【一等奖“AI赋能”小学数学】生成式AI赋能小学数学跨学科项目式学习的实践路径探析

开展小学数学跨学科项目式学习，必须牢牢守住数学学科的核心立场，规避教学出现淡化学科属性或是不同学科简单拼接的不良现象。常规教学设计过程中，教师很难平衡情境创设与学科知识锚定二者之间的关系。如果设置的探究场景范围过广，数学重点知识就容易被弱化；倘若场景限定过于狭窄，又会削减项目探究的现实意义。借助生成式AI工具，教师只需要输入初步的生活场景素材，系统便能够筛除和数据归类、统计制表、数值分析等数学核心概念关联度较低的无关要素，提炼出扎根现实生活、指向数学知识运用的驱动性问题。该技术手段从源头保障项目设计贴合课本教学重点，还能够结合班级学情生成难度梯度不同的衍生问题，为认知水平存在差异的学生提供适配的探究切入点，有效改善跨学科实践中数学属性薄弱的问题，为深度探究筑牢学科根基。

（二）凸显学生主体地位，助推探究活动阶梯式发展

项目式学习和传统习题训练最主要的区别，在于强调持续探索与方案迭代优化。小学生处理数据收集、分析加工等任务时容易产生认知障碍，教师也很难同步跟进每一个学习小组的实际学习状况。生成式AI重构课堂交互模式，为落实学生主体地位、实现探究活动递进发展提供有力支撑。探究全过程中，人工智能不会直接输出标准答案，而是充当全程陪伴的引导角色。通过展示相互矛盾的数据信息或者抛出启发性问题，促使学生产生认知冲突，开展自我复盘思考。举例来说，学生划分类别标准模糊造成数据混乱的时候，AI会直观展示错误输出结果，促使学习者主动回溯操作流程，修正原有探究方案。这套“暴露问题—启发反思—自主修正”的交互逻辑，充分赋予学生探究自主权。学习者可以依照自身认知节奏拆解学习难点，让探究活动呈现螺旋上升态势，持续锻炼问题处理能力与自主学习习惯。

（三）重构课堂评价模式，实现核心素养过程性可测评估

核心素养的培育成效缺少直观可操作的观测手段，以往教学大多依靠最终产出的学习成果开展笼统评判，评价环节缺少针对性，实际参考价值有限。依托数据采集与解析能力，生成式AI可以整合各类评价资源，实现教学评价模式升级。项目推进各个阶段，AI完整留存不同小组在项目规划、资料搜集、表格制作、结论提炼等环节的操作记录与决策依据，把零散的学习行为整理成结构化过程证据链条。教师参考这些过程数据，可以精准定位学生在数据感知、团队沟通协作等维度存在的短板，客观掌握学生核心素养实际发展层次。这种依托过程数据开展精准评判的新模式，削弱主观经验判断带来的偏差，教学反馈能够精准匹配学生个性化发展需求。跨学科项目育人效果由此变得可追溯、可分析，促成评价改进与素养提升之间的良性循环。

跨学科项目正式启动阶段，教师容易出现情境范围设置过大，造成数学核心内容被边缘化，无法兼顾生活真实性和学科严谨性。本文以三年级下册“班级体质健康数据整理与解读”项目作为研究案例，立项环节设计必须坚守数学本位思想。备课阶段教师将“学生体质健康状况”这一原始场景导入生成式AI，要求结合课程标准完成教学素材的学科筛选。AI经过解析处理，剔除体检流程讲解、健康膳食科普等偏向体育、科学学科的非数学内容，将探究重心锁定在数据分类登记、复式统计表制作、数据对比解析三项核心知识点。之后师生借助AI共同研讨打磨，确定核心驱动问题：怎样利用复式统计表整理全班体质档案，并且输出有理有据的分析结论。同时结合科学学科知识解读BMI指标内涵，完成综合分析报告撰写。

此环节当中，AI兼具学科筛选工具和方向把控者双重功能，既帮助教师筛除无关干扰信息，又结合学情产出分层化问题变式。项目起始阶段就锚定教材核心知识点，化解跨学科实践中数学要素被弱化的难题，保障项目设计兼具科学性与针对性，为后续深度探究打下扎实基础。

（二）方案规划：搭建分层学习支架，鼓励自主完成方案设计

受认知发展水平约束，小学生独立规划探究路径时经常出现思路杂乱、探究秩序失控的情况，如果完全放开交由学生自主完成，会造成项目推进效率低下。以复式统计表方案设计环节为例，规划阶段需要依托技术支架开展差异化引导。课堂上各个学习小组围绕驱动问题，明确需要采集的数据类别与记录形式。AI读取前期学情诊断结果，向不同小组推送差异化支持内容。面对基础薄弱的小组，AI以层层追问的形式给出思考线索，例如采用怎样的记录方式便于查阅、身高体重信息是否可以整合到同一张表格，以此协助学生搭建记录框架，构思表格雏形。针对综合能力较强的小组，则抛出开放性挑战任务，思考表格行列布局如何方便男女生数据横向比对、如何预留后期调整修改空间，推动学生挖掘复式统计表内在特点与设计逻辑。各小组产出初步方案之后，教师利用AI汇总全部小组的设计构想，组织组间互评活动。学生参考其他团队的设计方案，发现自身构思存在的缺陷。部分小组对比之后意识到单式统计表无法实现多维度比对，主动构思复式统计表的框架，调整完善本组方案。本环节AI充当探究顾问，不会直接替学生做出决策，只是提供适配认知水平的思考线索，保证探究方案由学生自主建构生成，兼顾项目规划的有序性，充分尊重学生课堂主体身份。

（三）数据探究：运用虚实融合场景，推动方案迭代优化

进入实地采集数据阶段，学生很容易暴露出分类标准模糊、记录格式不规范等认知短板，而这恰恰是夯实知识、培育数据意识的关键节点。以班级体质健康数据采集实践为例，整个探究流程遵循虚拟模拟试错、实地开展验证、回头修正方案的闭环逻辑。各小组首先在AI构建的虚拟仿真环境当中录入模拟数据。当小组采用高、中、矮这类模糊维度划分身高，造成边界不清、数据互相重叠，AI不会直接纠错，而是借助可视化图表展示矛盾结果，带动小组内部展开研讨。促使学生自主制定130厘米以下、130‑140厘米、140厘米以上等数值化划分标准。完成虚拟场景的调试之后，学生携带修改完毕的方案开展实地测量，采集同班同学真实身高体重信息。实地操作过程遇到边界数值归类的争议，比如学生身高刚好等于130厘米该划入哪一档，AI再次推送启发性设问，引导学习者补充“包含下限、不包含上限”这类严谨规则，回头核对已经采集完成的全部数据。

整个流程中，AI承担伴随式引导者角色，接纳学生试错行为。依靠虚实结合的练习场景，把操作失误转化为深度学习契机，探究活动在学生最近发展区内实现螺旋提升，让学生切实体会到数据分类严谨性的重要意义。

（四）协作实施：依托动态过程观测，保障小组协同运转

来到数据汇总制表、深度分析阶段，任务复杂程度明显提升。小组合作过程容易出现分工不均衡、进度步调不一、沟通效率偏低等各类问题，直接影响探究效率和素养培育成效。以体质数据统计分析的小组活动为例，协作过程需要建立实时状态监控与动态干预机制。

小组开展合作期间，AI在后台持续捕捉协作过程关键信息与行为轨迹。出现组员都希望绘制表格，不愿承担原始数据核对工作的矛盾时，AI展示情境化问题，引导学生思考原始数据出错会对表格有效性产生哪些影响，促使小组成员重新协商分配任务，意识到数据核对是制表工作的前置条件。如果不同组员录入数据、美化表格进度不一致，出现相互等待浪费时间的现象，AI给出多副本并行编辑之后合并内容的实操建议，帮助学生建立高效协作模式。当学生得出的分析结论仅仅停留在男生普遍高于女生这类浅层表述，AI捕捉讨论内容，推送拓展思考方向，启发学生借助分段统计、众数等多元分析手段丰富研究结论。

该环节AI扮演协调人员和思维启发工具，不会替代组长管理团队，而是在协作受阻的关键节点提供策略与思路拓展，保障小组合作顺畅开展，让学生的沟通协作与数据分析能力在完成真实任务的过程当中得到锻炼。

（五）成果转化：打通多元展示渠道，促进综合素养外显

项目收尾阶段需要把数据分析结论加工成可供公开展示的作品。传统教学大多停留在提交作业这一步，缺少成果迭代打磨、受众意识培养、素养外显输出的完整训练。以体质健康分析报告制作为例，成果转化需要经历打磨修改与反馈迭代的完整周期。正式撰写初稿前，AI启发学生思考成果面向的阅读群体和实际用途：面向同班同学的宣传海报，应当做到画面直观、语言通俗易懂；提交体育教研组的分析报告，则要保证逻辑严谨、数据准确。以此帮助学生建立受众意识。各小组结合定位选择海报或者研究报告形式完成初稿，教师依托AI搭建跨组模拟展示平台，营造真实交流场景。海报制作小组收到同伴反馈，指出画面配色杂乱、重点内容不够突出，AI引导学生收集同伴阅读感受，优化排版与色彩搭配。撰写报告的小组被指出论证缺少数据支撑、文字表述模糊，AI提示返回统计表提取具体数值，完善论证逻辑。AI完整记录全部修改痕迹与课堂互动表现，作为过程性评价依据，方便教师给出针对性教学反馈。部分质量较好的调查报告，直接递交学校体育教研组，服务校园体质健康管理工作，实现学习成果现实落地。在此转化流程中，AI发挥催化作用与过程记录功能，促使学生不断审视并完善作品。数据感知、问题解决、语言表达等综合素养，在初稿撰写、接收反馈、修改打磨、公开展示的闭环当中落地落实，充分体现项目式学习成果转化的创新价值。