人工智能工具在高中通用技术项目式学习中的应用效果研究

引言

高中通用技术课程强调技术实践与创新能力培养，项目式学习是其主要教学方式。随着教育技术发展，人工智能工具逐渐成为教学辅助的重要手段。如何在项目式学习中有效整合 AI 工具，使其贴合教材内容并服务于学生技术素养提升，是当前教学实践的热点问题。

一、AI 工具在教学设计中的辅助作用

（一）‌AI 工具助力简易学情分析，促进资源初步适配

传统教学了解学情方式有限。教师可利用现有工具实现一定程度的辅助分析。例如，在传感器与继电器教学单元，教师可以利用在线协作平台（如腾讯文档、钉钉）收集学生课前预习反馈或课中快速问答数据（选择题、简答关键词），初步判断学生的难点。基于此，借助‌豆包 AI‌或‌文心一言‌等工具，快速生成针对性的微课脚本或查找相关的原理动画、图解资源（如 B 站科普视频、洋葱学院公开片段）。对于普遍存在的难点（如光敏电阻特性理解），教师可以制作包含交互式例子的‌希沃白板‌课件；对于学有余力的小组，则推荐‌秘塔AI 搜索‌查找类似“大疆 RoboMaster 光感巡线”的简化案例或开源项目资料包供其拓展。

（二）‌AI 支持教学流程简易监控，辅助课堂节奏调整

在项目式学习中，教师可以通过低成本工具监控小组进度。在机器人制作课程中，要求学生小组定期在班级共享文档或学习平台（如‌钉钉‌或‌班级优化大师‌）上传关键节点成果：如简单的设计草图照片、阶段性代码截图、实物组装关键步骤照片或短视频。教师可‌利用 Kimi Chat‌快速总结各组的文档更新记录，生成简易进度表或识别明显滞后的组别。例如，在齿轮传动项目中发现多数小组在传动比计算环节卡壳，教师可快速推送预先准备好的‌希沃白板‌互动课件（含简易齿轮啮合模拟动画或可拖动的齿数 - 转速比例尺），或引导学生使用 ‌ChatExcel‌输入齿数快速计算转速比。对于持续困难的小组，教师可亲自指导或推荐观看B 站上创客UP 主的特定讲解片段。

二、AI 工具在学生实践中的支持功能

（一）‌AI 工具的即时答疑与初步诊断，提升实践效率

在技术实践中，学生常遇基础性问题，而利用 AI 工具可提供即时参考。比如学生在绘制“平面连杆传动雨刮器”机构简图时，若不确定画法规范，可将草图拍照并上传至‌文心一言图文识别‌或‌豆包 AI‌，询问“这张连杆机构简图有哪些地方不符合标准画法？”AI 能识别图中明显的错误（如构件连接方式混淆）并给予标准符号提示和简单解释。虽然精度不如专业软件，但能快速帮助学生自查常见错误。在调试齿轮传动机器人手臂出现异常振动时，学生可将振动现象描述（如“机器人手臂在抬起到某角度时剧烈抖动”）输入到 ‌Kimi 或‌秘塔 AI搜索‌，其能基于常见机械问题库，给出可能原因（如“齿轮啮合过紧 / 过松”、“轴未对齐”、“负载过大”）及初步检查建议（如“检查啮合间隙”、“用手转动感觉阻力”），帮助学生缩小排查范围。

（二）‌AI 的简化评价与创新启发，激发技术兴趣

教师还可利用 AI 工具提供超越简单对错的反馈视角。比如在闭环温控系统项目中，学生完成电路连接后，教师或学生可手动物理测量关键点数据（如设定温度、实测温度、加热时间），将数据输入 ‌ChatExcel‌生成简单的温度 -时间曲线图，并与理想曲线对比，直观展示超调量、稳态误差等概念。AI 工具（如‌文心一言‌）可帮助学生解读图表：“这张图显示温度超过设定值较多才回落，说明比例控制过强，可能需要适当降低灵敏度？”当有学生尝试用无触点继电器（固态继电器）替代传统电磁继电器时，教师可引导学生使用‌秘塔 AI 搜索‌或‌天工AI‌搜索“固态继电器的优缺点”或“固态继电器驱动大功率负载案例”。AI 返回的信息能帮助学生了解自己创新的理论依据和潜在应用方向，激发进一步探索的欲望。

三、典型案例：AI 在简易机器人控制系统项目中的融合

在“单片机控制器应用”项目中，可整合多种易获取工具辅助教学全过程：

在设计阶段：‌学生使用图形化编程软件设计红外避障逻辑流程图。教师引导学生将流程图核心逻辑用文字描述（如“当左侧红外传感器检测到障碍，则右轮停转左轮前进”），输入到 deepSeeK‌或‌豆包 AI‌询问：“这个机器人避障逻辑在现实中可能存在什么问题？”AI 可能指出潜在问题（如“传感器反应到动作执行是否有延迟？急转弯会否翻车？”），促使学生思考加入延时或减速逻辑。避免完全依赖高成本实物试错。

在制作阶段：‌学生完成单片机与传感器、电机的物理接线后，‌无法使用 AR扫描比对‌。替代方案：教师提供标准接线图（纸质或电子）和 ‌Kimi 生成的“单片机接线常见错误清单”（如“电源正负极反接”、“I/O 口配置错误”）。同时，强调根据清单进行小组互查和教师抽查。最后编写上传简单的 LED 闪烁或电机正反转测试程序，快速验证核心模块连通性。

调试阶段（数据分析与优化）：‌学生观察机器人运行轨迹，手工记录关键数据（如循迹偏移距离、碰撞次数、完成任务时间）。然后将手工记录的数据整理输入‌ChatExcel‌生成轨迹偏移示意图或效率对比表。学生描述现象（如“机器人总是冲过黑线”）询问‌豆包 AI‌或‌文心一言‌：“我的循迹机器人总是跑过头，PID 参数怎么调？”AI 根据通用 PID 原理提供方向性建议，学生据此在代码中微调参数观察效果。教师强调理解调整背后的物理意义。

评估阶段：‌除实物演示和任务完成度外，要求学生使用‌文心一言‌或deepSeeK‌辅助撰写项目报告，解释其设计思路（如“为什么要加这个延时？”、“PID 各参数调整带来了什么变化？”），AI 可帮助梳理语言、提供解释框架或举例。教师重点评估其理解深度而非报告文采。

这种基于常用工具的 AI 辅助模式，降低了技术实践的理解门槛，提高了调试效率。更重要的是，学生普遍更愿意主动描述问题、寻求 AI 辅助分析，并尝试解释其解决方案背后的原理，表明技术思维得到初步培养。

结论

人工智能工具在高中通用技术项目式学习中的应用，实现了教学从经验驱动向数据驱动的转变。通过学情适配、过程支持、智能评价等功能，AI 不仅提升了教学效率，更培养了学生的技术思维与创新能力。

参考文献：

[1] 梁灵辉 . 生成式人工智能赋能跨学科主题设计 : 机制与实践 [J]. 中小学数字化教学 ,2025(4).

[2] 陈立仁 , 谌代玉 . 人工智能背景下高中信息技术项目式学习探索 [J].湖南教育 (C 版 ),2025,(02):46-47.

[3] 康雪芳 , 方萍 . 人工智能在高中通用技术课程教学中的应用探究 [J].教育信息化论坛 ,2024(4).