【人工智能+个性化教学】小学信息科技 | 生成式人工智能赋能信息科技个性化教学初探——以校本智能体为例

生成式人工智能赋能小学信息科技个性化教学初探

——以校本智能体为例

[摘要]随着生成式人工智能技术的飞速发展，教育领域迎来了前所未有的变革机遇。本文基于生成式人工智能大背景，围绕小学信息科技课程教学模式创新展开探讨，通过构建多维度真实情境、打造泛在化学习空间以及培养团队创新能力等策略，实现个性化学习目标。文章还重点分析了校本智能体在个性化教学内容生成、学习路径规划和教学过程评价中的实际应用，以期为小学信息科技教育工作者的教学提供理论参考和实践指导。

[关键词]生成式人工智能；信息科技；个性化教学；小学教育；教学策略

《义务教育信息科技课程标准(2022年版)》明确指出，信息科技课程具有综合性特征，强调跨学科学习的必要性。当前，教育工作者普遍运用项目式教学法教授小学高年级信息科技知识，然而这种教学模式在实际操作中碰到了一些问题，比如：小学生要整合多门学科知识去完成任务，这对他们的认知能力提出了较大挑战。此外，各个项目组在完成任务过程中遇到的问题常常具有独特性，教师很难在课堂上同时满足全体学生的个性化需求。生成式人工智能技术的出现为解决这些难题提供了新思路。本文结合具体案例探讨如何利用生成式人工智能支持下的校本智能体矩阵改进小学信息科技教学，并深入分析个性化教学的具体应用策略。

在近期关于生成式人工智能与教育融合的研究中，个性化学习日益受到关注，这一方向对于落实“因材施教”理念、基础教育“双减”政策等具有重要意义。当前个性化学习主要依赖推荐技术，其核心环节包括分析学生兴趣、选择学习材料两个阶段。然而，基础教育阶段的各门课程都有明确的培养目标、课程标准，仅凭学生主观偏好难以有效达成教学目标1]。因此，笔者认为应突破传统“偏好匹配”思路，将个性化教学内容生成、个性化学习路径规划、个性化教学过程评价有机结合，构建个性化学习的“三维模型”，实现目标导向与学生需求的统一。

生成式人工智能可根据学生的学习水平、兴趣爱好和学习风格自动生成个性化的教学内容2]。例如，在“智能学伴”主题活动中，高年级学生须基于遇到的学习问题，设计并编程实现机器人“小飞”的学习伙伴功能。学生在课堂上提出的学习问题主要集中在计算易出错、英语单词记不牢等方面，针对以上不同的问题，学生在项目解决过程中用到的编程思路也各不相同。在传统课堂中，一位教师同时面对多个小组，难以在有限的时间内兼顾每个学生的个性化需求。为此，我校依托校企合作引人生成式人工智能技术，打造校本智能体，能自动生成有针对性的学习资源和问题解决方案，如通过校本智能体生成针对数学计算、英语单词记忆等场景的学习方案。

相对于通用大语言模型有时候一本正经地“胡说八道”或“答非所问”，校本智能体可以人为地控制文本生成的数据量，并提供适切的方向引导。

生成式人工智能可根据学生的学习进度和知识掌握情况，动态调整学习路径。以“智能家居”一课为例，学生须结合生活实际设计智能家居方案。有学生设计了“智能花盆系统”，并分析了不同花卉对水和光照的需求差异。传统教学中，学生依赖搜索引擎查找资料，但常面临信息过载、相关性低且耗时较长等问题。生成式人工智能则能自动筛选、整合信息，精准推荐植物学知识、传感器案例和编程方案等资源。项目实践中,25%的学生使用豆包、DeepSeek等通用大语言模型，75%的学生使用校本智能体(采用苏格拉底式提问与回答，不直接给答案)。结果显示，使用通用大语言模型的学生完成项目的速度更快，但在完成类似任务时对技术的依赖也更强。据此，笔者认为校本智能体更有利于培养学生独立思考的能力。

我校信息科技学科校本智能体的更新迭代思路如下：智能体1.0版本，面对学生制作某智能系统的要求，会直接给出方案；到2.0版本，智能体开始逐步引导学生思考，先梳理学生的所有设想，再给出方案；在3.0版本中，智能体仅提供支架，所有设想和方案均由学生自行得出。

生成式人工智能技术能实时跟踪教师授课和学生学习过程，并提供定制化的评估报告。在配备校本智能体的教室开展项目式教学时，智能体能自动分析学生提出的疑问，并给出合理的回答，同时通过摄像设备捕捉学习行为数据，生成个性化评估报告，指出学生的优点和不足，给出有针对性的改进建议。

在“智慧交通体系”项目里，校本智能体能实时分析学生的程序代码。若发现某个学生在使用循环结构时有逻辑问题，系统会自动给出针对性反馈：“您的代码中，循环条件的设置可能导致无限循环。建议参考下面的示例代码，对循环结构进行优化。”同时，系统会根据学生的整体表现生成详细的评估报告，说明学生在算法设计、团队合作和问题解决等方面的长短处，提供量身定制的学习建议。

在本次实践中，校本智能体矩阵的实时代码分析功能显著提升了教学有效性：学生A的交通信号灯控制程序出现循环条件错误，智能体立即标记“while循环未设置出口条件”，并生成可视化反馈：“可考虑把循环条件和传感器关联起来，参照示例代码里的中断机制设计。”借助这一实时反馈机制，学生仅用10分钟就完成了代码修正;教师则通过系统生成的能力报告精准掌握学生特点，如“算法设计能力优秀，但条件判断逻辑须加强”。项目完成率从传统模式的65%提升至92%，教学评价的精准度与及时性得到显著改善。

实践经验证明，我校校本智能体矩阵在以下三方面取得显著成果：技术方面，校本模式和通用模式的协作机制让资源产出精准度达到89%；教学方面，灵活的学习支持使学生自主探索的时间占比提升到70%；管理方面，人工智能的过程性评价让教师备课的效率提高了40%。这些数据来自本校2023年秋季学期开展的对比实验，实验涵盖5个班级共200名学生，采用前后测对比设计，可靠性和有效性检验都达到显著水平。

传统小学信息科技课堂多为单一的教学模式：先讲概念，再展示操作，最后让学生练习。这种线性教学方法存在局限性：知识传授缺少互动，学生多是被动接收者，抽象的信息科技观念很难和生活建立联系。研究表明，学习内容和实际场景脱节会显著降低学生的知识留存率，且难以长期维持学生的学习积极性。

生成式人工智能为改变这一现状提供了新的可能。借助虚拟模拟、数字人交互及动态场景搭建等技术，校本智能体营造出极具沉浸感的学习环境，把抽象知识直观化呈现。这种情境式教学既符合小学生以具体形象为主的思维特点，又能有效激发其对学习的兴趣和探索欲望。如在五年级“韩信点兵”算法教学中，教师可利用生成式人工智能模拟真实战争场景，甚至利用数字人技术帮助学生“穿越时空”与“韩信”对话。这种寓教于乐的方式让学生实现在“玩中学”，在“做中悟”。

生成式人工智能正是通过实时反馈和自适应调整机制，突破传统课堂的时空限制，打造“无处不在”的学习环境，让信息科技教育可以发生在教室、家庭、户外等任意场所。

传统信息科技课常被局限于课堂，学生若想利用课余时间备赛或在家创作，常因家长无法提供专业指导而受阻。应用校本智能体后，学生只要把问题输入系统，就能解决80%的疑问，这既弥补了家长知识储备的不足，也减轻了教师课外辅导的负担。此外，校本智能体还能根据学生的作息时间、兴趣特长等适时推送个性化学习挑战任务。例如对编程感兴趣的学生完成作业后，“金葵花AI”会自动生成一个15分钟的“智能家居”微项目：通过图形化编程控制虚拟灯光系统，并实时分析代码逻辑，用语音提示“试试看用循环语句让灯光依次亮起”引导优化，项目完成后，系统自动生成可视化执行报告并发给家长。