人工智能+教育 | 生成式人工智能赋能小学跨学科学习的资源开发策略

教育部等五部门近日印发， 明确提出推动人工智能人才培养与素养提升、促进人工智能与教育深度广泛融合、建强“人工智能+教育”基础环境、优化“人工智能+教育”发展生态等四大重点任务。

基于此，《中国信息技术教育 》 杂志推出“人工智能+教育”专题系列，旨在系统追踪政策落地动态，深度呈现一线创新实践，凝练可复制、可推广的经验范式。

生成式人工智能赋能小学跨学科学习的资源开发策略

——以“设计制作校园植物名片”项目为例

黄松华 江苏省常州市新北区教育管理服务中心

生成式人工智能技术的飞速发展，为跨学科主题学习，特别是学习资源的开发与重构，提供了全新的范式与工具。本文以《义务教育信息科技课程标准（2022年版）》倡导的跨学科主题学习为背景，以“设计制作校园植物名片”项目为例，深入探讨了生成式人工智能赋能资源开发的核心策略，并通过实践提出了“生成性、个性化、进阶式”的赋能原则，构建了涵盖“情境化资源生成、个性化学习支架、可视化创作赋能、过程性评估嵌入”四维策略的资源开发模型。

《义务教育信息科技课程标准(2022年版)》明确提出跨学科主题学习的新要求,数字化学习与创新素养作为信息科技课程核心素养，急需通过跨学科教学活动得到有效培养。“设计制作校园植物名片”是苏教版小学信息科技四年级跨学科主题学习活动，是融合信息科技、科学、语文、美术等多学科的典型实践项目。但在传统的项目实施中，学生信息检索效率低下、创意设计灵感匮乏、个性化指导资源不足，这些资源开发瓶颈严重制约了项目的顺利开展，而生成式人工智能以其强大的内容生成、情境模拟与对话交互能力，为破解这些瓶颈提供了革命性路径。

跨学科学习资源开发的现实困境

当前，跨学科学习资源开发面临多重困境。首先，跨学科学习资源需要打破单一学科的知识壁垒，但现实中教师往往只能创建跨学科知识的表面联系，不能发掘知识之间的内在逻辑关联。其次，跨学科资源开发对教师跨学科知识的要求较高，而当前教师缺乏跨学科的知识储备。同时，教研组没有建立长效的跨学科教研机制，对跨学科课程的理解容易出现碎片化等问题。最后，现有的教学评价机制难以评价学生的跨学科综合性学习成果，资源开发缺乏效果反馈机制，资源的创新只停留在表面，没有真正融入到日常教学中去。

生成式人工智能应用于跨学科学习资源开发的现状

虽然生成式人工智能为跨学科学习资源开发创造了无限可能，但是教师在实际应用中仍面临功能单一、目标单一、选用不当等问题。首先，大部分教师还停留在使用生成式人工智能进行文生图或进行信息检索整合等层面，利用生成式人工智能生成的内容较为浅层。其次，生成式人工智能在学科教学中被当作“提分工具”，被用来生成各类个性化试题、监督学生学习专注度等，忽视了跨学科学习在培养复杂问题解决能力、创新思维等方面的核心价值。最后，部分教师缺乏批判性思维，存在盲目使用生成式人工智能的现象，开发的跨学科资源与学生的认知水平不匹配，反而增加了学生的学习负担。

生成式人工智能赋能小学跨学科学习资源开发的原则

生成式人工智能在小学跨学科学习资源开发中的应用，不应仅是替代搜索引擎或提供模板，而应成为辅助师生创造力与探究力的“认知伙伴”。基于此，本研究提出以下赋能原则。

生成性原则：构建响应式资源环境

传统的学习资源多为教师课前预设的静态材料，生成式人工智能可根据学生探究过程中的即时问题、具体观察和创意构思动态生成学习资源，形成一种“响应式”跨学科资源环境。例如，在“设计制作校园植物名片”项目中，资源从固定的植物图鉴转变为能根据学生描述的植物特征（如“叶子像手掌、秋天变红”）即时生成初步鉴定报告与特征描述的智能助手。

个性化原则：实现差异化资源支持

生成式人工智能能够实现跨学科资源的个性化定制。针对同一项目主题，可为擅长绘画的学生生成设计风格建议，为擅长写作的学生提供修辞例句，为擅长逻辑论证的学生推荐数据呈现模板，确保每个学生都能在自身优势的基础上获得适配的创作支架，实现“一类多案”的个性化资源供给。

进阶式原则：深化高阶思维参与

生成式人工智能的应用需超越工具层面，指向学生思维能力的培养。通过设计具有思维挑战性的提示，引导学生与人工智能进行多轮的批判性对话，锻炼其问题分解、方案对比、逻辑论证等计算思维与批判性思维。例如，在制订植物编码规则时，引导学生命令人工智能生成不同编码方案的优劣对比分析，而非直接获取答案。

生成式人工智能赋能小学跨学科学习资源开发的实践策略

“设计制作校园植物名片”项目的目标为：能利用数字化工具或其他方式，获取植物的相关信息；能根据校园植物情况，制订编码规则，并对植物进行编码；能通过植物名片的设计与制作，增强对植物的了解。本研究基于项目目标，并结合教材内容，对“设计制作校园植物名片”进行项目化设计，从信息收集、编码设计、创作美化、评价拓展四个方面展开教学，构建了生成式人工智能赋能的四维资源开发策略。

策略一：借助生成式人工智能生成情境化探究资源

在跨学科项目式学习中，情境化探究资源是指那些能够为项目赋予真实意义、提供问题语境，并驱动一系列连贯探究任务的资源集合。然而在传统教学中，此类高质量情境资源的创作高度依赖教师的个人经验、叙事能力和时间投入，存在创作瓶颈高、难以动态适配、缺乏个性化等挑战。生成式人工智能的出现，为破解这一困境提供了技术可能。

（1）情境导入资源的创建

生成式人工智能可以快速围绕学习主题搭建出真实的任务场景，并提供系列化的背景材料和思考线索。例如，在“设计制作校园植物名片”项目中，教学目标为为植物制作名片。在项目伊始，教师可以借助生成式人工智能创设导入情境，如建立一套完整的植物数字档案馆。生成式人工智能可以生成完整而详细的《校园植物认知现状调研倡议书》，还可融入数据分析：“我校当前共有乔木、灌木等植物30余种，但仅有10%的植物有身份牌，许多同学叫不出植物的名字……”倡议书的导入让学生明晰本节课应完成的学习任务，意识到即将参与的是校园改造项目而不是简单的课堂任务，增加了内驱力。

（2）教学活动中情境资源的创建

在上述情境导入后，学生开始进入信息收集与探究阶段，在传统的项目式学习中，教师通常让学生上网搜索植物信息或翻阅图鉴。而利用生成式人工智能可将信息收集过程角色化、流程化、故事化。生成式人工智能会针对学生选定的每一种植物生成一张独特的任务卡。例如，某学生选择“香樟树”，生成式人工智能为学生明确侦探目标——图书馆东侧的高大常绿乔木，并提供关键线索：叶片有特殊香气，揉碎后更明显；树干有纵向裂纹。出示学习任务：①现场取证（拍照、记录特征）。②线索分析（利用工具鉴别其名称、科属）。③深度访谈（采访老园丁，了解这棵树的故事和养护知识）。④请将你的发现填入《侦查报告》。情境资源极大地增加了探究的趣味性和目的性，也促使学生了解更科学、更全面的信息收集方法。从学生的信息收集结果来看，学生信息收集的完整性和准确度都有显著提升，学生还丰富了植物生态习性相关知识。

策略二：借助生成式人工智能创建个性化学习资源

生成式人工智能像一个拥有海量资源且无比耐心的智能学伴，在项目的每个环节实时观察学生的兴趣倾向、认知水平、思维习惯和技能状态，然后从庞大的资源库中，精准调取或生成最适配该学生当前需求的学习材料、思维工具和反馈指导。

（1）锚定兴趣创设资源

生成式人工智能可以基于兴趣锚定个性化资源，通过精准识别、多维匹配、动态调整资源，实现智能教育。在本项目中，生成式人工智能从三方面精准锚定学生兴趣：①显性兴趣收集。课前让学生从兴趣爱好等方面与生成式人工智能对话，如“我平时最喜欢做什么？”“校园里哪个角落最吸引我？”等，通过交互对话收集学生显性兴趣，通过基于兴趣的“探索入口”进行资源推送。②隐性兴趣挖掘。学生围绕“我发现的植物秘密”展开小组讨论，生成式人工智能分析学生在讨论中的关注焦点和兴奋点，如“为什么月季的刺和玫瑰的刺不一样？”“刺会不会有毒？”等，分析学生兴趣背后的思维特质，进一步推送个性化资源。③动态兴趣追踪。在项目进程中持续记录学生探究路径，识别哪些任务让学生投入时间更长、提问更深入，从而发现兴趣的自然迁移和扩展轨迹。

（2）整合多维度创建资源

为了更好地开展项目式学习，在教学过程中，教师除了基于学生兴趣进行个性化资源供给，还需要考虑学生的认知、生活体验、文化背景、项目实施过程中的角色分工等。在本项目中，可利用生成式人工智能为学生提供角色专业化的资源包，帮助学生收集资料、探究线索、创作作品。教师借助生成式人工智能在角色专业化的资源包里放置了信息收集员、设计师、探究员、汇报员的相关角色技能，包括数据记录工具、科学探究方法、排版原则、设计软件快捷技巧、可视化呈现等资源。例如，为设计师生成的资源包里包含名片排版原则及图例、植物主题配色方案、设计软件使用技巧，学生学习设计后的作品，在版面设计、色彩等方面都有显著提升。

策略三：借助生成式人工智能赋能可视化创作与表达

生成式人工智能的多模态内容生成能力解决了学生在创意实现与信息表达方面的现实困境。生成式人工智能作为设计助手，可以快速从布局、色彩、风格等方面提供建议，让创意从模糊走向清晰、从想法走向成品。同时，可帮助学生优化文字表述，让信息传递更精准、更生动。生成式人工智能不仅降低了创作门槛、提升了作品质量，更提升了学生的审美意识。

（1）实现创意可视化

由于受认知水平和课堂时间的限制，要让学生在一节课时间内制作出完整的作品往往比较困难。在植物名片的设计上，生成式人工智能可以从布局、色彩、风格等方面提出建议，还可以直接生成植物名片成品。因此，教师引导学生向生成式人工智能输入指令：“请帮我为校园的银杏树设计一张名片，风格是动漫风。”在作品生成后，要求学生通过指令的修改，对主角、底色、信息、排版等进行细致优化，这样可以极大地缩短“设计—验证”的时间，提升设计效率。

（2）优化信息表达

借助生成式人工智能可以优化名片上的文字表达，让信息更准确、生动、适龄。例如，生成式人工智能将普通、简洁的香樟树文字介绍修改为学生更易懂的文字，融入比喻、拟人的写法，将其比作“四季常青的守护者”和“驱虫高手”，这样更贴合小学生的阅读习惯。此外，在汇报环节，学生通过指令输入需求，生成式人工智能会为学生生成交流汇报文稿，帮助他们梳理研究过程、提炼学习发现，并清晰、有条理地向同伴和教师展示学习成果。

策略四：借助生成式人工智能实现过程性评估与反思嵌入

生成式人工智能让学习过程中的“评”与“思”相互赋能、形成闭环，将传统的滞后的结果评价转化为动态的过程指导，实现以评促改。生成式人工智能通过层层递进的结构化提问，推动学生从浅层的任务反思走向深层的意义建构。“评思融合”的赋能机制让学生从被动的任务完成者成长为主动的自我建构者。

（1）赋能学习过程评估

生成式人工智能的加入可以实时评估学生的学习过程，不断修正其学习过程中出现的问题，弥补传统课堂中教师评价滞后、反馈不全面的问题。学生在撰写植物特征、设计名片、编写植物编码等各个环节中，均可使用生成式人工智能为自己的设计提供指导性的建议。例如，对于学生在制作香樟树名片时，撰写的“具有香味”这一特性，生成式人工智能将其修正为“香樟树的香气来源于樟油”这样更加准确科学的描述。在传统课堂中，这样的评估往往比较滞后，学生需进行多次修改，而通过生成式人工智能则可形成“边做边评、即时优化”的评估模式，避免错误的延续。

（2）引导学生深度反思

传统的学习反思停留在“是否完成任务”的表面阶段，无法深入了解学生学习行为背后所反映的问题，不能推动学生的课后反思和改进。生成式人工智能通过过程性评估和结构化提问，可以为学生提供更为精准的有深度的建议。在制作植物名片项目中，生成式人工智能将学习反思从“完成了哪些任务？”过渡至“你学到了什么新知识或新技能？”，最后引向“如果以后再做类似的项目，你会怎么做？可以借鉴哪些经验？”。学生不再局限于回顾“做了什么？”，而是在生成式人工智能的层层追问下，为后续的学习做准备。

思考

生成式人工智能为小学跨学科学习的资源开发提供了新路径。实践表明，生成式人工智能能够创设情境化资源、提供个性化学习资源、赋能可视化创作与表达、实现过程性评估与反思。但过度依赖生成式人工智能会让学生失去主动思考的能力，从而削弱学生主体地位。所以，生成式人工智能并不能替代教师，只有让生成人工智能的技术优势与教师的专业引领和育人价值相得益彰，才能实现真正的以人为本。

展望未来，生成式人工智能在跨学科学习中的应用场景将更加丰富多元。如何构建更加系统化的生成式人工智能赋能教学模式，是值得一线教师持续深入研究的方向。

本文作者：

黄松华

江苏省常州市新北区教育管理服务中心

文章刊登于《中国信息技术教育》

2026年第08期

引用请注明参考文献：

黄松华.生成式人工智能赋能小学跨学科学习的资源开发策略——以“设计制作校园植物名片”项目为例[J].中国信息技术教育,2026(08):48-51.

欢迎订阅

识别上方二维码订阅纸质版或电子版杂志