【AI赋能+项目式学习】小学科学 | 驱动性问题引领下AI双路径赋能的跨学科项目式学习

【摘要】人工智能正深度介入教育实践，如何利用AI赋能小学科学跨学科项目式学习，破解传统教学“重知轻能”与学科整合形式化的困境，是一线教师面临的现实问题。本文立足区域课题实践，构建“驱动性问题引领—AI双路径赋能”的实践模式，以教科版科学四年级下册第一单元《植物的生长变化》为主线，开展“校园智能植物家园”项目，尝试AI在问题提炼、探究支架搭建及动态评价中的应用，为教师提供可迁移的操作框架。

【关键词】小学科学；人工智能；跨学科项目式学习；驱动性问题；实践模式

作为一名小学科学教师，笔者越来越清晰地感受到教育方式正在发生深刻转变。国家推动人工智能教育，且新课标要求各门课程把不少于10%的课时用于开展跨学科主题学习，这些政策已转化为目常教学的具体任务。

在教科版科学六年级下册《校园植物大搜索》的教学中开展活动时，传统课堂上学生只是机械地抄写植物特征、拍照配图，简单地做出校园生物分布图，课堂上的成果像散落的拼图，缺乏深度探究的活动。有学生提出：“我们收集这么多植物信息，能不能让电脑帮我们管理，并且给校园里的植物都做出名片和养护手册？”这些问题让笔者意识到，学生已本能地想到用技术解决问题，而我们的课堂教学还在传统模式中原地踏步。

这种切身的挫败感，促使笔者和几位志同道合的同行走到了一起。我们分属科学、美术、信息科技等不同学科，却因为同样的困惑聚到了一起。我们不想要“AI归AI、科学归科学”的割裂式研究，而要让AI自然融入项目式学习全过程。经过一年多的联合教研和跨学段实践，我们摸索出基于“驱动性问题”的双路径赋能模式，并在协作学校进行了多轮验证。

课题研究初期，团队梳理教学实践，发现传统跨学科项目式学习存在三大共性困境。

问题设计难。提出既贴合小学生认知，又能串联多学科知识，还具有真实意义的驱动性问题，往往让人绞尽脑汁。传统课堂教学生“如何通过制作标本记录植物特征”，学生只能机械地完成，尝试改成“如何为校园植物设计会说话的数字名片”后，课堂才“活”过来。但是，这种灵光一现可遇不可求，靠教师“单打独斗”不仅耗时费力，对教师自身素质的要求也极高。

学科整合虚。跨学科项目通常沦为“拼盘”，美术画插图，语文写日记，科学做实验，通常都是各管各的，难以实现深度融合。

过程评价弱。在现实压力下，教师很难追踪每个学生的思维过程。有的学生在课堂上沉默寡言却思考深入，有的学生在探究活动中动手能力强但理论薄弱，这些差异靠传统的展示性评价根本捕捉不到，更别提分层次提高了。

人工智能为这些困境提供了破局的可能。年轻教师展示用AI辅助设计的植物养护方案，几分钟内梳理出了十几个跨学科融合点。这让我们豁然开朗：让AI深度嵌入项目全流程，为我们的项目式研究提供强有力的辅助。

经过多轮教研迭代，课题组初步梳理出框架：让AI在三个环节发挥作用：把问题想“深”，把探究做“透”，把评价看“全”。具体走两条路。

路径一：跨学科融合路径。让AI当“翻译”，整合多学科知识解决真实问题。以“校园智能植物家园”为例：科学课讲光照需求，数学课算光照数据，美术课设计装置外观。以前各讲各的，现在学生用AI图像识别采集植物状态，数据直接生成可视化图表；美术教师通过数据波动，设计预警灯；数学教师提醒安装计算传感器角度。AI帮助学生把散落在各学科的知识点串成线、织成网，目的就是解决真实的问题。

路径二：跨学段衔接路径。依托九年一贯制学校的优势，搭建阶梯式植物探究项目体系。小学中段借助AI识图开展植物认知，高段依托AI数据设计智能养护系统，初中阶段进阶优化植物识别模型。学生升年级时不用从零开始学新工具，而能像升级打怪一样解锁新功能。

两条路径的交汇点是驱动性问题。教研群里每周都在借助AI打磨问题，再结合各学段特点投票、修改、试课。有教师总结：“AI不会替我们上课，但它让分散在各学段的老师能站在同一起点对话。”

项目启动时，让不同学段的学生寻找校园里“最需要帮助的植物”。中段学生盯上操场边不开花的太阳花，高段学生则关注教学楼北侧叶片发黄的绿萝。照片汇集后，学生们提出了一堆问题：“都是一周浇两次水，为何状态差别这么大？”“能不能让电脑诊断植物需要什么？”

这些初步提出的零散疑问需经讨论聚焦才能引导出要解决的核心问题。课堂上教师引导学生把现象描述输入AI对话助手，分析影响因素。AI生成的光照、通风、温湿度等变量列表启发了学生。师生共同确定驱动性问题：“如何为校园不同环境中的植物设计个性化的智能养护系统？”学生在研究过程中都做着自己力所能及的事，中段学生负责基础观察与数据记录，高段学生主攻系统设计与优化。

在探究阶段，学生的基础参差不齐。部分学生编程上手快但植物知识薄弱，另一些学生观察能力强但对传感器一窍不通。我们按任务分组，保证每位学生都能参与核心探究。

1.科学+数学：数据思维的建立

探究植物需水规律时，使用虚拟仿真实验软件。学生模拟不同条件下的植物生长，AI即时反馈结果。学生尝试后分享：“在真花盆里不敢乱试，怕把植物弄死。在这里试多了，心里就有数。”虚拟实验没有替代真实观察，反而给了学生敢于试错的底气。

数学教师引导学生将传感器数据进行统计分析。学生发现不同植物需水量差异巨大，只是简单地定时浇水无法同时照顾到不同植物。他们用AI生成数据趋势图，计算标准差，尝试建立预测模型。数学教师感叹：“以前教统计，学生总觉得是为了做题。现在他们为‘救活’吊兰，主动进行研究分析。”

2.科学+美术：理性与感性的对话

美术教师引导学生用AI绘画工具生成设计草图，输入“有未来感、会呼吸、像植物一样的养护装置”，AI给出了几十种造型。学生没有照搬，而是提取元素，再结合本校文化特色手工绘制。在最终方案中，有的设计融入了传统竹编纹理，有的体现了现代几何风格。

美术教师提出了科学教师没想到的问题：“装置太丑，学生会不会不愿意放在教室里？”这又引发了新一轮的头脑风暴：学生充分考虑人机交互友好性，讨论色彩心理学，研究什么灯光颜色能让植物看起来更健康，为科学探究增添了人文温度。

3.科学+语文：探究过程的表达