在当前强调核心素养培育的教育背景下，以Arduino、Raspberry Pi等为代表的开源硬件，因其固有的低成本、高开放度与强实践性特征，已成为推动我国中小学STEM教育不可或缺的核心载体。然而，通过前期的教学观察与实践反思发现，一个普遍存在的困境是：在开源硬件的教学实践中，当学生将一个“奇思妙想”转化为一款功能完善、表现稳定的创新作品时，其探索路径往往荆棘丛生，也限制了其最终作品可能企及的高度。因此，如何为学生的创新探索构建一个更为坚实、更具个性化的赋能平台，成为每一位教育研究者必须直面的首要命题。
幸运的是，生成式人工智能（Generative AI， GenAI）的迅猛发展与广泛应用，为摆脱困境提供了一个契机。与传统搜索引擎提供离散知识点的模式不同，GenAI不仅能帮助学生厘清思路，提供知识见解，打破不同学科的壁垒，还能成为设计者的“纠错顾问”，对调试问题能够提供各种思路和修改方案，大大降低了创新实践的技术门槛和畏难心理。当前将GenAI融入教学的相关研究，大多聚焦于其作为教学辅助工具的应用效能检验，鲜有研究系统性厘清教师、学生与人工智能三者间的协同角色关系，尤其缺乏针对高度依托实操实践与循环迭代的开源硬件创新教学场景的深度探讨
［1］。此外，传统项目式学习（PBL）虽同样注重实操探究，但受限于教师专业能力、教学精力不足以及学生前置知识储备薄弱等多重因素，课程探究活动容易停留在浅层实践，难以开展深度钻研
［2］。基于此，笔者尝试将GenAI技术深度融合于中学开源硬件的创新教学实践之中。期望通过此次研究，为人工智能时代下培养中学生的创新精神与实践能力提供借鉴。
1 模型的理论基础
本研究提出的“探究—实践”螺旋式创新学习模型，其理论根基并非单一来源，而是综合了三大经典教育理论，并结合GenAI的技术特性进行重构的结果。
1.1 建构主义的现代表达
该理论深刻指出，知识并非通过灌输被动接受，而是学习者在特定情境中，通过主动建构可供分享的公共物品（如一个程序、一件作品）而实现的
［3］。GenAI的出现为建构主义提供了一个前所未有的“微世界”（Micro world）。学生与GenAI的交互对话本身，就是一类高频的社会建构学习活动。GenAI提供的多角度回应和可执行的代码示例，则为学生搭建了一个可以即时交互和反复验证的“情境性”认知场域，让他们在“动手—试错—修正”的敏捷循环中，主动建构起对抽象科学原理（如PWM脉宽调制信号）的物理化和程序化理解。
1.2 社会文化理论的动态支架
维果茨基的社会文化理论，特别是其“最近发展区”与“支架式教学”概念，为模型中的人机协同机制提供了坚实的理论依据。该理论指出，在知识更丰富的他人（More Knowledgeable Other，MKO）的支架支持下，学习者能够解决仅凭自身能力无法处理的复杂任务
［4］。在传统教学场景中，教师作为MKO提供的支架受精力、知识广度限制，无法做到完全个性化、即时化指导
［5］。而GenAI可围绕学生处于最近发展区的各类问题实时适配支持，这种动态支架具备百分百个性化、即时响应的独特优势，能够加速认知内化，显著提高项目探究成功率。
1.3 过程性课程理论的融入
为突破模型仅停留于教学方法维度的局限，笔者进一步吸纳过程性课程理论核心思想，重点融合劳伦斯·斯坦豪斯提出的“教师即研究者”理念，以及“课程是引导学生探究人类知识假设”的核心主张。由此建构的模型不属于预先设定固定知识内容、统一标准答案的产品型课程范式，而是以探究过程本身为核心价值的过程型课程框架
［6］。其核心目标不是让所有学生都做出同样的作品，而是引导他们在解决真实问题的过程中，学会如何学习、如何与AI协作、如何进行批判性思考和创造性实践。
2 模型框架的建构逻辑与形态
本研究建构的“探究—实践”螺旋式学习模型框架并非单纯依托理论推演形成，而是结合真实课堂教学场景，通过对学生学习行为开展质性与量化双重分析后归纳提炼、系统建构所得。
2.1 框架的生成逻辑：基于学习日志的分析
在为期一学期的前期实验性教学中，笔者要求15名学生在开展开源硬件项目的全过程中，持续填写一份详细的开源硬件开发记录表。该表不仅记录了项目的基本信息，更要求学生重点记述在遇到关键问题时，他们是如何向GenAI提问、如何筛选和提炼GenAI的回答，以及问题解决后的反思。
笔者在对这15份总计约100条关键问题记录进行质性编码分析后，发现了一个普遍存在的学习规律：学生的探索过程远非一帆风顺的线性发展，而是一个动态的、循环往复的螺旋式上升过程。超过70%的关键问题记录显示，学生在“实践”阶段遇到了预期之外的困难，从而触发了向“知识建构”或“方案设计”阶段的回归。这一数据有力地证明了，一个线性的流程无法真实反映创新学习的本质。学生的认知发展正是在这种“前进两步、后退一步”的反复迭代中螺旋式上升的。
2.2 模型的核心形态：五阶段螺旋式上升结构
基于上述分析，笔者建构了如
图1所示的GenAI“探究—实践”螺旋式创新学习模型。该模型的核心特征在于其循环往复与迭代上升的动态结构。它包含5个既相互区别又紧密联系的阶段，共同构成一个完整的学习循环。学生每完成一轮循环，都意味着其认知深度和作品完善度都迈上了一个新的台阶。
以下是对模型5个阶段的具体阐释。
第一阶段：兴趣激发与问题定义是整个学习旅程的起点。此阶段的核心目标是将外部的教学任务内化为学生发自内心、渴望解决的真实问题。学生与GenAI进行开放式的对话，在GenAI的辅助下，将一个相对模糊、发散的想法逐步收敛、聚焦为一个清晰、可行的项目目标（例如“做一个能自动避开障碍物的扫地机器人”）。重要的是，此阶段并非一次性完成。在后续的实践中，学生完全有可能因为新的发现而返回此阶段，对最初的问题进行修正或重新定义。教师需要系统性地教授学生如何向GenAI进行有效提问的“提示工程”技能，这是驱动整个模型高效运转的基础。
第二阶段：探究式知识建构是实现深度学习的关键环节。学生需要围绕已经确立的项目目标，通过向GenAI进行系统性、追根究底式的提问，主动识别并梳理完成该项目所必需的跨学科知识点（如物理原理、电子电路、计算机编程等）。GenAI在此阶段扮演着“全知导师”的角色，能够用生动的比喻解释抽象概念，或生成代码示例来阐释算法逻辑。当学生在后续实践中发现知识盲点时，便会即刻返回此阶段进行“补课”，从而实现知识体系的动态建构。教师的核心任务是引导学生进行批判性的审视与甄别。教师负责设计富有真实世界挑战性的主题（如校园节能改造、社区弱势群体关怀），引导学生将个人兴趣与更广阔的社会价值相结合。
第三阶段：多路径方案设计。该阶段目标是训练学生的系统思维和工程思维。学生需要与GenAI开展深度互动，探求完成某个功能的多种技术路径，让硬件选择和软件架构更加具有灵活性和创造性。例如，在“距离检测”功能部分，学生本对传感器一无所知，GenAI可以引导学生从性能、价格、开发难度、可扩展性等几个方面综合权衡；教师需要组织课堂讨论，质疑GenAI所给的答案，看看是不是有“AI幻觉”，系统培养学生的信息素养和批判性思维能力。
第四阶段：灵活实践与迭代。本阶段是“做中学”精神的集中展示，通过让学生快速动手制造“最小可行性产品”，边做边解决系列问题。GenAI可以很好地履行“调试助手”的角色，能够解释程序出错、提供调试思路、精简冗余程序，提高解决问题的顺畅感，每一次成功调试都是一次小的螺旋上升。教师的职责首先是监督学生操作安全，检查电路连接是否规范、用电是否安全等；其次是引导学生合理分配时间、拆解任务，培养工程意识；最后是在学生持续挫败后，给予学生情绪上的支持和挫败教育，培养其坚忍、敢于试错的品质。
第五阶段：成果展示与迁移创新。学生需以项目答辩、作品汇报、撰写开发报告等方式，进行“知识外化”，通过对项目的深度复盘、反刍再内化，进而继续转移螺旋上升到第二轮新的问题定义。教师则应该引导学生进行同伴互评，让学生从项目中“跳出来”，做更深层次的反思和总结，鼓励学生将成果在开源社区分享，从而完成知识的“社会化再创造”，真正践行开源精神。
3 实践案例深度剖析
为了进一步验证“探究—实践”螺旋式创新学习模型的应用效果，笔者遴选出了2个典型开源硬件项目进行深度剖析。这2个案例将展示模型如何引导学生从一个模糊创意，逐步孵化为一个功能完整、集跨学科知识于一体的创新作品。
3.1 案例一：当开源硬件长了“眼睛”——机器视觉跟踪二维码
本案例要求学生综合运用树莓派（RaspberryPi）、摄像头模块以及OpenCV计算机视觉库，自主设计并实现一个能够自动识别并追踪指定二维码的智能云台。其核心功能是，无论二维码如何移动，云台都能通过舵机实时调整摄像头角度，确保二维码始终位于视频画面的中心位置。其具体的教学交互过程如
表1所示。
【案例分析】通过对
表1中学生与GenAI交互过程的深入分析，可清晰地看到模型理论在实践中的具体体现。
在兴趣激发与问题定义阶段，GenAI成功地将学生模糊的想法（游戏自瞄）聚焦为一个具体可行的项目（追踪二维码），为项目的顺利启动奠定了基础。
在探究式知识建构阶段，GenAI通过大量生动、形象的“概念翻译”（如用“棋盘”比喻像素，用“工具箱”比喻OpenCV库），有效地帮助学生跨越了计算机视觉、数学、电子学等多学科的认知壁垒，使其能够有意识地、主动地建构个人知识体系，这与建构主义思想高度契合。
在灵活实践与迭代阶段，面对云台“抖动”这一棘手问题，GenAI并不是仅提供一个修复代码的“标准答案”，而是将问题从表层现象引导至更深层次的控制理论（PID控制），为学生建立了一个跨越当前认知障碍的强大“认知支架”。它不仅解决了眼前的问题，更极大地提升了学生分析问题和解决问题的能力，为后续的知识迁移创造了可能。
在成果展示与迁移创新阶段，GenAI帮助学生从具体的项目中提炼出“基于视觉反馈的闭环控制”这一核心工程思想，并启发其思考更广阔的应用场景，完美地实现了学习的螺旋式上升与创新能力的培养。
3.2 案例二：触摸“热力学”——做一个半导体降温装置
本案例要求学生运用半导体制冷片，亲手设计并制作一款能够实现微型智能控温的“电子冰箱”。学生从“给可乐精准降温到5 ℃”这个具体的需求出发，在GenAI的引导下，首先了解了半导体制冷片的工作原理，并理解了散热是成败的关键物理约束；随后，GenAI为学生提供了工程项目设计的解决方案，从单片机选型、温度传感器选配，到利用继电器模块实现制冷片大电流安全通断，各类硬件实操问题同步纳入考量，使项目在起步阶段即形成硬件实体搭建与智能逻辑控制并重的双轨实施思路。
在完成硬件物料采购后，首先采用纯散热片完成初步测试，切身感知热量堆积引发的高温问题；然后，借助 GenAI的启发，学生加装风扇，搭建主动风冷结构，达成理想制冷效果。在软硬件控制迭代环节，GenAI既能讲解传感器读数采集、if-else温控逻辑编写等基础知识，也能针对电路故障、程序bug等为学生提供系统化调试和指引。
在GenAI的全程辅助下，学生顺利完成Arduino主控、传感器与继电器的硬件接线，并编写配套控制程序。本项目成品不再是功能单一的简易降温装置，而是融合热学原理、电子工程与程序设计的一体化嵌入式系统作品，能够帮助学生建立更具象、深刻的热力学认知，直观印证本学习模型可有效支撑学生整合多学科知识，产出更具技术含量的创新成果。
4 模型的效度检验讨论
为了对“探究—实践”螺旋式学习模型的有效性进行初步的量化与质性评估，将研究对象分为两个平行班，共计30名学生。实验组（N=15）采用本研究提出的螺旋式学习模型，对照组（N=15）采用传统的、线性的项目式学习方法（教师提供统一教程和指导）。
4.1 学生创新实践成果评估
研究结束后，由3位教师依据
表2所示的“开源硬件项目创新能力评价量规”，对所有学生的最终作品和开发日志进行“双盲”打分。
教师从评估结果发现，实验组学生“创新能力总分”平均评分为4.2分（满分5分），明显高于对照班的平均得分2.9（p<0.01）；尤其在“技术方案的巧思性”“知识整合的深度”两个维度上的优势尤为明显。这一点在一定程度上表明此模型能够引导学生进行高水平的创新活动。
4.2 学生学习体验与态度调查
经过进一步访谈，发现实验组90%以上学生认为“通过使用GenAI提升了兴趣与解决问题的决心”，80%的学生认为“比起原先的课程，我更倾向一种能与AI自由探索的学习形式”。而对照组约有40%的学生感到“挫败感严重”“遇到技术难题”，作品完成度、精致度、可用性都不如实验组。这表明本模型对激励学习动机、减少学习挫败有积极作用。
5 反思与讨论
首先，学生思维惰性的风险。未来需要进一步研究如何设计有效的教学方式和评价模式引导学生将GenAI用作“思维的杠杆”，而不只是“认知的杀手”。其次，依托一线教学经验形成的综合判断，是GenAI难以预判与统筹的。这对教师提出了非常高的要求，教师须具备课程设计、信息素养、批判性思维引导和社群组织等多方面的综合能力。因此，对一线教师进行有效的培训，帮助他们顺利完成从“知识权威”到“学习设计师”的角色转变，是模型能否大规模推广应用的核心制约因素。
6 未来展望
GenAI对促进学生创新思维能力、问题解决能力而言，远不止于“全知的导师”和“调试的助手”这两个方面，而是能够成为身边的“哆啦A梦”。一方面，GenAI将会基于对学生大数据学习行为的洞察和分析，帮助学生找到真实世界未解决的问题，促使学生实现“由解决问题转向发现问题”，从而走向更高阶的“有问题可做”；另一方面，GenAI可以记录学生问题发现和解决的全过程实验数据，比较并分析学生的提问方式、实验方案迭代过程、调试错误类型等，对学生的整个研究过程“对镜反观”，在复盘自我的同时，回溯“原初”的目标与过程中的知识短板和策略偏好，从而精准培养学生解决复杂问题的元认知能力。
中国教育装备行业协会2024年度教育装备科研课题“新课标视野下开源硬件在中小学的应用研究与实践”(CEFR24011R01)
京公网安备11010202008535号
PDF
(469KB)
