教育部等五部门近日印发， 明确提出推动人工智能人才培养与素养提升、促进人工智能与教育深度广泛融合、建强“人工智能+教育”基础环境、优化“人工智能+教育”发展生态等四大重点任务。
基于此，《中国信息技术教育 》 杂志推出“人工智能+教育”专题系列，旨在系统追踪政策落地动态，深度呈现一线创新实践，凝练可复制、可推广的经验范式。
基于生成式人工智能连续追问的人机协同学习模式构建与实践研究
郭佳 成红 四川省成都市七中育才学校
敬晓倩 四川省成都市第七中学初中学校
在数字化时代，信息科技教育日益受到重视，但在实际教学中仍面临学生主体性不足、资源适配困难及教师能力滞后等核心困境。生成式人工智能技术的出现为破解这些难题提供了创新路径：通过构建“师—生—机”协同学习模式，以三种支架形态（一对一支架、基于计算机的支架、同伴支架）动态支持教学，既能实时生成适配多版本教材的个性化资源，又能通过连续追问机制引导学生开展深度探究。本文基于阿泽维多（Azevedo）和林恩（Linn）提出的支架设计相关理论，结合信息科技课程现状与生成式人工智能的技术特点，构建了适用于初中阶段信息科技课程的人机协同学习模式，并以《综合所学建网络》一课为例阐述其具体的应用过程，同时通过综合评价数据验证该模式的有效性。
信息科技课程现状与突围策略之局限
1.学生主体性低，缺少个性化教学
在新课改背景下，教学活动强调应发挥学生的主体性，教师应关注个体差异以满足不同学生的学习需要。学者朱莎、孔旭梅等人指出：“尽管教师尝试推动教学方式创新并加强学生的操作能力，但学生的学习主体性和积极性仍有待提升，自主学习和互动交流存在不足。”另外，由于学生的最近发展区不一致，在确定学习目标的情况下，学生的学习路径和学习策略各不相同，导致个性化学习需求显著增加。而常态课堂往往以教师演示、学生模仿为主，难以有效满足不同学生的学习需求。
2.教材迭代速度快，资源分散且适配困难
各地教材版本不统一，教材内容的快速迭代降低了资源的响应度，教师需花费大量时间寻找或自制资源，进而影响教学效率。在近几年的全国性信息科技课程展示比赛中，教师自制教具或交互式课件/资源呈现出上升趋势，这从从侧面揭示了现有教材配套资源库更新滞后、与课标匹配度不足的问题。
3.学科规模限制，市场难以形成产品迭代优化
教育部《初中阶段教育专任教师分课程、分学历情况》统计显示，2024年全国初中阶段教育专任教师总计4083058人，其中信息科技教师98959人，占比约为2.42%。在市场经济条件下，其显著的小众化特征导致该领域面临严峻的市场失灵问题。具体表现为：市场供给意愿严重不足，商业实体缺乏动力投入资源开发；即便有产品问世，也因用户基数过小、预期利润微薄而难以形成规模经济效应。更重要的是，用户反馈的稀缺性严重阻碍了“用户反馈—产品迭代”这一关键闭环的形成，致使产品难以持续优化升级，最终陷入市场活力匮乏与产品发展停滞的恶性循环。
4.教学深度缺失，教师能力滞后与研修转化困难交织
面对不断迭代更新的先进技术、教学理念和教材内容，教师在课程设计、分层教学、活动设计与评价时可能出现能力不足的情况。教师不仅需要学习、运用新课标理念，还需掌握新教材内容，这种双线并行的教学更迭会造成教学的深度不足，如课堂仅完成基础的知识讲解和软件操作，缺乏对相应知识的扩展，计算思维的培养相对薄弱。此外，传统教师研修模式难以快速提升教师对新内容的理解和教学能力，研修成效的显度与理念重构的深度也存在显著的个体化差异。
生成式人工智能应用优势
近年来，生成式人工智能(Generative Artificial Intelligence，GAI）的兴起为解决信息科技课程的教学困境提供了新的可能。生成式人工智能凭借其智能化、个性化特征，能够在资源生成、学情分析、教学辅助等方面，以支架的形态介入课堂，为信息科技课程注入新动能。《教育传播与技术研究手册(第四版)》将教学支架形态划分为一对一支架、基于计算机的支架、同伴支架。
1.一对一支架：个性化学习支持
生成式人工智能可以根据每个学生的学习进度、认知特点构建一对一学习支架，生成适配个体最近发展区的学习路径与资源。同时，教师得以从高频次基础性问题的响应中解放，转而聚焦学习状态的深度诊断与高阶认知干预，依托生成式人工智能动态生成的个性化支架数据，实施精准化教学决策。
2.基于计算机的支架：教学资源的高效生成与动态更新
基于计算机的支架是生成式人工智能最初始、最本质的支架形态。生成式人工智能基于对海量数据的学习，可以快速生成多模态教学资源，且能跟随大模型版本的升级与联网功能不断更新内容，解决传统信息科技课程中案例陈旧、素材不足的问题，实现教材内容、教学资源的并行更迭。
3.同伴支架：互动式探究与高阶思维培养
在“师—生—机”的协同模式下，生成式人工智能作为智能学伴，通过连续追问引导学生进行深度探究，并根据学生回答动态调整问题难度和引导方向，为其提供适切的学习支持。这种同伴支架既保留了生生互动，又通过增强探究的深度和广度，有效促进了高阶思维的培养。
生成式人工智能赋能信息科技课堂人机协同学习实施路径
1.人机协同学习中的四阶递进式知识建构
第一步，在人机协同的学习模式下，学生要达成学习目标，可以使用教师搭建的会话框架与生成式人工智能交互提问，不断明晰自身认知水平，调整学习节奏。
第二步，学生在接近或达成目标后，通过制作思维导图、知识图谱等方式回溯学习路径，梳理知识间的联系与支撑关系，从而推动其从表层认知深化至内在分析，逐步构建知识结构。
第三步，在完成上述学习活动后，学生可在线下与其他学生进行交流讨论。
第四步，学生脱离生成式人工智能的辅助，此时将拆除支架，通过结构化任务验证学科知识内化水平，依托问题解决发展高阶认知技能，并引导学生对人工智能生成内容进行批判性使用与二次验证，最终形成人机协同环境下的批判性知识建构能力（如图1）。
图1
学生在对问题解构后，结合教师提供的会话框架，与生成式人工智能进行“苏格拉底式追问”。①逐层递进：每个问题需基于前一个回答的关键词或矛盾点展开；②把生成式人工智能提供的答案追问到能看懂为止；③批判验证：对生成式人工智能的回答提出质疑，并通过二次追问或交叉验证确认答案的可靠性。其中，具体的会话架构是认知发展与哲学结构的适配。阿泽维多（Azevedo）和林恩（Linn）强调聚焦知识意义建构的支架设计，代表支架工具有概念图谱、解释性提示。
在本学习模式中，学生的思维导图、知识图谱是概念图谱的映射，学生会话框架则是对解释性提示的回应，是从具体经验出发，到引导探究，最后走向抽象整合，以此实现知识的内化。会话框架可以从是什么、为什么、怎么办、应如何四个维度展开，具体如下表所示。
2.实践应用
下面，笔者以《义务教育信息科技教学指南 互联网应用与创新》第十课《综合所学建网络》为例，阐述本学习模式的具体应用过程（如图2）。从教师端来说，教师要为学生确定学习目标、设置课程核心问题、建立追问意识以及会话框架。从学生端来说，学生要拆解教师提供的核心问题，形成解决问题的问题链/任务链。利用教师提供的会话框架，逐步解决前序问题与任务，最后结合思维导图或知识图谱解决核心问题，在与同伴交流讨论后实现书面的思维可视化或工程实现。
图2
（1）基于目标分解核心问题，进行人机对话
在本课中，学习目标是搭建小型局域网并验证其连通性，核心任务是明确局域网中的硬件设备与拓扑结构。教师提供给学生的核心问题是“如何组建一个校园直播网络，以供校园运动会转播？”，学生对核心问题进行拆解，拆解出的子问题是：①组建直播网络要实现怎样的效果？需要哪些硬件？②如何连接设备组建网络？③如何设置相关的网络参数？每位学生拆解的子问题不必完全相同，只要是基于核心问题的拆解即可。当学生无法独立自主完成该过程时，教师进行实时引导。
（2）结合会话框架解决子问题，形成知识建模
学生结合本课内容进行提问，可能的提问路径包括：什么是校园直播（本体论）；校园直播为什么需要这些设备，各个设备的作用是什么（认识论）；各个设备之间如何连接构成网络直播系统（方法论）；直播网络的鲁棒性与信息网络安全隐患防护（价值论）。结合个人对话日志中问题链条的长度与逻辑连贯性，可以总结追问过程中的关键发现与迭代逻辑，形成结构化结论。
（3）成果展示，构建差异化、多元化认知
在完成人机混合式学习后，学生需要撤除生成式人工智能支架，进行成果展示与交流，包括自主构建知识图谱和知识体系，以及核心问题的解决方案。不同学生的直播方案不同，如有的学生使用网络摄像头进行直播，网络摄像头需使用固定的IP地址，其问题链中涉及静态与动态IP地址相关知识；有的学生使用导播台或者图传系统，则会探究内网传输与局域网下的设备IP冲突问题。
（4）迁移应用，问题解决
为防止认知外包，教师根据核心任务设计类似问题，以验证学生的知识应用能力。例如，本课的验证性问题为：“为一个家庭的智能家居、打印机等设备配置网络。”这当中既涉及IP数量问题的考量，也暗含打印机需要固定IP地址的需求，能对前序学生的学习内容做到很好的覆盖。
基于数据分析的评价
在持续使用上述教学模式后，教师既对学生单节课或单个项目进行了基于素养的过程性评价，又开展了基于传统测验的书面总结性评价。本研究的实验范围共有教学班级16个，其中有4个班级运用上述教学模式，以确保对照实验的严谨性。除了依据期末测试的分数进行学习评价，还对书面测评内容做了效度分析。将本次数据导入相关数据分析软件，本次试卷题目包括25个独立得分点（题目1至题目12，以及题目13-1至题目15-5的子部分）。在考虑题目相关性后，调整公式应用，最终基于数据得到Cronbach's Alpha=0.86，表明试卷的信度良好。试卷的内部一致性较高，题目之间能稳定地测量学生的知识水平，整体可靠性可以接受。同时，使用该模式教学的班级平均分在本次测评中的年级排名依次为第一名、第二名、第五名、第七名，排名均高于同层次班级。从试卷效度与综合成绩排名等多个方面来看，本模式具有较好的应用效果。
结语
本研究通过分析信息科技课程教学现状，引入生成式人工智能作为教学支架，为信息科技课程面临的困境提供了系统性解决方案。在教学资源层面，依托其海量语料库与跨模态处理能力，实现了教学资源的实时生成与动态更新，显著降低了优质资源的获取成本；在学习方式转型上，通过交互式对话与智能任务设计，有效激发学生从被动接受转向主动探究，使信息化设备真正成为认知工具；在课堂文化重构方面，其个性化适配机制成功化解了规模化教学与因材施教的固有矛盾。
更为关键的是，该技术促成了教学范式的双重变革：教师角色从知识传授者演变为“追问示范者”与“策略指导者”；学生学习则实现从线性认知到知识建构、人机协同，学生在要素提取、模式识别、知识图谱生成、问题解决中实现计算思维的培养，在与生成式人工智能的交互中获取信息、管理信息，经历信息甄别，并在与他人的交流讨论中进行信息价值判断，在解决真实性问题的过程中深刻理解信息的价值，最终实现对学科核心素养的落实。
本文作者：
郭佳 成红
四川省成都市七中育才学校
敬晓倩
四川省成都市第七中学初中学校
文章刊登于《中国信息技术教育》
2026年第02期
引用请注明参考文献：
郭佳,成红,敬晓倩.基于生成式人工智能连续追问的人机协同学习模式构建与实践研究[J].中国信息技术教育,2026(02):95-98.
欢迎订阅
识别上方二维码订阅纸质版或电子版杂志
热门跟贴