人机共生：数字时代跨学科学习的重要路径

《义务教育课程方案（2022年版）》提出，原则上，各门课程用不少于10%的课时设计跨学科主题学习。这要求学校课程设置和教师教学安排须基于核心素养，加强课程内容的内在联系，突出其结构化设计。随着现代信息技术的发展，各种技术日益深度融入跨学科学习，且发挥着重要作用。本刊特邀华东师范大学教育信息技术学系主任、博士生导师顾小清教授，谈谈她对技术赋能跨学科学习的多维认识与深层思考。发展跨学科思维，推动生成式学习探究记者：您认为在跨学科学习中，技术可以有哪些作为呢？顾小清：2022年版义务教育课程方案和各科课程标准中，跨学科学习无疑是个新增点，也是重点和难点。跨学科学习不仅关注对主题所依托学科知识的创新整合，还关注依托学科向外（其他相关学科）的知识与方法的张力、生成和内在有机联结，关注学科之间知识的交叉和融合，以及由此形成的问题解决素养。现代信息技术在跨学科学习中扮演两种角色：其一，作为跨学科主题之一；其二，成为实施跨学科学习的重要工具。随着现代信息技术，尤其是生成式人工智能的发展，它们能够为师生的跨学科教学提供更多的支撑。第一，促进不同学科知识的整合，发展教师的跨学科思维。大多数中小学教师是在分科教育体系中培养出来的，面对需要超出自身专业知识解决跨学科问题时，会存在明显的专业知识储备不足的问题。另外，跨学科学习作为一种新近提出的学习理念，教师也缺乏相应的教学法训练。对于如何设计、实施跨学科学习活动，大多数教师处于迷茫和探索阶段。在跨学科学习主题设计中，技术赋能的关键在于以丰富的跨学科资源弥补专业知识和教学法的不足。尤其是在生成式人工智能快速普及的当下，教师可以借助大模型弥补学科知识的不足。教师可以在教学设计中更关注学习活动的创意设计，致力于策划激发学生探究欲的学习活动，无须受限于所设计活动涉及的学科边界。大模型的使用，也能更好地支撑教师生成有创意的教学法，帮助教师形成问题解决导向的系统化教学方案，发展教师的跨学科思维。第二，提供个性化学习支持，推动生成式学习探究。在跨学科学习中，生成式人工智能凭借数据驱动、内容生成、学习分析、智能反馈等特性，能够为学生提供高度个性化的学习支持，推动学生在开放性问题情境中开展深度的跨学科探究学习，从而形成生成式学习探究模式。生成式学习探究的核心是指在复杂的、真实的跨学科情境中，学生通过问题驱动、知识整合、思维碰撞以及创造性解决问题的过程，最终生成新的知识、产品或解决方案。生成式人工智能的技术赋能，使得学生在跨学科学习中，能够获得强有力的助手。面对新的任务情境缺乏背景知识时，尝试问题解决方案缺乏实验条件时，需要讨论获得解决问题的灵感时，生成式人工智能可以成为一个不辞辛劳的智能助手，提供学生所欠缺的知识背景，作为带着不同思考帽的智能同伴为学生探索问题解决路径提供反思之镜，提供探索解决方案的实验环境以及可能结果。此外，跨学科学习的最终目标之一是促使学生通过知识整合，生成新的认知、解决方案或创造性成果。技术的发展为学生提供了多样化的表达工具，助力学生将探究成果转化为创新产品。不惧挑战，敢于创新，拓展技术赋能边界记者：您认为当前教师开展跨学科学习存在哪些问题呢？顾小清：当前教师开展跨学科学习存在的主要问题是，学科边界意识强，跨学科教学经验不足。中小学教师接受的专业训练及在教学中的实践长期聚焦在本学科领域，学科本位意识较强，对其他学科知识了解有限，难以科学地将不同学科知识进行有效整合，制约了跨学科教学的深度与广度。同时，由于缺乏其他学科专业背景，且对跨学科学习设计的理念及方法了解不足，在教学设计中容易出现学科拼贴化或知识孤岛的现象，使学习任务缺乏内在的逻辑联系。深度融合技术有望促进跨学科学习的设计和开展，但教师面临的挑战是，对不断发展中的教育技术缺乏深入理解和有效应用。当前，中小学教师课堂教学中的技术应用更多地停留在PPT展示、视频播放等环节，未能将技术与跨学科学习深度融合，未能有效发挥技术的创造性、支持性和生成性功能。究其原因，一方面是教师缺乏对技术的深入理解，停留在工具层面融合技术，未能体现技术本身是所跨的一个学科进行设计；另一方面，也受限于技术具有一定的学习和使用门槛，缺乏系统性训练的教师基于课程需求进行技术设计和使用的动力与潜力未能充分挖掘出来。在深度融合技术的跨学科学习中，教师还将面临如下挑战。其一，教师角色重构与内容质量把控上的挑战。在技术深度融入的跨学科学习中，教师的角色将发生转变，不再仅仅是知识的传授者，而须成为学习设计者、探究引导者和生成式学习的促进者。这对大部分教师来说是新的能力要求，角色重构和能力提升成为极大挑战。另外，利用生成式人工智能，教师可快速生成课程资源、学习任务、探究问题，但通用大模型生成内容的准确性、学科逻辑性、育人价值存在极大不确定性和不适切性，这就需要教师评估技术生成内容的科学性及教学适切性，对生成内容进行筛选与优化。其二，学生反思能力培养与伦理风险防范上的挑战。在深度融合技术的跨学科学习中，学生的学习方式将发生变化。生成式人工智能的强大生成能力，能够使学生快速获取答案，但会极大地削弱其深度思考与反思的能力。学生在学习过程中容易依赖技术生成的内容，而忽略知识的理解过程和探究本质，导致反思性学习能力不足。同时，技术的广泛应用也带来了伦理风险。生成式人工智能技术可能生成不准确、片面的内容，若学生缺乏基本的伦理意识和信息辨别能力，可能导致学术不端、隐私泄露等问题。教师如何引导学生在技术赋能的环境下保持深度思考、强化反思性学习能力，并促使其形成正确的技术伦理观，是面临的一大挑战。记者：面对上述提及的跨学科学习挑战，教师该如何应对呢？顾小清：面对这些挑战，教师需要在自身能力、教学设计和实践中予以应对。首先，要提升自身对人工智能技术的理解，拓展技术赋能教学的边界。教师须主动学习和掌握生成式人工智能、数据分析等技术，深刻理解其在跨学科学习中的应用价值，摆脱技术工具化使用思维，探索技术赋能教学的创新路径。其次，要敢于在跨学科学习中进行尝试和创新，推动深度教学变革。教师须敢于打破本学科的知识边界，积极开展跨学科教学尝试与创新。在设计跨学科学习时，教师应围绕真实情境和复杂问题，通过项目化学习、情境化学习等方式，推动学生综合运用多学科知识解决问题。同时，教师可结合生成式人工智能，探索基于技术的任务生成、内容重构、知识建构等教学策略，使技术成为促进跨学科教学创新的重要支撑。教师还可通过跨学科教师共研、课程协同开发等方式，借助团队力量突破自身学科局限，共同打造结构化、系统化的跨学科课程，从而提升教学成效。最后，要注意在教学中正确引导、强化学生的反思能力与技术伦理意识。教师需要通过学习活动的设计，促使生成式人工智能成为学生解决问题的工具，而不是直接获得答案的工具。教师可通过设计验证性任务、反思性作业，以及进行对比性研究等方式，引导学生对人工智能生成内容进行甄别、验证和重构，培养学生的批判性思维和反思能力。同时，教师须加强学生的技术伦理教育，通过案例分析、情境讨论等方式，引导学生理解隐私保护、信息安全等技术伦理规范，使学生形成正确的技术伦理观。在教学过程中，教师要始终保持技术运用的价值引领，确保技术赋能学习的同时，不断培养学生的责任意识和反思能力，推动学生在技术环境下健康成长。打造多元化学习通道，积极拥抱新技术记者：在您所了解的技术赋能跨学科学习实践中，您认为哪些学科或者学校开展得比较好呢？能否详细介绍下具体做法和相关经验呢？顾小清：我们团队在开展面向中小学的跨学科教学训练与研修时，了解了一批跨学科教学做得比较好的学校。比如上海市实验学校附属东滩学校，这是一所九年一贯制学校，办学理念是“为每个孩子提供自然成长的教育”。在学校的课程设置中，时时处处渗透了为学生打造多样化的学习通道、提供符合其发展阶段的教育情境、充分发挥学生潜能的设计与思考。学校以国家课程为主体，奠定共同基础；以地方课程和校本课程为拓展补充，兼顾差异。根据国家课程方案要求及学生实际发展需求，学校通过顶层设计规划进行课程统整，以NFN（NineForNine）课程系列为抓手，形成了纵向衔接、横向贯通的学校特色课程体系。NFN课程分为综合实践活动NFN和学科拓展NFN两类课程系列，横向强化五育融合培养，纵向贯通九年一体化实施，与学科实践活动在内容上形成补充和进阶，且均体现了跨学科学习的设计思考。学校在NFN课程体系主题板块设计中融入了跨学科学习的设计。例如，在生态环保模块设计的“我住长江尾”课程，结合科学、信息科技等学科，从生活的碳中和问题出发，引导打造校园“碳中和”，结合家庭及校园生活绘制碳足迹地图；在社会人文模块建构的“穿越时空遇见‘你’”课程，综合语文、历史、道德与法治、艺术等学科，引导学生以话剧创编形式演绎古今人相遇时的对话，引导学生更深层次理解历史杰出人物的贡献和他们在时代下的选择。此类课程在关注学科实践的同时，整合多学科的知识和方法，强化学生的跨学科学习实践。跨学科学习作为本轮课程改革的重要教学理念，旨在促进学生多学科之间的知识融合和综合能力发展。然而，当前许多学校在推动跨学科教学过程中，仍主要集中在课程设计和学科整合层面，关于如何有效地利用现代信息技术，尤其是生成式人工智能来赋能教学的探索仍处于起步阶段。尽管跨学科教学模式在理论和实践上已逐渐受到关注，但许多学校的技术应用仍局限于传统工具和方法，尚未充分挖掘人工智能在跨学科整合和个性化学习方面的潜力。相信未来的教育实践中，技术赋能跨学科学习的尝试将愈加深入，学校将逐步打破技术使用的局限，积极拥抱新的教育工具和方法。建设跨学科实践共同体，提高教师数字素养记者：技术赋能跨学科学习中，教师须具备哪些数字素养才能更好地开展相关活动呢？这些素养该如何培养呢？顾小清：为推进国家教育数字化战略，教育部制定了《教师数字素养》行业标准，针对教师数字素养与能力提出具体要求，涵盖教师利用数字技术获取、加工、使用、管理和评价数字信息和资源，发现、分析和解决教育教学问题，优化、创新和变革教育教学活动的意识、能力和责任。应用生成式人工智能的能力，可以看作对教师数字素养提出的进一步要求。概括来说，教师需要具备以下数字素养才能更好地开展跨学科学习。一是数字技术理解与应用能力。教师须具备对生成式人工智能、大数据等前沿数字技术的理解能力，掌握将技术深度融入教学设计、资源开发、学习评价等环节的应用能力。二是数字资源开发与重构能力。在跨学科学习中，教师需要依据课程目标和学科逻辑，从网络、数据库或人工智能生成平台中获取资源，并通过内容重组、任务重构、情境重建等方式，使资源符合学科逻辑、育人价值及学生认知规律，从而支撑高质量的跨学科学习活动。三是数据分析与学习监测能力。在跨学科学习中，教师须具备基于数据分析的学习监测能力，精准把握学生的知识构建、思维变化和探究过程，及时调整教学策略，提高教学的精准性与适切性。四是数字伦理与责任意识。教师需培养学生的技术伦理素养，引导学生在获取生成内容时保持批判性思维，确保学生在技术赋能下健康成长。教师也须严格遵循教育伦理规范，确保技术在教学中的应用符合社会责任和育人价值。教师学习具有实践性的特点，对于教师数字素养的培养同样如此。除了常规的大规模培训外，最需要倡导的是实践导向的能力成长。概括来说，应包括：（1）差异化开展大规模培训。教师数字素养存在极大的差异性。区域和学校开展大规模数字素养培训应采取分层分类的方式，为具有不同数字素养的教师提供有针对性的培训内容。比如，对于基础薄弱的教师，应重点开展基础数字技术应用培训，帮助教师掌握生成式人工智能等技术工具的基本使用方法，降低其在跨学科教学中使用技术的心理门槛。再如，对于具备较强技术能力的教师，则可开展前沿技术赋能教学创新培训，推动技术赋能下的跨学科教学创新。（2）倡导实践导向的方式，促进真实教学场景中的技术应用落地。数字素养培育作为一种实践性活动，有效的教师学习应是实践导向的。区域和学校可通过“教—研—训”一体化，让教师在跨学科教学设计中探索技术支持下的课程开发、任务设计和学习监测等策略。同时，学校可通过教学示范、项目实践、课例研讨等方式，鼓励教师在教学中反复尝试，并在教学反思中持续优化技术应用模式。（3）推动跨学科实践共同体建设。为解决教师在跨学科教学中资源开发难、技术应用难的问题，区域和学校可通过搭建跨学科课程资源共享平台，推动教师之间的资源共创与共享。一方面，平台可汇聚优质跨学科课程资源，降低教师独立开发资源的难度；另一方面，平台还可推动跨学科教师共同体建设，促使不同学科的教师通过共研共创的方式，围绕同一主题开展教学设计，探索技术赋能下的跨学科学习模式。赋能多维度评测追踪，推动深度学习与思维提升记者：跨学科学习大多需要学生同时掌握多个学科的知识与技能，也需要师生之间的密切联系和沟通。那么，技术在评价标准设定、反馈机制完善上，可以发挥哪些作用？顾小清：前面反复提到，在跨学科学习过程中，教师需要对学生的学习活动进行监测。这实际上就是针对学习进行的过程性评估。教育数字化倡导的数据驱动，恰恰就是体现在能够对学习过程进行追踪，包括评测、诊断和智能干预。具体可以概括为：（1）技术赋能多维度评测追踪。在跨学科学习中，学生的学习成果往往涉及科学、技术、工程、数学、人文等多个学科领域，目标涵盖素养和能力的多个维度，需要采用多种测评方式覆盖跨学科学习的多维目标。依托数字技术，教师能够追踪过程，并从知识掌握、技能应用、问题解决、跨学科思维、协作沟通等维度实现对学生的多维测评。（2）构建可视化跨学科能力图谱，促进个性化发展。基于过程追踪，教师可以将学生在项目化学习中的表现数据进行可视化分析，生成跨学科能力图谱，直观展示学生在批判性思维、技术应用、团队协作、数据分析等方面的发展水平。（3）实时数据驱动的过程性反馈。过程追踪和可视化为教师进行及时反馈提供可能。实时数据反馈机制，不仅帮助教师洞察学生的过程性表现，也有助于学生在反思中不断调整和优化学习成果，促进其深度学习。（4）智能干预推动深度学习与思维提升。基于测评、诊断和干预的数智闭环，教师制订出有针对性的智能干预方案，为每个学生在跨学科学习过程中的项目方案、探究报告、思维发展提供反馈与干预建议。例如，追踪和智能诊断学生项目报告的逻辑结构、数据支持、论证质量，生成针对性反馈（如“你的政策建议缺乏数据支持”）。此