北京
跨学科教学已成为教育改革发展的热词，但一线实践中，它正陷入被“万能化”与“形式化”裹挟的双重困境。
一方面，跨学科常被过度期待为培养通才或杰出人才的主要路径。一个典型的认知陷阱是过度解读名人效应，如达·芬奇在艺术与科学之间的游刃有余，乔布斯将书法美学融入麦金塔电脑。但本质上他们的多栖成就并非“跨学科课程设计”的直接干预，而是源于深度理解、认知跨界、知识迁移等能力。另一方面，在实践中，跨学科教学常陷入“为了活动而活动”的怪圈。学生多是按部就班地从一个流程进入另一个流程，探究过程高度形式化、缺乏深度思考的“拼盘式”跨学科，最终可能走向空洞化、固定化与展演化。
这两重困境看似相反，实则同源——都将“跨学科”从一种教学理念简化或异化为一种符号标签，而遗忘了其作为“认知脚手架”的本质。可见，超越“万能化”与“形式化”，意味着将跨学科锚定为普通学生可学、可练的思维发展路径，切实服务于核心素养的培育——夯实基础知识与基本技能，提升问题解决能力，进而逐步优化个人认识世界与改造世界的思维方式。
“AI+教育”的加不是把AI简单叠加为教学的点缀，而是让它成为跨学科学习的设计助手、认知支架与评价工具。有研究指出，跨学科教学可分为三大取向：一是真实情境中问题解决取向，一般采用基于问题的学习模式，强调把学习设计在复杂、有意义的问题情境中；二是创意物化取向，一般采用基于项目的学习模式，以实践性的项目完成为核心，开发设计最终作品或“人工制品”；三是学习者中心取向，由学习者个体或小组基于兴趣去调查、发现和解决问题。这三大取向的落地瓶颈在于问题设计难、试错成本高、个体探究盲区大，恰与AI的生成性、低门槛与数据化特征构成了精准的对冲，这为AI赋能提供了清晰的“锚点”。
现实中，教师可以结合主学科，围绕三种取向，巧用身边可及的智能化工具赋能跨学科教学设计。第一，依托生成式人工智能辅助跨学科问题设计，生成适配学生学习的问题链。教师可将2—3个学科核心概念输入AI，让其生成5—8个真实情境的劣构问题，如“社区共享雨伞如何投放最合理”“学校周边早餐车如何布局”。第二，借力低门槛AI开发工具引导学生创意物化，在数字试错中实现方案的低成本迭代与工程转化。教师应鼓励并引导学生利用AI辅助完成作品原型，用生成式AI撰写方案、调试代码、设计图文，快速形成可展示、可迭代的制品。第三，合理运用数据采集与分析工具追踪学习轨迹与思维过程，基于数据画像精准投放差异化学习支架。借助学习平台、课堂互动系统与协作日志，全程采集学生的问题解决路径、讨论文本与迭代记录，精准识别并分析学生思维卡点与协作盲区。
AI赋能跨学科教学的价值，或许不是创造新的跨学科模式，而在于它服务于一个朴素的目标——帮助学生实现对学科基本概念的深度理解与灵活迁移。教师需要善用身边可及的智能化工具，为学生的学习过程搭建认知脚手架，让跨学科教学从“活动流程”走向“深度学习”，从“热闹现场”走向“素养生长”。
（作者系杭州师范大学与浙江大学联合培养博士后）
《中国教育报》2026年08月21日 第02版
作者：刘嘉豪
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
