前言

2026年秋季开学，不少科学课老师手里多了一份新文件 —— 义务教育科学教育 "做中学" 领航行动指南：4到9年级，每学期至少完成1个探究任务、不少于4课时。

文件往下读，问题就来了：探究任务好理解，可怎么 "探究" 人工智能？AI课不是信息科技老师的事吗，和科学课怎么凑到一块儿上？

这个问题，其实是这一轮AI通识课落地时，学校和老师问得最多的问题。

"做中学" 

到底在纠正什么

不少学校在尝试或推广AI赋能课程时，压力最大的往往是一线老师：缺方法、缺课例、缺落地抓手。

“到底怎么把AI融进科学课、科技课？”这个问题一直没有系统的解答，老师们只能自己摸索。条件稍好的，顶多把课上成工具操作培训——老师在讲台上演示，学生坐在屏幕前似懂非懂地看；条件不足的，甚至只能停留在老师课前用AI写教案、做PPT的层面，这种AI已经“渗透到教学里”的假象，实在有些无奈。

既没办法带着学生开展真正的探究，也没有结合日常经验做引导，更谈不上把技术原理讲解和科学思维培养结合起来。

“做中学”的核心要求，就是要把这两类普遍偏差拉回正轨——从生活中找问题，引导学生动手去找答案，过程会犯错，错了就找原因再修正这样的科学探究方法，理解身边的智能技术现象，真正弄清楚思考逻辑和应用边界。

我们是怎么设计这门课的

AI课不能当成一门孤立的课，这是我们做《未来问号》人工智能通识课程时的基本思路。

这套课程目前覆盖小学三到六年级，共 44 课时、44 节课、16 个单元。设计上做了两件事：

每节课走同一条路子。 从一个孩子在生活里碰得到的问题开始，动手做实验、拿证据，再把思路迁移到新场景。不做 "老师演示、学生围观" 的课。

44 节课围着六大真实主题转。 人工智能、新兴产业、生态环境、地球奥秘、航空航天、生命健康。AI 是观察和解决问题的工具与视角，科学课里的观察、测量、对照，自然长在一节课里 —— 跨学科不是贴标签。

开课门槛也尽量压低：实验工具在浏览器里就能运行，图片数据留在本地课堂，不排名、不贴能力标签，也不把设备作为开课前提。

一节示范课

看看 "做中学" 长什么样

说再多概念，不如看一节课怎么上的

四年级有一节示范课：《智能秤怎样自动识别商品？》。情境很简单 —— 小亮在超市发现一台神奇的秤，放上苹果，屏幕不光显示重量，还跳出了商品名称。

接下来的一节课，孩子不是听讲解，而是被四个环节推着走：

先 "猜"

机器识别商品分几步？孩子自己把图卡排成 "拍摄图像 — 提取特征 — 分析判断 — 输出结果"，再和人 "看一看 — 找特征 — 作判断 — 认出来" 一一对应。老师不忙纠正，先让他们把想法摆出来。

再 "做"

小组挑两类商品，自己定拍摄计划：平视还是俯视？要不要拍被挡住一点的？一个和一堆的区别要不要记录？计划定完，真的对着商品拍照、采样、训练模型。

核心环节 ——"撞墙"

拿一个模型没见过的青苹果去测试，它认错了。这时没有标准答案从天而降，孩子回头检查：样本太少？颜色没覆盖到？还是标签标错了？补上图，重新训练，再测一次。

最后 "创造"

自己设计一个识别应用：帮同学整理文具？帮自然课观察叶片？设计里还必须写清楚一件事 —— 机器拿不准的时候，谁来复核。

这节课里，科学课要求的观察、对照、验证方法，和AI学习中的数据采集、模型测试逻辑完全融合；孩子的问题来自超市，证据来自手上的实验，改进来自一次认错。"做中学" 在AI课里，就是这个样子。

"做中学" 不是一句口号，它意味着每节课都经得起三问：孩子今天动手了吗？出错之后改了吗？有没有形成系统性的思维？

对学校来说，AI 通识课不用等 "万事俱备" 再开。它不需要昂贵的实验室，一块能上网的屏幕、孩子手边的日常物品，就够先跑起来一节课。我们为每节课都准备了配套的教师教学要点 —— 这一步该追问什么、学生认错了怎么引导、结课看哪些成果，老师可以拿来即用。

AI融入科学教育，从来不是要把课上成技术操作培训，而是要借真实的生活问题，让学生在动手试错的过程里，既摸透智能技术的运行逻辑，也养成靠证据说话的科学思维。

如果您是学校、教育合作伙伴，想了解《未来问号》课程方案、预约示范课体验，欢迎在公众号后台回复【课程】联系我们