2026年5月13日，德国创新教育与管理学院和迪特施瓦茨基金会代表团一行15人到访北京师范大学未来教育高精尖创新中心（以下简称“中心”），开展学术交流与参观访问活动。活动还并邀请了中国教育国际交流协会中学分会表共同参与。中心执行主任余胜泉、学习科学实验主任崔京菁、人工智能实验副主任陈鹏鹤、行政办公室主任李晓琴等和中国教育国际交流协会中学分会会理事长申继亮，北京十一学校副校长滕明俊等参与交流活动。

上午，主要是团队和机构的介绍以及参观北京师范大学昌平校区大数据应用示范中心。

 

图 1 代表团队参观京师范大学昌平校区大数据应用示范中心

中国教育国际交流协会中学分会会理事长申继亮在致辞中高度赞赏德国代表团在人工智能教育、深度学习及项目式学习等方面的前沿探索。他表示，人工智能正在深刻重塑全球教育格局，中国教育国际交流协会中学分会将积极推动双方在学校变革、教师发展及学生核心素养培育等领域的深度交流，共同探索人机协同的未来教育路径，为基础教育高质量发展贡献力量。

图 2 申继亮致辞

中心人工智能实验室副主任陈鹏鹤从中心的建设背景、核心使命到中心在人工智能与教育方面开展的工作及取得的成果对中心做了详细的介绍。他表示，中心是北京市政府首批支持建设的高水平国际化创新平台。中心立足国家教育强国战略需求，汇聚教育技术、学科教育、教育心理、信息技术等领域的顶尖智力资源，长期致力于推动教育公共服务从数字化向智能化转型。在人工智能与教育方面，中心取得了系统性的创新成果，代表如，中心自主研发了“智慧学伴”平台，其核心成果“智慧学伴教育机器人”荣获国际人工智能联合会议（IJCAI）“最佳机器人视频”奖，在国际顶级学术舞台展现了中国在“人工智能+教育”领域的创新实力。

图 3 陈鹏鹤介绍中心

迪特施瓦茨基金会Jutta Pasch 表示，迪特施瓦茨基金会以“教育是最重要的资源”为使命，通过整体资助方式赋能家庭、早期教育及教育从业者。在人工智能教育领域，基金会推动connAIx等项目，构建面向终身学习的教育生态，促进跨代际、跨领域的人才培养与创新协作。

图 4 Jutta Pasch 介绍迪特施瓦茨基金会

德国创新教育与管理学院总负责人Marco Haaf介绍指出，创新教育与管理学院（aim Academy）是迪特施瓦茨基金会支持的核心教育实践平台，以“让每个儿童和青少年充分实现教育机会”为愿景，致力于提升教育质量、促进教育公平、培养未来核心素养。在人工智能教育领域，学院设立AI能力中心，推出AI学校奖、Promptathon、AI白名单、AI导师计划、AI日及学校AI认证等旗舰项目，并开展AI机器人项目及与慕尼黑大学、卡尔斯鲁厄理工学院合作的小学AI语言学习项目，切实提升学生口语能力并辅助教师教学。

图 5 Marco Haaf介绍创新教育与管理学院

下午，学术交流活动环节。首先，北京师范大学教授、中心执行主任余胜泉分享了《人机共智中的组块化联结：有效认知外包的关键机制》的学术报告。他提出的“人机共智”理论认为，在人机协同的认知中，“组块化联结”是实现有效认知外包的关键机制。面对海量信息，人类大脑的短时记忆容量有限（约5-9个组块），因此认知外包通过将复杂信息打包成一个“认知组块”交由人工智能处理，屏蔽了繁琐的细节，从而简化了认知复杂性。这种机制的核心在于，人类通过自身的内部认知网络（负责价值判断、创造性思维等）与外部人工智能网络（负责海量数据处理、模式识别等）建立有效连接，将外部的认知服务纳入自身的思维链条。它不是简单地依赖机器，而是在保持自身主体意识、拥有完备内部知识结构的前提下，利用AI来扩展认知链条，从而获得对复杂事物的全局驾驭能力，实现人机结合的分布式智能。

图 6 余胜泉作《人机共智中的组块化联结：有效认知外包的关键机制》的学术报告

随后，中心学习科学实验室主任崔京菁作《数智技术赋能项目式学习研究与实践》的报告，分享了数字化智能技术在项目式学习中的研究进展与典型实践案例。她表示，数智技术赋能项目式学习（PBL）聚焦从知识传递走向知识创生的教学范式变革。基于证据导向的PBL模式，借助人工智能、大数据挖掘、虚拟仿真等技术，实现学习过程数据的动态采集与智能诊断，支持证据驱动的评价与教学优化。研究构建了证据导向的项目式学习系统（EPBL），集成知识图谱、学科能力模型及AI协同教学设计，促进跨学科问题解决与深度学习。虚拟实验室等技术环境支撑协同知识建构，情景化智能分析工具实现个性化学习路径规划，推动育人目标的可视化与结构化落地。

图 7 崔京菁作《数智技术赋能项目式学习研究与实践》分享

北京市第八十中学国际课程中心副主任黄丹婷分享其学校探索人工智能驱动的数字智能赋能高中项目式学习，通过AI实现个性化学习支持与教师减负。实践案例包括：数学PBL借助生成式AI构建“黑暗森林法则”科幻情境，驱动指数函数探究；物理化学PBL利用AI数字人、虚拟实验室及传感器解决真实工程问题；英语口语引入AI智能体，实现高频自主交互；跨学科自动灌溉系统融合编程、电路与AI逻辑（感知—决策—执行）。学校依托全流程数字智能平台及AI课程框架，推动教师转型为学习设计师，实现规模化个性化教育。

图 8 黄丹婷作《人工智能驱动的数字智能赋能高中项目式学习：实践与探索》分享

北京市十一学校人工智能课程负责人郑子杰作《K12 人工智能素养教育的内涵与实践》分享。他表示，K12人工智能素养教育的核心是回归学科本源，理解AI作为数据驱动的问题解决范式。实践路径包括：开设机器学习原理课程（17轮迭代），强调模型与算法本质；构建“数学—编程—AI”递进路径，同步讲授微积分、线性代数等必要基础；通过分层教学、大模型结构简化、AI4Science跨学科项目（如弹道预测、火箭仿真）及具身机器人等实践，降低入门门槛，培养学生从数据中建模与预测的能力，避免仅停留于工具应用层面。

图 9 郑子杰作《回归学科本源：K12 人工智能素养教育的内涵与实践》分享

图宾根大学实证教育研究教授Ulrich Trautwein作题为《图宾根大学的教育研究：赫克托研究所及 LEAD研究生院与研究网络》的报告，介绍了图宾根大学在教育科学领域的系统布局与研究成果。她表示，图宾根大学赫克托教育科学与心理学研究所（HIB）成立于2014年，致力于通过跨学科、多层次研究提升教学与学习成效。LEAD研究生院与研究网络聚焦学习、成就与终身发展，培养青年研究者，推动循证教育政策。Hector AI+教育未来基金开展AI赋能教师发展、早期读写、教学实时反馈、自适应数学学习等实践项目，实现AI与教育的深度融合与快速转化。

图 10 Ulrich Trautwein作《赫克托研究所及LEAD研究生院与研究网络》分享

海德堡大学教授Anne Sliwka，作为德国深度学习学校网络创始人，提出深度学习的核心结构包括掌握、身份认同、创造力与能动性，追求全人发展。她表示，深度学习的阶段模型从知识建构走向真实表现：第一阶段学习基础知识，第二阶段协作创造，第三阶段进行真实成果展示。德国学校实践案例包括：围绕《基本法》策划校内展览、开展可持续校园挑战并向校领导提交方案、制作本地生物多样性数字指南。AI在深度学习中支持第一阶段的差异化输入与第二阶段的支架搭建，第三阶段仍保持真实的人类表现，教师始终主导学习设计。

图 11 Anne Sliwka作《深度学习理论模型和其在德国网络成员学校的实践案例》分享

报告结束后，与会人员就人工智能时代基础教育的变革路径、项目式学习的深化推广、中德教育合作机制构建等议题进行了深入讨论，交流热烈，观点碰撞。与会专家普遍认为，在人工智能技术迅猛发展的背景下，中德两国在推动教育创新、提升教师数字素养、培养学生核心素养等方面具有广泛的合作基础与共同愿景。期间，德方代表团队高度称赞，北京师范大学未来教育高精尖创新中心是中国在未来教育、人工智能及学校数字化转型领域领先的研究中心之一，并表示，中心在人工智能教育所进行的深入思考，不仅在技术层面，更主要体现在教学法、学习心理学和理论层面，这为其留下了特别深刻的印象，提供了一个更全面的视角。

图 12 代表团合影