摘要：跨学科教育已成为全球教育发展的重要趋势，我国近年来通过一系列政策举措积极推进跨学科教育改革。然而，跨学科教学对教师教学能力提出了严峻挑战，要求教师必须具备多学科知识整合和有效的课程设计等能力。研究聚焦于提升教师跨学科教学设计质量和效率这一关键问题。基于以学科大

感谢您关注“永大英语”！

袁 磊 徐济远 梁世松

摘要：跨学科教育已成为全球教育发展的重要趋势，我国近年来通过一系列政策举措积极推进跨学科教育改革。然而，跨学科教学对教师教学能力提出了严峻挑战，要求教师必须具备多学科知识整合和有效的课程设计等能力。研究聚焦于提升教师跨学科教学设计质量和效率这一关键问题。基于以学科大概念为核心的跨学科主题教学设计模式，结合基于生成式人工智能的智能体技术，研究构建了教师—智能体协同教学支持模型。该模型包括四个核心部分：跨学科知识库构建、智能体精细分工与思维链构建、大型语言模型选择与角色定义、教学方案整合与迭代优化。通过在“小型系统模拟”跨学科课程中实践应用该模型，阐明了教师—智能体协同教学支持模型的有效性和创新价值。研究为教育技术创新和跨学科主题教学实践提供了新的理论框架和实施路径，对推动跨学科教育发展和实现教育数字化转型具有一定意义。

关键词：跨学科主题教学；智能体协同教学；大概念；生成式人工智能；多智能体系统

一、引言

跨学科教学的概念由来已久，其中较为成熟的STEM/STEAM教育模式，已被多国广泛应用于K-12阶段教学。面对全球跨学科教育发展态势，我国积极参与跨学科教学变革。2022年，我国教育部发布的《义务教育课程方案和课程标准（2022年版）》明确要求教师每学期课程教学中应有不少于10%为跨学科课程[1]；2023年，联合国教科文组织在上海设立教科文组织国际STEM教育研究所；2024年，中国教育发展战略学会科学与工程教育专业委员会发布了《STEM教育2035行动计划》[2]，从跨学科教育进课标到制定未来发展战略，均展现了我国以跨学科教育服务教育强国建设乃至世界教育发展的愿景[3]。然而，跨学科教学对适应传统单学科教学的教师提出了严峻挑战，要求教师不仅需掌握多学科知识，还要找到切入点有效整合这些知识[4]。因此，如何设计出既能激发学生兴趣又能达成教学目标的跨学科教学，如何帮助教师提升跨学科教学设计的质量和效率，成为亟待解决的问题。

生成式人工智能作为驱动新质生产力发展的代表性技术，正在深刻重塑教育领域[5]。生成式人工智能强大的知识拟合能力为解决跨学科教育设计难题提供了新的可能性。因此，本研究聚焦“如何设计跨学科教学”这一基本问题，概述了以学科大概念为基如何设计跨学科主题教学。进而，利用基于大语言模型的智能体技术，设计出教师—智能体相辅相成的协作教学支持模型，从而解答“如何提升跨学科教学设计的质量和效率”这一关键问题。

二、教学设计：学科大概念为基的跨学科主题教学模式

传统跨学科教学模式常存在教学设计主干缺失的问题，导致学科间整合拼盘化和表面化，难以实现深度融合和知识迁移。学科大概念能凝练各学科的核心思想和方法论，为不同学科知识的有机整合提供系统性的概念框架。基于此，本研究构建了基于学科大概念的跨学科主题教学设计模式，如图1所示。旨在易于教师操作的基础上，通过对跨学科教学由抽象到具体的逐步构建，促进学生在主题学习中实现知识理解和核心素养的培养，为学生全面发展提供科学、系统的教学支持。

（一） 主题架构与大概念群确立

构建宏观教学主题是跨学科主题教学的基础。跨学科主题教学通常借助综合任务、宏观概念或核心问题作为组织中心，整合不同学科的核心概念和技能[6]。宏观教学主题作为大概念群的凝聚核心，贯穿整个教学单元，并促进单一学科单元向跨学科单元转化。

在教育实践中，教师首先需要确定主导学科，然后进行主题架构。主题架构应满足生活化和学科化两个特征[7]。对于生活化主题选择，教师需从学生实际生活出发，选择贴近学生经验且能激发其兴趣的话题；对于学科化主题选择，教师需基于课程标准、教材内容和核心素养等方面进行筛选，寻找不同学科的交叉点，组合形成综合主题。无论采用何种方法，教师都需预先划分并确定主导学科，以确保主题架构的科学性和系统性。

学科大概念是体现学科本质、反映学科思想方法的上位核心概念，具有高度概括性、强实用性、广泛联系性和强解释性。通过联系下位具体概念，学科大概念能聚合相关内容，表征学科本质，增进学生对学科的认识与理解[8]。跨学科教学设计中，学科大概念依据与其他学科的交叉程度，可分为共通大概念和非共通大概念。共通大概念是跨学科内容的组织核心，超越单一学科界限，具有广泛普适性和迁移价值[9]。它不仅能够在不同学科间共享，还能促进学生跨学科思考，培养综合素养和创新能力。学科大概念与共通大概念之间呈包容和互联关系，前者是后者在具体学科领域的体现和应用。共通大概念如同广阔框架，包含各个学科大概念，通过它们之间的相互作用和联系，促进跨学科理解和应用。非共通大概念存在于特定学科内部，与其他学科难以建立直接联系，但可通过大概念间的网络关系与其他学科建立间接关联。

确立大概念群是跨学科教学设计的关键步骤，如图2所示，大概念群是“主学科大概念+相关学科大概念”的集合，并应以主学科大概念为核心。教师首先需从主题中归纳提炼“主学科大概念”。此过程要求教师立足学科高度，以概念性视角审视事实性内容，以素养发展为主线组织学科内外知识，筛选重要大概念，构建具有意义的认知网络[10]。教师可采用自上而下的方法，从课程标准、教材分析、专家思维及概念关联中提取；或采用自下而上的方法，从生活价值、知能目标、学习难点及评价标准中产生主学科大概念[7]。

其次，教师进一步探索、挖掘并抽象出多学科适用的共通大概念，以此为纽带派生关联学科的学科大概念，构建跨学科桥梁，突破传统学科界限，促进知识的横向联系与深度理解。对于非共通大概念，教师需探索其与共通大概念体系中特定学科大概念之间的潜在联系。最后，构建学科内大概念的联系，实现与主科大概念的合理对接，促进跨学科知识的整合与应用。这一系统化过程旨在建立一个全面、连贯的大概念体系，为跨学科教学提供坚实的概念基础。

（二） 目标设定与知识整合

教学目标的制定是一个多维度、系统化的过程，需要综合考虑课程标准、学生核心素养发展以及具体教学需求三方面因素。课程标准为教学活动提供了宏观指导框架和预期成果指标，确保教育内容的全面性和系统性；核心素养指明学生培养的能力维度，包括批判性思维、创新精神和社会交往能力等，旨在提升学生适应未来社会发展的综合能力；教学需求则基于学生的学习背景、兴趣倾向、能力差异以及教学环境的实际情况来确定具体教学目标，以确保教学活动能够有效满足学生的个性化学习需求，促进其全面发展。明确且具体的教学目标能为知识筛选和整合提供清晰方向和指导原则，避免盲目整合知识所导致的教学效果不佳。

在这一环节中，当构建起包含多个核心概念的宏观概念群后，随之而来的是由宏观概念群衍生出的具体概念和知识点。这一过程在拓展知识体系内涵的同时，也带来了知识整合的挑战。知识整合并非随时可以发生，首先需要根据教学目标对知识进行科学筛选。筛选完成后，由于知识之间存在复杂的关联性和层次性，在进行知识整合时需要考虑如何有效地将这些离散的知识点系统化，形成一个有机整体，以实现特定教学目标。有明确的教学目标，才能针对性地选择与目标高度相关的知识点进行整合，从而提高教学质量和学习效果。

（三） 核心问题与活动设计

跨学科主题教学设计的核心是促进学生在真实问题情境中对知识深度理解、迁移应用与创新实践，实现跨学科知识技能的整合和价值关联[11]。因此，需设计贴近现实、符合学生认知水平、体现跨学科特性的核心问题。

在确立核心问题后，需进行问题的逐级分解，关注学科间的内在联系。在此过程中，教师设计的核心问题必须关联教学主题和宏观概念群，引导学生聚焦于预设的教学目标进行探索与讨论。同时，问题设计应利用学生易于理解的日常概念，将其作为理解宏观概念的认知桥梁。随后，教师需围绕教学知识、目标和核心问题设计一系列实践性探究活动。活动设计首要考虑情境因素，只有置于具体生动的情境中，宏观概念才能实现“情境化的概念性理解”，避免成为脱离实际的“惰性知识”[12]。活动设计应遵循团队合作、循序渐进原则。既要引导学生从个体探索逐步向协作共创过渡，促进多元思维的碰撞与融合，也要在一系列相互关联、逐步深入的子任务中，帮助学生构建系统性认知框架。

（四） 制定评估与反馈机制

《义务教育质量评价指南》（以下称指南）提出，义务教育质量评价实施工作要注重优化评价方式方法，不断提高评价工作的科学性、针对性、有效性[13]。在设计跨学科学习评价体系时，面临素养评估复杂、个体差异和情境依赖等挑战。内在素养只能在动态交互过程中才能充分展现，简单的纸笔测验难以全面评估学习者的素养水平，尤其难以全面揭示学习者在解决复杂实际问题时所展现的高阶思维能力和综合应用能力。

鉴于此，基于学习过程的形成性评价在跨学科主题教学中日益受到重视。形成性评价以“证据”为基本遵循，需要系统性地收集学习者在跨学科主题学习过程中展现“理解”和“应用”能力的“证据点”，构建学习“证据链”和“证据集”，从而综合分析得出总结性评价。证据收集需兼顾教学活动的过程和结果，既包括完成跨学科任务的过程性证据，也包括最终的跨学科产出或表现。可以采用项目式学习评估、实践操作评估、小组合作评估、口头报告评估等多种形式，以全面捕捉学生在跨学科学习中的表现[14]。要适当引入学生自评与互评机制，这不仅可以培养其元认知能力，还能促进其深度反思和自主学习。在评价实施过程中，需特别关注评价的持续性和动态性。教师要系统性地跟踪和记录学生的学习表现，形成完整的学习档案，为实施个性化教学打下坚实的数据基础。

三、技术赋能：智能体技术概述与教育适配

（一）智能体技术概述

智能体是指能够感知环境并采取行动以实现特定目标的计算机系统，具有感知能力、行动能力、目标导向、自主性和环境交互能力[15]。本研究所使用的智能体是由大语言模型和特定功能模块组成的智能系统，能够自主理解任务、制定计划、执行操作并进行反馈，从而释放大语言模型的潜能。

如图3所示，智能体的核心架构可划分为三个关键功能区域：信息输入区、数据处理区和信息输出区。信息输入区负责接收包括文本、图像、音频和视频等信息。数据处理区分为推理区和记忆区：推理区作为智能体的中枢处理单元，以大语言模型为基础，能深度分析输入信息，实现逻辑推理和决策制定；记忆区则作为知识库和经验储存中心。信息输出区负责将处理结果转换为可传递的信息。除功能区域外，智能体还可以通过应用程序编程接口(Application Programming Interface，简称API）调用外源工具，以扩展其功能边界[16]。

（二）智能体技术如何与教育适配

智能体技术在解决教育等特定领域的复杂问题时仍存在局限性。因此，要充分发挥智能体在教育中的作用，需要进行针对性的适配和优化，使其能够更好地契合教育领域的独特需求和挑战。目前，有三种主流方式：长文本提示、检索增强生成和微调，见表1。

基于表格分析，微调技术在技术难度、结果精度等各方面，相较于长文本提示和检索增强生成更为适宜教师操作。微调能通过命令控制、设置变量等方式，调整智能体模型参数以适应教育领域的特定模式，产生更稳定、一致的输出结果。此外，微调使智能体能够学习并内化教育领域的复杂模式和隐含知识，提供更有洞察力的回答。尽管初期需要较多数据资源投入，但微调后的模型在处理问题时效率大幅提升，能更快速、直接地生成高质量回答，为教师提供可持续改进的智能化方案。

四、模型构建：人机协同的跨学科教学设计支持模型

单智能体在处理多步骤的复杂任务时，往往具有诸多局限性[17]。多智能体系统（Multi-agent Systems，简称MAS）是由多个自主智能体组成的系统，这些智能体能够相互交互、协作，共同完成复杂的任务。在多智能体系统中，每个智能体都是独立的计算实体，具有感知环境、推理决策和执行行动的能力[18]。不同智能体可以代表不同的角色，拥有不同的知识和目标，通过协调和合作来解决单个智能体难以处理的复杂问题。基于MAS的跨学科教学设计助手能以语言为媒介，思维链为连接[19]，大语言模型作为核心逻辑引擎，通过接入特定领域知识库筑牢数据基础。其具体构建步骤如下：

（一） 跨学科知识库创建

在跨学科教学设计应用中，教师需构建专门的文本知识库，并以此为基础优化智能体。构建文本知识库的一般步骤为：首先，需对课程标准进行深入分析，将知识体系分解为基本知识单元。这有助于智能体自动识别学科大概念关联的知识内容。其次，对每个知识单元进行多维度标注。这包括但不限于学科归属、适用学段、难度级别和关键词提取。学科归属确保知识单元能准确地归类到相应的学科概念下；适用学段标注有助于保证教学内容的适应性；难度级别评估有利于构建递进式学习路径；关键词提取则便于知识检索和关联。以上复杂的拆分和标注过程可借助大语言模型实现自动化，大语言模型能够高效地完成知识体系的分解、标注和关联构建。

在实际教学应用过程中，教师可基于特定教育环境和个性化需求，对初始构建的跨学科知识库进行动态优化和调整。这种自适应机制使得注入知识库的智能体能够更精准地契合特定教育场景，从而显著提升其在多样化教育任务中的性能指标、决策准确性以及与教育领域专业标准的一致性。通过这种持续迭代和优化的方法，跨学科知识库不仅能够为创新型跨学科教学提供坚实的知识基础，还能促进教育资源的个性化配置和高效利用，最终实现教学质量的整体提升和学习成果的优化。

（二） 智能体分工与思维链构建

思维链作为协调多智能体协作的核心机制，通过构建智能体间的逻辑推理框架，实现对复杂信息的深层次处理。在跨学科教学设计支持模型中，需基于跨学科主题教学设计模式的四个步骤，构建五个基本智能体，并通过思维链串联，形成一个完整的协作系统。这五个基本智能体包括主题设计智能体、概念群智能体、目标团智能体、任务群智能体、证据集智能体

主题设计智能体主要负责获取教师的教学需求信息，如授课内容、教学重难点和学生学段等。通过分析教师的基本授课需求，该智能体能够提炼出若干潜在的跨学科教学主题方案概要，包括主题情境、学习者特征、主学科和跨学科领域等。经过与教师的多轮交互，最终形成教师认可的跨学科主题教学的顶层设计方案。概念群智能体能接收来自主题设计智能体传送的顶层设计信息，并调用跨学科知识库内容。首先，利用大语言模型的语义分析能力，实现主题信息的逻辑解构，同时从跨学科知识库中提取相关学科知识内容。通过自下而上的抽象过程，识别出潜在的可用于该主题教学的学科大概念。随后，在已确定的这些学科大概念中，识别并划分共通大概念，通过这些共通大概念关联和派生相关学科内容，实现跨学科整合。

目标团智能体主要负责结合主题、核心素养要求和知识内容，制定符合课程标准和学生思维能力发展的学习目标。

任务群智能体基于目标团的具体要求和概念群的知识方案，结合学习者的认知特征和先验知识，从跨学科知识库中系统整合教学资源。在确保主学科教学内容完整性的前提下，该智能体从多模态交互和实践操作两个维度，设计并生成多元化的学习任务和活动内容。

证据集智能体负责设计多元化评价体系。基于活动内容、教学目标和知识范畴，在自上而下的顺向教学设计过程中，该智能体利用大概念对知识迁移的指导作用，系统性地构建过程评价中可观察的“证据点”。同时，从逆向角度，通过对重难点知识的精准聚焦，为教师制定科学合理的总结性评价方案。通过这种点面结合的评价策略，最终形成一个全面、系统、符合跨学科主题教学特点的证据集，为教学评估提供多维度、高质量的数据支持。

五个智能体通过思维链进行协作，形成一个完整的跨学科教学设计流程。其运作机制为：初始阶段，主题设计智能体与教育者进行交互，生成顶层设计方案。随后，该方案被传输至概念群智能体，后者利用知识库资源构建精细化知识方案。继而，主题设计方案与精细化知识方案并行传递至目标团智能体，该智能体综合考虑核心素养要求和课程标准，制定具体学习目标。接下来，目标团智能体的学习目标及概念群智能体的知识方案被传输至任务群智能体，该智能体结合学习者特征和教学资源，设计相应的学习任务和活动。最终，任务群智能体的活动内容、目标团智能体的学习目标以及概念群智能体的知识方案被传递至证据集智能体，用于构建评价体系和证据集。

（三） 大语言模型选择与角色定义

在MAS中，为每个智能体选择适合的大语言模型至关重要。不同智能体的职责各异，对模型能力的要求也有所不同。例如，教学主题设计智能体需要强大的知识理解能力，知识整合智能体则需要卓越的长文本处理能力，而问题链和目标团智能体更侧重于逻辑推理能力。因此，在选择大语言模型时，需要根据每个智能体的具体任务和功能要求，适配具备相应能力的模型，以确保整个系统的协同效率和性能发挥。

以清华大学基础模型研究中心与中关村实验室联合发布的《SuperBench大模型综合能力评测报告》为例，评测结果显示，各大模型在构建单一智能体评测中表现相近，但在逻辑推理、社交智能等特定场景中存在显著差异[20]。这一结果表明，在智能体构建过程中，应当基于具体任务需求选择合适的模型进行针对性开发。

依据任务需求的变化选定合适的大模型后，需要通过精心设计“教育提示语”为每个智能体定义角色，提高信息处理精准度。教育提示语是帮助大语言模型理解人类意图，由自然语言组织设计的面向教育领域的指令集。它通常包括任务描述、背景信息、输入示例和期望输出格式等关键元素。为提高教育提示语对大模型的控制力度，可采用“CORE”框架（C代表语境，O代表目标，R代表角色或规则，E代表示例）[21]。

（四）教学方案整合与迭代优化

首先，需要教师对人工智能生成内容全面审阅。教师需要评估生成方案的结构完整性、内容准确性、跨学科融合度以及与教学目标的匹配程度。在此基础上，教师可以对方案进行必要的修改和补充，如调整教学顺序、丰富案例、优化活动设计等。这一过程充分利用了教师的教学经验和对学生需求的深入了解，确保了最终方案的实用性和适用性。

其次，迭代优化是一个循环往复的过程，通常需要多轮交互才能达到理想效果。每一轮迭代，教师都会向系统提供具体的反馈和修改建议。系统基于这些输入，结合其强大的数据处理和模式识别能力，生成更新版本的教学方案。这种人机协作模式不仅能够不断提升方案质量，还能帮助系统学习和积累最佳的教学设计实践，从而在未来的任务中表现得更加出色。

在学校方案整合与迭代优化的过程中，教师需站在更高的“设计者”视角来思考和行动，这亦是提升教师跨学科教学设计能力的过程。同时，迭代优化不局限于智能体与单个教师的单向互动，而是“教师团”与“智能体群”的多向互动过程。

五、应用实例：支持模型在跨学科教学设计中的实践

本研究基于“Coze智能体开发平台”构建了跨学科教学设计助手。以信息科技新课程标准第三学段中的跨学科主题“小型系统模拟”为基础，采用基于学科大概念的跨学科主题教学设计方法，通过构建教师与MAS的交互模型，探索智能体辅助教学设计的应用，如图4所示。

（一） 聚焦主题智能化概念群构建

在设计“主题设计智能体”时，本研究通过API接入GPT-4作为该智能体的推理核心。教师通过需求输入与智能体交互，使得智能体聚焦“面向五年级学生”“信息科技为主学科”“小型系统模拟”等关键信息，从而拟定以“自制小夜灯开关系统”为主题进行跨学科教学设计。基于该主题，在概念群确立过程中，首先生成了包括系统与结构、因果关系、模式与周期以及能量与物质在内的宏观概念群，为整个教学过程提供了跨学科的理论框架。具体而言，在探讨小夜灯工作原理时，学生需要掌握电路系统结构、开关状态与灯光输出的因果关系、程序循环模式以及电能到光能的转换过程。通过系统性地关注这些宏观概念，学生能够建立信息科技、物理学和数学等学科知识之间的内在联系，从而为后续深入学习奠定理论基础。

（二） 跨学科目标创设与知识整合

为确保目标制定的精确性和连贯性，采用具有强大中文处理能力的“文心一言”作为智能体的逻辑推理核心，以优化文本输出质量。具体目标设置如下：知识与技能维度聚焦于基础电路理论、编程技能和数据分析方法的掌握；过程与方法维度着重培养实践操作能力和问题解决能力；情感态度与价值观维度旨在培养创新精神和环保意识；核心素养维度则涵盖信息素养、科学思维和数学应用能力的提升。为实现这些目标，系统性地整合了信息科技（编程和电路设计）、数学（数据收集与分析）和科学（能量转换原理）等学科知识。这种跨学科知识整合策略不仅丰富了学习内容，还促进了学生形成全面的认知结构，提高了知识迁移和应用能力。

（三） 核心问题引导教学活动设计

为了激发学生的探究兴趣并促进批判性思维和创新能力的发展，利用智能体设计一系列以核心问题为导向的学习活动。例如：在导入活动中，提出“小夜灯是如何工作的？”这一问题，引导学生思考并讨论。在电路元件认识环节，学生通过实际操作和虚拟演示来探索“如何构建一个基本的LED灯电路？”。编程学习活动中，学生尝试解决“如何用程序控制小夜灯的开关？”这一问题。在时间测量与数据分析环节，学生需要思考“什么是最合适的小夜灯开关时间间隔？”并通过数据收集和分析来得出结论。能量转换探究活动则引导学生思考“如何设计一个节能的小夜灯系统？”。这些活动注重实践操作和多模态交互，通过亲身实践和问题解决，能够培养学生的批判性思维和创新能力，真正实现知识的内化和应用。

（四） 多元证据采集与评价体系完善

在此环节，通过人机交互最终生成较为全面的评价体系，涵盖形成性评价和总结性评价两个维度。形成性评价是通过观察记录、作品分析、口头问答和同伴评价等方法，收集学生活动表现的“证据点”。总结性评价包括理论知识测试、实践技能评估、项目成果展示和跨学科整合能力评估等方面。这种多元化评价方式不仅关注学生的知识掌握程度，更着重评估核心素养发展和实际应用能力的培养。为确保教学评价的实施效果，要求“证据集智能体”能够推荐多元化的教学评价策略。例如，如何为每个评价项目制定详细的评分标准，确保评价的客观性和一致性等。并给出证据集整合建议，如建立个人学习档案袋、反思日志汇编和概念理解地图等。以上方法能够全面反映学生在跨学科主题中的学习成果和能力发展轨迹，并为后续教学改进和模型迭代提供数据支持和依据。

参考文献

[1] 中华人民共和国教育部. 义务教育课程方案（2022年版） [M]. 北京：北京师范大学出版社，2022：5.

[2] 中国教育发展战略学会. STEM教育2035行动计划[EB/OL].（2024-07-09）[2024-12-10]. http://www.cseds.edu.cn/edoas2/zlxh/index.jsp.

[3] 袁磊，徐济远，梁世松. STEM教育赋能教育强国建设：逻辑解构、问题剖析与发展策略[J]. 广西师范大学学报（哲学社会科学版），2025，61（1）：58-71.

[4] 袁磊，叶薇，徐济远，等. 新课程标准下中小学教师跨学科素养的基本内涵及提升路径[J]. 现代教育管理，2024（1）：85-95.

[5] 袁磊，徐济远，苏瑞. AIGC催生学习型社会新格局：应然样态、实然困境与创新范式[J]. 现代远距离教育，2023（3）：12-19.

[6] 安桂清. 基于课程标准的跨学科主题教学：内涵阐释与实施要点[J]. 中国教育学刊，2024（7）：15-21.

[7] 刘志军，陈雪纯. 新课标背景下的跨学科学习：现实阻滞与纾解路径[J]. 教育研究与实验，2024（2）：73-81.

[8] 李俊堂. 跨向“深层治理”——义务教育新课标中“跨学科”意涵解析[J]. 四川师范大学学报（社会科学版），2022，49（4）：116-124.

[9] 郭玉英，姚建欣，张静. 整合与发展——科学课程中概念体系的建构及其学习进阶[J]. 课程·教材·教法，2013，33（2）：44-49.

[10] 詹泽慧，季瑜，赖雨彤. 新课标导向下跨学科主题教学如何开展：基本思路与操作模型[J]. 现代远程教育研究，2023，35（1）：49-58.

[11] 杜文彬. 新课标视阈下跨学科主题教学的设计与实现[J]. 电化教育研究，2024，45（4）：81-87.

[12] GOLDSTONE R L， DAY S B. Introduction to "new conceptualizations of transfer of learning"[J]. Educational psychologist，2012，47（3）：149-152.

[13] 中华人民共和国教育部. 教育部等六部门关于印发《义务教育质量评价指南》的通知[EB/OL]. （2021-03-01）[2024-09-21]. http://www.moe.gov.cn/srcsite/A06/s3321/202103/t20210317_520238.html.

[14] 王卓玉，滕洁梅，雷敏，等. STEAM全纳教育赋能“双减”落地的机遇与策略[J]. 现代教育技术，2022，32（8）：43-49.

[15] 罗素 S，诺维格 P. 人工智能：一种现代方法[M]. 姜哲，金奕江，张敏，等译. 北京：人民邮电出版社，2010：35.

[16] 卢宇，余京蕾，陈鹏鹤. 基于大模型的教学智能体构建与应用研究[J]. 中国电化教育，2024（7）：99-108.

[17] XU J Y， ZHAN Z H， LIANG S. The role of AI agents in the reconfiguration of interdisciplinary educational design：an examination of applied practices and outcomes[C]. In Proceedings of the 2024 9th International Conference on Distance Education and Learning. New York：Association for Computing Machinery，2024：1-9.

[18] WOODRIDGE M. An introduction to multiagent systems[M]. Chichester：John Wiley & Sons， 2002.

[19] WEI J，WANG X. Chain-of-thought prompting elicits reasoning in large language models[J]. Advances in neural information processing systems，2022，35：24824-24837.

[20] 清华大学基础模型研究中心，中关村实验室. SuperBench大模型综合能力评测报告[EB/OL]. [2025-01-15]. https://fm.ai.tsinghua.edu.cn/superbench/report/detail/13.

[21] 赵晓伟，祝智庭，沈书生． 教育提示语工程：构建数智时代的认识论新话语[J]. 中国远程教育，2023（11）：22-31．

YUAN Lei XU Jiyuan LIANG Shisong

Abstract: Interdisciplinary education has become an important trend in the development of global education, and China has actively promoted interdisciplinary education reform through a series of policy initiatives in recent years. However, interdisciplinary teaching poses a serious challenge to teachers' teaching ability, which requires teachers to have the ability to integrate multidisciplinary knowledge and to design effectively. The study focuses on improving the quality and efficiency of teachers' interdisciplinary instructional design. Based on the interdisciplinary thematic instructional design model centred on big ideas in disciplines, combined with generative AI agent technologies, the study constructs a teacher-agent collaborative teaching support model. The model consists of four core parts: construction of interdisciplinary knowledge base, refined division of labor among agents and construction of chain of thought, selection of large language model and definition of roles, and integration of teaching plan and iterative optimization. By applying the model in the interdisciplinary course "Small System Simulation", the study elucidates the effectiveness and innovative value of the teacher-agent collaborative teaching support model. The study provides a new theoretical framework and implementation path for educational technology innovation and interdisciplinary thematic teaching practice, which is of great significance in promoting the development of interdisciplinary education and realizing the digital transformation of education.

Key words: Interdisciplinary Thematic Teaching; Agent Collaborative Teaching; Big Ideas; Generative Artificial Intelligence；Multi-agent System

基金项目：2023年度国家社科基金教育学一般课题“数字教育背景下的中小学跨学科协同教学模式研究”（课题编号：BCA230277）。

（本文首次发表在《电化教育研究》2025年第3期）

来源：永大英语