生成式人工智能何以賦能科學教育高質量發展

鄭永和1 王一巖2

(1北京師范大學科學教育研究院;2北京師范大學中國教育與社會發展研究院)

DOI: 10.19524/j.cnki.10-1009/g3.2025.01.011

鄭永和教授

焦點:生成式人工智能強大的人機對話、邏輯推理、資源生成能力，為科學教育的高質量發展帶來了新的“驅動力”，有助于推動科學教育實踐樣態變革、助力科技創新人才自主培養、促進科學教育優質均衡發展。我們要高度重視生成式人工智能對于科學教育改革的戰略意義，加強生成式人工智能賦能科學教育的理論和技術研究，推動生成式人工智能與科學教育實踐的深度整合，正視生成式人工智能賦能科學教育的潛在風險，以助力科學教育的創新變革。

回顧技術發展對教育的影響，多媒體、計算機、互聯網、VR/AR、區塊鏈、數字孿生、元宇宙等標志性技術都具有較強的“工具”屬性，隨著ChatGPT的橫空出世，生成式人工智能強大的人機對話、邏輯推理、資源生成能力，為科學教育的高質量發展帶來了新的“驅動力”。

生成式人工智能賦能科學教育的核心價值體現在：

推動科學教育實踐樣態變革。生成式人工智能的快速發展為科學教育實踐樣態的創新帶來了新的驅動力。具體來講，生成式人工智能一是能夠依托自身強大的多模態資源生成能力，根據教師的需求實現多模態教育資源的智能生成和動態優化，為課堂教學的開展提供全方位的資源保障。這有助于打造人機共創的多模態教學資源生成新范式，從根本上轉變科學教育資源的創生機制。二是能夠模擬專家教師的經驗和方法，為學生提供對話式的科學知識講解、探究式的科學問題解答、論辯式的科學思維啟發，從而激發學生的認知能動性，幫助學生掌握科學知識、理解科學原理。三是能夠根據教學內容的特征為教師生成適切性的教學設計方案，解決跨學科教學、探究式教學、項目式教學、數字化實驗教學等復雜的教學組織形式對教師教學設計和實施提出的現實挑戰，推動課堂教學組織形式的創新。

助力科技創新人才自主培養。生成式人工智能強大的人機對話、邏輯推理、思維啟發、資源生成能力彰顯出其在創新人才培養方面的潛力。具體來講，一是能夠通過對真實教育場景的全方位感知，對學生的問題解決能力、批判性思維能力、自主學習能力、創造力等核心特質進行精準刻畫，并為其提供適應性的學習支持。二是能夠通過學生與機器的多輪對話，通過認知輔助式學習、思維啟發式學習、自由探索式學習、人機論辯式學習①，強化人機之間的觀點交流和思維碰撞，引發學生的認知沖突，激發學生的自主探索和自我建構，提高認知的深刻性。三是能夠啟發學生創新意識的形成和創新能力的提升，例如，為學生提供優質的創意設計方案、生成創意設計產品、提出創新性的問題解決方案等，還能夠通過人機對話方式對學生的創意設計進行評判，并商討提升方案。

促進科學教育優質均衡發展。生成式人工智能強大的學習支持能力能夠有效破解規?；逃蛡€性化培養的矛盾，為科學教育的優質均衡發展奠定堅實基礎。具體來講：一是促進科學教育資源的智能創生和科學教育服務的精準供給，幫助偏遠地區的學生和教師借助人工智能大模型獲取優質的科學教育資源和服務。這有助于解決科學教育資源區域性分布不均的問題，促進科學教育的均衡發展。二是能夠根據學生的學習需求，實現學習方案的個性化定制、學習資源的智能化生成、學習活動的適應性調整，為每位學生打造“一對一”的數字化科學教師，實現智能化、精準化的及時應答，幫助學生提高學習質量。這也將在一定程度上解決科學教育師資短缺的問題②。

由此可見，生成式人工智能對于科學教育的創新發展具有重要意義。然而，生成式人工智能技術在科學教育中的實踐應用缺乏成熟經驗。因此，為進一步推動生成式人工智能技術與科學教育的深度整合，助力科學教育的高質量發展，仍需重視以下幾方面：

第一，充分認識生成式人工智能對于科學教育改革的戰略意義。相較于多媒體、計算機、互聯網、人工智能等標志性技術，生成式人工智能對于科學教育發展的“變革性”作用越發凸顯。因此，我們需要從戰略層面充分重視生成式人工智能對于科學教育改革的戰略意義，著力探索生成式人工智能賦能科學教育高質量發展的目標愿景和實踐方案，加強“生成式人工智能+科學教育”的政策制定和體制機制建設，集結政府、企業、學校、科研單位的力量，打造“政、產、學、研、用”協同創新的實踐共同體，為相關研究和實踐的落地提供政策、制度和資源保障。

第二，加強生成式人工智能賦能科學教育的理論和技術研究。生成式人工智能賦能科學教育是個新話題，急需前沿理論的指引和先進技術的支撐，包括生成式人工智能賦能科技創新人才培養的實踐方略、基于生成式人工智能的對話式學習、生成性教學、形成性評價的理論基礎和典型模式等，為科學教育大模型的研發和科學教育實踐的改革提供方向指引；另一方面需要發揮科研院所和技術企業的優勢，著力構建科學教育語料庫、多模態科學教育資源庫、訓練科學教育學科大模型，聚焦多模態教學資源生成、跨學科教學方案設計、啟發性學習指引、探究性學習支持、生成性教學輔助等核心場景進行定制化開發。

第三，著力推動生成式人工智能與科學教育實踐的深度整合。推動生成式人工智能在科學教學和學習中的廣泛應用，探索生成式人工智能賦能對話式學習、項目式學習、跨學科教學、探究式教學的典型樣態。在此基礎上，探索生成式人工智能賦能科學教育的實踐成效和潛在規律，明確生成式人工智能何以助力科學教育實踐變革，以此為科學教育研究和實踐的優化提供證據支持。

第四，正視生成式人工智能賦能科學教育的潛在風險。生成式人工智能在為科學教育發展帶來諸多利好的同時，也不可避免地會帶來一系列負面影響，例如“知識幻覺”導致學生的認知誤區、“數字依賴”造成學生的思維退化、“作業抄襲”引發學業誠信危機、“算法霸權”造成學生主體異化，等等③。我們需要正確認識生成式人工智能在科學教育發展和創新人才培養方面的潛力，但也需要構建體系化的風險防控機制，劃定生成式人工智能實踐應用的場景和邊界，規范生成式人工智能的應用模式，避免為科學教育的發展帶來負面影響。

① 王一巖, 劉淇, 鄭永和. 對話式人機協同學習：本質內涵與未來圖景. 中國電化教育, 2024, (11): 21?27.

② 鄭永和, 楊宣洋, 王晶瑩, 等. 我國小學科學教師隊伍現狀、影響與建議：基于31個省份的大規模調研. 華東師范大學學報(教育科學版), 2023, 41(4): 1?21.

③ 楊俊鋒. 生成式人工智能與高等教育深度融合：場景、風險及建議. 中國高等教育, 2024, (5): 52?56.