AI赋能,跨学科教研再升级!

“AI+跨学科主题学习的进阶设计”线下工作坊

为持续深化人工智能与教育教学的融合应用，进一步推动跨学科主题学习从整体设计走向任务链与学习活动的精细化落地，2026年3月27日和2026年4月5日，北京师范大学学习设计与学习分析重点实验室与北京市八一学校联合举办“AI+跨学科主题学习的进阶设计”第四次、第五次线下工作坊，北京师范大学冯晓英教授及团队对地理、生物和历史学科进行分组指导。

PART.ONE

深耕设计优化落地

本次工作坊在前三次活动的基础上，聚焦跨学科主题学习的“设计深化与实践转化”，围绕整体方案优化、任务链与问题链设计、AI赋能学习活动设计等关键环节展开，进一步推动教师将设计成果向课堂可实施方案转化。

冯晓英教授围绕跨学科主题学习的进阶设计，以关键问题为主线，引导教师系统梳理跨学科教学设计的核心流程与实施路径，重点聚焦任务链与学习活动的优化以及AI赋能策略的具体落地，帮助教师在深化理解的基础上推进课程设计从整体框架走向课堂实践，不断提升专业设计与实施能力。

PART.TWO

名师解惑深耕课堂

活动伊始，工作坊以整体设计方案回顾为切入点，围绕“爱生命”与“爱家乡”两个跨学科主题，对已有课程方案进行系统梳理与再审视。通过对真实问题情境、大任务设计、学科驱动问题以及课时结构的再聚焦，教师们进一步明确了跨学科主题学习中“以真实情境驱动、以核心任务统领、以多学科协同支撑”的设计逻辑，为后续优化提供了清晰方向。

在设计思路分享环节，初二年级地理组围绕“中轴线一日游路线设计”项目，从核心素养目标、关键问题设计、学习任务安排及评价方式等方面进行了系统汇报。通过对真实任务的拆解与重构，展示了如何在项目式学习中实现地理知识的应用转化与学生综合能力的培养。现场教师围绕任务真实性、问题链贯通性以及学习过程完整性等维度展开深入讨论，进一步提升了设计的科学性与可操作性。

随后，冯教授以初二年级生物组为例，重点讲解了“问题链与任务链”的设计方法，强调跨学科主题学习应以真实问题为起点，构建层层递进的探究路径，实现从“现象观察—原因分析—机制解释—证据形成—成果表达”的完整学习过程。同时指出，跨学科融合并非简单拼接，而应围绕“大概念”与核心目标进行系统整合，确保学习活动具有学科性、探究性与整体性。

PART.THREE

研思共进赋能教学

在设计实操环节，各学科组围绕已有方案，对总体任务设计、课时结构与学习活动进行了集中优化。教师们在反复推敲与交流中，不断完善任务链与学习路径，使课程设计更加清晰、连贯且具有实施可行性。随后开展的“世界咖啡”式组间交流点评，进一步促进了不同年级与学科之间的经验共享与思路碰撞，现场研讨氛围持续升温。

在AI赋能专题环节，工作坊系统梳理了AI在跨学科主题学习中的多重角色定位，包括思维辅助者、探究引导者、数据分析助手、论证教练与创作助手等，并结合具体案例，展示了AI如何嵌入“方案制定—实践探索—数据分析—探究论证—作品创作”等关键学习环节。通过“生生会话—生机会话—师生会话”的互动结构设计，教师们进一步理解了AI支持下学习活动的组织方式与实施路径。

在随后的设计实操中，各小组围绕AI应用环节展开具体设计，将AI深度嵌入学习任务之中，探索人机协同支持学习的新模式。通过不断试错与优化，教师们逐步形成了兼具探究性、结构性与技术融合度的教学设计方案，实现了从“理念理解”到“活动设计”的关键跨越。

本次工作坊标志着“AI+跨学科主题学习”的设计推进进入精细化阶段，从整体框架构建逐步过渡到任务链与学习活动层面的深度落地。未来，北京师范大学学习设计与学习分析重点实验室将继续依托真实教学场景，深化“AI+教育”融合路径探索，持续为八一学校提供系统化、进阶式的教师专业发展支持，推动跨学科主题学习走向高质量实施。