智能體賦能的人機協同跨學科主題教學支持模型

[摘" "要] 跨學科教育已成為全球教育發展的重要趨勢，我國近年來通過一系列政策舉措積極推進跨學科教育改革。然而，跨學科教學對教師教學能力提出了嚴峻挑戰，要求教師必須具備多學科知識整合和有效的課程設計等能力。研究聚焦于提升教師跨學科教學設計質量和效率這一關鍵問題。基于以學科大概念為核心的跨學科主題教學設計模式，結合基于生成式人工智能的智能體技術，研究構建了教師—智能體協同教學支持模型。該模型包括四個核心部分：跨學科知識庫構建、智能體精細分工與思維鏈構建、大型語言模型選擇與角色定義、教學方案整合與迭代優化。通過在“小型系統模擬”跨學科課程中實踐應用該模型，闡明了教師—智能體協同教學支持模型的有效性和創新價值。研究為教育技術創新和跨學科主題教學實踐提供了新的理論框架和實施路徑，對推動跨學科教育發展和實現教育數字化轉型具有一定意義。

[關鍵詞] 跨學科主題教學； 智能體協同教學； 大概念； 生成式人工智能； 多智能體系統

[中圖分類號] G434" " " " " " [文獻標志碼] A

[作者簡介] 袁磊（1978—），男，湖北鄂州人。教授，博士，主要從事信息技術教育應用研究。E-mail：9761541@qq.com。

一、引" "言

跨學科教學的概念由來已久，其中較為成熟的STEM/STEAM教育模式，已被多國廣泛應用于K-12階段教學。面對全球跨學科教育發展態勢，我國積極參與跨學科教學變革。2022年，我國教育部發布的《義務教育課程方案和課程標準（2022年版）》明確要求教師每學期課程教學中應有不少于10%為跨學科課程[1]；2023年，聯合國教科文組織在上海設立教科文組織國際STEM教育研究所；2024年，中國教育發展戰略學會科學與工程教育專業委員會發布了《STEM教育2035行動計劃》[2]，從跨學科教育進課標到制定未來發展戰略，均展現了我國以跨學科教育服務教育強國建設乃至世界教育發展的愿景[3]。然而，跨學科教學對適應傳統單學科教學的教師提出了嚴峻挑戰，要求教師不僅需掌握多學科知識，還要找到切入點有效整合這些知識[4]。因此，如何設計出既能激發學生興趣又能達成教學目標的跨學科教學，如何幫助教師提升跨學科教學設計的質量和效率，成為亟待解決的問題。

生成式人工智能作為驅動新質生產力發展的代表性技術，正在深刻重塑教育領域[5]。生成式人工智能強大的知識擬合能力為解決跨學科教育設計難題提供了新的可能性。因此，本研究聚焦“如何設計跨學科教學”這一基本問題，概述了以學科大概念為基如何設計跨學科主題教學。進而，利用基于大語言模型的智能體技術，設計出教師—智能體相輔相成的協作教學支持模型，從而解答“如何提升跨學科教學設計的質量和效率”這一關鍵問題。

二、教學設計：學科大概念為基的跨學科主題教學模式

傳統跨學科教學模式常存在教學設計主干缺失的問題，導致學科間整合拼盤化和表面化，難以實現深度融合和知識遷移。學科大概念能凝練各學科的核心思想和方法論，為不同學科知識的有機整合提供系統性的概念框架。基于此，本研究構建了基于學科大概念的跨學科主題教學設計模式，如圖1所示。旨在易于教師操作的基礎上，通過對跨學科教學由抽象到具體的逐步構建，促進學生在主題學習中實現知識理解和核心素養的培養，為學生全面發展提供科學、系統的教學支持。

（一）主題架構與大概念群確立

構建宏觀教學主題是跨學科主題教學的基礎。跨學科主題教學通常借助綜合任務、宏觀概念或核心問題作為組織中心，整合不同學科的核心概念和技能[6]。宏觀教學主題作為大概念群的凝聚核心，貫穿整個教學單元，并促進單一學科單元向跨學科單元轉化。

在教育實踐中，教師首先需要確定主導學科，然后進行主題架構。主題架構應滿足生活化和學科化兩個特征[7]。對于生活化主題選擇，教師需從學生實際生活出發，選擇貼近學生經驗且能激發其興趣的話題；對于學科化主題選擇，教師需基于課程標準、教材內容和核心素養等方面進行篩選，尋找不同學科的交叉點，組合形成綜合主題。無論采用何種方法，教師都需預先劃分并確定主導學科，以確保主題架構的科學性和系統性。

學科大概念是體現學科本質、反映學科思想方法的上位核心概念，具有高度概括性、強實用性、廣泛聯系性和強解釋性。通過聯系下位具體概念，學科大概念能聚合相關內容，表征學科本質，增進學生對學科的認識與理解[8]。跨學科教學設計中，學科大概念依據與其他學科的交叉程度，可分為共通大概念和非共通大概念。共通大概念是跨學科內容的組織核心，超越單一學科界限，具有廣泛普適性和遷移價值[9]。它不僅能夠在不同學科間共享，還能促進學生跨學科思考，培養綜合素養和創新能力。學科大概念與共通大概念之間呈包容和互聯關系，前者是后者在具體學科領域的體現和應用。共通大概念如同廣闊框架，包含各個學科大概念，通過它們之間的相互作用和聯系，促進跨學科理解和應用。非共通大概念存在于特定學科內部，與其他學科難以建立直接聯系，但可通過大概念間的網絡關系與其他學科建立間接關聯。

確立大概念群是跨學科教學設計的關鍵步驟，如圖2所示，大概念群是“主學科大概念+相關學科大概念”的集合，并應以主學科大概念為核心。教師首先需從主題中歸納提煉“主學科大概念”。此過程要求教師立足學科高度，以概念性視角審視事實性內容，以素養發展為主線組織學科內外知識，篩選重要大概念，構建具有意義的認知網絡[10]。教師可采用自上而下的方法，從課程標準、教材分析、專家思維及概念關聯中提取；或采用自下而上的方法，從生活價值、知能目標、學習難點及評價標準中產生主學科大概念[7]。

其次，教師進一步探索、挖掘并抽象出多學科適用的共通大概念，以此為紐帶派生關聯學科的學科大概念，構建跨學科橋梁，突破傳統學科界限，促進知識的橫向聯系與深度理解。對于非共通大概念，教師需探索其與共通大概念體系中特定學科大概念之間的潛在聯系。最后，構建學科內大概念的聯系，實現與主科大概念的合理對接，促進跨學科知識的整合與應用。這一系統化過程旨在建立一個全面、連貫的大概念體系，為跨學科教學提供堅實的概念基礎。

（二）目標設定與知識整合

教學目標的制定是一個多維度、系統化的過程，需要綜合考慮課程標準、學生核心素養發展以及具體教學需求三方面因素。課程標準為教學活動提供了宏觀指導框架和預期成果指標，確保教育內容的全面性和系統性；核心素養指明學生培養的能力維度，包括批判性思維、創新精神和社會交往能力等，旨在提升學生適應未來社會發展的綜合能力；教學需求則基于學生的學習背景、興趣傾向、能力差異以及教學環境的實際情況來確定具體教學目標，以確保教學活動能夠有效滿足學生的個性化學習需求，促進其全面發展。明確且具體的教學目標能為知識篩選和整合提供清晰方向和指導原則，避免盲目整合知識所導致的教學效果不佳。

在這一環節中，當構建起包含多個核心概念的宏觀概念群后，隨之而來的是由宏觀概念群衍生出的具體概念和知識點。這一過程在拓展知識體系內涵的同時，也帶來了知識整合的挑戰。知識整合并非隨時可以發生，首先需要根據教學目標對知識進行科學篩選。篩選完成后，由于知識之間存在復雜的關聯性和層次性，在進行知識整合時需要考慮如何有效地將這些離散的知識點系統化，形成一個有機整體，以實現特定教學目標。有明確的教學目標，才能針對性地選擇與目標高度相關的知識點進行整合，從而提高教學質量和學習效果。

（三）核心問題與活動設計

跨學科主題教學設計的核心是促進學生在真實問題情境中對知識深度理解、遷移應用與創新實踐，實現跨學科知識技能的整合和價值關聯[11]。因此，需設計貼近現實、符合學生認知水平、體現跨學科特性的核心問題。

在確立核心問題后，需進行問題的逐級分解，關注學科間的內在聯系。在此過程中，教師設計的核心問題必須關聯教學主題和宏觀概念群，引導學生聚焦于預設的教學目標進行探索與討論。同時，問題設計應利用學生易于理解的日常概念，將其作為理解宏觀概念的認知橋梁。隨后，教師需圍繞教學知識、目標和核心問題設計一系列實踐性探究活動。活動設計首要考慮情境因素，只有置于具體生動的情境中，宏觀概念才能實現“情境化的概念性理解”，避免成為脫離實際的“惰性知識”[12]。活動設計應遵循團隊合作、循序漸進原則。既要引導學生從個體探索逐步向協作共創過渡，促進多元思維的碰撞與融合，也要在一系列相互關聯、逐步深入的子任務中，幫助學生構建系統性認知框架。

（四）制定評估與反饋機制

《義務教育質量評價指南》（以下稱指南）提出，義務教育質量評價實施工作要注重優化評價方式方法，不斷提高評價工作的科學性、針對性、有效性[13]。在設計跨學科學習評價體系時，面臨素養評估復雜、個體差異和情境依賴等挑戰。內在素養只能在動態交互過程中才能充分展現，簡單的紙筆測驗難以全面評估學習者的素養水平，尤其難以全面揭示學習者在解決復雜實際問題時所展現的高階思維能力和綜合應用能力。

鑒于此，基于學習過程的形成性評價在跨學科主題教學中日益受到重視。形成性評價以“證據”為基本遵循，需要系統性地收集學習者在跨學科主題學習過程中展現“理解”和“應用”能力的“證據點”，構建學習“證據鏈”和“證據集”，從而綜合分析得出總結性評價。證據收集需兼顧教學活動的過程和結果，既包括完成跨學科任務的過程性證據，也包括最終的跨學科產出或表現。可以采用項目式學習評估、實踐操作評估、小組合作評估、口頭報告評估等多種形式，以全面捕捉學生在跨學科學習中的表現[14]。要適當引入學生自評與互評機制，這不僅可以培養其元認知能力，還能促進其深度反思和自主學習。在評價實施過程中，需特別關注評價的持續性和動態性。教師要系統性地跟蹤和記錄學生的學習表現，形成完整的學習檔案，為實施個性化教學打下堅實的數據基礎。

三、技術賦能：智能體技術概述與教育適配

（一）智能體技術概述

智能體是指能夠感知環境并采取行動以實現特定目標的計算機系統，具有感知能力、行動能力、目標導向、自主性和環境交互能力[15]。本研究所使用的智能體是由大語言模型和特定功能模塊組成的智能系統，能夠自主理解任務、制定計劃、執行操作并進行反饋，從而釋放大語言模型的潛能。

如圖3所示，智能體的核心架構可劃分為三個關鍵功能區域：信息輸入區、數據處理區和信息輸出區。信息輸入區負責接收包括文本、圖像、音頻和視頻等信息。數據處理區分為推理區和記憶區：推理區作為智能體的中樞處理單元，以大語言模型為基礎，能深度分析輸入信息，實現邏輯推理和決策制定；記憶區則作為知識庫和經驗儲存中心。信息輸出區負責將處理結果轉換為可傳遞的信息。除功能區域外，智能體還可以通過應用程序編程接口（Application Programming Interface，簡稱API）調用外源工具，以擴展其功能邊界[16]。

（二）智能體技術如何與教育適配

智能體技術在解決教育等特定領域的復雜問題時仍存在局限性。因此，要充分發揮智能體在教育中的作用，需要進行針對性的適配和優化，使其能夠更好地契合教育領域的獨特需求和挑戰。目前，有三種主流方式：長文本提示、檢索增強生成和微調，見表1。

基于表格分析，微調技術在技術難度、結果精度等各方面，相較于長文本提示和檢索增強生成更為適宜教師操作。微調能通過命令控制、設置變量等方式，調整智能體模型參數以適應教育領域的特定模式，產生更穩定、一致的輸出結果。此外，微調使智能體能夠學習并內化教育領域的復雜模式和隱含知識，提供更有洞察力的回答。盡管初期需要較多數據資源投入，但微調后的模型在處理問題時效率大幅提升，能更快速、直接地生成高質量回答，為教師提供可持續改進的智能化方案。

四、模型構建：人機協同的跨學科教學設計支持模型

單智能體在處理多步驟的復雜任務時，往往具有諸多局限性[17]。多智能體系統（Multi-agent Systems，簡稱MAS）是由多個自主智能體組成的系統，這些智能體能夠相互交互、協作，共同完成復雜的任務。在多智能體系統中，每個智能體都是獨立的計算實體，具有感知環境、推理決策和執行行動的能力[18]。不同智能體可以代表不同的角色，擁有不同的知識和目標，通過協調和合作來解決單個智能體難以處理的復雜問題。基于MAS的跨學科教學設計助手能以語言為媒介，思維鏈為連接[19]，大語言模型作為核心邏輯引擎，通過接入特定領域知識庫筑牢數據基礎。其具體構建步驟如下：

（一）跨學科知識庫創建

在跨學科教學設計應用中，教師需構建專門的文本知識庫，并以此為基礎優化智能體。構建文本知識庫的一般步驟為：首先，需對課程標準進行深入分析，將知識體系分解為基本知識單元。這有助于智能體自動識別學科大概念關聯的知識內容。其次，對每個知識單元進行多維度標注。這包括但不限于學科歸屬、適用學段、難度級別和關鍵詞提取。學科歸屬確保知識單元能準確地歸類到相應的學科概念下；適用學段標注有助于保證教學內容的適應性；難度級別評估有利于構建遞進式學習路徑；關鍵詞提取則便于知識檢索和關聯。以上復雜的拆分和標注過程可借助大語言模型實現自動化，大語言模型能夠高效地完成知識體系的分解、標注和關聯構建。

在實際教學應用過程中，教師可基于特定教育環境和個性化需求，對初始構建的跨學科知識庫進行動態優化和調整。這種自適應機制使得注入知識庫的智能體能夠更精準地契合特定教育場景，從而顯著提升其在多樣化教育任務中的性能指標、決策準確性以及與教育領域專業標準的一致性。通過這種持續迭代和優化的方法，跨學科知識庫不僅能夠為創新型跨學科教學提供堅實的知識基礎，還能促進教育資源的個性化配置和高效利用，最終實現教學質量的整體提升和學習成果的優化。

（二）智能體分工與思維鏈構建

思維鏈作為協調多智能體協作的核心機制，通過構建智能體間的邏輯推理框架，實現對復雜信息的深層次處理。在跨學科教學設計支持模型中，需基于跨學科主題教學設計模式的四個步驟，構建五個基本智能體，并通過思維鏈串聯，形成一個完整的協作系統。這五個基本智能體包括主題設計智能體、概念群智能體、目標團智能體、任務群智能體、證據集智能體

主題設計智能體主要負責獲取教師的教學需求信息，如授課內容、教學重難點和學生學段等。通過分析教師的基本授課需求，該智能體能夠提煉出若干潛在的跨學科教學主題方案概要，包括主題情境、學習者特征、主學科和跨學科領域等。經過與教師的多輪交互，最終形成教師認可的跨學科主題教學的頂層設計方案。

概念群智能體能接收來自主題設計智能體傳送的頂層設計信息，并調用跨學科知識庫內容。首先，利用大語言模型的語義分析能力，實現主題信息的邏輯解構，同時從跨學科知識庫中提取相關學科知識內容。通過自下而上的抽象過程，識別出潛在的可用于該主題教學的學科大概念。隨后，在已確定的這些學科大概念中，識別并劃分共通大概念，通過這些共通大概念關聯和派生相關學科內容，實現跨學科整合。

目標團智能體主要負責結合主題、核心素養要求和知識內容，制定符合課程標準和學生思維能力發展的學習目標。

任務群智能體基于目標團的具體要求和概念群的知識方案，結合學習者的認知特征和先驗知識，從跨學科知識庫中系統整合教學資源。在確保主學科教學內容完整性的前提下，該智能體從多模態交互和實踐操作兩個維度，設計并生成多元化的學習任務和活動內容。

證據集智能體負責設計多元化評價體系。基于活動內容、教學目標和知識范疇，在自上而下的順向教學設計過程中，該智能體利用大概念對知識遷移的指導作用，系統性地構建過程評價中可觀察的“證據點”。同時，從逆向角度，通過對重難點知識的精準聚焦，為教師制定科學合理的總結性評價方案。通過這種點面結合的評價策略，最終形成一個全面、系統、符合跨學科主題教學特點的證據集，為教學評估提供多維度、高質量的數據支持。

五個智能體通過思維鏈進行協作，形成一個完整的跨學科教學設計流程。其運作機制為：初始階段，主題設計智能體與教育者進行交互，生成頂層設計方案。隨后，該方案被傳輸至概念群智能體，后者利用知識庫資源構建精細化知識方案。繼而，主題設計方案與精細化知識方案并行傳遞至目標團智能體，該智能體綜合考慮核心素養要求和課程標準，制定具體學習目標。接下來，目標團智能體的學習目標及概念群智能體的知識方案被傳輸至任務群智能體，該智能體結合學習者特征和教學資源，設計相應的學習任務和活動。最終，任務群智能體的活動內容、目標團智能體的學習目標以及概念群智能體的知識方案被傳遞至證據集智能體，用于構建評價體系和證據集。

（三）大語言模型選擇與角色定義

在MAS中，為每個智能體選擇適合的大語言模型至關重要。不同智能體的職責各異，對模型能力的要求也有所不同。例如，教學主題設計智能體需要強大的知識理解能力，知識整合智能體則需要卓越的長文本處理能力，而問題鏈和目標團智能體更側重于邏輯推理能力。因此，在選擇大語言模型時，需要根據每個智能體的具體任務和功能要求，適配具備相應能力的模型，以確保整個系統的協同效率和性能發揮。

以清華大學基礎模型研究中心與中關村實驗室聯合發布的《SuperBench大模型綜合能力評測報告》為例，評測結果顯示，各大模型在構建單一智能體評測中表現相近，但在邏輯推理、社交智能等特定場景中存在顯著差異[20]。這一結果表明，在智能體構建過程中，應當基于具體任務需求選擇合適的模型進行針對性開發。

依據任務需求的變化選定合適的大模型后，需要通過精心設計“教育提示語”為每個智能體定義角色，提高信息處理精準度。教育提示語是幫助大語言模型理解人類意圖，由自然語言組織設計的面向教育領域的指令集。它通常包括任務描述、背景信息、輸入示例和期望輸出格式等關鍵元素。為提高教育提示語對大模型的控制力度，可采用“CORE”框架（C代表語境，O代表目標，R代表角色或規則，E代表示例）[21]。

（四）教學方案整合與迭代優化

首先，需要教師對人工智能生成內容全面審閱。教師需要評估生成方案的結構完整性、內容準確性、跨學科融合度以及與教學目標的匹配程度。在此基礎上，教師可以對方案進行必要的修改和補充，如調整教學順序、豐富案例、優化活動設計等。這一過程充分利用了教師的教學經驗和對學生需求的深入了解，確保了最終方案的實用性和適用性。

其次，迭代優化是一個循環往復的過程，通常需要多輪交互才能達到理想效果。每一輪迭代，教師都會向系統提供具體的反饋和修改建議。系統基于這些輸入，結合其強大的數據處理和模式識別能力，生成更新版本的教學方案。這種人機協作模式不僅能夠不斷提升方案質量，還能幫助系統學習和積累最佳的教學設計實踐，從而在未來的任務中表現得更加出色。

在學校方案整合與迭代優化的過程中，教師需站在更高的“設計者”視角來思考和行動，這亦是提升教師跨學科教學設計能力的過程。同時，迭代優化不局限于智能體與單個教師的單向互動，而是“教師團”與“智能體群”的多向互動過程。

五、應用實例：支持模型在跨學科教學設計中的實踐

本研究基于“Coze智能體開發平臺”構建了跨學科教學設計助手。以信息科技新課程標準第三學段中的跨學科主題“小型系統模擬”為基礎，采用基于學科大概念的跨學科主題教學設計方法，通過構建教師與MAS的交互模型，探索智能體輔助教學設計的應用，如圖4所示。

（一）聚焦主題智能化概念群構建

在設計“主題設計智能體”時，本研究通過API接入GPT-4作為該智能體的推理核心。教師通過需求輸入與智能體交互，使得智能體聚焦“面向五年級學生”“信息科技為主學科”“小型系統模擬”等關鍵信息，從而擬定以“自制小夜燈開關系統”為主題進行跨學科教學設計。基于該主題，在概念群確立過程中，首先生成了包括系統與結構、因果關系、模式與周期以及能量與物質在內的宏觀概念群，為整個教學過程提供了跨學科的理論框架。具體而言，在探討小夜燈工作原理時，學生需要掌握電路系統結構、開關狀態與燈光輸出的因果關系、程序循環模式以及電能到光能的轉換過程。通過系統性地關注這些宏觀概念，學生能夠建立信息科技、物理學和數學等學科知識之間的內在聯系，從而為后續深入學習奠定理論基礎。

（二）跨學科目標創設與知識整合

為確保目標制定的精確性和連貫性，采用具有強大中文處理能力的“文心一言”作為智能體的邏輯推理核心，以優化文本輸出質量。具體目標設置如下：知識與技能維度聚焦于基礎電路理論、編程技能和數據分析方法的掌握；過程與方法維度著重培養實踐操作能力和問題解決能力；情感態度與價值觀維度旨在培養創新精神和環保意識；核心素養維度則涵蓋信息素養、科學思維和數學應用能力的提升。為實現這些目標，系統性地整合了信息科技（編程和電路設計）、數學（數據收集與分析）和科學（能量轉換原理）等學科知識。這種跨學科知識整合策略不僅豐富了學習內容，還促進了學生形成全面的認知結構，提高了知識遷移和應用能力。

（三）核心問題引導教學活動設計

為了激發學生的探究興趣并促進批判性思維和創新能力的發展，利用智能體設計一系列以核心問題為導向的學習活動。例如：在導入活動中，提出“小夜燈是如何工作的？”這一問題，引導學生思考并討論。在電路元件認識環節，學生通過實際操作和虛擬演示來探索“如何構建一個基本的LED燈電路？”。編程學習活動中，學生嘗試解決“如何用程序控制小夜燈的開關？”這一問題。在時間測量與數據分析環節，學生需要思考“什么是最合適的小夜燈開關時間間隔？”并通過數據收集和分析來得出結論。能量轉換探究活動則引導學生思考“如何設計一個節能的小夜燈系統？”。這些活動注重實踐操作和多模態交互，通過親身實踐和問題解決，能夠培養學生的批判性思維和創新能力，真正實現知識的內化和應用。

（四）多元證據采集與評價體系完善

在此環節，通過人機交互最終生成較為全面的評價體系，涵蓋形成性評價和總結性評價兩個維度。形成性評價是通過觀察記錄、作品分析、口頭問答和同伴評價等方法，收集學生活動表現的“證據點”。總結性評價包括理論知識測試、實踐技能評估、項目成果展示和跨學科整合能力評估等方面。這種多元化評價方式不僅關注學生的知識掌握程度，更著重評估核心素養發展和實際應用能力的培養。為確保教學評價的實施效果，要求“證據集智能體”能夠推薦多元化的教學評價策略。例如，如何為每個評價項目制定詳細的評分標準，確保評價的客觀性和一致性等。并給出證據集整合建議，如建立個人學習檔案袋、反思日志匯編和概念理解地圖等。以上方法能夠全面反映學生在跨學科主題中的學習成果和能力發展軌跡，并為后續教學改進和模型迭代提供數據支持和依據。

[參考文獻]

[1] 中華人民共和國教育部. 義務教育課程方案（2022年版） [M]. 北京：北京師范大學出版社，2022：5.

[2] 中國教育發展戰略學會. STEM教育2035行動計劃[EB/OL].（2024-07-09）[2024-12-10]. http：//www.cseds.edu.cn/edoas2/zlxh/index.jsp.

[3] 袁磊，徐濟遠，梁世松. STEM教育賦能教育強國建設：邏輯解構、問題剖析與發展策略[J]. 廣西師范大學學報（哲學社會科學版），2025，61（1）：58-71.

[4] 袁磊，葉薇，徐濟遠，等. 新課程標準下中小學教師跨學科素養的基本內涵及提升路徑[J]. 現代教育管理，2024（1）：85-95.

[5] 袁磊，徐濟遠，蘇瑞. AIGC催生學習型社會新格局：應然樣態、實然困境與創新范式[J]. 現代遠距離教育，2023（3）：12-19.

[6] 安桂清. 基于課程標準的跨學科主題教學：內涵闡釋與實施要點[J]. 中國教育學刊，2024（7）：15-21.

[7] 劉志軍，陳雪純. 新課標背景下的跨學科學習：現實阻滯與紓解路徑[J]. 教育研究與實驗，2024（2）：73-81.

[8] 李俊堂. 跨向“深層治理”——義務教育新課標中“跨學科”意涵解析[J]. 四川師范大學學報（社會科學版），2022，49（4）：116-124.

[9] 郭玉英，姚建欣，張靜. 整合與發展——科學課程中概念體系的建構及其學習進階[J]. 課程·教材·教法，2013，33（2）：44-49.

[10] 詹澤慧，季瑜，賴雨彤. 新課標導向下跨學科主題教學如何開展：基本思路與操作模型[J]. 現代遠程教育研究，2023，35（1）：49-58.

[11] 杜文彬. 新課標視閾下跨學科主題教學的設計與實現[J]. 電化教育研究，2024，45（4）：81-87.

[12] GOLDSTONE R L， DAY S B. Introduction to \"new conceptualizations of transfer of learning\"[J]. Educational psychologist，2012，47（3）：149-152.

[13] 中華人民共和國教育部. 教育部等六部門關于印發《義務教育質量評價指南》的通知[EB/OL]. （2021-03-01）[2024-09-21]. http：//www.moe.gov.cn/srcsite/A06/s3321/202103/t20210317_520238.html.

[14] 王卓玉，滕潔梅，雷敏，等. STEAM全納教育賦能“雙減”落地的機遇與策略[J]. 現代教育技術，2022，32（8）：43-49.

[15] 羅素 S，諾維格 P. 人工智能：一種現代方法[M]. 姜哲，金奕江，張敏，等譯. 北京：人民郵電出版社，2010：35.

[16] 盧宇，余京蕾，陳鵬鶴. 基于大模型的教學智能體構建與應用研究[J]. 中國電化教育，2024（7）：99-108.

[17] XU J Y， ZHAN Z H， LIANG S. The role of AI agents in the reconfiguration of interdisciplinary educational design： an examination of applied practices and outcomes[C]. In Proceedings of the 2024 9th International Conference on Distance Education and Learning. New York： Association for Computing Machinery，2024：1-9.

[18] WOODRIDGE M. An introduction to multiagent systems[M]. Chichester： John Wiley amp; Sons， 2002.

[19] WEI J，WANG X. Chain-of-thought prompting elicits reasoning in large language models[J]. Advances in neural information processing systems，2022，35：24824-24837.

[20] 清華大學基礎模型研究中心，中關村實驗室. SuperBench大模型綜合能力評測報告[EB/OL]. [2025-01-15]. https：//fm.ai.tsinghua.edu.cn/superbench/report/detail/13.

[21] 趙曉偉，祝智庭，沈書生． 教育提示語工程：構建數智時代的認識論新話語[J]. 中國遠程教育，2023（11）：22-31．

AI Agent-enabled" Human-Machine Collaborative Interdisciplinary Thematic Teaching Support Model

YUAN Lei1，" XU Jiyuan2，" LIANG Shisong2

（1.Key Lab of Education Blockchain and Intelligent Technology of Ministry of Education， Guangxi Normal University， Guilin Guangxi 541004;

2.Faculty of Education， Guangxi Normal University， Guilin Guangxi 541004）

[Abstract] Interdisciplinary education has become an important trend in the development of global education， and China has actively promoted interdisciplinary education reform through a series of policy initiatives in recent years. However， interdisciplinary teaching poses a serious challenge to teachers' teaching ability， which requires teachers to have the ability to integrate multidisciplinary knowledge and to design effectively. The study focuses on improving the quality and efficiency of teachers' interdisciplinary instructional design. Based on the interdisciplinary thematic instructional design model centred on big ideas in disciplines， combined with generative AI agent technologies， the study constructs a teacher-agent collaborative teaching support model. The model consists of four core parts： construction of interdisciplinary knowledge base， refined division of labor among agents and construction of chain of thought， selection of large language model and definition of roles， and integration of teaching plan and iterative optimization. By applying the model in the interdisciplinary course\"Small System Simulation\" ， the study elucidates the effectiveness and innovative value of the teacher-agent collaborative teaching support model. The study provides a new theoretical framework and implementation path for educational technology innovation and interdisciplinary thematic teaching practice， which is of great significance in promoting the development of interdisciplinary education and realizing the digital transformation of education.

[Keywords] Interdisciplinary Thematic Teaching; Agent Collaborative Teaching; Big Ideas; Generative Artificial Intelligence；Multi-agent System

基金項目：2023年度國家社科基金教育學一般課題“數字教育背景下的中小學跨學科協同教學模式研究”（課題編號：BCA230277）