié)作平臺，獲取學生討論的“太陽能”“預算”等關鍵詞，觸發(fā)實時風險提示、補充成本分析模板，以判斷當前方案的經(jīng)濟可行性。由此可見，GenAI能夠利用實時記錄學生的在線討論、任務完成度等的方式，預警“低碳校園設計”短板，實現(xiàn)PBL的提質(zhì)增效。

圖1使用GenAl獲得的跨學科項目問題鏈

同時，GenAI可生成可視化進展圖，追蹤項目完成度，標識已完成、進行中和未啟動的環(huán)節(jié)，確保各小組進度清晰可見（如圖2）。基于可視化數(shù)據(jù)，教師可精準識別團隊瓶頸，及時介人，提供針對性的指導建議。

（三）評價階段：證據(jù)導向型的素 養(yǎng)評估

GenAI可建構(gòu)“過程一能力一成果”的PBL三維評價模型。在過程維度，追蹤學習軌跡、量化參與深度，通過接人在線平臺操作日志，實時記錄學生的提問次數(shù)、任務響應速度、討論參與頻次等數(shù)據(jù)，生成動態(tài)參與度熱力圖，使學生“沉默的努力”也能被看見。在能力維度，解析思維質(zhì)量、定位核心素養(yǎng)，GenAI突破“答案正確性”的表層判斷，識別學生的高階能力，構(gòu)成能力發(fā)展圖譜。例如，在“設計低碳校園”的項目中，學生在自評階段，通過“問題假設→數(shù)據(jù)驗證 $$ 結(jié)論推導”的思維鏈條，論證小組改造方案“太陽能車棚”的科學性。學生以“在校園停車棚頂部鋪設太陽能光伏板，可以降低校園整體碳排放量”為假設，通過實測數(shù)據(jù)驗證太陽能發(fā)電對校園節(jié)能的實際貢獻，最終總結(jié)太陽能車棚改造的可行性，包括技術可行性、經(jīng)濟可行性以及環(huán)境效益可行性。GenAI據(jù)該學生的思維邏輯，給出準確的評價，即“邏輯嚴密”。在成果維度，對標PBL的量規(guī)標準，提供改進方案，GenAI進行評分，結(jié)合方案的不足之處生成針對性建議，推動成果迭代優(yōu)化。比如，針對節(jié)能暢想組提出的“雨水回收系統(tǒng)”方案，人工智能評價“資金投人較高”，在經(jīng)濟性方面扣分，并反饋增加回本周期的計算、探索資金支持手段，方案改進后可被納入低碳校園改造試點進行試驗（如圖3）。

碳跡偵察組

節(jié)能創(chuàng)想組

綠意傳播組

GenAI在重塑PBL評價范式的路上，使得過程可見、能力可測、成長可導，智能評分不再是終點，其改進將成為學生提升的“行動指南”，實現(xiàn)以評促學，使得PBL評價由“經(jīng)驗判斷”邁向“證據(jù)導向”。

五、結(jié)語

隨著教育數(shù)字化轉(zhuǎn)型的加速，GenAI與PBL的融合展現(xiàn)出前所未有的潛力。在“設計低碳校園”案例中，GenAI展現(xiàn)了在“設計一實施一評價”三個環(huán)節(jié)的賦能。未來，這一融合趨勢將更為顯著，PBL專用教育大模型的開發(fā)將成為重點。同時，構(gòu)建人機協(xié)同的教學質(zhì)量保障體系是確保技術的有效應用與教育健康發(fā)展的關鍵。通過持續(xù)的實踐，GenAI賦能PBL的創(chuàng)新教育模式，將會為培養(yǎng)具備數(shù)字素養(yǎng)的公民奠定基礎，為教師教學的減負增效貢獻力量。目前GenAI在PBL中的應用仍處于初步探索階段，相關問題還需深入研究，才能推動教育邁向更加智能化、個性化和高效化的新紀元。

參考文獻

[1]ZHANG W，GUAN Y，HU Z.The Efficacy of Project-basedLearning in Enhancing Computational Thinking amongStudents：A Meta-analysis of 31 Experiments and Quasi-experiments[J].Education and Information Technologies，2024（11）：14513-14545.

[2]胡亮亮，張文蘭，劉照陽，等，基于證據(jù)中心設計理論的項目式學習評價框架構(gòu)建研究[J].中國考試，2024（12）：29-38.

[3]桑國元，數(shù)字技術賦能高質(zhì)量項目式學習[J].中小學數(shù)字化教學，2024（10）：1.

[4]黃寶權(quán).基于課堂教學切片診斷的課堂觀察[J].教育科學研究，2017（9）：46-49.

[5]宋靈青.我國中小學教師數(shù)字素養(yǎng)的實然狀態(tài)與突破路徑：基于全國9405名中小學教師的測評[J].中國電化教育，2023（12）：113-120.

[6]程健，鄒盛瑋，陳實.AI助教賦能地理項目式學習的應用場景與實踐[J].地理教學，2024（9）：24-29.

[7]桑國元，葉碧欣，黃嘉莉，等，構(gòu)建指向中國學生發(fā)展核心素養(yǎng)的項目式學習標準模型[J].中國遠程教育，2023（6）：49-55.

[8]WAN C， HU Z. Research on Application of ArtificialIntelligence Teaching Mode Based on Project-basedLearning[J].International Journal of Education andHumanities，2023（1）：121-122.

（作者徐一帆系北京師范大學碩士研究生；桑國元系北京師范大學教授、博士生導師；陳淼系北京師范大學碩士研究生）

責任編輯：李媛