项目式学习“做实”学科实践

项目式学习如何“做实”学科实践？——一次六年级数学项目的深度突围

编者按：本文基于萧恩颖、杨燕燕《项目式学习小学科实践的强化——以一个六年级数学项目为例》一文的研究成果，结合“AI数智教研员”在项目式学习设计与实施诊断中的实际应用场景重新创作，旨在呈现数据驱动下项目式学习从“浅层活动”走向“深度实践”的转型路径。

一、一个被误读的“项目”

走进一所小学的六年级教室，你可能会看到这样的场景：学生们分成小组，有的在量尺寸，有的在画草图，有的在讨论方案——这是一节“校园卫生间大改造”的项目式学习课。热闹吗？热闹。但热闹的背后，教研团队在复盘时发现了一个令人不安的问题：学生忙了一节课，数学到底发生了什么？

这不是个别现象。2022年版义务教育课程方案明确提出，要推进主题化、项目式等综合性教学活动，同时强化“学科实践”，即注重“做小学”，引导学生参与学科探究活动，经历发现问题、解决问题、建构知识、运用知识的过程。但在实际落地中，项目式学习常常陷入“只有活动没有目标”“只动手不动脑”“只看结果不看过程”的困境。

以“校园卫生间大改造”为例，第一次“试水”后，教研团队发现了三个典型问题：

一是目标窄化。 教师把项目成果过多地局限于“制作卫生间模型”，忽视了素养目标在“教—学—评”一体化过程中的指导意义。学生忙着手工制作，却忘记了这是一节数学课。

二是探究浅表。 教师很少基于学生的素养水平差异设计分层学习支架，学生或陷入低水平探究，或在遇到困难后被教师“牵着鼻子走”，机械复刻参考图，思维始终在低阶徘徊。

三是教法脱节。 教师一边按项目式学习的基本要素设计方案，一边在实施中依然沿用“讲授—操作—讲授”的老路，学生无法完整经历发现、提出、分析和解决问题的全过程。

这三个问题，指向同一个核心：项目式学习不能只有“项目的壳”，还要有“学科的魂”。

二、从“做项目”到“做学科”——两个抓手撑起的实践转型

面对“校园卫生间大改造”暴露的问题，教研团队将突破口锁定在两个方向上：一是厘清学科素养目标构成，明确相应的学生学习表现；二是创建差异化支架，为学生提供全程的学习支撑。这两件事，看似是教学设计层面的调整，实则是项目式学习底层逻辑的重构。

抓手一：让目标“看得见”

学科实践的落实离不开学习目标、学习过程和学习评价三个维度，其中学习目标是灵魂。教研团队将项目的数学核心素养表现聚焦于“应用意识”，并基于“四能”——发现问题、提出问题、分析问题和解决问题——将“应用意识”分解为素养目标的基本序列。

“发现问题”不再是一句空话，而是转化为具体的学生学习表现：能通过观察、测量等实践，描述校园卫生间的长、宽、高，发现其中蕴含的数学问题。“分析问题”同样有明确的行为指标：能用数学的眼光分析卫生间脏、乱、臭等问题背后的数据逻辑。

目标细化之后，更大的变化是：学生知道自己要做什么，教师知道自己要评什么。 项目不再是“做完了再说”，而是“做之前就知道要走到哪里”。

抓手二：让支架“够得着”

目标明确了，接下来要解决的是“怎么到达”。教研团队根据不同学生的素养水平差异，设计了分层的学习支架——有的学生需要从“测量卫生间尺寸”开始建立数学感知，有的学生可以直接进入“数据分析与方案设计”阶段。每个支架都对应着明确的学习表现指标，学生走到哪一步、做到了什么程度，教师心中有数。

这种“目标—支架—评价”一体化的设计，让学科实践不再是项目式学习的“点缀”，而成为贯穿始终的“主线”。

三、当项目遇见AI——从“经验判断”走向“数据循证”

上述两个抓手的落地，离不开一个关键能力——对项目式学习过程的精准诊断。传统的项目式学习评价，往往依赖于教师的主观判断和最终成果的“看上去好不好”。但一个模型做得再漂亮，如果无法证明其中包含了多少数学思维，这个项目的学科价值就要打上问号。

在“校园卫生间大改造”项目的第二轮实施中，教研团队引入了AI数智教研员的课堂伴随式分析功能。系统通过高精度语音识别与自然语言处理技术，自动采集课堂中的师生对话、小组讨论、学生汇报等全量数据，课后即时生成多维度的教学分析报告。

数据揭示了一个被忽略的问题：在长达两周的项目周期中，学生围绕“数学问题”展开的有效讨论时长，平均每节课不足8分钟——大量时间花在了模型制作、材料选择、外观设计等环节，而真正指向“应用意识”培养的数学思维活动严重不足。

这个数据让教研团队第一次“看见”了学科实践弱化的真实程度。原来问题不在学生不努力，而在于项目活动的结构设计本身就没有给“数学实践”留出足够的空间。

基于这一发现，团队重新调整了项目流程：将“数学问题提出与数据分析”前置为独立模块，要求每组学生在进入模型制作之前，必须先完成一份包含测量数据、计算过程和方案论证的“数学实践报告”。AI系统的二次数据显示，学生围绕数学问题的有效讨论时长提升至15分钟以上，且讨论的认知层次从“描述性”向“分析性”“论证性”明显跃升。

这个案例揭示了一个朴素的道理：好的项目式学习指导，不是告诉教师“你的项目缺了什么”，而是帮助教师“看见”项目运行中那些看不见的学科实践盲区。 AI数智教研员的价值，正在于提供这种“看见”的能力——把项目式学习过程中那些稍纵即逝的互动细节、那些凭经验难以捕捉的实践数据，转化为可见、可分析、可改进的教研资源。

四、三组关键词——项目式学习“做实”学科实践的进阶路径

基于“校园卫生间大改造”项目的实践探索与AI教研工具的持续跟进，我们梳理出项目式学习强化学科实践的三组关键策略——

目标具象化：将抽象的学科核心素养转化为可观察、可测评的学生学习表现。不是笼统地说“培养应用意识”，而是明确“学生能通过测量描述卫生间的长宽高”“能基于数据提出改造方案”等具体行为指标。AI系统可以对教师的项目目标设计进行语义分析，判断目标是否具有“可操作、可评价”的特征，为教研团队提供优化建议。

支架差异化：根据不同学生的素养水平提供分层学习支持，让每个学生都能在“最近发展区”内开展有意义的学科实践。不是“一刀切”地布置任务，而是让“能跑的跑起来、能走的走稳当”。AI系统可以追踪每个学生在项目各环节的参与频次与表现数据，帮助教师精准识别需要重点支持的学生群体。

过程可视化：将项目式学习中隐性的思维过程“外化”为可见的学习成果。不是只看最终的模型做得“好不好看”，而是关注学生在问题发现、数据分析、方案论证等每个环节的思维痕迹。AI系统可以自动采集课堂对话、小组讨论等过程性数据，生成可视化的“学科实践轨迹图”，让教与学的双向反馈成为可能。

五、从“项目”到“学科”的那座桥

项目式学习与学科实践之间，隔着一座桥。桥的这一头是“做项目”的热闹与丰富，桥的那一头是“做学科”的深度与扎实。能不能从这一头走到那一头，关键不在项目本身设计得多么花哨，而在于学科实践是否贯穿了项目的始终。

学科实践弱化，项目就只剩“活动的壳”；学科实践强化，项目才有了“学科的魂”。这需要教师的设计智慧，需要教研的系统支撑，也需要技术的精准赋能。

AI数智教研员不会代替教师设计项目，但它可以帮助教师更清楚地“看见”项目运行小学科实践的真实状态——“看见”目标是否落地，“看见”支架是否有效，“看见”每一个学生的思维是否真正发生。当经验与数据相遇，当传统教研插上技术的翅膀，项目式学习这场从“形式”走向“实质”的突围之旅，就有了更多的可能。

而这，正是素养导向的课程教学改革走向深入的应有之义。