ARTICLE · 1043065
AI如何改进项目式学习?从“盲点检查”开始(上)
AI驱动的“盲点检查”可以帮助学生团队在项目推进过深之前，发现缺失的知识、隐藏的假设、尚未回答的问题以及被忽视的风险。
作者：David Ross 博士｜2026年8月11日
David Ross (大卫・罗斯) 博士，国际项目式学习（PBL）领域的领军专家。曾任巴克教育研究所（现更名为 PBL Works）高级总监，“21世纪学习联盟”（P21）首席执行官。他拥有十余年中学一线教学经验，创办了国际项目式学习大会 PBL World，并著有《PBL Starter Kit》，研发了大量 PBL 课程模板、项目案例以及批判性思维评价量规。
过去三十年来，他曾在全球一百余场教育会议上分享自己的研究与实践经验。近年来，他的工作重点逐渐转向生成式人工智能与项目式学习的融合，同时持续推动 PBL 在不同国家、不同学段和不同教育情境中的本土化实施与实践。
本文为 David Ross 最新文章《How Can AI Improve Project-Based Learning? Start With a Blind Spot Check》的中文译稿。
核心观点
AI可以强化项目启动：盲点检查能帮助学生在项目早期发现缺失知识、隐藏假设、未回答的问题以及被忽视的风险。
它是在“需要知道什么”（Need-to-Know）活动基础上的补充，而不是替代。学生应先自己提出问题并起草行动计划，然后再使用AI进行第二轮分析。
这一过程使反馈更具可扩展性：教师无需手工找出每个小组计划中的所有潜在缺口，也能及时向多个项目团队提供具体指导。
教师判断仍然不可或缺：教育工作者在把AI反馈交给学生之前，应检查其准确性、相关性、年龄适切性以及学生隐私问题。
“我们遗漏了什么？”是一种可迁移能力：盲点检查不仅能改善项目式学习，也能培养学生在学校、工作和生活中都可以使用的实用思维习惯。
当我告诉新朋友，自己在20世纪90年代初曾坚信发明了一种围绕真实世界项目展开的新教学法时，他们常常觉得很好笑。他们最喜欢听的是我后来受到“当头一棒”的故事：我加入纳帕 New Technology High School 教师团队，并参加 Buck Institute for Education 举办的三天工作坊。那时我才沮丧地发现，项目式学习和问题式学习早已有丰富的研究与发展历史，而 Buck Institute 正是其中的重要推动者。
让我真正认清这一点的是 Paul Curtis。他是后来形成 New Tech Network PBL 模式的重要思想与技术领导者之一。他主持的工作坊非常强调以“入项活动”（Entry Event）启动探究过程，紧接着开展“需要知道什么”（Need-to-Know）头脑风暴。入项活动用于激发好奇心和参与感；Need-to-Know 活动则让学生勾勒一张初步路线图，识别自己在技能和知识方面的缺口。理想情况下，项目过程中的学习经历会填补这些缺口，并最终让学生通常在公开场合展示自己已经掌握的内容。
三十年后，在北京7月的一场工作坊中，我为一所民办K-9学校的35名教师再次使用了同样的流程。这再次坚定了我的判断：1996年纳帕的学生和教师，与2026年北京的学生和教师，对新颖体验和真实挑战的反应并没有本质不同。
生成式AI已经显著加快了设计真实、基于课程标准的项目这一高强度工作，也能够提高设计有吸引力的入项活动的效率。这让我开始思考：AI工具还能为项目启动过程带来什么？它能否让Need-to-Know过程更加严谨和具体？精心设计的一系列提示词，能否更容易识别技能、知识和过程中的缺口，并提供填补这些缺口的结构化方案？这些思考把我带到了“盲点检查”（Blind Spot Check）——一种来自行业实践的方法，我认为它可能对PBL探究过程非常有帮助。
项目启动实践的来源
我对好奇心重要性的理解，可以追溯到 Madeleine Hunter 的课程设计工作。尽管有些同行可能不同意，但我认为PBL中的入项活动，本质上是课堂“钩子”（hook）或“预备定势”（anticipatory set）的PBL版本。Hunter把它定义为：教师在一节课开始时所采取的行动和表达，用来把学生已有经验与课程目标联系起来，使学习者进入一种更容易接受学习的心理状态。简单地说，就是用一个简短的开场活动集中注意力、建立准备状态，并让学生期待接下来发生的事情。这种做法具有两个认知功能。第一，注意力是学习的守门人，因此，有力的开场能够提升学生对信息的关注度与记忆留存效果。第二，先行组织者能够帮助学习者把新信息与已有知识联系起来，从而提升理解和记忆。
入项活动之后很快进入Need-to-Know活动。通常教师站在白板前，在不提供答案或解决方案的前提下，把学生头脑风暴得出的“为了完成项目，我们需要知道什么、能够做什么”记录下来。
Need-to-Know过程与 Right Question Institute 开发的 Question Formulation Technique（QFT，问题形成技术）相似，尽管我没有找到证据证明二者存在直接影响关系。两种实践都属于更广泛的“学生生成问题式探究”传统。因此，这两种活动可能来自不同的教学传统：入项活动源于教学设计中长期存在的“钩子/预备定势”传统；Need-to-Know活动则与 Right Question Institute 的QFT及相关探究和问题生成工作相联系。带着这些可能的教学渊源，我开始尝试AI如何强化项目启动流程，并借用了我职业生涯另一个领域中的一个框架。
盲点检查：一次实践测试
教育技术领域的一些同行会在设计之前进行一种被称为“盲点检查”（blind spot check 或 blind spot pass）的活动。我决定把这个过程应用到学生解决方案开发的早期阶段。其他机构也开始关注这一过程，只是没有加入PBL这一层。MIT 和 Project Management Institute（PMI）都已经开发了识别和降低项目管理盲点的策略。PMI的一篇文章把盲点定义为“管理者没有看到、但需要看到的事情”，并明确建议提出这样一个问题：“我遗漏了什么？”MIT 的 AI Blindspot 项目则把盲点描述为工作流程中的疏漏，这些疏漏可能产生有害的非预期后果，并提供结构化的方法寻找它们。由此，我为PBL提出一个新的操作原则：盲点检查应该发生在学生完成最初的Need-to-Know清单和行动计划草案之后。AI不能取代这两项活动。它只是第二轮审阅者，帮助学生发现第一轮思考没有揭示出来的假设、遗漏、限制和问题。
PBL盲点检查流程
第一步：教师通过入项活动（Entry Event）和驱动性问题（Driving Question）启动项目，随后开展Need-to-Know活动。
第二步：教师收集每个小组的行动计划草案。
第三步：教师把驱动性问题、学生小组计划以及学生年级等信息提供给AI，并要求AI回答：“我们遗漏了什么？”
1.AI重点检查四类内容：①我们已经识别出的内容；②仍然需要回答的问题；③我们可能已经知道、但没有写进去的内容；④尚未考虑的风险、问题或可能性。
2.最后形成5—10个最能推动计划改进的高价值问题，重点关注受众、范围、工作流程、结构、可行性和质量。
作者提供的AI提示词
“我希望你使用‘盲点检查’的方法，对一组学生的头脑风暴想法（见参考文本）提供反馈。以下是我们项目的驱动性问题：。他们被要求列出初步任务和想法。以下是XX小组的清单：。
你的回答应使用普通XX年级学生能够理解的语言。在回答中，请识别：
我们已经识别出的内容；
我们仍然需要回答的问题；
我们可能已经知道但没有包括进去的内容；
我们尚未考虑的问题或可能性。
最后，请提出5—10个最能改进计划的高价值问题，尤其关注受众、范围、工作流程、结构、可行性或质量。”
文末预告
以上为译文上篇，主要介绍了“盲点检查”的教学渊源、PBL 中的实施流程以及作者提供的 AI 提示词。下篇将从学校节能项目案例进入，展示 AI“盲点检查”的具体输出，并进一步呈现作者对教师角色、AI 使用边界以及这一思维方式迁移价值的思考，同时附上常见问题解答。
END
中国教育创新研究院始终秉持专业的学术立场，坚守教育的基本规律和青少年身心发展规律，通过建设教育创新交叉学科，不断发现、培育、遴选和推广指向5C核心素养（文化理解与传承、审辨思维、合作、沟通、创新）的优秀教育成果，促进中国教育实践的系统创新和转型升级，从而实现每一位儿童青少年有尊严、有个性、健康快乐成长。