AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

STEM-образование

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

STEM-образование — образование в области науки, технологий, инженерии и математики является самой распространённой областью ИИ в образовании исследования в базе знаний. Структурированное знание STEM, ясные правильные/неправильные ответы и вычислительный характер делают его идеальной испытательной площадкой для обучения с ИИ-тьютором и оценивания.

Вопросы для размышления

  • STEM является самой распространённой областью исследований об ИИ в образовании, потому что его знание структурировано и имеет ясные правильные/неправильные ответы. Как вы думаете, делает ли это STEM самым лёгким местом для преподавания с ИИ — или, возможно, местом, где пределы ИИ легче всего замаскировать?
  • Страница ссылается на исследования, показывающие, что внедрение ИИ в школах «стратифицировано по дисциплинам» — нормализовано в информатике, решительно запрещено в математике. Как вы думаете, почему культура предмета формирует принятие ИИ столь сильно и каковы последствия для студентов?
  • Если студент математики использует ИИ главным образом для проверки решений и получения объяснений, это опора или костыль? Что определяет разницу и где бы вы провели границу?
  • Учитывая, что задачи STEM часто имеют проверяемые ответы, какие виды использования ИИ в STEM, как вам кажется, действительно строят понимание, а какие лишь производят правильно выглядящий результат?
  • Как могли бы именно те качества, которые делают STEM идеальным для обучения с ИИ-тьютором, — ясные ответы, вычислимая правильность, — занижать те части науки и инженерии, которые нечётки, открыты и основаны на суждении?

Введение

STEM как основная область AIED

Насколько эффективно ИИ-поддерживаемое обучение в STEM, в объединении

На сегодняшний день крупнейший количественный синтез для этой области — 35 экспериментальных и квазиэкспериментальных исследований, опубликованных между 2005 и 2025 (Doğan, Kılıç, Kalınkara и Talan, 2026), — ставит ИИ-поддерживаемое обучение в STEM на Hedges' g = 0,670 (95% CI [0,491, 0,848]), причём межгрупповая дисперсия обработана моделью случайных эффектов. Информативна разбивка по уровням: эффекты были наибольшими в старшей школе (g = 1,099) и прогрессивно меньшими в университете (0,578), начальной школе (0,465) и средней школе (0,392), тогда как различия по областям предмета, которые предсказывал бы самообраз STEM, — наука (0,676) и математика (0,650) впереди технологий и инженерии (0,501), — не были статистически значимыми (Q = 4,85, df = 2, p = 0,088). Продолжительность не вела себя как доза: сильнейшая полоса составляла от одного до двух месяцев (g = 0,833), кратчайшие вмешательства в пять часов или менее всё ещё достигали 0,621, а самая слабая полоса (g = 0,256) не была значимой. Прочитанное рядом со скептицизмом, документированным на странице Learning Gains, разумное прочтение состоит в том, что ИИ-поддерживаемое обучение STEM даёт умеренный, реальный, но зависящий от уровня эффект, а не однородный.

Обзор по областям предмета 18 исследований (2014–2024) уточняет, на чём эти эффекты измеряются: результаты ИИ в образовании по естественным наукам и химии концентрировались на мерах учебного процесса (n = 9), а не на достижениях, при этом база свидетельств перекошена к кандидатам в преподаватели (44,4%), имея лишь одно исследование в средней школе и два в старшей (Erümit и Özdemir Sarıalioğlu (2025)).

Почему STEM доминирует

Структурированное представление знания STEM, проверяемые ответы и согласованность с вычислительным мышлением делают его самым естественным соответствием для обучения с ИИ-тьютором. Исследование вычислительного мышления исследует это соответствие явно.

Новые свидетельства из исследований IJ STEM Education за 2025–26

Сконцентрированная партия исследований International Journal of STEM Education за 2026 год уточняет, как ИИ функционирует в подобластях и на уровнях STEM:

  • Специфичное для дисциплины Управление ИИ формирует использование ИИ студентами. Поперечное исследование 416 чешских учеников средней школы (Navigating AI in STEM: What Secondary Students Actually Do With Generative AI-Driven Tools) обнаружило, что внедрение ИИ стратифицировано по дисциплинам, а не единообразно: информатика и экономика нормализуют GenAI как совместный ресурс, тогда как математика (65,9% запрещают) и естественные науки (55,3%) показывают высокое воспринимаемое запрещение в сочетании с плохой ясностью правил и устойчивым скрытым использованием. Студенты используют ИИ преимущественно как инструментальную опору (объяснение, проверка решений), а не как замену, но возникает разрыв критической оценки — интенсивная модификация промптов затмевает внешнюю проверку фактов, сдвигая поведение в сторону Когнитивный оффлоадинг. Это говорит в пользу чувствительного к дисциплине руководства, а не повсеместных запретов.
  • ИИ как соисследователь в основанном на исследовании STEM. Квазиэксперимент с 97 третьеклассниками (Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science) показал, что чат-боты GenAI значимо превзошли поисковые системы в постановке научных проблем в основанном на исследовании обучении, улучшая качество вопросов, порождая более интегрированную эпистемическую сетевую структуру (ENA) и снижая когнитивную нагрузку. Систематический обзор ChatGPT для основанного на исследовании обучения в STEAM (The AI-Powered Co-inquirer: A Systematic Review of ChatGPT for Inquiry-Based Learning in STEAM Education, 24 исследования) подтверждает, что ChatGPT поддерживает формулировку вопросов, дизайн исследования, Решение задач и рефлексию, — но рискует чрезмерной опорой, галлюцинацией и поверхностными выводами, когда результаты воспринимаются как авторитетные.
  • STEAM — неровный путь к ИИ-грамотности. Систематический обзор PRISMA 39 исследований (STEAM Education for AI Literacy: A Systematic Literature Review) обнаружил, что внедрения STEAM развивают преимущественно технические грамотности (базовые понятия ИИ, вычислительное мышление, грамотность в данных), при недостаточном развитии этической осознанности, творческого воображения, создания/управления/проектирования с ИИ. Технологические дисциплины лидируют; искусство, инженерия и интегрированный STEAM отстают, — что указывает на то, что ИИ-грамотность в STEM в настоящее время перекошена к техническому навыку в ущерб ответственному формированию ИИ.
  • Адаптивные программы STEM на базе ИИ могут поддерживать глубокое обучение. Кластер-рандомизированный пилот на естествознании шестого класса (Developing Deep Learning in Science Through an Adaptive AI-Based STEM Instructional Program: Evidence From Sixth-Grade Classrooms, N = 30) обнаружил, что адаптивная программа STEM на базе ИИ (персонализированное содержание, основанное на правилах освоение, обратная связь в реальном времени) дала большие размеры эффекта в пользу экспериментальной группы по объяснению, интерпретации, применению и генерации идей, — хотя дизайн из двух учебных аудиторий требует осторожной интерпретации.
  • Принятие преподавателями неоднородно и формируется дисциплиной. Анализ латентных профилей 128 будущих преподавателей (Unpacking the Heterogeneity of Pre-service Teachers' ChatGPT Acceptance: A Latent Profile Analysis Across STEM and Non-STEM Disciplines) обнаружил четыре профиля принятия ChatGPT (Pragmatic Evaluators, Technology Pioneers, Resistant Skeptics, Environmental Observers), причём преподаватели STEM сконцентрированы в Technology Pioneers, а преподаватели не-STEM — в устойчивых к сопротивлению профилях, — и Resistant Skeptics демонстрируют высокую лёгкость использования при низком намерении, требуя дифференцированной подготовки в области ИИ-грамотность.
  • Оценивание и когнитивные процессы в интегрированном с ИИ STEM. CTAT (34 пункта, проверенный IRT) предоставляет валидный инструмент для оценивания Вычислительное мышление в контекстах обучения с ИИ, обнаруживая, что студенты больше всего затрудняются с представлением данных, упорядочиванием логических операторов и структурами циклов. Исследование обоснованной теории программирования с помощью ИИ (Tool, Tutor, or Crutch?: A Grounded Theory of Cognitive Scaffolding and Offloading in AI-Assisted Programming Education) показывает, что учащиеся колеблются между «Domain Mastery» и «Tool Mastery» через Скаффолдинг и циклы снятия нагрузки, с ослабленной метакогнитивной калибровкой при рутинном снятии нагрузки — изложение на уровне процесса напряжённости между исполнением и обучением.

Следствия для преподавателей STEM

  • Выбирать ИИ, подходящий дисциплине. STEM охватывает математику (обучение с тьютором), физику (сократический диалог, Моделирование), информатику (генерация кода, рецензирование) и инженерию (проектирование, рабочая сила) — выбирайте инструменты, подобранные к отличительной Педагогики и стратегии преподавания каждой подобласти, а не предполагая, что один общий чат-бот подходит всем.
  • Использовать преимущество соответствия структуре ИИ, но защищать рассуждение. Проверяемые ответы STEM делают его самой поддающейся ИИ областью; защищайтесь от чрезмерной опоры и замены ответа, встраивая ИИ в структурированные, ориентированные на освоение рабочие процессы.
  • Встраивать ИИ-грамотность в курсы STEM. Исследования (биология, подготовка преподавателей математики) показывают, что контекст STEM поддерживает обучение ИИ — интегрируйте понятия ИИ там, где они естественно возникают, а не изолируя их.
  • Следить за справедливостью и доступом при внедрении ИИ. Инструменты ИИ для STEM не нейтральны; отслеживайте смещение при оценивании, доступ Цифровой разрыв и культурно релевантный дизайн по мере их внедрения.

Связанные концепции

Связанные статьи

Метаданные

ДисциплинаCs Education, Math Education, Physics Education
УровеньK 12, Higher Ed
Технологии и методыИнтеллектуальное тьюторство
Оценивание и измерениеАвтоматизированное оценивание
Основы ИИ в образованииВычислительное мышление
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.