课题论证活页案例解读：生成式AI赋能中小学跨学科项目学习

研究对象要比“使用AI”更具体

样例聚焦跨学科项目学习中目标分散、任务断裂、证据不足和评价滞后的问题。生成式AI只承担资源整理、问题追问、过程反馈和数据辅助分析，研究核心仍是学生如何在真实项目中形成可观察、可解释的学习证据。

研究框架的五个连续环节

目标设定明确核心素养和学科概念；任务设计形成问题链与产品要求；证据采集保留方案、讨论、作品版本和反思；评价反馈由教师、学生和智能体共同参与；改进环节根据证据重新设计任务。五个环节构成循证改进，而不是一次性展示。

活页论证为什么完整

研究问题、研究任务、技术路线、评价指标和预期成果能够逐项对应。每个研究模块都有工具产出，例如任务模板、提示词、观察表、评价量规和数据看板，这使“可操作性”可以被评审者直接判断。

风险边界

智能体输出不能成为学生评价的唯一依据；过程数据坚持最小化采集；学生作品和讨论记录要脱敏；教师必须保留复核与解释权。把风险治理写进研究设计，比在结尾单独加一段免责声明更有效。

适合扩展的研究问题

可以进一步聚焦某学段、某学科组合或某类真实任务，例如科学与劳动项目、语文与信息科技数字叙事、数学与综合实践数据调查。范围越具体，样本、工具和成果越容易落地。

案例文件与可视化预览

本页已获授权公开展示材料，以下按案例结构呈现已完成整理的正文页面与图表；点击图片可查看清晰大图。

DOCX

生成式人工智能赋能中小学跨学科项目学习的循证改进机制研究 5张研究图 · 课程建模、协同机制、证据链、实施闭环与保障路径 咨询原文件