先看见孩子,再寻找方向
在表达、推理、设计、协作和动手任务中观察优势,用多次任务与多方反馈形成可持续修订的判断。
从发现自己的优势,
到完成一件真实的作品。
共同招募 · 联合实施 · 看见成长
开始阅读 →知识学习仍是基础。AI 拓展了获取知识与开展实践的路径,也让孩子更早有机会提出自己的问题,尝试解决它,并创造可以展示的成果。
在表达、推理、设计、协作和动手任务中观察优势,用多次任务与多方反馈形成可持续修订的判断。
从新奇挑战走向自主选择,让孩子在提问、尝试和重试中,逐渐找到愿意深入探索的问题。
学会拆解任务、查证信息、理解工具边界,并在项目中解释自己的判断,形成可以迁移的协作方法。
研究报告或产品原型,与草稿、数据、测试和迭代记录一起,说明孩子做了什么、学会了什么。
从优势定位出发,构建持续兴趣,发展领域才能,在真实问题中创造价值。理论落实为具体的任务条件,学习证据用于检验与调整。
多元情境任务、学生自评与导师观察相互印证。
经历挑战、选择与提问,找到值得投入的问题。
围绕选定领域,练习研究方法、AI协作与项目实践。
面向真实需求,测试与改进作品,用证据说明价值。
Howard Gardner · 1983
提供观察不同能力表现的视角,设计表达、推理、空间、协作与动手体验,让不同优势有机会被看见。
应用边界:用任务表现形成可修订的优势假设。Suzanne Hidi & K. Ann Renninger · 2006
从触发、维持情境兴趣,走向萌发与成熟的个体兴趣。用连续任务、自主选题和后续计划支持发展。
培养重点:观察兴趣被触发、持续投入与主动探索的迹象。Mihaly Csikszentmihalyi
设置清晰的小目标、及时可用的反馈和适配能力的挑战,为专注投入创造条件。
具体方法:基础任务与拓展挑战并行,随进度调整难度。人工智能、学习科学与教育心理,共同支持培养体系的设计与实施。

人工智能专家 · 青少年人工智能及优势教育专家
北京大学硕士 · 北京大学-TBI 人工智能教育研究联合实验室客座研究员
完整背景见下一页 →
学习科学、游戏化学习与中小学人工智能教育专家
清华大学教育学博士 · 北京大学学习科学实验室核心研究成员
完整背景见下一页 →
教育心理与学习力研究专家
北京师范大学教育学博士 · 教育心理与学习力研究
完整背景见下一页 →长期为全国多所顶尖学校提供人工智能教育指导,聚焦青少年早期优势与AI能力内化的融合性培养,实现从优势定位发现、兴趣通道构建、领域才能发展到个体价值落地的完整闭环。
长期聚焦游戏化学习、中小学人工智能教育与计算思维培养;以核心成员身份参与相关研究项目,并在国内外核心期刊发表研究论文10余篇。面向一线教学,重点研发中小学人工智能课程,推动研究成果转化为可落地的课程与教学方案。
多次参与国家义务教育质量监测项目,并在《Scientific Reports》等国际期刊及国内期刊发表多篇研究论文。
每天有清楚的任务、具体的产出和一次反馈;第 1、4、7 天形成起点、中期和结营观察节点。
破冰、多元任务体验与起点任务。
导师访谈、学生自评,建立 AI 使用约定与个人目标。
个人起点档案、优势观察初版。
检查:记录具体行为和作品,确定下一步值得验证的优势线索。
体验校园、社区、文化或生活议题,自选探索方向。
观察、资料查找或简短访谈,选择研究或产品路径,组成项目组。
问题卡、选题理由和团队分工。
检查:能说明为谁解决什么问题,七天内可以验证到哪一步。
认识 AI 能力与边界,练习提问、拆解、核验及安全使用。
用当前项目完成小任务,建立工作流,制作最小成果。
个人 AI 协作记录、项目提案、小工具或研究小实验。
检查:学生能解释输入、输出和关键判断。
研究组设计方法并收集材料;产品组设计流程并制作原型。
完成第一版,中期评审并收缩或调整项目范围。
研究方案及初步数据,或可演示的产品原型。
检查:关键步骤能执行,个人任务有明确交付。
每天有清楚的任务、具体的产出和一次反馈;第 1、4、7 天形成起点、中期和结营观察节点。
研究组检查资料、数据与分析;产品组组织试用并记录问题。
比较结果,修改方案,针对关键改动复测。

证据清单、反馈记录和第二版成果。
检查:至少说明一次“根据什么证据作了什么修改”。
完善报告或原型,核对引用、运行条件与个人贡献。
制作展板和演示材料,进行答辩演练与个人操作检查。

最终作品、项目证据包、展示材料。
检查:每位学生能操作或解释自己负责的关键部分。
布展、最终检查、个人复盘。
成果展示、现场演示与问答,导师反馈及家庭交流。

作品展示、成长反馈、后续探索计划。
检查:孩子能说清问题、方法、结果、局限及下一步。
按年龄、基础与合作能力组织同龄或近龄学习组;每组 3–4 人,每个孩子都有自己的任务和贡献记录。
从熟悉的生活问题出发,完成观察、图文记录、简单数据比较或交互原型;用图示、模型和口头演示解释成果。
导师支持:短任务、多示范、即时反馈;提供资料与工具模板,增加线下观察和动手活动。
形成较清楚的问题和方法,使用 AI 辅助资料核验、数据整理或原型开发,完成小型研究报告或可测试原型。
导师支持:强调任务拆解、证据记录、版本管理和分工;支持学生解释修改依据。
独立界定较具体的问题,比较方案,开展小规模研究或完成最小可行原型;能讨论方法、成本和应用边界。
导师支持:增加自主决策、对照验证和深入答辩;根据基础提供代码、模型或领域方法拓展。
上午3小时
每班 1 名主导师,项目导师按每名支持约 6 名学生配置;低龄或复杂任务适当增配。
计算机、稳定网络、适龄 AI 工具与展示空间构成基础;模型训练或硬件设备按选题选配。
最终作品与草稿、数据、测试和迭代记录一起,说明孩子做了什么、学会了什么。
SUPER YOUTH / MY LEARNING PORTFOLIO
起点记录 / 关键版本 / 个人贡献 / 下一步
交付内容示意
DISCOVER MY STRENGTHS
呈现三个观察节点的具体表现,解释优势线索、投入变化、遇到的困难和适合继续尝试的方向。
MAKE LEARNING VISIBLE
保留目标、AI 协作与核验记录、草稿或代码、个人贡献及现场操作。每人有可独立解释或修改的任务。
KEEP EXPLORING
学生与导师共同确定未来 2–4 周的一个小目标、可用资源和完成证据,帮助家庭继续支持实践。
学生能够说清问题、关键选择、实际结果与下一步。导师观察、学生自评和同伴反馈分别记录,结合个人前后变化形成描述性判断。
研究路径
说明问题、方法、结果与局限,附来源清单、原始观察或数据、分析与修订记录。
选题示例:什么样的说明更容易被理解?通过小范围比较,记录结果并解释发现。
产品路径
可现场演示或受控试用,附需求依据、设计草图、关键版本、测试与复测记录。
选题示例:怎样帮助新同学了解营地?制作导览或问答原型,依据真实试用改进。
能说明问题与对象,提出自己的问题,并给出选题依据。
能解释如何使用 AI、如何检查输出,以及何时需要换方法。
研究材料可追溯、方法可说明,或产品核心流程可演示。
保留反馈和版本记录,能够解释一次有依据的修改。
个人贡献清楚,能够表达观点、回应反馈并提出下一步目标。
先认识孩子,再一起探索。填写基本信息和 6 个小问题,帮助老师了解孩子的兴趣、经历与支持需要,预计用时约 3 分钟。
共7天 · 每日9:00—17:00 · 不住宿
报名年级:小学四年级至高中阶段