创新本位的AI-STEM融合新生态：模式构建与实践范例*

李世瑾 顾小清

（华东师范大学 教育学部 教育信息技术学系，上海 200062）

一、问题提出

随着全球经济社会和科技革命的迅猛发展，创新己成为驱动国际竞争力的关键基石。积极开展创新教育，培养学生的创新思维、意识和能力，是使其适应未来社会发展的教育诉求。近年来，STEM（Science，Technology，Engineering，Mathematics）教育作为培养创新人才的有效路径而备受关注[1]。比如，《中国STEM 2029 行动计划》遴选出首批领航学校79 所、种子学校228 所以及种子教师76 人，旨在推动跨学科创新教育的系统性变革[2]。德国联盟教育与研究部的《在STEM 教育中走向未来》报告，致力于从政府机制、师资培养、学校教育、社会参与等层面形塑多元融合的STEM 教育生态链[3]。目前，面向创新人才培养的STEM 教育实践可谓“如火如荼”。

教育创新亦需要肩负先进性和科学性的时代重任。自2016年开启人工智能元年之后，以智能决策、深度学习、情感计算为核心的人工智能（AI），成为助推教育创新的加速器。《中国教育现代化2035》提出，利用现代技术加快推动人才培养模式改革，实现规模化教育与个性化培养的有机结合[4]。《新一代人工智能发展规划》明确强调，利用智能技术推动创新教学方法改革，并在中小学阶段设置人工智能相关课程[5]。在此背景下，如何充分发挥人工智能技术强大的理解、交互、计算和决策能力，激发STEM 创新土壤的持久活力，构建AI-STEM 创新融合的智能新生态，俨然成为教育实践改革的核心议题。

设计思维秉持有目的运用创造力的本原逻辑，其管理并驱动创新的意蕴与“思维指引→思维激发→思维组织”等进阶历程，为激发教育创新活力、促进技术赋能教育情境以及打造智能融合新生态，打开了新视野。基于此，本研究通过设计思维使能AI-STEM 的协同创新，并从创新能力进阶的根源，建构具有可操作性的AI-STEM融合发展模式，旨在为提升学生的创新能力、推动大规模创新人才目标的实现，提供科学指引。

基于此，本研究主要回答如下三个研究问题：（1）AI 与STEM 创新融合的内生机理为何？（2）AISTEM 创新融合的模式何以构建？包括设计思维使能AI-STEM融合的根源及作用点、AI-STEM融合模式的设计思路与关键要素等。（3）在AI-STEM融合模式应用过程中，需要注意哪些设计要点与组织流程？其对学生创造力的影响效果如何？

二、审思：AI-STEM 创新融合的内生机理

人工智能技术通过海量数据模型、深度学习算法、高强度计算力等应用场景，使得教育更加接近本质[6]。STEM 教育通过鼓励学生应用跨学科知识，遵循“发现问题→提出问题→解决问题”活动进程，参与创造性的团队工作。本研究进一步从内生机理审思AISTEM 创新融合的基础，发现创新实践的理念内涵、面向复杂问题的实践过程以及基于动态证据的评价方式，是两者共同的价值取向和动力机制，如图1所示。

（一）源于创新实践的理念内涵

目前，大众普遍认可人工智能是通过探究人类智能活动机理，构造受人脑启发的人工智能体，它使机器能够如人一般思考和行动，以进一步提升人的创造智能[7]。可见，人工智能为创新人才培养提供了泛在、灵活、智能的技术支持。一方面，其结合学生特质和兴趣偏好，推送适切的学习资源和学习指引，精准建构个性化创新路径；另一方面，人工智能诊断学生创新发生的阶段性障碍，精准提升教学干预的针对性和有效性。而创新是STEM 教育的出发点。追溯STEM教育，其培养学生创新能力的使命与生俱来。1986年，为确保国家核心竞争力长期处于领先地位，美国科学委员会（National Science Board，NSB）在《本科的科学、数学和工程教育》报告中首次提出STEM 概念，认为STEM 教育采用一体化的教学理念，通过整合科学、技术、工程及数学等跨学科内容，能够系统连贯地培养学生的创新能力[8]。鉴于此，源于创新实践的教育原点，是促进AI-STEM 创新融合的根基。

（二）面向复杂问题的实践过程

人工智能技术智能化的功用，如计算机视觉、机器学习、自然语言处理、语音识别等，为解决创新教育的复杂性问题提供了强有力的支持。在宏观层面，研究者采用大数据技术建立创新动力机制，统筹多方力量，为创新教育变革建言献策；在中观层面，研究者创设智能技术场域，让学生体验探究复杂问题的乐趣与美妙，激发持续创新的动力；在微观层面，研究者基于动态监测的规模化数据，表征创新进阶的痛点，并结合学习特质和兴趣偏好，推荐适应性和科学性的干预方案。而STEM 教育同样强调面向复杂问题的情境探索，通过将动手实践与开放式探究相融合，来激发学生跨学科创新的潜力。研究结果表明，STEM 学习对激发学习兴趣和探究意识[9]、跨学科知识应用以及持续创新有显著提升作用[10]。可见，面向复杂问题的实践过程，即促进AI-STEM 创新融合的进程。

（三）基于动态证据的评价方式

AI 技术通过汇聚多元化的学习证据，致力于科学精准的有效干预。一方面，通过深度挖掘学生创新能力进阶的多模态数据，反馈创新能力进阶的关键锚点与阶段性障碍，并及时调整教学干预方案；另一方面，采用动态弹性的智能评价方式，根据问题情境和学生特质，灵活设定评测基准，实现学生持续创新的贯通性评估。STEM 教育尤为强调学习证据质性层面的意义诠释以及量化层面的序列表征。例如，认知网络分析法（Epistemic Network Analysis，ENA）遵循严谨的行动框架，通过计算网络结构节点的强弱性，客观科学地评估个体与个体、个体与团体之间创新能力的动态变化情况[11]，并基于证据反馈及时调整STEM 教学干预行动，迭代改进方案设计，形成STEM 教育实践与决策的证据池，其具体评价过程如图2所示。因此，基于动态证据的评价方式是促进AI-STEM 创新融合的保障。

可见，AI 与STEM 教育的创新融合，是智能技术赋能教育创新的现实映射。一方面，人工智能技术智能化的优势，可作为驱动STEM 教育变革的整体抓手，通过创设智能化的学习场域、个性化的学习内容、多元化的评测方式以及科学化的教育管理，激发学生创新意识和创新行动的持续发生；另一方面，人工智能可作为支持技术学科领域的智能化工具，通过动态监测学生脑神经回路创新水平的变化规律，有效解决“如何引导学生实现创新”关键问题。这与美国心理学家诺曼（D.A.Norman）提倡的“我们要学生创新，首要要教会学生如何创新”理念相契合[12]。

三、发展：AI-STEM 创新融合的模式构建

（一）设计思维：AI-STEM 模式融合的使能方法

1.设计思维使能AI-STEM融合何以可能

我们通过审思AI 与STEM 教育创新融合基础、融合进程以及融合保障，发现两者融合需要刺激创新认知的发生，以适应创新能力发展的进阶历程。事实上，设计思维坚持以人为本的理念，更加关注发现问题和构思设计这一过程，而这个过程必将伴随着进阶式创新思维的迸发而产生[13]。一方面，设计思维沿循“思维指引→思维激发→思维组织”逻辑，直观呈现学生参与活动过程中所进行的连续性思考以及行动过程，拓展学生的创新思维从感知觉到创生灵感或观点，再到增强思维逻辑。另一方面，设计思维以目的性为基础，综合考虑社会、经济、艺术、技术、心理等多元因素，驱使大脑运动和心理活动持续处于创新训练之中，这对培养学生的创新能力具有天然优势。综上，设计思维从创新能力进阶的根源上，为AI-STEM 创新融合提供了新理路。

2.设计思维使能AI-STEM融合模式的作用点

设计思维是创意想法在设计进程中的理论化，对其内涵有三种认识：从目的层面来说，设计思维通过将设计经验还原并显化为设计实践过程，以指导设计者进行产品设计或解决复杂性问题[14]。从方法层面来说，设计思维有机融合工程设计、社会科学以及艺术科学等领域内容，是一套问题解决的方法论系统[15]。从过程层面来说，设计思维是“灵感—构思—实施”迭代式循环的创新过程[16]。基于此，本研究将设计思维定义为：通过真实与综合、象征与分析等方式，引导学生有方向和目的地思考问题，利用“计划—行动—反思—再计划—再行动—再反思”的迭代式循环过程，直至找到最佳的问题解决方案。同时，透析设计思维的价值内涵，其使能AI-STEM 模式融合的着力点如下：

（1）促进全脑思维的发展。设计思维以技术产品或目标效果为导向，借助跨学科的知识支架、非线性的逻辑思考以及艺术与美的感知，通过突破思维固有的规则和定式，能够促进学生创新能力的提升。同时，在参与设计式活动组织时，学生能够如同设计师一般，使用成熟的创新思维工具，接受设计要素的多感官刺激，系统解决“劣构问题”或“疑难问题”。显然，设计思维通过让学生亲历知识融合的过程性体验，不断提升其创新实践能力和完成价值观的塑造，能够从全局战略把控AI-STEM 模式的创新融合。

（2）实现发散与聚合思维的互补。创新思维是发散思维与聚合思维的有机结合，经历“思维聚合→思维发散→思维聚合”的变化历程[17]。设计思维在本原上与创新思维的变化规律相契合。例如，在发现阶段，学生通过理解、准备、收集资料等方法创生想法，是思维发散过程。在解释阶段，学生通过筛选观点、问题分类的方式来寻找最佳设计方向，是思维聚合过程。在构思阶段，学生通过头脑风暴、世界咖啡等创生新奇想法，又是思维发散过程。在实验和改进阶段，学生围绕问题的核心开展实践探索，确定最佳设计方案，是思维聚合过程。可见，设计思维通过发散与聚合交替互补的方式，鼓励学生尝试不同的思维路径产生创新意念，这正是推进AI-STEM融合的催化剂。

（3）显化创新思维的生成路径。设计思维坚持“人本主义”的设计观，通过“发现问题→构思问题→解决问题”流程，将内隐思维转化为可控的以及可操作的实践过程。另外，它借助成熟的技术工具和思维方法，参与学生深层思维的作用过程，将模糊晦涩的思维过程以形象的指令呈现出来，以此教会学生如何发生头脑风暴，其创造力自然便会油然而生[18]。例如，思维组织工具PISCO 通过目的、输入、解答、决定、实施等环节，帮助学生整理创新进阶过程。思维指导型工具PMI 表格通过优点、缺点和兴趣点，将创新思维过程进一步结构化和透明化。因此，设计思维通过呈现并衍生创新发生的进阶历程，为AI-STEM模式融合提供了科学实践方向。

（二）模式构建：AI-STEM融合模式的设计思路

设计思维通过管理并驱动学生持续创新的本原逻辑，成为AI-STEM 模式融合的使能方法，目前已有不同类型的实践应用模式。例如，布朗（T.Brown）开发的灵感、构思和实施三螺旋模型[19]。英国设计协会提出“双钻石”模式，包括发现、定义、开发和交付[20]。IDEO 公司联合河谷日校构建了发现、解释、构思、实验和评估五阶段模型[21]。斯坦福大学设计思维学院开发的EDIPT 模型，包括共情（Empathize）、需求（Define）、构思（Ideate）、原型（Prototype）和测试（Test）等环节[22]。实质上，无论哪种设计思维模型，其在AISTEM 实践活动中都将发挥独特优势：（1）拓宽AISTEM 创新融合的知识地图，通过真实情境的项目主题、灵活开放的空间以及成熟的思维认知工具等支持，发掘智能情境下跨学科组织活动的进阶逻辑及关键脚手架。（2）以过程为导向的迭代循环，遵循“灵感—构思—实施”基本流程，结合学生认知风格和学习规律进行本土化改造，助力“设计驱动创新”目标的实现。（3）学习与发展并举的评价原则，关注学生知识能力掌握的同时，更强调学生创新思维的发展。

AI-STEM融合模式强调借助AI 技术情境，创设个性化、灵活化的活动组织，帮助学生实现跨学科问题解决与高阶思维的动态化进阶。同时，这种证据驱动的跨学科实践是一种目标明确、多要素融合的活动系统。基于此，研究以情境学习理论和活动理论作为理论基础，为智能境脉中跨学科活动设计和实施提供原理指导。其中，情境学习理论认为，学习是情境性活动，关注合法的边缘性参与[23]。在智能情境中，通过汇聚学生行为、心理和生理等多模态数据，使学生的多维表现和学习过程以细粒度、可追溯的方式被记录和呈现；同时，遵循“精准识别→精准诊断→精准干预”的科学框架，经由精准画像分析、群体分层建议、学习诊断报告以及个性化学习路径推荐等过程，能够建构“以学定教—因材施教—以评促教”的智适应教育生态圈，让大规模化个性化学习成为可能。

活动理论包括主体、客体、工具、共同体、规则和分工六大要素，它们彼此交相融合，促使整个活动系统处于动态平衡[24]。具象到AI-STEM 活动组织中，主体是教师和学生，分别承担任务设计者和活动实践者的角色；客体是真实情境中的AI-STEM 任务目标；工具是智能导学系统、跨学科教学资源、思维工具等；共同体由虚拟导师、人类教师、学习小组构成；规则是人机、师生、生生互动过程中的操作规范和行为约束；分工是围绕活动主题，共同体进行任务分配，尤其强调人机协同的教学特色。这六个要素共同作用于由“设计思维模型”牵引的AI-STEM 活动进程，促使学习共同体感知创新能力螺旋式发展历程。

综上所述，研究关照智能教育情境下人机协同的典型特色，充分汲取情境学习理论及活动理论对AI-STEM融合模式的指导价值，基于设计思维EDIPT 模型“共情→需求→构思→原型→测试”经典流程，结合AI-STEM 创新融合的进阶根源，从价值内核和外部组织行为建构了AI-STEM融合模式，如图3所示。同时，在应用该模式时需要注意两点：一是活动设计目标应以启蒙学生的创新意识为抓手，重点关注学生创新能力进阶的关键障碍；二是由于学生在逻辑思维、自控力等方面仍有不足，在探究时可能面临较多的协作障碍或认知困难，教师应适当增加引导或扶助环节，切勿过度依赖人工智能技术，以此削弱学生主动创新的能动性。

（三）要素阐释：AI-STEM 模式的外部保障和内核价值

1.AI-STEM融合模式的外部保障

在设计思维使能的AI-STEM 创新融合模式中，基于情境学习理论“学习动机→学习本质→学习内容→学习过程”情境理性的内生机理，充分发挥计算智能、感知智能、认知智能以及评测智能等技术优势，通过更具智慧的创新性实践过程，全面了解学生创新能力发展的兴奋点和关键障碍，保障教学决策的精准化、个性化、过程化以及创新化。同时提供科学有效的干预方案和思维工具，为学生的持续创新提供关键支持与有利条件。

计算智能扮演智能分析的角色，保障了活动组织的精准化。通过多模态数据深度挖掘学生动作行为、心理认知和生理等方面的变化情况，科学预判学生创新进阶的薄弱点或障碍，并采用预警机制及时修订干预方案。同时，智能技术支撑的活动组织更具个性化，基于动态系统的综合性评估映射活动组织的真实效果，从而针对不同创新水平的学生推送适切的内容资源和教学指引。

感知智能扮演智能交互的角色，促进了活动进程的创新化。通过智能感知技术深度挖掘学生创新发生的结构化与非结构化数据，进而采用智能算法将多模态数据与创新特征序列相关联。同时，抽取学生学习风格、行为习惯、认知水平、兴趣偏好等多粒度数据，综合运用多种外显与内隐途径，动态监测学生创新能力发展的真实状态，使其接受更加适切的教学指导。

认知智能扮演智能适配的角色，促进了活动内容的个性化。通过认知推理技术以及智能匹配算法，能够厘清学生创新能力的结构要素，同时结合学生特质推荐最佳干预方案。此外，由于认知智能技术具有一定的推理能力，借助其优势能够形塑科学的、智适应的教育路径。例如，通过语义理解、知识图谱、联想推理等过程，精准描绘学生的全息画像，智适应地刺激学生创新思维的发生。

评测智能扮演动态监测的角色，保障了活动评价的多元化。现有STEM 评价通常基于学生的过程性表现，忽视了创新能力难以有效量化的现状，即必须深入思维内隐的动态变化过程，做到思维量化的可观、可感和可测，才能保障评测过程的科学性、全息化和立体化[25]。而智能技术的融入，提供了精准个性化的评测方式，通过全方位采集学生生理、心理和行为等多模态数据，观测学生“创意”产生的路径和水平，从而对其进行精准引导和帮扶。已有学者基于人工智能技术，从概念层级、有效链接、交叉链接、路径数、颜色、图片等维度建构了评价量规，科学评测学生创新能力的发展水平[26]。

2.AI-STEM融合模式的内核机制

AI-STEM融合模式作为一种支持过程性创新的可操作性框架，基于活动理论牵引的共同体学习组织，遵循“共情→需求→构思→原型→测试”等流程，使得创新能力发展的进阶训练更加透明化。同时，每个环节可根据学生的认知风格和兴趣偏好，嵌入合适的思维认知工具，通过映射学生创新能力发展的进阶历程，持续且有效地激发学生的创新潜能。

共情是设身处地思考主体以外其他人和事物的想法或需求，从而产生对所要解决问题的同理心。在共情阶段，教师需要为学生创设合适的学习任务，学生作为敏锐的行动者，参与提问、对话和情感表达。该阶段常用的思维工具有同理心地图、深度访谈、档案数据分析和APOEM（Actions，People，Objects，Environment，Messages）模型。其中，同理心地图作为学生“心理画像”的图形化映射，能够显现出学生在情绪层面“情感觉知”水平、认知层面提取“问题痛点”的能力以及行为层面“换位思考”的能力。

需求是学生对共情阶段所获得的信息进行筛选和总结，按照“用户+需求+见解”的逻辑确定任务要点。该阶段主要是根据任务需求，创生想法、收集灵感，实践中通常借助6W2H（Which，Why，What，Where，When，Who，How to do，How much）和PoV（Point of View）工具，来引导学生发现问题。前者从Which（选择的对象是什么）、Why（为何要解决该问题）、What（解决问题的目的是什么）、Where（在哪里完成）、When（什么时间完成）、Who（谁来完成）、How to do（如何提高效率）和How much（效果如何）等八个维度定义问题。PoV（Point of View）法则建议学生从对象是谁、问题解决方案是什么、目标是什么等维度进行问题描述。

构想是提炼问题解决的整体性方案，也可将问题分解为若干环节，给出每个环节的具体行动方案。头脑风暴是该阶段的核心任务，学生需要在宽松的氛围中，激发自由思维和拓展问题空间，尽可能地捕捉新想法和新方案。此时，可从联想反应、热情渲染、竞争意识、个人欲望等方面激发学生的创新思维，并借助改善方案和改良事物的SCAMPER 工具（Substituted，Combined，Adapt，Modify，Put to other uses，Eliminate，Rearrange）及时捕捉和记录观点。在观念形成后，则需要评判所有观点，确定最优解决方案。此时，采用六顶帽子工具提供的路线：陈述问题（白帽）→提出问题解决方案（绿帽）→评估方案优点（黄帽）→列举方案缺点（黑帽）→对方案进行直觉判断（红帽）→做出决策（蓝帽），快速聚焦并改进行动计划。

快速原型是以最小成本、最短时间来实施问题解决方案。原型可以是方案的提纲或作品模型，其目的是在真实应用情境中测试方案或作品可能存在的问题。该阶段遵循3R 法则，即粗略（Rough）、迅速（Rapid）、恰当（Right），可采用手绘图、3D打印、示范代码/完整的项目代码（Demo）设计或情境故事等简单方式完成，也可借助智能虚拟技术，如虚拟现实（VR）/增强现实（AR）技术、虚拟仿真技术等，快速将创意想法现实化。同时，借助多模态数据分析，快速诊断学生创新能力发展的进阶障碍，针对个性问题及时反馈并提供科学干预。

测试是确定问题解决或需求满足的程度，其结果是优化方案的直接证据。原型测试关键是引导学生分辨原型功能的可行性。因此，场景分析和原型评估是测试阶段的有效方法，通过系统评估作品功效进一步权衡方案的优劣性。需要强调的是，在该阶段中，教师参照智能评测的系统反馈，充分尊重学生的性格特征、认知风格等，帮助学生分析原型失效的可能原因和改进措施，而不只是对原型外观、颜色、造型等表层属性进行简单评估。在此意义上，设计思维的测试环节不是简单的纠错过程，而是一种高阶认知活动，是映射在原型进化之上的思维进化过程。

四、应用：AI-STEM 创新融合的实践案例

为进一步阐释AI-STEM融合模式的应用要点与实践效果，本研究选取26 名七年级学生为研究对象，以“人工智能分类垃圾桶”为主题，完成为期两个月的AI-STEM 实践活动。研究旨在通过科学认知和探究环节，提升学生的科学素养；通过信息检索、编写程序以及使用智能机器人等，提升学生的技术素养；通过构思设计、迭代优化等操作，锻炼学生的工程设计与制作技能；通过空间构造、建模设计等，培养学生对艺术与美的感知；通过几何计算、测量等操作，提升学生的数学应用能力。同时，人工智能支持下的个性化及灵活化的活动组织，为学生营造了拥有丰富技术、活动资源以及智能交互的和谐氛围，有助于激发学生创新认知和创新体认的发生。

（一）基本流程

本研究应用AI-STEM 教育融合模式，遵循“共情→需求→构思→原型→测试”等设计过程，开展“人工智能分类垃圾桶”创新活动，具体流程如图4所示。

1.共情阶段

明确任务设计，思考优化功能。“人工智能分类垃圾桶”活动，旨在引导学生认识垃圾分类的重要性、了解垃圾分类的基本知识以及掌握如何应用人工智能技术实现垃圾分类。在这个过程中，教师需要提出设计与制作的活动规则与要求，增强学生的活动规范意识。同时，启发学生开拓思路，从不同使用群体、应用场景等视角全面思考活动要求。学生需要明确设计与制作活动的基本流程，思考如何开展活动，包括准备工作、灵感收集、活动实施、小组协作等。该环节需要借助人工智能技术优势，通过深度挖掘学生的行为动作和心理认知倾向，自动组建性格倾向和创新能力相当的学习共同体。思维工具可采用同理心地图，从所说、所想、所感、所做等方面，评测学生的任务感知水平以及情感觉知能力。

2.需求阶段

创建应用情境，激发设计兴趣。教师围绕“了解垃圾如何进行分类”“体验垃圾分类游戏”等创新进阶活动，进一步明确任务需求。例如，人工智能技术可以解决垃圾分类的哪些问题？如何使用人工智能技术进行垃圾分类？学生掌握垃圾分类的基础知识后，围绕“人工智能如何助力垃圾分类”这一问题，通过网络技术或智能虚拟技术，开展资料收集与设计思考。该环节充分借助人工智能技术优势，拓展智能垃圾桶的功能设计，激发学生创意想法的产生。思维工具可采用思维导图或概念图，用于评测学生的知识容量、联想路径；通过6W2H 思维具象工具，从各维度明确设计产品亟待解决的问题。

3.构思阶段

参与头脑风暴，集思广益设计方案。教师围绕“如何编写垃圾分类程序”“如何利用智能机器人进行垃圾分类”等任务，鼓励学生大胆创新、自由探索，并明确提出操作机器人的纪律要求。学生思考通过什么程序模块实现智能垃圾桶的创意功能，例如，自动开盖、环境感测、卫生报警、语音提醒等，并亲测程序设计方案的可操作性，确定最优设计方案。该环节需要借助人工智能技术优势，自动捕捉学生的认知力和情绪力，同时参照学生的兴趣偏好和思维习惯，智适配符合学生创新水平的资源服务和科学干预，为原型设计奠定基础。创新思维评测可采用PMI 表格或头脑风暴工具，用于评测学生的兴趣意识以及创新思维水平。

4.原型阶段

构建作品原型，交流改进方案。基于3R 原则，学生以小组形式，利用智能机器人和程序编码完成“人工智能分类垃圾桶”的具体功能设计。教师参照智能评测反馈以及STEM 设计要求，同时结合学生的过程性表现，及时反馈并修正教学干预行动。该环节借助人工智能认知推理和智能评测的优势，通过汇聚学生情境感知、行为动作、情绪认知、心理及生理等多模态数据，诊断学生创新能力进阶的关键障碍，并给予针对性指引和帮扶，以实现个体和同伴创新能力发展的共同建构。创新思维评测可采用创新思维（SCAMPER）工具，以评测学生作品的质量水平。

5.测试阶段

验证应用效果，倾听反馈与建议。学生以小组为单位展示作品，根据其它小组成员的用户体验反馈，迭代优化设计方案。教师从STEM 设计视角出发，针对各小组的作品设计提出改进建议。该环节借助人工智能技术，动态监测和预判学生创意设计的思维路径和发展趋势，并基于特征提取、自动匹配、精细测量等过程，评估学生创新思维的流畅性、变通性以及独创性。创新思维评测可采用产品原型评估工具，以评测学生作品的性能水平以及用户体验情况。

（二）效果分析

创造力是根据行动目的，产出具有新颖性、独特性和价值性的智力产品，通常和创新潜力、创新过程、创新产品、创新环境等因素相关。基于此，本研究采用威廉斯创造力评估量表[27]（包括创造力倾向量表和思维活动量表）、作品创造力表现评估量表[28]以及师生访谈数据，分别从创造力倾向、创造力认知以及创造力表现等方面，评估学生创新能力的发展水平。

1.创造力倾向数据分析结果

研究采用创造力倾向量表，对实验样本前后两次测试成绩进行配对样本t 检验。结果表明，基于AI-STEM融合模式开展学习活动后，学生的创造力倾向显著提升（p=0.013<0.05）。其中，冒险性（p=0.036<0.05）、好奇心（p=0.029<0.05）、想象力（p=0.025<0.05）与挑战性（p=0.018<0.05）等子维度亦呈现显著提升效果。可以发现，当被试应用AI-STEM融合模式组织活动时，能够充分关照“唤醒→认知→探究→反思”等创新能力进阶历程，有利于学生创造力倾向的发生。这与达纳赫（E.Danahy）等研究结果相一致，即借助智能技术的自主探究和科学干预，有助于激发学生的创新潜能[29]。

2.创造力认知数据分析结果

研究采用思维活动量表，分别从变通性、流畅性和独创性测量学生创造力认知的变化。结果表明：整体上学生的创造力认知呈现显著提升（p=0.016<0.05），且变通性（p=0.038<0.05）、流畅性（p=0.023<0.05）和独创性（p=0.018<0.05）等子维度亦有显著提升效果。为进一步探究学生创造性思维发展趋势，将学生思维能力的测试成绩制作成折线图，如图5所示。可以发现，学生在完成AI-STEM 任务后，创造力认知获得了提升，且独创性的提升幅度最大。究其原因在于学生在模块化思维工具的支持下，能够将新奇意念快速实体化，有助于激发学生独创性思维的潜能。同时，无论在内容组织还是环节编排上，AI-STEM融合活动都能充分关照学生创新能力发展的基本规律，遵从由易到难、由简到繁的创新进阶机理，及时应用脚手架提升学生的变通性思维。此外，动态诊断学生创新能力进阶的关键障碍，并给予学生个性化的精准干预，有助于提升其创新思维的流畅性。已有学者采用情感识别技术，通过动态捕捉学生认知以及非认知等多模态数据，抽取影响学生创新发展的关键因素，从而形成符合个体认知的创新发展程式[30]。

3.创造力表现数据分析结果

创意作品是评估学生创新水平的关键指标，基于AI-STEM融合模式开展实践活动，学生的创造力表现迅速提高（p=0.001<0.05）。进一步从主题内容、程序设计、艺术审美、创意功能和科学价值五个维度分析学生作品情况，发现学生在创意功能、程序设计等维度的表现尤为突出。可见，设计思维使能的AI-STEM活动组织，为学生塑造创意作品，提供了充分的发挥空间与工具支持，这与“智能技术对跨学科探究过程的强力嵌入拓展了学生新奇观念的产生”这一观点相契合[31]。具体来看，设计思维专注创新与复杂问题解决的本质，将其融入活动组织中，充分渗透了作品的物质属性和精神层面的非物质属性。同时，通过智能交互增强了学习感知力，能够将“人工智能分类垃圾桶”的创意功能迅速实体化。此外，基于人工智能技术优势以及成思维工具支持，改变了学生思考问题和解决问题的方式，有利于学生创新意念的形成。

五、建议：AI-STEM 创新融合的推进策略

（一）完善顶层设计，打造协同创新生态

创新人才培养是一项长期且艰巨的时代重任，只有不断完善顶层设计，才能有效引领创新机制的协同发展[32]。其一，从顶层设计出发，统整AI-STEM教育融合的制度保障，充分联动学校、企业、教育机构等利益相关者的多元职能和权责分配，广纳多元利益相关者的根本诉求、智力成果和组织资源，形塑更加广泛的教育创新协同演化机制，实现教育技术生态创新的数智化、互联化和动态化。其二，切实落地AI-STEM 创新模式的融合理念，以“常规求解→多元求解→最佳求解”这一发散与聚合互补的活动组织，实现创新进阶的有效管理。其三，建立覆盖学生创新能力全过程的智能管理系统，基于动态多元、群智开放、规范统一的持续性评价机制，推进教育决策的科学化、精准化与教育创新治理体系现代化。

（二）把握核心特质，优化创新发生机制

在基于AI-STEM 创新融合模式开展教学实践时，学生能够如同设计师一般，经历真实的技术创新和工程设计的思维过程，这无疑是十分可贵的思维训练和创新体验，将从源头上解决实践组织“创新失衡”的境遇。因此，我们需要充分把握该模式的核心特征，例如，充分发挥智能技术和思维工具的优势，遵循“共情→需求→构思→原型→测试”进阶式历程，引导学生认识、分析和解决现实问题。同时，构建融合模式应用的合理情境，并结合学生的认知风格和兴趣偏好，提供适切的教学指引，形塑“以人为本、科学精准”的创新机制。例如，可从基础支撑、核心技术、智能系统、智能应用、保障体系等方面，具象活动组织的应用情境[33]。

（三）注重思维进阶，形塑持续创新自觉

智能技术和设计思维工具显化了创新进阶历程，为创新能力培养提供了立体化的“学参”。正如普拉特纳（H.Plattner）所强调的，理想的智慧学具可将创意想法迅速现实转化，驱动创新觉知和意念的持久化[34]。因此，借助智能工具优势积极探索学生创新进阶的变化规律，是促进学生持续创新的关键，在应用AISTEM融合模式时，应重点关注学生思维进阶的变化历程，形塑学生持续创新的自觉。首先，沿循“思维指引→思维激发→思维组织”的逻辑，从拓展感知觉到创生灵感或想法，再到建构思维流程及秩序，即参照创新进阶历程指导教学组织顺序。其次，关注对学生创新素养的塑造，通过进阶导向的活动组织和智适应资源，实现学生持续创新的潜能。再次，引导学生灵活掌握智能技术和思维工具的基本功能，使其能够利用智慧学具实现创意功能设计。最后，围绕创新进阶历程建立帮扶机制，针对不同创新水平的学生实施分层管理，开启智能时代大规模创新人才培养的新征程。

六、结语

人工智能时代的到来，丰富了STEM 教育的实践场景，也为精准个性化的教学决策提供了科学支持。根植于AI 与STEM 教育融合基础、融合进程以及融合保障等内生机理，本研究从创新能力进阶的根源出发，通过设计思维使能AI-STEM 模式融合。研究发现，AI-STEM融合模式秉持“创新本位”的实践理念，其目标定位精准性、过程实践科学性以及评估结果系统性等典型特质，有助于实现人工智能时代大规模创新人才培养目标。未来，如何进一步优化AI-STEM 教学设计流程，如何在人工智能、科创教育等实践性课程中应用推广，将是后续研究和关注的重点。