摘要：本文旨在综述生成式人工智能(GenAI)在小学跨学科学习中的应用、影响及其未来发展趋势，通过分析国内外相关文献，探讨生成式人工智能技术在小学教育领域的实际应用场景，以及其对跨学科学习模式的影响与潜在挑战，为该领域的教育实践提供理论支持和实践指导。

关键词:生成式人工智能；跨学科学习；小学教育；教育创新；教育技术

一、选题由来及价值

（一）研究背景

背景一：时代发展的必然要求

21世纪以来，人工智能技术迅猛发展，社会生产过程从简单机械的单一模式发展为大规模自动化的智能模式，人类文明从工业文明迈向智能文明。全面推动人工智能教育发展，促进“工业化教育”向“智慧型教育”转变，是培养未来智能社会发展所需公民的必然选择。世界各国纷纷将人工智能教育纳入国家战略，我国也发布了《新一代人工智能发展规划》《高等学校人工智能创新行动计划》 等一系列政策文件，明确提出“构建人工智能多层次教育体系”，“在中小学阶段设置人工智能相关课程”。

背景二：深化课程改革的具体要求

人工智能教育对于培养具备智能素养的创新型人才、促进学生高阶思维能力和整合思维发展具有重要作用。由于人工智能本身具备跨学科特性，单一化、标准化的学科教学难以培养学生在复杂情境中解决问题的综合能力，因此，强调角色迁移、协作互助、基于真实情境进行实践体验的跨学科融合教育将在人才培养新模式中扮演重要角色。《义务教育课程方案（2022 年版）》将跨学科主题作为课程内容的一个关键要素，规定各学科均要开展跨学科学习活动，强化学科间的关联，增强课程的综合性和实践性。

在此背景下，深入探究人工智能教育与学科融合的内在机制、构建人工智能教育与学科教学融合的模式具有重要意义。目前，我国有多个省份开始启动研究，全国已有教育部公布的首批全国184个中小学人工智能教育基地名单。在上海，义务教育阶段学校开设人工智能相关地方课程，高中阶段学校在信息技术和通用技术等国家课程实施要求基础上，深化人工智能教学内容，提升学生数字素养，让AI成为学生成长路上的重要伙伴。

（二）研究价值

（1）该研究对新时代机遇与挑战的破解与回应。

自2017年起，国务院发布的《新一代人工智能发展规划》明确提出了利用智能技术加快推动人才培养模式、教学方法改革的要求。随后，教育部出台了一系列相关政策，如2018年教育部公布《教育信息化2.0行动计划》，国内中小学开始逐步引入人工智能教育，旨在推动教育形态与教育模式的重构，推动人工智能技术在教育领域的应用，特别是在小学阶段的人工智能教育方面，为人工智能在小学跨学科学习中的应用提供了政策支持。

2024年，教育部发布四项行动助推人工智能赋能教育，具体包括：国家智慧教育平台智能升级、AI学习专栏设立、人工智能大模型应用示范、数字教育对外开放。这四项行动旨在通过人工智能推动教与学融合应用，提高全民数字教育素养与技能，开发教育专用人工智能大模型，并规范人工智能使用科学伦理。由此应新时代需求而生，应对好技术变革所带来的风险挑战，勇于把握技术变革所提供的发展机遇，引导小学教学突破现有课堂单学科教学模式，主动适应课改新常态，整体提升中小学学生的综合素养，必须更是一种主动担当。

（2）对未来教育新型教学模式的思考与建构。

“师—生—机”三维共生共创的小学教育新型模式是一种将教师、学生和技术设备（尤其是信息化工具）紧密结合，共同促进教育过程和教育成果的过程。各学科知识的协同融合进一步从底层独立知识的角度转变为人与人工智能在跨学科学习过程中的“水乳交融”又“相对独立”的现状。在这种情况下，教师、学生、技术、平台、知识、素养等不再是孤立的元素，而是相互依存、相互促进的共生体。学生作为共生体的主体，学会与“他人”协作，共同解决真实情境中的问题，通过运用已有知识和数据，结合生成式人工智能系统产生新的数据实例，在此基础上结构化组织学习，培养学生综合思考、批判性思维和创新实践的能力。这是未来教育新型模式的建构。

（3）对智能学习样态的规划与实践。

生成式人工智能凭借着强大的自然语言处理能力，向基础教育发起前所未有的新挑战。可以根据学生的学习情况和特点，为他们提供更加个性化的学习资源和辅助工具，满足学生的不同需求，提高学习效果。生成式人工智能可以创建自动化学习评估系统，在不同时间、不同地点或问题情境中根据学生的认知变化做出即时反应，及时生成数据分析和数据理解，为学生提供即时的学习思路和新的数据例，推送更加精准的学习建议和指导，满足学生多样化学习，有望拓展教学目标的外延、提升基础教育阶段教学目标的高阶性。

二、研究现状述评

在研究初期，我们通过知网，查阅了关于“生成式人工智能”和“跨学科学习”的相关文献，进行了数据整理。

（一）生成式人工智能发展概述

2022年11月，Open AI推出ChatGPT在全球范围内掀起一场智能化改革浪潮,自然语言的理解与生成能力提升到新的高度，具备了跨学科、多场景、多用途的通用性，引起社会广泛关注。

1.生成式人工智能的定义与核心技术

生成式人工智能是指能够生成新数据的人工智能技术，这些数据可以是文本、图像、音频等。生成式人工智能通过学习大量已有数据的模式和特征，来创造新的、与原始数据相似的内容。ChatGPT是生成式人工智能的标志性成果，其核心技术是生成式预训练变换器，具备三大关键特征：卓越的语言理解和生成能力、自适应学习和个性化响应、多模态处理能力。它将自然语言的理解与生成能力提升到新的高度，具备了跨学科、多场景、多用途的通用性。2.生成式人工智能的发展历程与应用领域

生成式人工智能（GenAI）的发展历程经历了从早期实验性阶段到实用性阶段的转变。上世纪50年代，科学家们开始探索利用计算机生成新信息的方法，随着深度学习和大数据技术的兴起，GenAI得到了迅速发展。近年来，特别是在21世纪10年代中期以后，随着深度学习算法的发展和生成式对抗网络（GAN）等技术的提出，GenAI进入了新的时代，取得了显著进展。

两年来，生成式人工智能技术快速迭代，应用领域广泛，包括文本生成、图像生成、音乐创作、程序代码生成、设计与创新等多个方面。OpenAI持续推出GPT-4、GPT-4 Turbo，在输入长度、数据质量、图像处理和文本到语音转换等方面不断超越；谷歌发布大模型Gemini，其Ultra版本首次实现大模型在“大规模多任务语言理解”领域超越人类专家；Anthropic发布Claude 3系列模型，在推理、数学、编码、多语言理解和视觉方面确立了新的行业基准。同时，生成式人工智能正朝着多模态方向发展，出现了诸如MidJourney等图像大模型、Sora等文生视频大模型。2024年5月，OpenAI发布可以跨文本、音频和视频等所有模态进行实时推理的全能模型 GPT-4o，向更自然的人机交互迈出重要一步。

我国也相继出现了百度文心一言、讯飞星火、阿里通义千问、清华智谱等大语言模型。基于星火大模型、通义千问等通用大模型的部分教育产品落地应用，部分教育科技公司也开发了教育垂类大模型并衍生了相关产品。据不完全统计，中国已发布79个10亿参数规模以上的大模型，全球范围内10 亿以上参数大语言模型总数已达200多个，且数量和质量仍在不断增长。此外，生成式人工智能已在一些专门领域取得重要进展，如生物学领域关于蛋白和生命结构预测的模型AlphaFold 3，被认为不仅有望革新生物学研究，更将为药物发现带来前所未有的推动力。

可见，生成式人工智能的发展历程充满了创新与突破，为各行各业带来了深刻的变革。

3.生成式人工智能在教育领域的应用现状

生成式人工智能作为一项突破传统人工智能的新技术， 在教育中的应用有望推动教育数字化转型、实现教育高质量发展，并促进传统教学模式、教学过程和评价方式的全方位变革。全球人工智能学习和教育研究联盟（GRAILE）系统性推进人工智能教育应用创新，构建了生成式人工智能教育应用创新框架，从理念、实践和共识三个层面系统展现国际生成式人工智能创新体系结构。当前国际上六类典型实践案例分别为：（1）生成式人工智能支持网络和物理空间协同学习；（2）大语言模型推动智能导师系统应用推广；（3）生成式人工智能增强沉浸式平台和同伴支持促进脑健康；（4）大语言模型支持自动试题、干扰项和反馈生成；（5）智能学习路径规划和个性化学习支持提供；（6）亲和力小组实践推进高校生成式人工智能应用。同时形成了这样的共识：（1）认识生成式人工智能教育应用创新的特殊性；（2）信任是从消极拒绝走向积极应用的前提；（3）发挥人的主导作用应对认知停滞与去人性化；（4）重视应用中的数据泄漏和安全伦理风险；（5）消弭新的数字鸿沟和结构性不平等；（6）建立人工智能开发和应用新标准。

生成式人工智能日益成为未来教育变革的最大变量，具体表现在：一是重构人才培养目标：学生将不再像工业社会那样，为未来储备全部可能用到的知识而学习，人才培养目标将转向人工智能无法替代的高阶认知、计算思维、理性精神、创新能力和终身学习能力。二是重塑教育形态：教师与人工智能共存、共教、共学，将成为数字时代教师角色嬗变的必然选择。“流水线”式的人才培养模式，将被“大规模的因材施教”所取代。学生将从被动接受学习，真正转型为学习的主体，在生成式人工智能引导下主动开展自我学习。三是赋能科学化评价：生成式人工智能技术可以通过信息跟踪挖掘、数字回溯分析、科学监测评价等，描绘学生成长轨迹，完整记录学生的学习过程。教学评价将从结果分数驱动走向过程数据驱动，提升教学评价的科学性和精准度，实现因材施教。随着其广泛应用，也引发了一系列社会风险。国际上生成式人工智能在教育应用中面临的主要挑战主要有：学生接受教育场景面临异化挑战，学生接受教育场景面临异化挑战，生成的知识内容存在偏差风险，可能造成数据隐私泄露风险。

一些国家与国际组织纷纷制定生成式人工智能教育战略，以应对新技术为教育带来的各种风险与挑战。国际上生成式人工智能在教育应用中的主要应对策略主要包括：（1）更新教育理念：发挥教育过程中人本主义理念、树立包容和公平的教育理念、确保文化多元化的教育理念。（2）变革学校教育方式：实现创新性的教学设计、增进教学实施的评估与反思、改革课业评价模式、变革学校考试制度。（3）提升师生能力素养：增进教师的专业素养与技能；促进学生掌握面向未来的知识和技能。（4）制定隐私保护的规范措施：从国家角度制定生成式人工智能应用于教育的法律规范；从学校角度制定生成式人工智能应用于教育的规范标准。国内学者较多关注生成式人工智能教育影响，尤其关注它给教育带来的挑战和风险，并尝试提出应用策略和应对路径。国务院副总理孙春兰强调：“推动数字技术与传统教育融合发展，创新教育理念、方法、形态，让数字技术为教育赋能、更好服务于育人的本质。”

朱永新教授认为：ChatGPT等人工智能应用产品可以使我们更为便捷地获取知识、形成思路，这意味着未来人才不能将过多的精力放在背诵知识上，而是要在创造知识、揭示规律、解决问题上下功夫。

李政涛教授指出就ChatGPT对基础教育之“基础”的颠覆性变革，既是根本性的颠覆，也是体系性的颠覆，教育者与学习者思维方式的多元转向：从单向思维转向双向思维，从割裂思维走向共生思维，并对生成式人工智能应用产品在教学指导、学科学习、人机合作等方面带来的机遇和挑战进行了探讨。

清华大学计算机系教授唐杰作了题为《生成式人工智能大模型的现状和未来》的报告，指出GPT-4.5(AII Tools)具有很强的Agent(智能体)能力，与教育的深度融合带来了更多的可能性，是未来教育发展的主要趋势。

王帅杰等人提出国际上生成式人工智能的教育应对对我国的镜鉴：国家应将“以人为本”作为生成式人工智能在教育应用中的核心理念；构建促进教师和学生智能素养的生成式人工智能教育培训方案；推动制度化建设以增进生成式人工智能在教育应用中的规范性。

综上所述，当前生成式人工智能在教育政策、学术研究、行业发展和教育实践应用等维度发生转向。各国政府、相关组织相继出台政策，全球很多院校从禁止生成式人工智能逐步转向指导性应用；国内外学界日益关注生成式人工智能对教育的影响和潜在风险；市场应用在教育类型、学科覆盖等方面呈现多元化的发展趋势。

（二）小学跨学科学习的重要性与现状

1.小学教育中的跨学科学习的定义与意义

尽管作为一种思想或理念的“跨学科”源远流长，可追溯至中国先秦时期和西方的古希腊哲学，但作为一种特殊的知识领域却直至20世纪下半叶才被正式确立起来。跨学科起源于大学和科研机构的跨学科研究，这一概念最早由美国哥伦比亚大学心理学教授吴多士（Woodorth R.S.）于1926年提出，是指超越一个已知学科的边界而进行的涉及两个或两个以上学科的实践活动。第一本主要的“跨学科”类型学著作诞生于1972年，由艾普斯特尔等人主编的《跨学科：大学教学与研究问题》。同一时期，皮亚杰的《跨学科关系的知识论》推动了跨学科运动，他认为大学的院系割裂现象是阻碍知识创造和大学创造性人才发展的体制根源之一。

在教育领域，由于教育问题和学生发展的综合性，“跨学科”或“课程整合”理念与实践诞生并确立的时间要早一些。教育学者伯特兰于1898年提出了“整合教学”理论，“跨学科学习”或“课程整合”的正式确定者为赫尔巴特和其弟子齐勒。在20世纪初的进步教育运动或教育民主化运动中，“跨学科学习”与“课程整合”获得了新的生命力且有了新的发展方向。以杜威、克伯屈、陶行知为代表的民主教育思想或生活教育思想，从根本上超越了赫尔巴特主义，让“跨学科学习”与“课程整合”建基于教育民主思想，实现儿童经验、社会生活和学科知识的融合，植根于探究学习与项目方法，为“跨学科学习”与“课程整合”指出了永恒的方向与愿景。在如今的信息时代，“跨学科学习”与“课程整合”成为培养“21世纪素养”的重要举措，日益成为“协作式问题解决”的过程，与深度学习、项目学习化为一体。

什么是跨学科学习？不同学者对跨学科学习给出了不同的定义。美国著名跨学科学研究者克莱因强调围绕主题的知识整合，认为“跨学科学习是学习者创造性地联结某一主题的多个学科知识，对主题属性进行多维整合的过程。拉德克从学习目的的角度指出，“跨学科学习的核心是知识的整合，其过程需要多学科跨越知识边界主动作用，其目标是培养学生不仅能够从不同的视角看待事物，而且能够形成鉴别、比较、联系、综合等解决复杂问题的能力”。美国的STEM教育特别注重培养学生的综合素养和能力，具体表现为问题解决能力、自主创新能力、深度学习能力和适应未来能力。“跨学科”是 STEM 教育的典型特点，从最初关注理工学科知识的学习，到后来人文、艺术课程的融入，都体现了“跨学科整合”的理念。

尽管研究者分别从自己的视角和侧重点出发，赋予跨学科学习以不同的内涵，但在跨学科学习的内涵认识上也达成了一定共识：对于学习内容，强调“围绕一个主题”；对于学习过程 ，需要“运用多门学科知识，加以关联和整合”；对于学习结果，应致力于“提升解决复杂问题的能力，促进跨学科理解”。

综上所述，本研究认为，小学跨学科学习是指学生在真实情境和挑战任务中用学科知识、方法、态度和价值的理解去探索，学习过程注重将有意义的相关学科知识加以组织与整合，不同学科的知识交叉与综合融通中建构新的知识体系，有解决问题、形成作品、创生新知识等真实的目的，达成深度理解和创造性联结。

2.当前小学跨学科学习的主要方法与实践

国内学者一方面围绕跨学科学习的内涵、价值、设计逻辑、实践原型等内容展开的研究。张华认为“跨学科学习”的基本理念是为理解而学、为生活而学、为学科而学。应将跨学科意识渗透于学生的所有课程之中，将深度学习运用于学生的一切学习过程之中。 因地制宜创造性开发“跨学科课程”。夏雪梅认为跨学科项目化学习同时需要“学科立场”和“跨学科立场”，其基本设计逻辑遵循提出跨学科的真实问题—选取用于问题解决的不同学科视野—综合探索解决问题—整合形成跨学科成果和新理解的过程，实践原型包括组合、递进、冲突三种基本类型。吴刚平认为要确保跨学科主题学习既符合课程政策要求,又能够落到实处,主要有两个基本的操作策略：一是跨学科主题学习任务化，二是跨学科主题学习与学科主题学习交融互渗。

另一方面，就某学科为载体，学者们提出了实施要点与行动路径。洪安琪等人认为教师在设计与引导学生进行语文“跨学科学习”实践时，可采取以学习国家通用语言文字运用为目标，以语文学科知识及“大概念”为基础，以语言文字运用情境实践活动为途径，以互联网支持的新媒介技术为工具，以重动态表现的过程性评价为反馈的实施策略。

张廷艳等人认为在中小学数学跨学科主题学习的实施中,目标设置要强化育人导向、突出学科特征、体现素养进阶；活动设计与实施要优化行前方案、突出学生主体性、注重连续性；在评价中提倡评价主体多元化、评价内容多维化、评价方式多样化、评价手段数字化。

杨伊等人提出体育与健康课程跨学科学习的行动路径：坚持先立后通的基本逻辑，提升体育运动技能是高效推行跨学科活动的保证；融汇学科逻辑与生活逻辑，让体育的跨学科活动撬动人的全面发展。

吴旻瑜等人以义务教育信息科技课程为例，指出跨学科学习的教学设计和实施策略，包括设计问题导向的学习任务、设定跨学科与学科知识的双重目标、如整合不同学科的知识和实践元素，并在教学实施中采用直接教学、范例迁移教学和自主探究指导等模式。

我国部分地区的中小学也探索了学科教学内的跨学科主题学习。无锡市锡梅实验小学的五年级语文学科组以“创编舞台剧”为主题，基于语文学科整合了音乐和美术学科知识，通过项目式学习的方式（完成“游子吟”舞台剧）开展跨学科主题学习活动，以激发学生的想象力、陶冶情操以及培养正确的价值关切。

3.小学跨学科学习中存在的挑战与问题

当前的跨学科主题学习的课堂实践存在着一些问题，容易导致“跨学科主题学习”走向“浅表化学习”。

学者张玉华调查发现部分教师在开展跨学科主题学习时存在“目标定位的随意或模糊”问题，即以促使学生掌握间接知识为主要目的，而不是培养学生应对未来生活与学习的“跨学科素养”，导致课堂上依然采用“教师讲、学生听”的接受式学习方式，使学生“动脑不动手”地、孤立地研究和解决问题，学习内容只是不同学科知识的硬性拼凑，并没有横向发生联结，出现了“学习内容的拼盘化、学习形式的杂糅、学习方法的研究化”等问题。

李锋认为跨学科主题学习的课堂实践除了内容组织的“跨学科拼盘化”外，还存在着“学习过程娱乐化”、“跨学科主题学习专业化”等问题。“学习过程娱乐化”是指在探究主题、解决问题、完成任务的过程中，学生只是简单地动手操作或应用工具，没有综合地使用不同学科的知识和思维方式来解决复杂的问题，导致学习的过程出现“浅表化、娱乐化”等问题；“跨学科主题学习专业化”是指跨学科主题学习的“学习主题”脱离了学生的日常生活，并使用了大量的专业术语，导致学生无法有效地激活已有的学科知识，阻碍对主题的深度理解，难以找到解决问题的突破口，逐渐产生学习上的挫败感。

总的来说，这些问题主要包括“目标的定位不清”、“学习方式的娱乐化”、“学习内容的拼盘化”，需要学科教师设计和实施跨学科主题学习时加以关注和警惕。

（三）生成式人工智能在小学跨学科学习中的应用

1.生成式人工智能技术的教育应用实例。

随着知识的快速更新，学科分科教学已难以满足学生能力培养的社会需求，学校教学呈现出多个学科交叉和交融的趋势。生成式人工智能为各学科开展跨学科主题学习提供了技术支撑，助力培养学生批判性思维、创造性思维和系统性思维。以下为一些学校的应用实例。

胡燕等人探讨生成式人工智能在初中语文跨学科主题教学中的应用，以“茶文化”主题学习设计为例，利用人工智能辅助学习设计，通过建立学习支架、创设情境学习环境、分析学习成效等方式，促进学生整合知识和发展多元思维能力。

唐文静通过“蛇口当下与未来”项目的设计与实施，探讨了生成式人工智能在跨学科项目式学习中的应用。利用生成式人工智能的头脑风暴、项目辅导、个性化指导、创作辅助等功能，能够显著提升项目式学习的效率，为学生提供个性化的学习指导，并增强学生的学习动机。

曹徐丰等人以“人人都是艺术家”为研究案例，从信息科技、美术学科核心素养以及学生的真实生活情境出发，遴选适合学生的教学内容以跨学科项目式学习进行研究与实践，在创作漫画故事与漫画画面的任务中引入Chat GPT。小组成员通过云端技术协作探究，在有限的时间内完成漫画制作任务。在这个过程中，促进学生的主动学习和创造性思维，同时也为教育者提供了一种创新的教学方法，以提高跨学科教学的有效性。

2.生成式人工智能对小学跨学科学习的具体影响。

董艳、陈辉在《生成式人工智能赋能跨学科创新思维培养：内在机理与模式构建》一文基于“课前-课中-课后”的教学评一体化视角，提出了一个基于设计的产生式学习模式(DoPBL),旨在通过生成式 AI技术提升学生的跨学科创新能力。他们认为生成式人工智能对小学跨学科学习的具体影响主要体现在以下几个方面:高效信息检索与整合、多轮对话与角色模拟、评价与反馈、生成与创作，从而小学跨学科学习提供了丰富的学习工具和方法，有助于培养学生的跨学科创新思维和综合能力。

李光、刘芳芳在《生成式人工智能赋能历史跨学科主题学习研究》一文中认为生成式人工智能在历史跨学科主题学习中的应用能够促进跨学科主题学习的信息融合与知识探索，助推学生思维的多元发展，从而提升学生的学科核心素养。在具体的教学实践中，生成式人工智能可以通过搭建学习支架生成个性化学习资源，依托虚拟技术构建沉浸式学习环境，对学习效果进行实时且可见化的反馈并进行个性化策略调整，从而在学习资源、学习环境、学习反馈三个维度赋能历史跨学科主题学习，以丰富学生的学习体验，提升学习效率。

3.生成式人工智能在提高小学教育质量方面的潜力。

以 ChatGPT 为代表的生成式人工智能在教育领域内具有巨大的赋能潜力。如，董艳等从人机协同的视角出发，分析了 ChatGPT 赋能学生学习的路径；杨晓哲等认为 ChatGPT 类生成式人工智能能够在教师准备教学资源、学生开展自主学习、课堂增强学习互动、课外作业自动评价反馈四个方面成为赋能教育教学的助手。此外，生成式人工智能在更为具体的教育子领域也具有其特定的价值意蕴和赋能路径。例如，王景等分析了ChatGPT赋能拔尖创新人才培养的价值意蕴和路径；王佑镁等探究了 ChatGPT 赋能职业教育数字化转型的实践路径。

综上所述，我国当前生成式人工智能共创下的小学跨学科融合教学实践呈现出零散分布的特点，缺乏统一的跨学科融合范式。同时，随着生成式人工智能教育被引入中小学校，当前跨学科融合教学对生成式人工智能教育的关注及与生成式人工智能教育的联系不够突出。

（四）总结提炼

1.生成式人工智能与小学跨学科学习的关系。

跨学科是指超出一个已知学科的边界进行的涉及两个及以上学科的实践活动。跨学科强调通过多个学科的交叉与综合建构新的知识体系，从而解决单一学科无法解决或不能彻底解决的复杂问题。“交叉”与“综合”意味着跨学科需要兼具“发散”与“聚合”思维，这也正是创新思维的核心要义。

以 ChatGPT 为代表的生成式人工智能技术对教育领域的持续介入，正在反向诉诸人才的高阶能力，倒逼教育理念、教学模式的深度变革，成为助推教育创新的加速器。从技术底座来看，生成式人工智能拥有涵盖广泛学科知识的训练数据库，能够在短时间内为学生提供和解答几乎所有学科领域的知识[7]。此外，多项研究指出，ChatGPT 有助于建立人机协同的新型学习模式和多学科融合的新型育人模式。因此，生成式人工智能技术在助推跨学科教育创新方面亦具有巨大潜力。

2.对未来研究方向与实践应用的建议。

(1)搭建学习支架，实现学习资源赋能

选择合适的跨学科主题以及基于课标要求的任务设计，对于提升教育质量和培育学生的核心素养具有至关重要的作用。在此过程中，生成式人工智能技术能够为主题和任务构建“学习支架”。在主题选择方面，该技术通过深度分析和整合多学科资源，自动推荐最符合学生兴趣和学习需求，且紧贴学生最近发展区的学习主题。这种由技术搭建的“资源匹配型支架”显著增强了主题选择的适宜性，确保学习内容紧密围绕学生的实际生活情境问题、群体认知以及历史学术探究的问题。在任务设计方面，人工智能技术通过展示学习成果范例，依据学生的兴趣和学习进度推荐相关资源，并提供完成任务的具体步骤和方法。同时，实时的反馈和建议有助于学生构建稳固的知识体系，进而提升学习效率和自主学习能力。

（2）创设学习情境，学习体验赋能

以 ChatGPT 为代表的生成式人工智能技术将推动教学模式从“师-生”二

元结构转变为“师-机-生”三元结构。通过将生成式人工智能技术融入教学活动，教师得以为学生缔造一个仿佛穿越时空的学习环境。借助虚拟现实技术，学生能够深入体验教学任务的每一个细节。如：个性化内容的生成、赋能交互式的对话与创作、数字化情境的模拟与体验。在“师-机-生”三元结构中，教师是教学活动的设计者、实施引导者和评估者，生成式人工智能扮演“助教”和“助学”的双重角色，学生是教学活动的深度参与者。

（3）分析学习成果，为学习评价赋能

课后开展的跨学科创新思维评价是实现教学评一体化的关键环节。评价结果一方面将直接反映课中教学活动的效果，另一方面将为教师下一次课前跨学科教学设计提供重要的参考依据。生成式人工智能能够通过以下三条路径赋能跨学科创新思维评价：第一，辅助教师高效生成测验、问卷等评价工具。例如，教师利用 ChatGPT 辅助生成具有综合性和迁移性的跨学科知识测验。第二，模拟教师或跨学科专家对学生物化的学习成果进行自动化评价与反馈。例如，利用生成式人工智能技术对学生小组的项目成果报告书进行智能评分和建议反馈，教师在智能评价反馈的基础上补充教师反馈，以此减轻教师课后评价的负担。第三，ChatGPT 类平台保存学生的纵向人机互动话语数据，并与学习分析技术（如认知网络分析、内容分析）相结合，对学生的课堂学习投入度、协作问题解决能力进行量化分析和可视化。

3.提出对生成式人工智能技术的管理与规范建议。

生成式人工智能的教育应用，对师生素养提出更高要求。所有师生对接触和使用生成式人工智能都应有充分的认知准备，准确认识教育大模型的研发目标和应用出发点，即为赋能师生而不是替代师生。师生应强化教育主体意识，从工具视角准确认识生成式人工智能，学会在保护自我隐私、遵守伦理规范、批判性认识大模型输出信息的前提下，规范、适宜地享受个性化和高效的教与学服务，具有与人工智能协同学习和工作的人工智能素养，成为适应人工智能时代的未来人才。

学校建立有效的生成式人工智能管理机制，明确管理目标，确保技术的合规、安全和可持续发展。学校制定了详细使用规范，明确系统的研发、部署和使用过程中的权责关系与行为准则。同时，加强数据管理与隐私保护，确保技术不侵犯个人隐私和信息安全。

参考文献

1.（生成式人工智能的理论审视、风险揭示及治理路径——以 ChatGPT为视角 胡 枫，张 超）

2.（国际生成式人工智能教育应用与省思 王 雯 李永智）

3.（生成式人工智能在教育应用中的国际观察：挑战、应对与镜鉴王帅杰 1， 汤倩雯 2， 杨启光 1）