摘要：培养解决问题的能力是教育适应人工智能时代社会人才需求的重要方式。但目前关于深度问题解决能力的实证研究较少，已有研究尚未结合AI 智能体探讨人机协同环境下深度问题解决能力的培养策略。文章以设计思维理念为基础，围绕跨学科主题设计了问题导向思维视角下 AI 智能体赋能的项目式教学实验，采用准实验研究法，旨在探讨问题导向思维设计策略和 AI 智能体应用对学习者深度问题解决能力的影响。研究发现：AI 智能体支持的教学过程能显著提高学习者的深度问题解决能力、批判性思维和学习投入度；问题导向思维视角下 AI 智能体支持的教学能有效提高学习者的提问深度和知识留存率。文章提出基于最近发展区和问题思维链条的人机协同教学设计策略，推动“师-生-机”三元协同融合，为 AI 智能体赋能教学的推广应用提供新视角和实践指导。

关键词：AI 智能体；深度问题解决能力；问题导向思维；设计思维；批判性思维

引言

教育不仅是获得知识，更是通过获得知识形成学习能力的过程，其根本目的在于培养提出问题、分析问题、解决问题的能力。从新课程方案强调“真实情境中的问题解决能力”到新高考策略由“解题”转向“解决问题”，从 2025 年度国际学生评估项目（Programme for International Student Assessment，PISA）对问题解决能力的多维评估要求，到复杂问题解决能力成为数智时代关键技能之一，问题解决能力正逐渐成为顺应人工智能时代新质人才发展需求的必要能力。然而，现实教学中往往存在课程讲授止于被动接受、作业检测留于基本理解、迁移实践囿于简单应用等症结，难以真正驱动学生自主发现真问题、深度剖析问题并科学设计探究路径以形成差异化的问题解决方案，令问题解决局限在浅层探索阶段。为更好应对技术冲击，改善教学现状，实现学生高阶思维能力的有效提升，需探索深度问题解决能力，引导学生在良构问题中尝试解构与组合分析逐步形成问题导向思维，进而实现对复杂情境中劣构问题的有意义发现、多视角理解和深层次探索，在反馈循环中形成个性化的有效决策方案。

与此同时，GPT-4o、Sora、EduChat 等人工智能技术不断更迭，正以 AI 智能体的形态不断加速教育的转型升级，重塑教与学形态。学生可以与单 AI 智能体主动交互以学习新知，也能与多个扮演的不同专业角色的 AI 智能体同时进行多角度讨论，以实现对复杂问题的拆解与阐释，在实时反馈中达成深度思考与分析。随着生成式人工智能的融入，AI 智能体能够根据学生的不同需求快速生成针对性素材，并在探究实践过程中提供个性化的多模态支持，强化问题导向思维，助其在环环相扣的问题链条中逐步构建最优化的深度问题解决方案。由此，借助 AI 智能体开展协同教学，有望帮助学生强化问题导向思维，支持知识的精准应用，助力深度问题解决能力的进一步提升。

基于此，本研究面向混合式学习环境，基于AI 智能体进行项目式学习设计，综合量化与质性数据，探究在“师-生-机”三者协同环境中学生深度问题解决能力的提升效果。期望研究结果可以探明当前 AI 智能体协同教学与学生深度问题解决能力的关系，也能为数智时代的人机协同教学提供新的思路。

一文献综述

1 深度问题解决能力研究现状

问题解决能力是学生在不同情境下综合运用多学科知识和多种认知过程解决真实问题的能力，这一能力涵盖了理解、分析、推理、实践、反思和表达等要素。随着情境复杂化，问题往往涉及多个变量，并与环境紧密相关，需要融合多学科知识，且通常无唯一解，这种复杂性催生了深度问题解决能力。

深度问题解决能力可从培养路径和核心特征两方面剖析，其培养以问题导向思维为框架，依托深度学习实现系统发展。问题导向思维以核心问题为中心，通过剖析核心问题并推理子问题链，逐层探究“如何、为何、何为”，实现系统识别、分析与解决；深度学习则要求学习者在问题的驱动下，通过知识加工与整合实现迁移，从而生成最优方案。与浅层问题解决相比，深度问题解决能力更指向复杂的劣构问题，强调对因果链的追问与跨学科知识融合。其核心特征包括：①深度逻辑思维——持续提问、反思并生成新内容，构建严谨思维链；②深度技术决策——沿着思维链选择合适的技术工具，以弥补认知或实践中的不足，促进对问题的深入探索；③深度反思迁移——通过提炼不同情境的共性实现“类问题”解决。

因此，深度问题解决能力可界定为：一种基于问题导向思维，通过深度学习而形成的高阶思维能力，它涵盖深度逻辑思考、技术决策和反思迁移，旨在通过问题解构与深入探究形成优化方案，应对核心复杂问题。

在深度问题解决能力内涵界定的基础上，已有学者展开了实证探索。基于设计的学习模式能引导学生在真实情境中抽象问题、设计与实践方案，并通过展示反思迭代优化，提升问题解决能力。协作研究强调在半结构化思维导图的支持下分解复杂问题、逐步协商优化，促使学生能力随教学深入进阶式发展。

Davis 等则采用专家协同教学，引导学生逐级挑战核心问题，发现接受明确指导者更能发现症结并迁移经验，能力提升更显著。可见，问题导向思维能有效促进深度问题解决，但效果受教学设计与技术应用影响。随着人工智能和大语言模型的发展，它们在促进学生逻辑思维提升、辅助精准决策与支持反思迁移方面的应用潜力亟待进一步探讨。

2 AI 智能体赋能教学研究现状

智能体源于人工智能领域，指能感知、解释并响应环境变化的实体，具备持续自主作用的特征。随着自然语言处理技术迈向多模态、具身认知和社会性交际，基于大语言模型的AI 智能体具备了自主性、感知、决策、行动和多模态能力，可弥补教学中的浅层理解、择优决策与实践局限，从而提升教学效果。

在此背景下，研究者开展了多方面实验。自主性方面，斯坦福大学开发斯坦福小镇，设立25 个角色智能体，它们能够自主交互并产生行为。教师可借此引导学生观察和互动，并通过提问与反思提升其高阶能力。感知方面，翟雪松等设计多智能体研讨环境，其中的不同智能体能够基于话语感知为学生提供多角度反馈，促进议题多元化与知识迁移。决策与行为方面，Shi 等构建多智能体课堂交互框架，允许教师根据互动情况决策并采取行动。实验表明，其效果接近真实课堂，能帮助师范生模拟授课并优化教学方案。多模态方面，巴深等考察智能体对学习者动机与情绪的作用，发现智能体的具身形象与积极情绪线索能显著提升学习者的目标价值与投入感，让学习者产生类似与平等同伴互动的感觉，从而增强学习体验。

综上，现有研究普遍构建了AI 智能体协同的混合式学习环境，使学生通过与 AI 智能体互动探索真实问题，利用提示深化思考、生成对策，并通过测验或实验迁移反馈中获得的知识，取得了良好的效果。但多数研究仍局限于生机交互，缺乏教师角色协同，且问题导向思维在智能体辅助的问题解决能力培养中暂时缺位。为此，本研究设计了 AI 智能体赋能的高中生物项目式教学，聚焦 AI 智能体在课堂协同中的作用及其对学生深度问题解决能力的影响，并采用混合研究方法考察“师-生-机”协同下的培养效果。具体研究问题为：①AI 智能体赋能教学对学生深度问题解决能力有何影响？②与未系统融入问题导向思维的一般“师-生-机”课堂相比，问题导向思维视角下 AI 智能体赋能教学的影响是否存在差异？

二结论与启示

本研究基于设计思维，探讨了问题导向思维视角下AI 智能体对学生深度问题解决能力的影响。结果表明：①将 AI 智能体引入课堂能显著提升学生的深度问题解决能力，尤其在探究与理解、构思与表征、计划与执行、监控与反思四个子维度上表现突出；②AI 智能体赋能教学对学生的批判性思维和学习投入有促进作用；③与“教师讲授+生机交互”模式相比，问题导向思维视角下的“师-生-机”协同教学在深度问题解决能力与非认知能力的整体提升效果更优，其中在探究与理解、构思与表征、计划与执行、监控与反思四维度，以及批判性思维、学习投入的优势更为明显。此外，知识留存度测试与有效问题数量变化趋势

进一步支持了上述结论。基于以上发现，本研究提出以下启示：

1 以 AI 智能体助力学生持续自主探索最近发展区边界

研究表明，AI 智能体的引入显著提升了学生的学习效果，具体表现在深度问题解决能力、批判性思维和学习投入等方面。与传统教学不同，AI 智能体支持学生进行自由探索，展示出个性化教学特征。凭借其感知与多模态能力，AI 智能体可根据学生特点提供精准引导，帮助学生在多感官刺激中主动思考、发现并突破薄弱点，从而提升学习深度，这与巴深等的结论相符。依据维果斯基最近发展区理论，教师需提供适合学生能力与潜力的教学内容以实现最优发展，但现实中大班化教学难以实现这一目标。AI 智能体则能在交互中评估学生的发展潜力边界，并提供个性化学习材料，支持学生在适宜的难度范围内突破自我。访谈中一位学生表示：“AI 智能体的学习不仅在于无障碍沟通，还在于拓展知识广度与深度。”因此，将AI 智能体融入课堂教学，有助于缓解规模化教学与个性化需求的矛盾，促进学生能力的高效发展。

2 以设计思维强化问题导向思维链条，以引导提示助力决策反思

研究表明，引入问题导向思维后，学生的学习表现显著提升，不仅体现在深度问题解决能力和非认知能力上，也反映在有效提问能力的加速发展上。在AI 智能体与教师的协同引导下，学生借助已有知识和实时生成的信息激发思考，形成有逻辑的推理，进一步生成新的子问题并推动知识建构的深化。这种链条式思维由短变长、层层递进，最终体现为对真问题的深度解决。相比之下，传统知识传输模式限制了学生的实时思考与逻辑训练，难以支撑复杂问题的解决。因此，应在设计思维框架下构建教学方案，从解决方案出发设计环环相扣的子问题链，引导学生逐步形成问题导向思维。教学实践中，教师可围绕单元核心概念设计逻辑紧密的子问题，明确课堂任务目标，鼓励学生与 AI 智能体互动，在探索与反思中不断挑战自我。

3 子问题串联下的“师-生-机”多元融合，成事在师

研究发现，尽管学生此前未使用过AI 智能体，仍能在短时间内熟练操作并实现有效互动，反映出其具备较高的数字素养。然而，在“理论讲授+AI 智能体个性化探索”模式下，TAI 组的学习表现仍存在不足。有学生反馈，“AI 智能体提供的应该是方法而非答案，没有明确引导时，直接给答案让我产生依赖，不愿主动思考。”由此可见，AI 智能体赋能课堂的关键在于教师。教师需具备良好的数字素养，在课前合理设计教学方案，课中有效把控师生、生机、师机之间的交互过程，在课后基于多模态数据进行精准评估，从而切实提升学生的学习水平。POT 组与 TAI 组的差异进一步表明，教师在子问题串联中的引导作用尤为重要。若教师缺位，AI 智能体容易陷入“答案倾泻”而非“理性引导”。作为辅助工具，AI 智能体应定位于助教角色而非替代教师。教师必须牢牢把握课堂节奏，使 AI 智能体回归其辅助本位，避免学生无思路、教师无所从。

以技促学，以学促教，以教促能。借助技术协同、围绕解决方案建构学生的问题导向思维链，是提升学生深度问题解决能力的关键。本研究表明，AI 智能体赋能教学能显著增强学生的深度问题解决能力，而问题导向思维的引入进一步强化了这一效果。AI 智能体拓展了学生自主探索的空间，使其逻辑思维更趋严密，问题解决逐渐深化。同时，该技术的应用也对教师专业素养提出更高要求，盲目依赖技术反而可能削弱教学效果。因此，教师应理性看待 AI 智能体的角色定位，合理运用以实现“师-生-机”有效协同，让课堂始终以学生为中心，将即时知识反馈转化为深度思维形成，把“形式化提问与浅层回答”转化为“基于真实问题的深度探究”。（文章摘自《现代教育技术》，详细内容请查看文章“李梦兴,刘妍.AI智能体能提升学习效果吗？——问题导向思维视角下学生深度问题解决能力发展效果研究[J].现代教育技术,2025,35(10):42-51.”）