【AI赋能】一等奖小学信息科技论文 | 生成式人工智能支持下的信息科技项目式学习设计与实践——以苏科版“用算法解决问题”单元教学为例

生成式人工智能支持下的信息科技项目式学习设计与实践

——以苏科版“用算法解决问题”单元教学为例

【摘要】本文结合《义务教育信息科技课程标准（2022年版）》素养导向要求，以苏科版小学信息科技“用算法解决问题”单元为教学载体，探索生成式人工智能赋能小学信息科技项目式学习的设计路径与落地策略。该模式可有效化解算法知识抽象性与小学生具象思维特点的适配难题，激发学生的课堂探究主动性，在深化知识理解的同时落实计算思维等核心素养培育，为同类型教学实践提供参考。

【关键词】小学信息科技；生成式人工智能；项目式学习；用算法解决问题；计算思维

《义务教育信息科技课程标准（2022年版）》明确将项目式学习作为落实核心素养培育的主要教学方式。算法是信息科技课程的核心逻辑主线，苏科版“用算法解决问题”单元围绕算法的基本结构与应用逻辑展开，知识点抽象性较强，而小学生仍以具象思维为主，传统讲授式教学极易造成学生的认知隔阂，出现课堂参与度低、知识难以迁移等问题。本文结合该单元的教学编排逻辑，探索生成式人工智能支持下的项目式学习设计与实践路径，为素养导向的课堂教学落地提供支撑。

一、依托生成式人工智能创设真实情境，锚定项目驱动性任务

项目式学习的核心是依托真实情境催生内在探究动力，生成式人工智能可为真实教学情境的创设提供有力支撑，帮助教师锚定贴合小学生生活经验的驱动性问题。相较于传统教学中情境与知识脱节、真实性不足的局限，AI生成的情境素材可直接关联单元核心知识，将抽象的算法逻辑与真实问题解决结合起来，为整个项目的开展明确清晰的知识落点与学习方向[1]。

在苏科版“用算法解决问题”单元的项目式学习设计中，教师可依托生成式人工智能搭建“校园图书角智能整理助手”真实项目情境。教师课前通过AI生成贴合本校图书角实际场景的素材和学生易懂的整理痛点调研问卷模板。课堂上，教师先组织学生结合AI生成的问卷开展10分钟班级小调研，自主梳理出“图书分类慢、找书难、归还乱”的真实问题。随后，教师组织学生用AI生成不同整理方案的效率对比模拟数据，直观看到人工分类与算法分类在耗时、准确率上的差距，让学生真切感受到项目的实用价值，主动投入到后续的探究学习中。在此基础上，教师引导学生锚定“用算法设计图书整理分类规则”的核心驱动任务，同步通过AI生成不同难度的图书分类场景应用案例，让学生直观感知算法在分类任务中的实用价值，自然关联单元中顺序结构、分支结构的核心知识目标，从而清晰把握项目全程的学习方向与知识落点。

二、生成式人工智能搭建梯度认知支架，支撑算法核心知识探究

生成式人工智能可为项目式学习的核心探究环节搭建梯度化认知支架，贴合小学生具象思维特点，将抽象的算法逻辑拆解为可感知、可探究的阶梯式任务，破解传统教学中算法知识难理解、探究无抓手的痛点。同时，它能够适配不同学生的认知差异，实现分层支持，助力学生计算思维的阶梯式进阶[2]。以“校园图书角智能整理助手”项目的核心探究环节为例，教师针对单元中分支结构的核心知识点，先引导学生向AI输入“用小学生能理解的生活化语言，拆解图书分类的分支规则”，AI生成“如果是文学类图书，放第一层书架；如果是科普类图书，放第二层书架；如果是绘本类图书，放第三层书架”的具象化分支逻辑。随后，学生结合班级图书角的实际分类需求，用AI生成不同复杂度的分支规则模板：基础薄弱的学生可套用模板完善2个分类分支，能力较强的学生则可拓展“图书厚薄、是否破损”的附加分支条件。学生把自己初步设计的规则输入AI后，让AI生成对应的可视化流程图，将抽象的文字规则转化为直观的图形，从而快速发现逻辑上的断点与疏漏。探究过程中，学生遇到逻辑漏洞时可随时向AI提问“这个分类规则哪里有问题，怎么调整”，AI给出针对性的修正提示。这一阶段侧重于算法概念的理解与规则建构，教师聚焦学生的共性误区开展集中引导，让学生在自主探究中逐步掌握分支算法的核心逻辑。

三、生成式人工智能提供全流程个性化支持，助力项目成果迭代落地

生成式人工智能可为项目式学习的实践创作环节提供全流程个性化支持，助力学生将算法知识转化为可落地的项目成果，破解传统教学中教师难以兼顾所有学生创作需求、学生迭代优化无方向的问题。同时，它能够激发学生的创新意识，让学生在创作实践中深化算法知识的应用能力，实现知识的迁移落地[3]。

......