项目化教学导向下小学人工智能课程设计

一、绪论 （一）研究背景与意义 1.人工智能教育的战略定位：全球 AI 人才竞争日趋激烈，各国纷纷将 AI 教育纳入国家战略布局。我国《新一代人工智能发展规划》明确提出 “在中小学阶段设置人工智能相关课程，逐步推广编程教育”，将小学 AI 教育提升至国家人才培养战略高度 [4]。近年来国家出台多项政策如：《教育部办公厅关于加强中小学人工智能教育的通知》、《广东省基础教育课程教学改革深化行动实施方案（2024-2027 年）》、《广东省中小学人工智能课程指导纲要（试行）》，大力推进中小学普及人工智能通识教育，而基础教育阶段的 AI 教育正响应了国家政策，小学阶段作为学生认知发展与思维养成的关键期，其 AI 课程设计质量直接影响国民 AI 素养的整体水平。 2.现有小学 AI 课程设计的局限性：近年来小学 AI 课程虽逐步推广，但设计层面存在不足：一是理论化倾向明显，部分课程照搬中学 AI 教材框架，以 “算法原理”等抽象概念为主，忽视小学生具象思维特点；二是知识碎片化严重，如单独讲解 “传感器功能” 却未与实际应用结合，导致学生难以形成知识网络；三是与生活脱节，项目案例多为 “机器人竞赛”“编程闯关” 等脱离日常的内容，学生缺乏 “用 AI 解决身边问题” 的意识 [7]。 3.项目化教学对小学课程设计的价值：项目化教学以 “真实问题解决” 为核心的特性，恰好契合小学 AI 教育的启蒙需求。通过 “智慧种植”“校园垃圾分类优化” 等生活化项目，可将 AI 知识转化为可操作的任务链：在 “数据采集” 环节理解传感器原理，在 “分析植物生长规律” 中感知机器学习思维，在 “团队协作优化方案” 中培养创新意识 。这种模式符合学生掌握知识、应用知识的习惯，能有效降低技术认知门槛，实现 “知识理解 - 能力应用 - 素养养成” 的递进。 4.研究意义：理论上，本研究构建的 “项目化 + 小学 AI 课程” 设计框架，丰富了基础教育阶段 AI 课程理论体系。实践上，所设计的 “智慧种植” 等模块及配套资源，可为小学教师提供直接可复用的教学方案，推动 AI 教育从 “理念普及” 走向 “落地实践”。 （二）国内外研究现状述评 1.国外小学人工智能课程设计研究： 美国：注重技术应用与创造力培养，如加州大学伯克利分校开发的 “AI for K-12” 项目，将 AI 概念融入科学探究活动，通过 “设计智能垃圾桶” 等项目引导学生理解机器学习原理；其课程标准强调 “计算思维” 与 “项目实践” 的结合，形成了从感知到应用的阶梯式内容体系。英国：以系统化课程标准为特色，《Primary Computing Curriculum》将 AI 内容分解为 “理解智能系统”“设计简单算法” 等模块，配套 “校园动物识别” 等项目案例，注重通过小组协作完成任务；同时，英国教育技术机构开发的 “Teach AI” 资源包，为教师提供了大量项目化教学指南。新加坡：推行 “AI in Education” 计划，小学阶段以 “趣味体验 + 生活应用” 为核心，开发了 “智能花园监测”“AI 助老工具设计” 等项目，强调跨学科整合。 2.国内小学人工智能课程设计研究： 政策推动下的课程试点：北京、上海等地率先开展小学 AI 课程实验，如上海市某附小开发的 “AI 小管家” 校本课程，通过 “班级设备智能控制” 项目整合传感器与编程知识，形成了 “项目导入 - 知识学习 - 实践创作 - 展示评价” 的教学流程。资源建设与模式探索：国内教育企业与高校合作开发了多种 AI 课程资源包，如 “小卡机器人” 课程以机器人搭建与任务执行为项目载体，覆盖 1-6 年级；但多数资源存在 “重工具操作、轻思维培养” 的问题，项目设计缺乏系统性。学术研究焦点：国内学者多关注课程目标定位与内容选取，如李艺等（2020）提出小学 AI 课程应聚焦 “感知、体验、应用” 三个层次 [1]；张剑平等（2019）则探讨了项目化学习在信息技术课程中的应用，但针对 AI 学科的系统性项目设计研究较少 [3]。 3.项目化教学在人工智能课程融合的研究： 诸多国家在项目式教学融入人工智能教育方面进行了积极探索。美国不少学校引入 “AI for K-12” 项目，把人工智能概念巧妙融入各类科学探究活动。比如学生参与 “设计智能垃圾桶” 项目，自主收集垃圾种类、数量等数据，运用算法分析处理，设计出智能分类系统，借此理解机器学习原理，提升解决实际问题和团队协作能力 。英国制定《Primary Computing Curriculum》课程标准，将人工智能内容分解为 “理解智能系统”“设计简单算法” 等模块，并配套 “校园动物识别” 等项目案例，同时，“Teach AI” 资源包为教师提供了详尽的项目化教学指南 。在国内，北京、上海等地的学校率先开展小学人工智能课程实验。上海市第一师范学校附属小学开发的 “AI 小管家” 校本课程，以 “班级设备智能控制” 项目为载体，整合传感器与编程知识。学生通过运用传感器采集教室环境数据，并编程实现对设备的智能控制，感受到人工智能技术在改善学习环境中的作用 。可见国内外学者皆已认识到项目化教学对小学 AI 课程的价值，并且有些国家已经发展势头较快，形成自己的课程体系和资源建设，但国外标准化课程难以直接适配我国教育情境，国内研究则存在项目设计碎片化、缺乏体系化、符合实际学情设计的问题，亟需构建符合实际小学特点的 “项目化 + AI 课程” 设计框架。 （三）核心概念界定 1.小学人工智能课程：指依据小学 7-12 岁学生的认知发展规律（具体运算阶段思维特点）和 AI 素养培养需求，对课程目标、内容、结构、实施流程、评价体系及配套资源进行系统性规划的过程。其核心特征是 “启蒙性” 与 “实践性” 的结合 —— 既需规避抽象理论的灌输，又需通过具象活动让学生感知 AI 技术的基本原理（如传感器与数据的关联），同时整合科学、数学、美术等跨学科知识，最终实现 “技术认知 - 能力应用 - 素养养成” 的递进。 2.项目化教学：是以 “生活化真实问题解决” 为核心线索，贯穿小学 AI 课程设计全要素的理念与方法。其核心逻辑是：以 “项目主题” 为锚点（如 “智慧种植”“校园垃圾分类优化”），将 AI 知识转化为可操作的任务链（如数据采集、方案优化），引导学生在 “发现问题 - 分析问题 - 解决问题” 的过程中，通过小组协作、实践探究自主建构知识，而非被动接受理论灌输。其本质是 “做中学” 在 AI 教育中的具象化，强调 “项目与生活关联”“知识与实践融合”“过程与素养同步”。 3.课程框架：指涵盖小学 1-6 年级 AI 课程全要素的系统性设计方案，包括四个核心维度：目标分层（按学段拆解 AI 素养指标）、内容模块化（以项目为单元整合跨学科知识）、结构螺旋式（按难度梯度设计项目序列）、支持系统化（配套资源、师资、评价体系）。其特征是 “连贯性” 与 “适配性”—— 既保证学段间能力培养的递进（如从 “感知智能设备” 到 “设计智能系统”），又适配不同年级学生的认知水平（如低年级用卡通化工具，高年级引入简易编程）。 二、小学人工智能课程设计的理论基础与逻辑框架 （一）课程设计的核心理论支撑 1.皮亚杰认知发展理论：小学阶段（7-12 岁）儿童处于具体运算阶段，思维需依赖具体事物支持。因此，AI 课程需以 “智慧种植” 等具象项目为载体，将 “数据” 转化为 “植物生长记录”，将 “算法” 转化为 “浇水策略”，通过可触摸、可观察的实践活动帮助学生理解抽象概念。 2.建构主义课程观：强调学习是学生主动建构意义的过程。在 “智慧种植” 项目中，学生通过 “发现植物叶片发黄 - 推测与湿度相关 - 用传感器验证 - 调整浇水方案” 的探究链，自主构建 “环境数据与生物生长关联” 的认知，而非被动接受 “传感器用于数据采集” 的结论。 3.《广东省中小学人工智能课程指导纲要（试行）》：该纲要提出小学人工智能课程应遵循 “启蒙性、实践性、趣味性” 原则，明确低年级以 “感知体验” 为主，高年级以 “简单应用” 为主的阶段目标，强调通过 “与生活密切相关的项目活动” 培养学生的 AI 素养，为本研究的目标分层与项目序列设计提供了直接政策依据 [5]。 （二）项目化教学导向的课程设计逻辑 目标逻辑：从 “知识传授” 转向 “项目问题解决能力培养”，将小学 AI 素养拆解为可通过项目达成的具体能力指标（如观察能力、简单数据分析能力） 内容逻辑：以生活化项目主题为锚点，整合碎片化的 AI 知识（如将 “传感器应用” 知识融入 “植物生长监测” 项目） 结构逻辑：通过项目难度梯度实现课程的螺旋式上升（如从 “感知体验项目” 到 “简单应用项目”） 三、小学人工智能课程的现状与问题分析 （一）当前小学人工智能课程设计的主要模式 1.工具导向模式：以掌握简易编程工具（如 Scratch 或源码编辑器.）为核心组织内容。典型表现为：课程围绕 “工具操作步骤” 展开，如 “如何用积木块编写机器人移动程序”，并通过 “完成指定任务”（如让机器人沿直线行走）检验学习效果。其优势是学生能快速掌握工具使用技能，但缺陷在于 “重操作、轻思维”—— 学生仅知 “如何操作”，却不理解 “为何这样操作”（如编程逻辑与现实问题的关联），易导致 “工具熟练但不会解决实际问题” 的困境。 2.知识导向模式：按 AI 学科体系简化版（如机器人、图像识别）分章节编排课程。例如，先讲解 “什么是人工智能”“神经网络的基本概念”，再介绍 “传感器的分类与功能”，最后通过 “案例阅读”（如 AI 在医疗中的应用）加深理解。这种模式的问题在于：内容抽象度与小学生认知水平脱节，如用 “输入层 - 隐藏层 - 输出层” 解释神经网络，超出了小学生具象思维的接受范围；且知识呈现孤立化，如讲解 “图像识别原理” 时未结合 “校园植物识别” 等生活场景，导致学生难以建立知识与生活的关联。 3.活动导向模式：围绕孤立的 AI 体验活动（如 AI 机器人表演、VR 虚拟体验）设计课程。常见形式包括：邀请企业展示 AI 机器人跳舞、组织学生用语音助手完成简单指令（如 “让音箱播放儿歌”）。此类活动能短期激发学生兴趣，但本质是 “观赏性体验”—— 学生处于被动参与状态，缺乏 “自主探究”“问题解决” 的环节，且活动间缺乏逻辑关联（如 “机器人表演” 与 “语音助手体验” 无能力递进），难以形成持续的素养培养。 （二）现有小学人工智能课程设计存在的共性问题 1.目标模糊：素养培养缺乏阶梯性：多数课程未明确低、中、高学段的 AI 素养分层目标，导致 “一刀切” 现象。例如，部分教材在 3 年级引入 “机器学习” 概念，与 1 年级 “认识智能音箱” 的内容缺乏难度递进；部分学校将 “会编程” 作为唯一目标，忽视 “用 AI 解决问题的意识”“团队协作” 等核心素养，导致学生虽能编写简单程序，却不会用技术解决身边的实际问题（如班级绿植浇水忘记录的问题）。 2.内容碎片化：知识与实践脱节：知识点呈现孤立化，缺乏项目载体的整合。例如，单独讲解 “温度传感器的工作原理” 后，未设计 “用传感器监测教室温度” 的实践任务；讲解 “数据的概念” 时，仅通过 “表格举例” 说明，而非让学生在 “记录家庭用电量” 等项目中自主感知数据的意义。这种 “知识 - 实践” 割裂的状态，导致学生难以形成完整的知识网络，出现 “学了传感器却不会用”“知道数据重要却不懂如何收集” 的现象。 3.项目设计薄弱：缺乏真实问题属性：现有项目多为 “任务式操作” 或 “表演性展示”，而非 “真实问题解决”。例如，“让机器人按路线搬运物品” 的项目，场景设定脱离校园生活；“用图像识别软件识别动物” 的活动，仅停留在 “识别结果对错” 的验证，未延伸至 “如何用识别结果优化校园动物观察方案”。此类项目缺乏 “问题驱动”，学生难以产生 “用 AI 解决问题” 的内在动机，且未涉及 “方案设计”“团队协作”“成果优化” 等核心环节，难以培养高阶思维。 4.资源不配套：支持体系缺乏适配性：一是教具不适配小学生操作，如部分传感器设备需要复杂接线，超出低年级学生的动手能力；二是教师指导资源不足，多数教材仅提供知识点讲解，缺乏 “项目化教学步骤”“常见问题处理” 等实操指南，导致教师（尤其是非信息技术专业教师）难以有效实施；三是评价工具缺失，多依赖 “作品展示” 或 “操作测试”，缺乏对 “项目过程中观察能力、协作表现” 等素养的评价量表，难以全面评估学生的素养发展。 四、项目化教学导向的小学人工智能课程框架设计 （一）课程目标体系设计 表1 小学人工智能课程核心素养目标一览表 核心素养目标 内容 人智观念 感受人工智能技术带来 的巨大影响，正确看待人工 智能的发展与挑战，树立负 责任地使用人工智能的意识。 技术实现 通过类比和实践知道人工智能的基本概念、发展历 程，体验人工智能技术的基 本应用，体验人工智能工具 的基本功能，体验人工智能解决问题的一般过程和常见方法。 智能思维 关注身边人工智能解决常见问题的案例，尝试使用生成式人工智能工具开展简单的创作，体验人机协作解决问题，认识智能系统工作过程，理解人工智能系统的基本逻辑，了解技术局限性。 伦理责任 识别人工智能技术引发的伦理冲突，理解应用规范和规则的必要性。 学段分层目标： •1-2 年级：感知 AI 在生活中的应用（如智能音箱、自动门），能描述 AI 设备的基本功能 •3-4 年级：认识简单的 AI 工具（如传感器、可视化编程模块），能参与小组项目的基础操作 •5-6 年级：能运用简易 AI 工具完成生活化项目（如植物生长监测），具备初步的数据分析和问题解决能力 （二）课程内容与结构设计 项目内容以项目主题为单元，每个单元包含 “选择项目，问题驱动→分析问题，确定方案→项目实施，作品制作→交流展示，成果汇报→多维评价，反思总结” 五部分 表2 核心知识模块一览表 内容 基础层 AI 基本概念（智能设备、数据、传感器）、简易工具（可视化编程、简易测量设备） 应用层 典型技术的生活化应用（如环境监测、简单控制、智慧校园） 素养层 计算思维、合作意识、观察能力、简单问题解决能力

表3 项目主题表 项目主题分类 内容 校园类项目 教室环境监测、校园植物养护、智能班级管理 家庭类项目 家庭垃圾分类助手、阳台种植监测、智能小夜灯 社会公益类项目 智慧停车场、智慧种植系统

2.课程结构体系设计 •1-2 年级：以感知型项目为主（如 “认识会听话的智能设备”） •3-4 年级：以操作型项目为主（如 “用传感器测量教室温度”） •5-6 年级：以综合型项目为主（如 “设计简易的智慧种植系统”） 1.衔接机制：学段间设置 “桥梁项目”（如 3-4 年级的 “植物观察日记” 为 5-6 年级的 “智慧种植” 项目奠定基础） 五、小学人工智能课程模块化设计案例 —— 以 6 年级 “智慧种植” 模块为例 （一）模块设计背景 本研究的案例选取小学6 年级人工智能课程中的 “智慧种植” 项目，作为综合型项目的典型案例。该项目整合了传感器应用、数据记录、简单分析等 AI 基础知识，同时关联科学（植物生长）、数学（数据统计）、美术（种植角设计）等多学科内容，符合项目化教学的跨学科整合要求[11][12]。 （二）模块目标体系 核心素养目标 内容 人智观念 认识到人工智能技术（如传感器、数据采集）可应用于生活场景（如植物生长监测），理解 “技术服务生活” 的基本价值； 激发运用人工智能技术改善生活（如优化种植环境）的创新意识，认同技术对提升生活质量的积极作用。 技术实现 认识温度传感器、湿度传感器的基本功能，掌握其在数据采集中的作用； 理解 “数据采集” 的核心概念（如定时记录环境参数），能独立操作简易传感器完成植物生长环境数据的采集； 掌握用表格或图表记录、呈现数据的基础方法，为后续数据分析提供技术支持。 智能思维 形成 “数据驱动决策” 的初步意识，通过分析温度、湿度等数据与植物生长状态的关联，学习从数据中发现规律； 在小组讨论中，能基于采集的环境数据推理植物生长问题的成因（如湿度不足导致叶片发黄），培养基于证据的逻辑分析能力； 结合植物生长需求与环境数据，思考如何通过调整参数（如浇水频率）优化种植方案，初步建立 “问题 - 数据 - 方案” 的智能解决思路。 伦理责任 培养观察自然、尊重科学规律的态度，在数据采集与分析中做到客观记录、如实呈现，避免主观臆断； 在小组协作中（如分工采集数据、讨论方案），形成 “团队共担、互助解决问题” 的责任意识； 树立 “技术应用需兼顾自然规律” 的伦理认知，如在优化种植方案时，平衡技术干预与植物自然生长需求，避免过度依赖技术。

（三）模块内容与项目实施流程 第一阶段：情境导入与知识铺垫（2 课时） 1.情境创设：播放 “沙漠植物如何生存” 的科普视频，引导学生思考 “如何帮助植物在不同环境中生长”，引出 “智慧种植” 项目主题 2.知识讲解： •用动画演示传感器工作原理（如 “传感器像植物的小管家，能随时告诉我们植物住得舒服吗”） •介绍种植角搭建方法（提供简易种植箱、营养土、番茄种子等材料清单） •示范数据记录表的填写方式（设计卡通化表格，包含日期、温度、湿度、植物状态等栏目） 第二阶段：项目准备与方案设计（2 课时） 1.分组分工：4 人一组，设 “材料管理员”“数据记录员”“种植员”“汇报员” 角色 2.方案设计：小组讨论确定种植植物种类（提供番茄、多肉、薄荷等易存活品种选项）;设计种植角布局图（需标注传感器放置位置）;制定数据采集计划（如每天早上 9 点、下午 4 点各记录一次）;教师指导：重点指导传感器摆放位置（如湿度传感器需靠近土壤，温度传感器需避开阳光直射） 第三阶段：种植实践与数据采集（4 课时，跨 3 周进行） 1.种植实施： •第一周：种植植物、安装传感器、调试记录工具（提供电子传感器与纸质记录表两种选择，适配不同学校条件） •第二周：每日按计划采集数据，记录植物生长状态（如 “茎高 3 厘米，长出 2 片叶子”） •第三周：观察植物生长变化，补充采集特殊天气数据（如下雨天、高温天） 2.过程指导： •针对数据异常情况（如湿度突然下降）引导学生排查原因（如是否忘记浇水） •鼓励学生用照片、绘画等方式补充记录植物状态 第四阶段：数据分析与问题解决（2 课时） 1.数据整理： •小组将三周数据汇总，用柱状图呈现温度、湿度变化趋势（提供 Excel 模板或手绘图表范例） •对比植物生长状态与环境数据的关联（如 “湿度> 60% 时，植物叶片更舒展”） 2.问题诊断： •引导学生发现种植中的问题（如 “第三周温度过高导致生长缓慢”） •讨论解决方案（如 “移动种植箱到阴凉处”“增加浇水频率”） 第五阶段：成果展示与拓展延伸（2 课时） 1.成果汇报： •小组用 “种植日记 PPT” 展示过程（包含数据图表、植物生长照片、遇到的问题及解决方法） •设计 “植物生长小剧场”，用情景剧形式演绎植物与环境的关系 2.拓展延伸： •讨论 “农民伯伯如何用 AI 技术种庄稼”（播放农业大棚智能监测视频） •设计 “未来家庭种植方案”（如 “自动浇水的智能花盆”） （四）模块评价设计 六、小结 本研究以项目化教学为导向，针对小学人工智能课程设计中存在的 “理论与实践脱节”“项目适配性不足” 等问题，构建了 “目标分层 - 内容模块化 - 结构螺旋式 - 支持系统化” 的课程框架。该框架以皮亚杰认知发展理论和建构主义课程观为支撑，结合《广东省中小学人工智能课程指导纲要（试行）》的要求，将生活化项目作为核心载体，实现了 AI 知识与跨学科内容的整合、学段间能力培养的递进。通过 6 年级 “智慧种植” 模块的案例设计，验证了该框架的可行性：案例以 “真实问题解决” 为线索，将传感器应用、数据采集等 AI 知识转化为可操作的种植实践，既适配小学生的具象思维特点，又实现了 “知识理解 - 能力应用 - 素养养成” 的目标。研究丰富了小学 AI 课程系统化项目设计方法，为教师提供了可直接复用的教学方案。但是本研究仍存在局限性：一是案例仅覆盖 6 年级，低、中年级的项目设计需进一步细化；二是框架的普适性尚未通过大规模实践检验。未来研究可扩大案例范围，在不同地区、不同类型的小学开展实践，优化课程框架的适配性；同时可深入探索 “项目化教学与 AI 素养评价” 的结合机制，完善评价工具的科学性。 参考文献 [1] 李艺，钟柏昌。小学人工智能课程的目标定位与内容选择 [J]. 课程・教材・教法，2020 (05):56-62. [2] 王吉庆.人工智能教育：培养智能时代的原住民 [M]. 上海：华东师范大学出版社，2018. [3] 张剑平，王益华。项目化学习在中小学信息技术课程中的应用研究 [J]. 中国电化教育，2019 (08):89-95. [4] 国务院.新一代人工智能发展规划 [Z]. 2017. [5] 广东省教育厅.广东省中小学人工智能课程指导纲要（试行）[Z]. 2021. [6] 中国人工智能学会.中国人工智能教育发展报告 2023 [R]. 北京：北京邮电大学出版社，2023. [7] 吴向东.小学人工智能教育的困境与突破路径 [J]. 基础教育参考，2022 (03):34-37. [8] 余胜泉.人工智能教育的核心素养与课程设计 [J]. 全球教育展望，2020 (07):11-20. [9] 皮亚杰.发生认识论原理 [M]. 北京：商务印书馆，1981. [10] 建构主义学习理论研究课题组.建构主义学习理论及其教育应用 [J]. 教育研究，2000 (03):73-78. [11]张宇.核心素养视域下的小学人工智能项目式教学实践 —— 以 “智慧交通视觉寻人机器人” 项目为例 [J]. 中国现代教育装备，2025 (4): 53-56.​ [12]赵晓。小学人工智能课程项目式教学的设计与实施 —— 以 “智能台灯” 一课为例 [J]. 中小学信息技术教育，2023 (7): 52-53.​