马 宁
北京师范大学教育学部教育技术学院院长、教授、博士生导师，“移动学习”教育部-中国移动联合实验室副主任，北京师范大学未来教育高精尖创新中心项目首席。主要研究方向为技术增强学习、技术支持的教师专业发展、学习分析、STEM教育等。主持并参与几十项国际级、国家级、省部级及横向科研课题，在教育信息化、信息化环境下的教育教学改革、教师专业发展、STEM课程设计与开发等方面有深入研究和实践，发表了100多篇论文、书籍、电子出版物等作品。
黄利锋
江苏省张家港市梁丰小学课程建设处主任，中小学高级教师，苏州市学科带头人。2019年主持设计的跨学科项目化课程《浩瀚的星空》获芬兰国际课程设计峰会第一名，参加现场颁奖；2021年主持设计的地域文化研学项目“千年黄泗浦”获芬兰国际课程设计峰会全球金奖。研究成果《构建综合实践活动学习社区的实践研究》获江苏省教科成果奖二等奖，《跨学科学习项目的案例设计与实施》获苏州市教学成果一等奖。
跨学科项目式学习的价值和意义
黄利锋：马教授，您好！我们都知道，项目式学习是一种有效的培养学生核心素养的方式，在您看来，跨学科项目式学习有哪些价值和意义呢？
马宁：跨学科项目式学习在当今教育变革中具有重要的战略意义，其价值可从三个维度进行阐释。
第一，回应时代需求，破解复合型人才培养困局。
纵观历史，每一次科技革命和产业变革都深刻地改变了人类的生产生活，并对教育产生深远的影响。2025年，人工智能发展迎来突破性进展。习近平总书记指出，有了智联网、人工智能，教育的工具和方法会发生变化，学生能力培养会有变化，这些正需要与时俱进地进行改革。《教育强国建设规划纲要（2024—2035年）》再次强调“着力加强创新能力培养”，提出“强化学生核心素养培育，引领学科交叉融合再创新”的目标。当前，碳中和、人工智能等重大战略议题均需整合多学科知识体系，如环境科学、经济学与工程技术的协同创新。传统分科教学导致的知识割裂已难以应对复杂现实问题，急需培养具备系统思维和跨界整合能力的复合型人才。跨学科项目式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，更有助于培养“全面发展的人”。
第二，重构育人范式，培育立体化核心素养。
跨学科项目通过三重机制实现育人价值突破。一是知识建构机制：打破学科壁垒，建立认知联结。例如，“中国世界遗产”项目将语文导游词创作、历史价值考证与建筑力学分析有机融合，形成文化遗产的立体认知框架。这种以真实问题为锚点实现多学科主干知识有机联结的跨学科实践活动，有利于学习者对学习内容的深度理解与迁移应用。二是思维发展机制：在解决非良构问题中培养高阶思维。例如，在“病毒防疫”项目中，学生需要突破单一学科认知边界，同时考虑病毒传播动力学（科学建模）、防疫物资成本效益（数学分析）与社区接受度（社会伦理），推动形成“数据驱动—系统优化—人文关怀”的三维思维模式。三是人格塑造机制：通过真实项目历练创新品质。例如，在“神奇动物在哪里”主题项目中，在仿生设计的问题解决环节，学生通过多轮方案的动态演进过程，逐步构建起包含批判性思维、韧性品格与迭代优化能力的创新人格特质。
第三，创新评价体系：证据导向的精准育人。
证据中心设计（Evidence-centered Design，ECD）理论革新了评价体系，其通过学生模型、证据模型、任务模型的三维架构，构建了“目标—证据—行为”联动的闭环评价系统，使素养发展从抽象概念转化为可观测、可量化的动态轨迹。
学生模型定义了评价的靶向目标，既包含学科核心知识（如物理定律、数学建模），也涵盖综合素养（如批判性思维、协作沟通等）。例如，在STEM课程中，模型会细化到“变量控制能力”“工程优化思维”等二级指标，形成多维能力坐标系。
证据模型则建立了行为数据与能力发展的映射规则。以机器人设计项目为例，系统不仅采集最终作品的功能参数，更追踪设计日志中的方案迭代次数、协作平台中的讨论热词、虚拟仿真中的测试数据。通过自然语言处理、学习分析等技术，这些多模态数据被转化为“创新思维指数”“问题解决效能值”等量化证据。
任务模型的关键在于设计能激发核心证据的学习场景。例如，在“桥梁承重”项目中，任务要求学生在有限预算内完成结构设计，这天然包含成本核算（数学）、材料力学（物理）、团队分工（协作）等多重证据触发点。EPBL系统会预设数据采集节点，如每次承重测试的压力值曲线、三维建模软件的修改历史等。
大数据技术是ECD理论落地的重要支撑。在“智慧农业”跨学科项目中，物联网设备实时采集学生的环境调控数据，人工智能算法自动识别决策逻辑中的漏洞；在线协作平台的语义分析功能，能标记出方案讨论中的关键矛盾点。这些技术实现了证据采集的自动化、分析的即时化。
证据导向的项目式学习
黄利锋：非常赞同马教授对跨学科项目式学习的价值分析，我认为推进跨学科学习，绝非教师单打独斗能实现的，需要团队的力量。我们学校就建立了“双轨教研机制”：学科备课组挖掘知识整合点，年级项目组统筹资源与课时。教师通过协同设计“主题实践流程图”，明确各学科在问题解决链中的责任节点，破解课程“拼盘化”困境。
我了解到马教授您在基于证据导向的项目式学习设计与实施方面有着深入的研究。能否请您详细介绍一下这一领域的核心理念、实践方法以及技术在其中的应用？
马宁：证据导向的项目式学习是一个融合教育理论与技术创新的领域，其核心理念与实践方法可以概括为三个方面。
第一，构建证据导向的项目式学习模式。该模式结合大数据技术，将基于证据的教与学和证据中心设计理论引入到项目式学习中，形成了包含了三大模型（学生模型、证据模型、任务模型）、六大环节（确定项目教学目标、预设达成目标的证据、设计引发证据的学习任务、设计教学活动、收集学习证据和基于学习证据的评价）的模式，强调指向核心素养发展的教学设计应遵循学习者的学习思路，以预期的学习结果为起点倒推学习者在学习过程中出现的证据并据此设计相关的教学活动，最大限度地保证目标与教学活动的一致性。
第二，强调“循证闭环”的教学实践，包含三个关键环节：一是基于证据的教学，强调教师应基于已被研究证实的有效的教育教学规律设计与开展教学，同时基于学习者的绩效表现与能力发展调整教学；二是基于证据的学习，强调培养学习者的理性思维与科学素养，建立证据意识，形成基于证据推理的思维习惯，像科学家一样思考，像工程师一样实践；三是基于证据的评价，依托大数据与学习分析等技术实现学生过程性数据的动态采集与即时评价。我们研究团队开发的EPBL系统（Evidence-based Project Based Learning System，证据导向的项目式学习系统）就能够自动采集表征学习者的知识、能力与素养等属性的学习证据。
第三，技术深度赋能学习生态。互联网工具解决了传统项目式学习的三大痛点：一是资源整合，国家中小学智慧教育平台提供标准化班级管理工具（作业发布、在线批阅、互动讨论等），配合十大板块中海量的精品资源，为教师开展项目式学习提供了“数字基座”；二是过程追踪，利用点阵笔、平板电脑、希沃大屏、高速扫描仪等终端实时采集学生学习数据，帮助教师为学生提供数据驱动下的个性化学习指导；三是家校协同，大数据与物联网等技术创设了一个信息瞬间流动、共享虚实的资源交互空间，能够实现家校之间信息的即时共享与深度交流。在实践中，教师们形成了四种典型范式：科学探究类（如“鸡蛋气压实验”培养建模能力）、社会调查类（如“社区垃圾分类”培养社会问题分析与解决能力）、设计开发类（如“自动擦黑板工具”训练工程思维）、综合应用类（如“中国世界遗产”项目整合多学科知识）。每种范式都遵循“发现/明确问题—设计方案—协作探究—形成方案—成果交流—活动评价”这样一个流程，而技术始终贯穿其中——它既是认知工具，也是评价支撑。
黄利锋：马教授您提出的跨学科项目式学习要以证据链打通“目标-活动-评价”，设计要遵循“学科大概念→驱动性问题-证据预设-技术赋能”这一逻辑，为学科实践提供了可复制的本土化范式，我后续在教学实践中也会积极尝试。
项目式学习中技术工具的选择
黄利锋：在项目式学习中，技术支持贯穿于各个环节。对于教师来说，如何选择和使用合适的在线学习工具来辅助学生的协作探究、作品创作等环节，是一个值得关注的问题。您有哪些具体的操作建议和技巧呢？
马宁：在项目式学习中，技术工具的选择需要与学习目标、任务类型和学生认知特点深度匹配。根据我们的实践研究，我认为教师可以遵循“目标导向、证据支持、协作增效”的原则，从四个维度选择工具。
第一，协作探究工具：打破时空限制的互动载体。在线文档（如石墨文档）和可视化白板（如Miro）是支撑协作的核心工具。例如，在“病毒防疫”科学探究项目中，学生用石墨文档同步撰写方案，实时看到同伴的修改痕迹，教师通过“版本对比”功能快速定位小组讨论焦点。建议教师在任务启动阶段创建协作模板，预设目录框架（如问题分析、数据表格、分工表），这样既能降低技术门槛，又能引导结构化思考。而Miro白板特别适合头脑风暴环节，学生先用便利贴功能发散观点，再用连线工具自动生成思维网络，教师通过热力图观察小组参与度差异。
第二，认知发展工具：可视化思维过程的脚手架。思维导图（如Xmind、爱莫脑图等）和科学论证工具是深化理解的利器。我以EPBL系统中的科学论证工具为例进行说明。该工具支持学习者通过在画布中自由绘制图尔敏论证模型的六元素（资料、结论、正当理由、支援、反驳和限定条件）及其间之的关系开展论证，同时支持学习者上传论证相关资料、梳理论据以及讨论交流等行为，有助于学习者的认知发展、科学知识的掌握和科学素养的提升。在该活动中，可收集到的学习证据包括学习者绘制的科学论证图、学习者上传的资料、学习者的讨论帖、学习者的绘制时间以及学习者在该活动中的得分等，这些证据将被用于推断学习者在该活动涉及的知识与能力上的表现，促进学生思维的可视化和外显化。
第三，资源管理工具：构建动态知识库的枢纽。Wakelet等收藏工具能解决资源碎片化问题。例如，在“中国世界遗产”项目中，各小组将调研视频、文献PDF、采访录音整合成主题资源墙，用标签分类（建筑类/民俗类），教师通过资源关联度分析小组研究深度。技巧在于建立“资源评价标准”，如要求学生标注信息来源权威性（政府网站/自媒体），培养信息素养。
第四，过程追踪工具：实现循证评价的关键。EPBL系统的虚拟仿真实验室能自动记录操作步骤和实验数据，在“鸡蛋气压实验”中，系统通过压力值变化曲线自动生成实验报告雏形。教师应善用工具的“过程留痕”功能，如在线文档的修改历史可追溯思维演进、Miro白板的时间轴回放能分析协作策略，这些数据都是评价批判性思维、领导力的重要证据。
黄利锋：马教授提出的技术整合策略具有显著的实践指导价值。在我校“我为家乡代言”跨学科学习项目中，我们就系统性融入了数字化学习工具，贯穿项目全流程，体现了项目式学习中技术作为认知脚手架与实证载体的双重功能：
一是结构化信息素养培养。在信息科技课程中，学生基于教师设计的标准化资料收集模板（涵盖历史沿革、自然景观、文化符号等维度），通过关键词提取，完成对家乡多维数据的整理，强化信息筛选与结构化处理能力。
二是多模态资源建构。依托课后延时服务开展博物馆主题研学，学生运用数字设备（如相机、录音笔）采集实地影像及口述史料，结合双休日亲子协作的社区采风活动，构建包含图像、视频、文本的多元数字资源库，实现社会性实践与数字化资源的深度融合。
项目式学习中的大数据技术应用
黄利锋：马教授，我们都知道，在证据导向的项目式学习中，大数据技术为学习过程的评价提供了有力支持。那在项目式学习中，应如何利用大数据技术收集和分析学生的学习证据，以实现对学生学习过程的精准评价和及时反馈？有哪些具体的案例可以借鉴？
马宁：这个问题触及了证据导向的项目式学习的核心机制。大数据技术的应用确实重构了学习评价的范式，主要体现在三个层面的深度融合：
第一，全息化数据采集体系的构建。EPBL系统基于大数据、多模态学习分析等技术，可以根据学习者的知识水平、学习偏好、能力素养等建构其学习者画像，同时支持基于推荐算法的自适应学习。例如，在“神奇动物在哪里”项目实施过程中，借助系统的评价方案与证据收集功能，实现了对学习者的学习证据的实时收集与汇总，包含各步骤学习时间、提交的作业内容、作业评语与得分、提交的表格与调查问卷等，并据此实现了对学习者学习进度的实时监督、基于证据的学习表现的实时评价、学习者模型的动态更新，以及知识图谱、能力勋章形式的知识能力发展的形象化表征。
第二，动态化证据分析模型的建立。基于ECD理论的证据模型，我们研究团队设计了“目标—指标—证据”三级映射机制。以科学探究能力为例，系统会将高阶目标拆解为“假设提出”“变量控制”“数据解读”等二级指标，每个指标对应具体证据类型。例如，在“病毒防疫”项目中，学生修改防护方案的次数会被转化为“迭代优化能力”指标，而方案中引用的疫情数据来源权威性则映射“证据意识”指标。这种颗粒化的分析使评价从模糊判断转向精准画像。
第三，即时性反馈机制的实现。基于大数据的学习分析为过程性评价提供了技术支持，实现了对学习过程的实时监控和动态评估。在EPBL系统中，个体学习者模型在学科知识属性上的表征形式为学科知识图谱，基于知识图谱的在线课程能够提供一个动态的可个性化调整的学习环境，使学习者在结构化的知识网络中，既能按照自己的节奏和兴趣创建自适应的学习内容和学习路径，也支持教师根据学习者的学习数据调整学习内容，给学习者以干预指导。
实践表明，相较于传统评价体系的滞后性，基于大数据和人工智能支持的教育评价体系，可以实现学生全过程学习证据的动态追踪与及时反馈，使学习过程真正成为可观测、可优化的素养发展轨迹。
黄利锋：普通中小学应用大数据技术评估项目式学习还是有一定的门槛，所以我在实践中把评价分为了三个维度，分别是作品评价、团队评价和活动评价。作品评价主要是评估学生作品在应用学科技能上达到了什么程度，团队评价主要是评估学生团队的活动效果和学生个人在小组活动中的表现，活动评价要看项目实施中学生的活动方式，如实地考察、公众演讲、调查采访等都有不同的评估要求。
构建家校协同项目式学习的策略
黄利锋：在基于互联网的家校协同项目式学习中，学校和家庭通过互联网连接成网络化的组织，共同促进学生的成长。您认为应如何更好地开展家校协同的项目式学习呢？
马宁：家校协同项目式学习的关键在于构建“互联网+教育共同体”，结合实践，我提炼出了三个核心策略。
第一，角色定位与协同机制是基础。家校协同的项目式学习要想取得更好的效果，需要家校学习共同体的每个参与者都明晰各自的任务和责任。在整个系统中，以教师为代表的学校要承担项目发起人和组织者的角色；教师依据自己的专业知识保证项目的科学性和知识性，同时利用自己的教学经验和教学技巧设计项目过程并进行教育教学组织；家长在整个系统中承担着学习伙伴、辅助者、协调者等角色。学校作为连接家长与教师的纽带，要发挥统筹管理的作用。基于此，整个家校协同项目式学习才能在互联网技术的支持下，形成教育合力，加强学校教育和家庭教育对学生的双重影响。
第二，混合式工具链支撑全流程协作。我们研究团队总结出“4T工具矩阵”——思维可视化工具：Xmind绘制知识图谱，如在“中国世界遗产”项目中，学生用思维导图梳理建筑特征，家长协助补充民俗资料；实时协作工具：石墨文档支持多人同步撰写实验报告，版本对比功能可直观呈现学生论证逻辑的演进轨迹；资源聚合工具：Wakelet建立主题资源墙，如在“鸡蛋气压实验”项目中，各家庭上传不同实验角度的视频，自动生成立体知识库；智能诊断工具：EPBL系统能够实时追踪学生在项目学习过程中的表现和进展，并形成学习轨迹和能力画像，支持学生随时查看反思，促进自我管理和持续进步。
第三，双循环反馈机制保障质量。例如，“病毒防疫”科学探究项目的成功，得益于“数据—反思”双循环。内循环：EPBL系统可以自动记录并实时分析学生的在线学习行为数据，自动生成证据报告，包含学生在“疫情数据可视化建模”等核心任务模块的时长分配与时段分布，量化呈现学习者的专注度；基于对权威流行病学报告（如WHO疫情周报）、病毒结构3D建模工具等多元资源的调用频次与交互深度分析，形成个体学习偏好画像。外循环：期末通过Miro白板开展结构化反思——学生用时间轴展示从“病毒传播模型构建”到“社区防护方案设计”的全过程，重点呈现关键转折点（如发现气溶胶传播证据后调整方案）；教师基于能力发展雷达图，解读学生在“数据建模”“科学论证”等维度的进步曲线（如科学论证能力从L2提升至L4）；家长分享家庭观察日志，如记录孩子将项目成果应用于家庭防疫措施优化（如设计玄关消毒区）。实践表明，当学校提供专业支架、家庭注入生活智慧、技术打通协作壁垒时，家校协同育人就能真正形成教育合力，成为滋养学生核心素养的沃土。
黄利锋：确实，项目式学习的深度开展需要家庭、学校与社会的协同支持，但时空限制常导致家庭参与碎片化、社会资源介入不足。为破解这一难题，我们学校利用直播平台，构建了教师线上指导和家庭线下实践的协同模式。通过直播，教师可实时掌握学生实践进度，同步提供流程指导与知识答疑；家长和社区志愿者也可以参与到学生的探究活动中，为其提供丰富的资源支持。这种基于互联网的家校社协同项目式学习，让学生、教师、家长和社区在互联网与教育深度融合的背景下，形成一个稳定的、灵活的学习共同体，帮助学生在项目式学习过程中实现深度学习，获得高阶的素养与技能。
技术支持的项目式学习未来发展
黄利锋：马教授，您认为在未来的教育发展趋势下，技术支持的项目式学习将如何进一步演变？有哪些潜在的新技术和新应用可能会对这一领域产生重大影响？
马宁：从当前技术演进与教育变革的交汇点来看，我认为技术支持的项目式学习将呈现三个关键演变方向。
第一，数据智能驱动精准化学习。基于我们研究团队研发EPBL系统的经验，依托教育大数据、学习分析、人机交互以及人工智能等技术，可实现学习者“证据采集—智能分析—精准干预”的全流程闭环优化。例如，在EPBL系统中，每一个学习者都拥有一个动态更新的个体学习者模型，在大数据、学习分析等技术的支持下，学习者的多源过程性证据的收集与评价可即时发生，动态发展的个体学习者模型表征了学习者的知识能力发展，是学习者进行自我调节学习和自适应学习的基础，也为教师教学活动的调整提供参考。
第二，虚实融合拓展学习边界。随着扩展现实等数字技术的成熟，基于虚实融合的项目式学习的设计与实施，可以为学习者提供跨越时空界限、打破虚实边界的学习环境，通过将抽象科学原理解构为具象化探究任务，让学生真正做到在项目式学习中动手动脑、外显思维、解决问题。以“中国世界遗产”项目为例，混合现实（MR）等设备可构建高度拟真的虚拟考古场景，学生通过手势交互、空间定位等自然交互方式开展文物修复模拟，具身参与发现问题、提出问题、作出猜想与假设、设计实验方案等过程，系统将实时记录学生空间思维、工程设计等核心能力表现，形成可追溯的过程性评价证据，通过技术赋能实现教学空间重构、认知过程优化与学习生态升级。
第三，生成式人工智能赋能创作范式革新。随着以大语言模型为代表的数字技术的快速发展，融合生成式人工智能的项目式学习为学习者提供了更多维的互动过程，AIGC工具正成为学习者的“认知伙伴”。例如，在项目探究阶段，学生可以通过自然语言描述创新构想，人工智能协同完成三维建模、方案原型设计、跨模态内容生成等复杂任务，甚至基于逻辑推理提供辩论框架与论证视角，形成人机协同知识共创的思维，重塑智能化教与学方式。当然，在人机共创过程中，教师也要引导学生把握好人工智能工具的应用边界，始终保持主体性思维。
技术的引入并非旨在替代教师的核心角色。恰恰相反，人工智能的核心价值在于增强和支持教师的工作，通过将部分重复性、流程化的任务交由人工智能处理，教师可以投入更多的时间培养学生高阶思维，发展学生核心素养。教师和智能技术的协作、增强、融合、共创和共生，将推动教学全过程的优化与创新，为教育数字化提供基座。
文章刊登于《中国信息技术教育》2025年第12期
引用请注明参考文献：
马宁 黄利锋 .技术赋能的项目式学习[J].中国信息技术教育，2025（12）：4-10 .
欢迎订阅
识别上方二维码即可订阅
热门跟贴