【人工智能+项目式学习】小学信息科技 | 人工智能助力小学信息科技项目式学习的实施路径研究——以“校园植物智能识别小”为例

人工智能助力小学信息科技项目式学习的实施路径研究

——以“校园植物智能识别小助手”为例

[摘要]《义务教育信息科技课程标准》大力倡导项目式学习，立足小学信息科技项目式学习面临主题设计脱离学生生活、学情研判缺乏数据支撑、个性化辅导难以全面覆盖等现实困境，以苏教版小学信息技术单元教学为例，对人工智能赋能项目式学习的策略进行探索。从项目规划、探究过程、评价体系三个维度，深入探讨智能技术在小学信息科技教学中的应用策略。智能技术优化整套实施流程，提升学生课堂参与水平，培育计算思维与数字化创新素养。

[关键词]智能技术；项目式学习；小学信息科技

《义务教育信息科技课程标准（2022年版)》（以下简称《课程标准》）指出，项目式学习是落实核心素养培育的关键路径，强调在真实问题情境中引导学生经历完整探究过程。但从现阶段小学信息科技项目式教学实施情况看，部分教师还存在着项目主题设计依赖个人经验、学情判断缺乏精准数据、个性化辅导难以全面覆盖等问题，无法满足新课标下培养学生核心素养的要求。因此，如何创新教学方式以提高项目式学习实效成为信息科技教师需要研究的课题。在人工智能时代背景下，运用智能技术赋能小学信息科技项目式学习是破解以上问题的有效途径。本文结合苏教版小学信息技术教学实践，系统梳理了智能技术赋能项目式学习的具体策略与实施方法。

《课程标准》指出，教学设计要体现核心素养导向，围绕大概念组织教学内容，创设真实问题情境，激发学生的学习兴趣和探究欲望。项目规划是项目式学习的起始环节，其质量直接决定学生的投入程度和探究成效1]。传统项目设计模式下，教师的个人经验占据主导地位，难以兼顾不同学生的兴趣偏好和认知特点。智能技术能够通过主题智能生成和学情精准画像，为项目规划提供科学决策依据，使项目主题更加贴近学生生活，任务难度更加契合学生的认知发展水平。

《课程标准》强调主题选择要源于学生真实生活和学习需求，体现学科知识与生活实践的有机结合，使学生在解决实际问题的过程中发展核心素养。优质的项目主题应当源于学生的日常生活，具有适度的挑战性和探究空间。人工智能大语言模型能够综合课程标准要求、教材知识点、学生生活经验等多维度信息，自动生成多样化的项目主题方案供教师筛选优化[2]。

以苏教版小学信息技术五年级下册“初识人工智能”单元教学为例，教师借助AI大模型分析五年级学生的兴趣图谱（包括校园生活、环保行动、宠物陪伴、游戏设计等）和前期知识储备（图形化编程基础、数据整理能力)，生成了一系列紧密联系学生生活的项目主题，如“校园植物智能识别小助手”“班级作业智能分类系统”“宠物情绪智能识别装置”等。经过班级民主讨论，最终确定“校园植物智能识别小助手”作为本单元的驱动性项目。该项目要求学生运用Scratch图形化编程平台结合人工智能图像识别插件，开发一款能够自动识别校园常见植物并提供基本介绍的简易应用。为确保项目的可操作性和教育价值，AI系统进一步生成了核心驱动问题：“如何运用人工智能技术帮助同学们快速认识校园里的各种植物？”并将其拆解为三个子任务：如何采集和标注不同植物的图像数据？如何训练一个适用于植物识别的简易模型？如何将识别结果以友好的方式呈现给用户？这种由AI辅助生成的项目主题既紧密结合学生的校园生活场景，又蕴含丰富的计算思维培养要素，充分调动了学生的探究热情。

《课程标准》要求教学应注重学生的个性化发展，因材施教，并在学情分析方面提出要全面了解学生的知识基础、认知特点和学习兴趣，为差异化教学提供依据。学情研判是项目任务设计的前提基础，只有准确把握学生的认知起点，才能设计出符合学生最近发展区的学习任务。

在“校园植物智能识别小助手”项目启动前，教师运用AI学习分析系统对全班42名学生进行了前置诊断评估。系统通过12道图形化编程基础题和6道人工智能认知题，不仅记录学生的答题正确率，还通过答题时长、错误类型、思维路径等多维度数据，构建每个学生的个性化认知画像。诊断结果显示：全班有10名学生（约23.8%）已熟练掌握Scratch的条件判断、循环嵌套、变量应用等核心概念，能够独立完成复杂编程任务，属于进阶学习者；有24名学生（约57.1%）掌握了基础编程概念，但在多模块协同应用方面存在困难，属于中等发展者；有8名学生（约19.1%）对条件判断、事件触发等核心概念理解不够透彻，需要夯实基础，属于基础学习者。

基于这一精准的学情画像，教师为不同层次的学生设计了差异化的项目任务：进阶学习者小组承担“模型优化与识别准确率提升”的挑战性任务，要求他们尝试不同规模的训练数据集和参数配置，比较不同方法的识别效果；中等发展者小组完成“核心功能实现”的基础任务，即搭建植物识别模型并实现基本的展示功能；基础学习者小组则从“数据采集与标注”入手，在教师和同伴的支持下逐步掌握编程技能。这种基于AI学情分析的差异化任务设计，使每个学生都能在适宜的挑战水平上开展探究，有效避免了“学优生吃不饱、学困生跟不上”的两难困境。

《课程标准》强调，学生是学习的主体，要充分发挥学生的主动性和创造性，引导学生在探究过程中主动建构知识意义。项目式学习的核心在于学生的主动探究和知识建构。传统项目实施过程中，教师难以同时关注每个学生的探究进度和遇到的具体困难，学生常常因缺乏及时指导而陷入探究困境[3]。智能技术能够通过定制化学习路径推荐和即时生成探究资源，为学生提供及时、精准的学习支持。

《课程标准》在个性化学习方面指出，要尊重学生的个体差异，设计分层递进的学习任务，为不同发展水平的学生提供适宜的学习支持。每个学生的认知风格、学习节奏和知识基础都存在差异，统一的学习进度和指导方式难以满足所有学生的发展需求。

在“校园植物智能识别小助手”项目实施过程中，AI学习平台全程记录学生的编程操作数据，如拖拽了哪些代码块、尝试了哪些参数设置、遇到了哪些编程错误、花费了多少时间解决问题等。系统监测到某组学生在“训练植物识别模型”环节多次尝试仍未成功时，会自动推送梯度化的学习支架。首先是启发性问题引导：“你检查过训练数据的标注是否准确吗？”如果学生仍无法解决，则推送微视频教程“如何检查和修正标注错误的图像数据”；如果仍存在困难，系统会自动向教师发送提醒，建议进行一对一有针对性的指导。对于进阶学习者小组，系统发现他们提前完成基础任务时，会自动推送拓展性任务：“尝试增加植物类别的数量，观察识别准确率会发生什么变化。”“思考如何优化模型的训练速度，提升工作效率。”这些拓展任务能够进一步激发进阶学习者的探究兴趣，培养他们的批判性思维和创新能力。对比实验数据显示，采用AI定制化路径支持的班级，学生项目完成率从70.3%提升至95.2%，进阶学习者的项目创新度评分平均提高了19.5分，基础学习者的项目参与度也提升了27个百分点。

《课程标准》在资源建设方面提出要开发和利用数字化学习资源，建立动态更新的资源库，为学生的自主探究和个性化学习提供支持。项目式学习强调学生在真实情境中解决复杂问题，这往往需要学生学习超越教材的内容，自主获取和应用新知识。传统教学资源往往是预设的、静态的，难以满足学生在探究过程中产生的个性化学习需求。

在“校园植物智能识别小助手”项目中，有一组学生发现他们的识别模型对叶片形状相似的植物经常判断错误，于是产生了“如何提高相似叶片植物的识别准确率”的问题。这个问题超出了教材范围，教师也没有预设的教学资源。这时，AI系统根据学生的问题，即时生成了有针对性的学习资源：首先提供图文结合的讲解材料，介绍“特征提取”和“特征权重”的基本概念；其次提供具体的操作指南，教学生如何在Scratch人工智能模块中调整特征权重参数；最后提供了几个成功案例供学生参考。借助AI即时生成的探究资源，这组学生不仅解决了遇到的问题，还主动探索了更多的优化方法。

《课程标准》在“评价建议”部分开篇就指出，评价是课程实施的重要组成部分，要坚持以评促学、以评促教，充分发挥评价的诊断、激励和改善功能。评价是项目式学习的重要组成部分，具有诊断、反馈和激励的重要功能。传统评价方式多以终结性评价为主，关注学生的最终作品，忽视对学习过程的全面评价。智能技术能够通过智能过程性评价和多维度反馈机制，实现对学生学习的全周期、多维度评价[3]。