“老师，学校人造鱼塘夏天总是泛绿，我们可否设计一套生态治理方案？”课堂上，学生指着窗外的鱼塘发问。以前，我会直接讲解“富营养化”的原理和治理方法。但这次，我换了思路：让学生自己设计方案，再用AI对照检验。
第一步：学生独立“出方案”。任务目标是为鱼塘设计生态维护方案，要求基于实地观察，提出治理方案。学生以小组为单位，有的在塘边数水草，有的看浮游生物，有的测透明度，方案五花八门。有学生主张“多放鲢鱼吃藻类”，有学生建议“种睡莲遮光抑藻”，还有人提出“定期清淤减营养盐”。看得出，他们都动了脑筋，但知识视野基本框在生物学科内。这正合我意：先亮出“存量”，才好对比AI的“增量”。
第二步：AI生成“跨学科方案”。接着，我让学生询问AI：“学校人造鱼塘夏天总是泛绿，请从跨学科角度设计治理方案。”几秒钟后，AI给出了一套“组合拳”：先用物理调水、增加曝气，再辅以化学絮凝控藻，核心依靠微生物修复和植物化感作用构建自净生态系统，最后从地理视角控制周边径流带来的外源污染。更意外的是，AI还建议把鱼塘变成校园生态劳动基地，让学生参与水质监测、水生植物养护。学生们惊呼：“还能这么组合？”在意外中，我顺势引导进入下一步。
第三步：人机对比，让“认知落差”变成学习燃料。我让学生对比两套方案，思考3个问题。一是AI补充了哪些我不知道的知识？微生物修复、植物化感作用、絮凝剂原理……学生一边圈一边记，像在给自己的知识地图补漏。二是AI是怎么把不同学科串起来的？他们发现，AI不是简单堆砌学科，而是遵循“先控源、再净化、后稳生态”的工程逻辑，把各学科知识安放在不同阶段。三是我的方案里，哪些是AI做不到的？这个问题最精彩。有学生指出：“AI不知道鱼塘东北角有一丛特别茂盛的水草，也不知道上周大雨把路边泥沙冲进了池塘。”学生自己总结：AI擅长知识整合与框架生成，但真实、局部、动态的信息，还得靠人亲自去看、去问、去测。
通过这个项目我体会到，先独立、后AI、再对比，这个顺序先让学生“暴露”了自己的知识边界，再看到AI的“补位”，那种“原来我没想到的这么多”的落差感，正是真正的学习动力。另外，任务切口需要小且真，“小”指一个具体的鱼塘、一块草坪的杂草问题，而非“城市生态治理”的大题目；“真”指学生能走过去、采得了样、拿得出数据。只有从真实土壤里长出来的问题，才能长出跨学科学习的根。
（作者系浙江大学附属中学学生发展研究中心主任）
《中国教育报》2026年11月03日 第04版