深度求索學習范式下小學信息科技項目式學習的新路徑探索

中圖分類號：G434文獻標識碼：A論文編號：1674-2117（2025）19—0057-04

引言

在人工智能深度賦能教育變革的背景下，基礎教育正從“知識傳授本位”向“高階思維發展本位”轉型。傳統項目式學習暴露出“過程性缺位”問題：其一，重成果展示而輕思維顯性化建構，學生缺乏認知沖突中的深度反思；其二，個性化指導與實時評價不足，元認知發展支持薄弱。這些問題制約了學生高階思維的發展，影響了核心素養的培養成效。

在此背景下，黎加厚教授提出了“深度求索學習”（DeepSeekLearning，DSL）范式，它是一種以學生為中心、以“求索”為核心理念的主動探索式學習范式。該范式通過“任務目標 $$ 原始思考 $$ 思維對比一深度求索一遷移驗證→評價反思”六個遞進步驟，引導學生融合主動探索、深度推理、知識遷移與批判性思維，培養高階思維與復雜問題解決能力。其“思維顯化對比”“人機協同”等策略與生成式人工智能的技術特性高度契合，為教學實踐提供了理論支撐。

“合作初探一對比分析—遷移創新”三階教學模型建構

DSL范式指導下的項目式學習，其核心是遵循學生認知發展規律，依托六大步驟，有機融合美國巴克教育研究所（BuckInstituteforEducation）提出的項目式學習的黃金準則（Gold Standard PBL）2，形成以培養批判性思維、元認知能力和問題解決能力為目標的教學體系。下面，筆者以“設計校園送餐機器人路線”項目為例，具體闡述“合作初探—對比分析—遷移創新”三階教學模型，以及DSL范式在小學信息科技課程中的項目式學習實踐路徑。

1.合作初探—情境建構與問題解構

（1）真實情境創設，激活探究動機

本階段通過具象化的真實情境構建問題場域，依托認知心理學的情境認知理論，將抽象任務轉化為可感知的現實需求，激發學生的探究內驅力。本項目中，教師首先呈現食堂員工人工送餐的紀實視頻，直觀展現低效配送問題，繼而提出核心問題——如何為校園送餐機器人設計路線？隨后，結合校園平面網格圖，引導學生標注食堂、教室、電梯等關鍵位置坐標，為后續路徑規劃建立具象化的問題載體。該環節遵循項目式學習黃金準則中的“真實性任務”要求，將學科知識與生活場景深度耦合，完成從生活現象到學術問題的轉化。

（2）項目任務拆解，構建分層腳手架

根據DSL范式的“任務目標步驟，借助人工智能將復雜項目轉化為結構化的子任務群，通過“任務粒度遞減”策略設計螺旋上升的能力培養路徑。

在本項目中，教師引導學生將母問題拆解為三個遞進式子任務： ① 分層制訂機器人移動規則（定義方向編碼規則，如上下左右、 、北南西東、平面直角坐標）； ② 設計基礎移動路徑（在網格圖上標注從食堂到某一教室的可行路線）； ③ 優化最短路徑（引入路徑優化算法思想）。針對不同認知水平學生，進一步設計分層任務：基礎任務要求用動作編碼記錄路徑（如“→→↑←”表示右-右-上-左），進階任務需簡化重復編碼（合并連續同向動作），拓展任務則要求結合電梯使用場景優化跨樓層路徑。這種“主干任務 + 分層支線”的設計模式，既保證核心知識的系統性，又為不同能力學生提供個性化探究空間，符合維果斯基“最近發展區”理論。

（3）協作探究，形成初始解決方案

該環節聚焦“個體思考一小組協作一方案外顯”的認知建構過程，教師借助人工智能編程生成網頁版的教學游戲，通過游戲化的方式提高學生興趣、降低操作難度，將內隱思維轉化為可交互的外顯方案。

在本項目中，教師借助生成式人工智能生成網頁版的教學游戲“校園送餐機器人路線設計師”。在該游戲中，學生首先嘗試自主選擇不同理解難度的動作編碼規則（如“上下左右”“↑」←→”“北南西東”），通過點擊所選動作按鈕讓機器人移動，具象化標注從食堂到某個班級的路線，生成如“一→↑↑←”的初級動作序列；其次，通過小組討論，對比不同編碼方案的優劣（如“東南西北”vs“坐標位移”的表述效率），協商確定統一的方向編碼規則；最后，整合形成小組初始方案—包含關鍵節點坐標、動作編碼序列及路徑說明的可視化表單。此過程不僅實現“做中學”的知識內化，更通過同伴間的認知沖突與協作對話，完成對問題解決策略的初步建模，為后續人機協同優化提供基礎框架。

2.對比分析—人機協同與思維進階

（1）精準提示工程，錨定問題邊界

通過清晰具體的提示詞向人工智能提問，界定場景、任務規則及輸出要求，必要時融入學生認知特征以適配解答難度。

例如，在校園網格圖場景中，學生先向生成式人工智能上傳1樓平面坐標圖，然后采用分層提示詞引導交互。基礎提示：“綠色圓形為送餐機器人，當前機器人所在的黃色格子代表食堂，橙色方塊上的梯1、梯2、梯3分別表示三個電梯，藍色方塊中的數字表示具體班級，請你幫助送餐機器人規劃送餐路線，用↑ ^′ 動作編碼表示，確保機器人把學生餐最快地送到每個班級教室。”認知適配提示（當人工智能輸出超出學生理解水平時）：“請用小學四年級學生能理解的分步方法說明路線規劃邏輯，優先使用網格坐標標注關鍵拐點。”通過精準提示，將抽象的路徑規劃問題轉化為生成式人工智能可解析的結構化任務，為后續對比分析奠定基礎。

（2）顯化人工智能思維過程，實施協同校準

借助生成式人工智能的“思維鏈”技術，將算法決策過程轉化為可視化的思考過程和推導步驟，學生通過診斷人工智能輸出偏差實現人機協同優化，此過程符合認知負荷理論，通過外部表征降低內在認知負荷，聚焦核心問題解決邏輯。

例如，在項目實施中，學生在分析生成式人工智能生成的路線時，發現其誤將電梯2坐標 （1，7） 標注為（2，6） ，且7班坐標（8，5）被錯誤識別為（7，5）。針對這一偏差，學生以“人工智能訓練師”角色迭代提示詞：“請先給出食堂、電梯和每個班級的位置，向我確認無誤后，再按照以上規則設計路線，并用動作編碼分步驟說明。”通過修正生成式人工智能的空間定位誤差，學生在調試提示詞的過程中，同步完成對“坐標標定—規則應用—路徑生成”邏輯鏈的深度理解，實現人機協作中的認知共建。

（3）建立批判性對比框架，發展元認知

通過在學習單中預設“思維對比雙維度”（人工智能優勢分析/局限性診斷），引導學生辯證看待技術工具，避免“技術盲從”。教師設計階梯式反思問題，推動學生從“接受答案”轉向“評估思維過程”。

例如，在“AI思維vs人類思維”對比環節，教師提出引導性問題（如表1）。學生在對比中發現，生成式人工智能擅長高效執行既定規則（如編碼壓縮），但缺乏對“電梯使用場景”等隱性規則的理解，從而認識到“清晰定義問題邊界是人機協同的前提”，形成對技術工具的理性認知。

表1

（4）雙向知識遷移，迭代解決方案

基于“人工智能成功經驗吸收一失敗案例反推”的雙向學習機制，學生對初始方案進行系統性優化，實現從“模仿應用”到“原理建構”的認知升級。例如，在分析生成式人工智能生成的↓×3 簡化編碼后，學生團隊將其融入自主方案，提出“連續同向動作合并編碼”規則，優化原初級方案，提升編碼效率。針對生成式人工智能反復出現的“電梯橫穿”錯誤，學生在方案中新增“電梯區域通行規則”： ① 明確電梯開門方向，機器人進電梯編碼為“E”，出電梯編碼為“O”； ② 電梯區域（橙色方塊）僅允許上下樓垂直通行（上樓編碼為“U”，下樓編碼為“D”），禁止水平橫穿。這樣通過吸收生成式人工智能的編碼優化策略并修正其規則漏洞，學生實現了“技術工具優勢遷移”與“人類高階規則定義”的有機結合，完成從初級路徑設計到復雜場景算法建構的能力躍升。

3.遷移創新—復雜情境應用與成果轉化

（1）生成式變式場景設計，促進認知遷移

依托生成式人工智能技術構建多維度變式任務，通過調整問題參數（如空間維度、規則復雜度、約束條件）創設遷移場景，引導學生在新舊問題的結構映射中抽象核心原理。

在本項目中，教師基于1樓平面網格的基礎場景，借助生成式人工智能生成2樓立體空間變式任務：① 維度升級——新增“電梯通行”約束條件，要求學生定義“機器人進電梯出電梯，電梯區域僅充許上下樓垂直通行，禁止水平橫穿的動作編碼規則”； ② 規則細化——設定“機器人單次最多承載7個餐盒”的載重限制，迫使學生在路徑規劃中融入任務調度邏輯； ③ 目標拓展———要求規劃3條到不同班級的并行路線，比較“總路程最短”的方案差異。

（2）智能體實時多維度評價

在項目作品展示與評價環節，根據實際項目方案和評價量規，制作評價智能體。

例如，筆者在coze平臺創建了“課堂小助手”，結合學校“數字基座”平臺，在各班級門口的班牌和教師移動端上邀請學生和教師參與評價，構建“智能體自動化評價 + 多主體協同反饋”的立體化評價體系，突破傳統項目式學習中評價主體單一、反饋滯后的局限。學生將優化后的路線編碼方案上傳至“劉老師課堂小助手”，該系統不僅能規劃送餐機器人路線、驗證學生設計的路線編碼是否正確，還能基于預設規則根據不同層次的學生自動生成三維評價報告（如表2）。

表2

（3）真實場景成果轉化與公開展示

能依據規則完成編碼任務，體現出對知識的遷移應用能力。

素養。

2.實踐過程反思

項目式學習十分注重成果的公開展示，通過在真實應用場景與開放平臺展示，將學習成果轉化為具有實踐價值的解決方案，借助“社會性認可”強化學習動機，落實“做中學”的建構主義理念。

例如，項目組與學校后勤處合作，將學生設計的“跨樓層最優送餐路線方案”轉化為可落地的技術文檔，小組撰寫的《我為校園送餐機器人設計最優路徑》，在“校園數字基座平臺”進行可視化展示，接受全校師生的互動點評。這種“從課堂到現實”的成果轉化，不僅驗證了項目式學習的實效性，更通過真實情境中的問題再發現，為后續深度學習提供持續動力。

教學成效與反思

1.教學成效分析

一是項目完成度高。學生在基礎項目（校園1樓送餐路徑規劃）與遷移項目（校園2樓復雜場景）中，均

二是批判性思維活躍度提升。在項目起始階段，學生提出的問題多集中在對任務本身的理解層面，而隨著教學的推進，特別是進入人機思維對比環節后，學生的批判性思維被充分激發。

三是逐步構建起系統化思維框架。學生從初始零散的問題拆解到最終結構化的方案設計，展現出從“經驗試錯”到“原理建構”的認知升級。

四是編碼錯誤率低。學生能精準應用動作編碼與電梯通行規則，在復雜場景中保持較高的方案合規性，體現出扎實的知識掌握度。

五是“有效失敗”的教育價值凸顯。學生從人工智能或自身錯誤方案中反思規則漏洞（如橫穿電梯問題），深化了對問題邊界的理解。

六是逐漸意識到人工智能的局限性。學生在技術應用中學會了辯證看待算法輸出，提升了技術

當然，教學實踐中也暴露出以下兩點有待優化的問題：第一，智能評價環節受限于學生書寫不規范，導致文字識別準確率不足，需在項目初期強化書寫規范要求，并選擇手寫字體識別度更高的技術。第二，學生元認知能力培養存在挑戰，部分學生難以清晰描述思維過程，未來可通過思維支架（如步驟排序表、思維導圖模板）降低表達難度。

參考文獻：

[1]黎加厚.DeepSeek與深度求索學習[J].中小學數字化教學，2025（03）：1.

[2]巴克教育研究所.項目學習教師指南：21世紀的中學教學法M.北京：教育科學出版社，2008.