AI技术驱动跨学科教研融合的创新实践

程齐苗,杨帆.人工智能赋能跨学科主题教研的实践探索:以高中技术与工程学科为例[J].中小学信息技术教育,2026(4):86-88.

2025年11月，教育部正式颁布《普通高中技术与工程课程标准日常修订版（2017年版2025年修订）》。此次修订将原有课程“高中通用技术”更名为“高中技术与工程”。这不仅是名称的变更，更是对工程教育短板的主动填补，标志着技术与工程教育在基础教育领域的战略回归与全面升级。本系列文章聚焦“高中技术与工程教育的跨学科实践探索”主题，旨在从多元角度出发，促进科技在人文土壤中生根，多维度展示技术与工程教育的实践创新与发展路径，为新时代育人方式变革提供实践依据与思考启发。

《普通高中课程方案（2017年版2025年修订）》强调“关注学科内部及学科间的知识联系与整合，推动跨学科学习”。《普通高中技术与工程课程标准日常修订版（2017年版2025年修订）》则要求“重视技术与工程的融合以及跨学科学习，在技术与工程教学中注重与数学、物理、化学、生物等学科知识的融合与应用”。

跨学科主题教研以跨学科学习为基础，旨在打破单一学科壁垒，以真实主题、问题或现象为载体，整合两个及以上学科的知识、思维与方法，组织多学科教师共同参与的协同教学研究活动。其核心要素主要包括以下六个方面。

一是学理定义。跨学科主题教研以“问题导向”为逻辑起点，通过多学科协同教学研究，实现多学科知识的深度整合与学科素养的综合培养，而非知识的简单拼凑，本质在于构建“问题（主题）导向、协同研究、知识融合、素养提升”的跨学科教研机制。

二是教研目的。通过开展跨学科主题教研活动，研讨教学主题或问题，提升教师的协同教研与综合教学能力，推动学科教学贴近学生的真实生活与学习场景，突破单学科教学的局限性，培养学生运用跨学科知识解决实际问题的综合素养。

三是参与主体。跨学科主题教研以解决技术与工程学科的实际问题为基础，以技术与工程学科教师为核心，联动数学、物理、信息科技、美术等多学科教师，并辅以教研员、学生代表共同参与。具体人员可根据问题的复杂程度、学科相关性及教研形式灵活确定。例如协同备课环节学生可不参加，而课堂观察则需要学生参与。

四是教研主题。跨学科教研主题的确定以跨学科学习问题为导向，以学生学习为中心，既可以是聚焦于技术与工程解决实际问题的学习场景，如“校园导览机器人设计”的项目方案与评价；也可以是跨学科学习过程中学生“学”与教师“教”的具体问题，如机器人硬件搭建、电路连接、编程控制等。

五是教研内容。跨学科主题教研内容依据跨学科备课所确定的教学设计、学习任务设计、师生活动安排、学习评价设计等研讨活动来制定。重点关注跨学科整合的三种要素：（1）知识融合，如工程设计、电路原理、编程算法、数学建模等相关知识；（2）方法应用，如根据不同项目和任务，采用实验探究、项目式学习、迭代优化设计等学习方法；（3）思维发展，如在项目学习中提升学生的工程思维、计算思维、逻辑思维与创新思维。

六是教研形式。跨学科主题教研涉及多学科教师，可采用跨学科协同备课、课堂教学分析、项目式主题教研、网络平台联合教研、课堂教学成果展示等方式。教研形式可根据教研主题、参与人员和时间安排等因素灵活选择。

跨学科主题教研由多元主体参与，能够应对主题的综合性、复杂性问题，从而保障跨学科学习的顺利开展。

1.综合主题是技术与工程学科的本质需求

高中技术与工程学科的核心主题天然具有综合性。例如“智能农业灌溉系统”主题，需要整合技术学科的工程设计、物理学科的流体力学、数学学科的数据分析、信息科技学科的传感器编程以及生物学科的作物需水知识。单一学科无法覆盖其完整的教学需求，跨学科教研是实现主题深度教学的必然途径。

2.复杂问题是真实工程场景的客观存在

真实的工程问题往往具有多维度复杂性。例如“绿色照明系统设计”需要解决四大核心问题：结构稳定性（物理）、能源利用效率（技术）、空间美学设计（艺术）、成本控制（数学）。各核心问题相互关联、彼此制约，必须通过跨学科教研整合多学科知识、思维和方法，才能形成科学可行的“绿色照明系统设计”方案。

3.多元主体是协同育人的核心保障

跨学科教研的参与主体涵盖多学科教师、实验员、学生等多元群体。技术与工程学科教师提供实践操作指导，理、化、生等学科教师提供理论支撑，信息科技教师提供数字工具支持。教师通过学生的实践反馈优化教研方案，多元主体的协同互动能够实现“教学相长”，提升教研的全面性与实效性。

当前，跨学科主题教研仍存在学科思维固化、难以形成知识互补、影响教师参与积极性等问题。合理运用AI赋能优势能有效应对这些挑战。

数据驱动精准优化使教研可循证。AI工具通过采集跨学科教研过程中的全量数据，如学生实践操作数据、教师协同行为数据等，为教研优化提供实证支持。例如在“校园导览机器人设计”教研中，AI学习分析系统可追踪学生在传感器调试、路径规划中的错误数据，精准定位“编程逻辑与物理运动轨迹匹配不足”的核心问题，为教师调整教学方法提供数据依据。

知识关联直观呈现使思维可视化。AI知识图谱技术可将跨学科知识的关联逻辑可视化，帮助教师快速把握核心节点。例如在“绿色照明系统设计”主题教研中，AI工具能自动生成“结构稳定性（物理）-材料环保性（技术）-能耗优化（数学）-空间美学（艺术）”的知识图谱，清晰呈现学科间的依存关系，降低教师跨学科知识整合的难度。

智能技术辅助知识建构使概念清晰化。AI概念图谱工具可自动梳理跨学科核心概念的内涵、外延及关联点。例如在“智能农业灌溉系统”主题教研中，AI能整合“传感器技术”“土壤湿度阈值”“数据分析模型”等跨学科概念，生成结构化的概念体系，帮助教师和学生快速构建完整的知识框架。

打破学科本位思维的局限，更新教学观念。AI赋能的跨学科实践场景（如智能协作平台）能让教师直观感受多学科协同的价值，逐步打破学科本位思维。技术与工程学科教师通过AI协同平台与数学教师共同解决“工程建模”问题，可深化对跨学科知识互补性的认知，更新教学观念。

多元工具协同赋能使教研方式更科学。AI整合了虚拟仿真、协同协作、智能评价等多种学习工具方法，为跨学科教研提供全方位支持。例如在“智能家居系统设计”主题教研中，教师可借助AI虚拟仿真实验平台进行电路模拟，通过协同备课系统共享设计方案，利用智能评价工具量化学生的创新设计能力，实现教研方式的综合优化。

系统化生成跨学科资源。AI能自动整合分散在不同学科的资源，生成适配的跨学科资源包。例如针对“校园导览机器人设计”主题教研，AI资源平台可筛选整合工程设计案例、电路原理课件、Python编程教程、数据分析工具等资源，并适配技术与工程学科的教学需求，形成可直接使用的教学资源包；同时通过虚拟仿真技术生成虚拟实验场景，弥补实验教学资源的不足。

人工智能如何赋能跨学科主题教研，笔者提出了“五步法”实施流程。

第一步，精准确定跨学科教研主题。教师聚焦技术与工程学科的核心素养目标，结合真实工程场景与学生生活实际，使用AI分析工具，确定兼具综合性与实践性的教研主题。例如，教师通过AI分析工具精准确定“智能校园节能系统设计”主题，明确教研的核心目标与跨学科融合方向。

第二步，组建跨学科教研共同体。以技术与工程学科教师为牵头人，联动数学、物理、信息科技、美术等学科教师，邀请行业工程师作为顾问，通过AI协同平台（如腾讯会议AI版、飞书AI）组建线上线下融合的教研共同体，明确各成员的职责与分工。

第三步，系统分析教研主题中的学科问题。教师利用AI知识图谱工具，拆解教研主题涉及的跨学科核心问题。例如，“智能校园节能系统设计”需拆解为工程设计问题（系统架构搭建）、物理问题（能源转化原理）、数学问题（能耗数据分析建模）、信息科技问题（传感器编程与数据传输）、艺术问题（系统外观与校园环境适配），明确各学科的核心任务。

第四步，研讨跨学科问题的解决思想与方法。跨学科教研共同体通过AI协同平台开展研讨，确定解决跨学科问题的具体方法。例如，针对“能耗数据分析建模”问题，数学教师与技术教师共同研讨确定采用AI数据分析工具；针对“传感器编程”问题，信息科技教师提出采用Python+AI编程辅助工具（如通义灵码），形成“AI工具+学科方法”的解决方案。

第五步，快速形成跨学科学习方案。教师通过AI协同平台整理研讨成果，形成包含教学目标、教学流程、资源配置、评价标准的完整学习方案。例如，“智能校园节能系统设计”项目学习方案中，教师使用AI协同备课平台快速整理形成跨学科学习全流程：项目背景、项目设计、项目实施、项目评价；同时，完成项目学习支架、项目任务教学课时分配、学生实践活动的分层设计等环节，确保方案的可操作性与实效性。

教师是AI应用于跨学科主题教研的设计者、执行者与创新者，其人工智能素养的高低，直接决定了AI能否真正融入跨学科教研的设计、实施与反思全流程。

教师需充分认识AI技术对跨学科教研的支撑作用，主动探索AI工具在技术与工程学科跨学科教研中的应用场景。例如，理解AI虚拟仿真技术对“复杂工程实验”的替代价值，AI数据分析工具对“教研效果量化”的提升作用，树立“AI+跨学科”的教学意识。

教师要有基于AI工具辅助解决问题的人工智能思维，将其融入跨学科教研的问题解决过程。例如，在“校园导览机器人设计”主题教研中，运用计算思维优化机器人路径规划方案，通过人工智能思维分析实验数据中的规律，用系统思维整合多学科技术要素。

教师要学会熟练运用各种AI工具开展跨学科教研实践，包括利用AI虚拟仿真实验平台设计跨学科实验；借助AI协同工具开展跨学科备课；通过AI资源生成工具开发跨学科教学资源；运用AI评价工具量化教研效果，形成“工具应用-资源开发-效果评价”的实践方法链。

教师要明确AI在跨学科教研中的应用边界，避免过度依赖AI导致教师自主思考与学生创新能力的弱化。例如，在跨学科项目学习实践中，教师引导学生将AI工具作为解决问题思路的参考而非直接抄袭，注重保护学生的实践数据隐私，规范使用跨学科教研和教学中的数字资源，尊重知识产权。

作者单位│安徽亳州市教育科学研究所 安徽亳州市教师进修学校