AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

科学教育

创建 2026-08-29 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

科学教育 —— 研究并实践学生如何学习科学、如何教授科学的领域，如今正被生成式 AI（LLM、模拟、虚拟实验室与 AI 评分）在物理、化学和生物中重塑。本知识库中的科学教育文章揭示了一个正在议价核心张力的领域：AI 明确支持探究、迷思概念纠正与规模化评价，但其价值取决于教学设计，且伴随过度依赖、幻觉与去人化、逐利化学习的真实风险。

值得思考的问题

  • 本页以一个张力开篇：AI 明确支持探究与迷思概念纠正且可规模化，但其价值完全取决于教学设计。在阅读之前，回想一下：你在科学教学中用过的哪个工具曾显得强大却在教学上是空洞的 —— 造成差别的是什么？
  • 一个由 AI 促进的物理探究在学生施压下"发明"了无人测量过的质量值。这一事件揭示了什么关于在科学中把 AI 输出当作权威的问题，学生又该如何被训练去对待一个听起来很自信的答案？
  • 研究表明，AI 目前作为可规模化的内容生成器，可能比作为交互式辅导者增加更多价值 —— 在一项研究中，精心撰写的概念转变文本（专家或 AI 制作）胜过了被提示的 AI 对话。这令你意外吗，它又暗示了当下 AI 在科学中的真正教学回报在哪里？
  • AI 以与人类评分者高度一致的方式评阅了 10,364 份手写物理评价，而多模态模型在复杂推理与图示生成上仍存在差距。"真实、表征密集"的科学工作中，究竟是什么可能在抵抗自动评价？
  • 物理学生呈现出惊人的信任-效用差距 —— 使用率高、信任度低 —— 并分裂为务实用户与怀疑的非用户。如果学生自己就是经过领域校准的怀疑者，那这对科学课堂中关于 AI 的一刀切政策意味着什么？
  • 一个批判声音警告科学教育的"AI 殖民化" —— 未经同意的攫取、算法单一文化、去人化的改革。在阅读之前，你认为 AI 在科学教育中的好处正在哪里被过度推销，而一种以人为本、以正义为导向的替代方案会是什么样子？

引言

科学教育是 AI 的承诺与其局限碰撞得最显眼的地方，因为这些学科要求严谨的多模态人工智能推理 —— 物理中的视觉空间思维、化学中的实验技能、生物中的生物体层级系统 —— 外加结构良好、可核验的内容，而这正是 LLM 擅长的。此处综合的十三篇文章横跨三个学科与各个层级，从K-12中学课堂到高等教育大学课程与职前教师项目。贯穿它们的一致图景是：AI 作为答案生成器时表现最差，作为嵌入的伙伴时表现最好 —— 一个共同探究者、一个内容生成器、一个虚拟实验助手 —— 其贡献由教学设计与周边的教学结构决定。

一项为期四周的 GCSE 科学 AI 复习平台随机评估为这一图景给出了因果估计 —— Hedges' g = 0.33，且无证据显示该效应因学科或弱势而异 —— 其对照的已是技术丰富的反事实，因此该数字是 AI 带来的增值，而非 AI 对比一无所有（Harrison 等（2026））。

这些课堂层面的发现嵌在一个更大的方法论问题之中。Martin、Rost、Koenen 与 Graulich（2026）主张科学教育研究当前可能正处于一次认识论迭代之中，援引 Hasok Chang（2004）对知识相继阶段的论述，即知识迭代地朝向特定认识目标构建。在他们的解读中，AI 方法论可能不仅改变该领域分析学生学习的方式，还改变它优先考虑哪些认识目标、标准与实践。他们提出一个七阶段的反思框架（问题框定；工具化与测量；实验与基于证据的推断；比较与复制；建立规范与共识；实施及其后果；以及持续精进），以测温法约 150 年的发展加以说明，并将其作为一件反思仪器而非经过验证的方法或经验发现来呈现。

虚拟实验室与模拟

AI 正大幅降低创建定制化、具身的科学仪器的门槛。Levy 等表明，一个四要素的自然语言提示即可生成一个手势控制的增强现实物理模拟（捏合与张开的动作调节一盏虚拟灯的波长），且 86% 的试点学生报告更高的投入度。类似地，Suñer 等完全通过提示生成了一个基于浏览器的旋转实验室，并经视频分析验证误差优于 1%。这些工作把生成式 AI重新框定为一种编程工具，让教师围绕教学意图设计软件，而非让活动迁就固定应用 —— 推进了具身的与模拟为基础的学习。在化学教育中，Abdikayumova 与 Madybekova把 PhET 模拟与 ChatGPT 辅导嵌入 10 年级学生的情境化 7E 探究循环，取得了显著高于任一单独组件的成就与投入 —— 证明情境化、结构化探究与自适应 AI 协同作用。对学习者在建模环境内如何工作的行为分析强化了这一设计教训：追踪 315 名在 VERA 中构建生态模型的在线学习者，An、Hammock 与 Goel（2025）发现从事全周期、假设驱动探索的学习者构建出最复杂、最多样的模型，而观察密集型学习者大多复制已有模型 —— 提示科学建模工具应主动促进全周期的探索行为，而非让学习者停留在被动、以观察为主的模式中。

AI 辅导者与探究式学习

探究式学习是一个核心主题。Jiang 等对 24 项研究的系统综述把 ChatGPT 定位为一个"AI 驱动的共同探究者"，主要用于STEAM 探究的概念化、调查与讨论阶段，提升表现、批判性思维与投入 —— 但当输出被当作权威时，也有过度依赖、幻觉与浅薄结论的风险。Aydın发现八周的 AI 支持引导探究在光合作用与呼吸作用的概念理解上为职前教师带来大幅提升，而AI 素养与计算思维无显著变化 —— 提示即使更广的能力需要更长或更明确的教导，学科学习也能改善。Tufino 与 Damiani表明 AI 可以搭建 ISLE 探究的认识论内核，同时仍局限于言语通道，但发现这种促进是脆弱的：在学生施压下，AI"发明"了无人测量过的质量值，凸显了幻觉风险与必须核验、而非假定 AI 保真度的必要。Kuhn 等提出 AIRIS 框架（Activate–Inquire–Reflect），使预测、解释与评价保持为不可委派给机器的人类任务，并呼吁做"撤除条件"实验，检验学习能否在移除 AI 后存活 —— 这是对侵蚀认识实践的"温水煮蛙问题"的直接回应。对 AI 生成课程计划的专家评判把这一设计教训延伸到与课程对齐的科学：Karaismailoglu、Surmeli 与 Yildirim（2026）让十一位土耳其科学教育专家评估两类 AI 生成的课程计划，发现它们在"呈现解决方案"上得分最高，而在 工程式设计学习（EDBL）的技能上最低（通用 x̄ = 37.45；教育导向 x̄ = 41.45）—— 在模拟设计式学习所定义的迭代、过程导向阶段（原型制作、失败分析、修订、反思性重测）上存在共同弱点 —— 且 11 位专家中只有 3 位把任一计划直接判为"可应用"，有 7 位评为"经纠正后可应用"。

一篇概念综述从理论上为物质通道奠基：科学是一个依据物理证据修正主张的开放系统，而语言模型在推理时对证据是操作上封闭的（Muminova 与 Mamatkulov，2026）。

迷思概念与概念转变

在概念转变上，证据是细致且部分反直觉的。Akdoğan在一项 413 名学生的 Solomon 四组设计中发现，专家撰写与 AI 生成的概念转变文本在减少热与温度关于 AI 的误解上同等且显著地有效，胜过互动 AI 对话，而后者相对对照毫无优势 —— 把 AI 当下的教学价值定位为可规模化的内容生成器，而非交互式辅导者，且收益集中于高成就学生（一个公平关切）。这得到Borse 等的加强：他们表明提示的具体性塑造物理解答质量，且 MAPE 引导的批评比独立的问题解决更能让学生准备好评价 AI 输出，把 AI 的易错性当作一项批判性思维学习资源。

AI 评分与评价

AI 评分正在高风险作业上迅速推进。Pathak 等评阅了 10,364 页扫描的手写物理评价（包括一场全国奥林匹克竞赛与队伍选拔营），取得很高的分数相关（0.91–0.97），并复原出与人类评分相同的五人队伍 —— 主张在评分者控制之下、辅以详细的物理专用评分细则时，AI 作为有效的第二读者与审计工具运作。简答题自动标记有一条更长、更基础的 transformer 谱系：Morley 等的范围综述覆盖 21 项研究（2017–2024 年初），发现 BERT 系列模型在 2021 年之前主导了科学简答题的自动标记，之后自约 2022 年起通过提示采用基于 GPT 的方法；用领域数据（教科书、评分细则、进一步预训练）增强的模型一贯优于基线；而对信度、可解释性与公平的未解威胁，主张此类自动标记器应作为人类考官的辅助而非替代。然而Chen 等的 OmniPhys 基准揭示，多模态 LLM 在复杂推理与图示生成上仍存在显著差距，警示不要在定义深度学科能力的真实、表征密集任务上过度信任自动化的物理评价。化学的对应工作 sharpen 了格式依赖性：Cvengros 与 Kortemeyer用一个多模态大语言模型（LLM）评阅了 296 名学生的普通化学期末手写答卷，发现对文本与化学反应作答与助教高度一致，但在绘图与作图上表现差于随机（背景网格干扰 AI 视觉）—— 证据表明科学中可靠的 AI 评分按作答格式具有选择性，并要求对图示类题目采用基于置信度的降级交由人类考官，而非一种统一的"全评"方法。

教师认知与批判视角

教师的准备度是决定性的。Amponsah 等发现加纳职前科学教师对 AI 持积极态度与强烈意向，但实际课堂使用仅为中等 —— 一个意向-使用差距，指出教师AI素养与机构支持才是真正的杠杆。Becker 等与Fouad 与 Bentley记录道，物理学生是经过领域校准的怀疑者，而非不加批判的采用者：一个 50 分的信任-效用差距（91% 使用，41% 信任）与两种截然不同的用户画像（务实用户对怀疑的非用户），挑战了一刀切政策。与技术乐观主义相抗衡，Avraamidou警告科学教育的"AI 殖民化" —— 未经同意的攫取、算法单一文化与去人化、以利润为中心的改革 —— 并呼吁一种以正义优先于利润的女性主义、以人为本的 AI，而Erümit 与 Özdemir Sarıalioğlu对 18 项研究的系统综述强调了伦理风险（偏见、幻觉、抄袭、独立思考的侵蚀）与对教师培训及有意识使用的需要。贯穿全部十三篇文章的集体教训是：AI 在科学教育中，当嵌入健全的探究、脚手架与评估设计时带来收益 —— 而当它取代学生必须亲自完成的认识工作时则损害学习。

Schroeder 等（2026）追问通用模型对科学内容本身处理得如何：在与 NGSS 对齐的初中（1,078 题）与高中（1,150 题）题组上，九个开放权重模型大多超过 90%，模型大小与准确度无关，且一位科学教师判定 240 个抽样题目中的 236 道（98.3%）对齐，同时标记出图示、数据解读与数学表征的缺失 —— 纯文本题目无法演练每一项 NGSS 表现期望。高题目难度与低区分度留下一个开放问题：是题目需要改进，还是中学科学对这一类模型已变得可解？作者呼吁以多轮、基于证据的反馈为缺失的标准。

关联概念

关联文章

元数据

学科Science Education, Stem Education
学习与教学探究式学习
技术与方法生成式人工智能
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。