AI时代科学教育如何“做中学”

　　数字化深度渗透初中科学教育，正在重塑科学实验探究的实践样态和育人逻辑。技术拓宽了科学探究的认知边界，为落实“做中学”提供了新的支撑，但同时也催生了新的育人挑战：探究过程简化与学生深度认知发展之间、算法标准化评价与探究过程个性化之间的矛盾日益凸显。一方面，仿真平台、智能传感等工具简化了观测统计、数据运算等环节，压缩了学生试错探究、自主研判、深度思辨的成长空间。另一方面，基于预设算法的智能评价系统，难以完全捕捉学生探究过程中的个性化思考、临场生成的创新思路，容易造成思维闪光点的流失。如何破解这些矛盾，值得关注。

　　1

　　人机交互：

　　自主建构科学基础认知

　　建构主义学习理论表明，科学概念并非由外部直接灌输，而是学习者依托个体经验，在与客观世界持续互动的过程中主动建构生成。AI时代的科学教育，更强调知识与真实世界、现实问题的深度链接。依托移动端设备、智能传感器、虚拟仿真平台等数字化工具，可将原本难以常态化开展的长周期、微观探测任务，拆解为可落地、可观测、可追踪的生活化探究项目，引导学生走出固定实验室场景，并立足校园环境、日常生活开展真实数据采集，建立科学知识与现实生活的内在联结，持续培育学生善于观察、主动发问、自主探究的科学素养。

　　当前，生成式人工智能的应用，改变了学生的学习方式，同时善用智能工具开展探究学习也成为数智时代学生科学素养的重要构成维度。数字化平台能够提供多维度、多场景的对照实验样本，生成不同变量、不同环境下的模拟探究结果。教师可以此为基础，组织学生与AI展开多轮认知对话：辨析实地采样数据与仿真模拟结果的偏差成因，追溯异常数据产生的内外诱因，对比不同实验方案的优劣差异。

　　在这一人机交互初步构建科学知识的过程中，教师需引导学生保持独立思考的能力，审慎核验AI生成内容，在质疑、对比、辨析中逐步建构基础科学概念。同时可借助思维记录单、探究日志等载体，把学生思考过程加以外现，促进碎片化思考走向系统化。需要明确的是，数字工具与智能平台是拓展探究边界的辅助支架，长周期观测、微观现象捕捉等技术延伸优势可充分利用，但实验设计、实地采样、基础操作、现象观察等核心探究环节，必须坚持以学生自主实践为主体，让学生在“提问—探究—求证—反思”的循环中，完成科学知识的初步建构。

　　2

　　人机协同：

　　实操习得核心科学方法

　　初步概念的建构是科学学习的认知起点，以数据驱动为基础的人机共生的实操探究范式，是数字化赋能科学教育、重构“做中学”育人逻辑的核心落点。随着多模态感知、实时算力推演、自适应场景交互技术的迭代成熟，人工智能已突破传统课堂“单向演示、事后纠错”的工具定位，从过去“学生操作、机器辅助”的补位模式，转向人机平行思考、协同共创、双向赋能的认知伙伴关系，推动科学探究教学由经验复刻式、验证式教学向智能支撑下的实证式探究转型。

　　这种转型中AI深度嵌入完整探究链条，具体表现为：在实验设计阶段，学生基于已有认知提出探究假设，AI通过仿真预演、变量筛查、案例比对等方式，协助学生优化实验思路、预判误差风险、完善探究路径，弥补传统学生设计单一、考虑不全、试错成本高的短板。在实景操作环节，学生主导器材搭建、流程推进、现场现象观察等主体性实践活动，可以守住科学教育亲力亲为、亲历实证的本质；AI则可以同步开展高频、精细、多维的数据捕捉，实时抓取人眼难以察觉的微变化、短时波动与隐性环境干扰，形成学生定性体验与智能定量采集互补的完整探究证据链。

　　人机协同探究的核心育人价值，集中体现在共同数据分析与误差思辨的深度共创上，这也是智能时代区别于传统实验教学的关键所在。如在力学定量探究中，学生获取第一手实操数据后，结合自身操作体验提出趋势猜想，AI完成多组数据横向比对、参数纵向推演，师生人机共同辨析数据偏差来自人为操作、器材精度还是环境干扰；在物态变化探究中，面对零散、反常的离散数据，AI通过多场景回溯与变量复刻，协助学生分层排查诱因、修正实验结论，让原本被忽略的微小误差成为深度学习的生长点。

　　学生与AI就数据解读、规律推导、误差归因等开展思辨，正是在边实操、边对话、边比对、边修正的迭代求证中，自主沉淀控制变量、证据推理、数据建模、误差研判等通用科学探究方法，穿透实验表象读懂原理本质，实现从碎片化概念识记到结构化、根源性学理理解的深度进阶，为后续知识迁移与系统化知识建构筑牢实证思维根基。

　　3

　　人机融合：

　　个性评价推动知识迁移

　　AI与实验教学的深度融合，推动科学学习评价从统一化、结果式评价，转向个性化、全过程、发展性评价，让智能技术成为学生科学探究的专属成长支架，助力学生从浅层知识识记走向深度学科探究，实现科学素养的全方位提升。

　　依托AI智能诊断，可精准锚定探究短板。人工智能全程追踪学生实验操作、变量调控、数据处理、误差分析等完整学习行为，精准甄别学生问题根源，清晰区分操作不规范、方法不科学、原理理解不透彻等个性化问题，让隐性的学习漏洞显性化、具象化，并生成精细化学情分析报告。教师可结合智能诊断结果，开展一对一精准指导，引导学生对照问题复盘反思、修正不足、补齐短板，实现靶向提升。

　　依托AI专属复盘，有效推动知识迁移应用。人工智能可根据每名学生的探究过程与学习表现，生成个性化学习小结，定制适配学情的拓展习题与全新探究场景。引导学生将习得的探究方法、科学规律迁移应用于陌生情境、现实问题，在反复应用中巩固认知、活化知识。同时AI可实时追踪学生知识迁移成效，点对点纠正认知偏差与应用误区，助力学生整合探究方法、梳理思维逻辑。

　　依托人机协同复盘，系统建构完整知识体系。学生结合实操过程、理论知识、误差溯源、规律推导等完整学习内容，与AI协同复盘探究全流程，打破碎片化、点状化的知识记忆，打通理论学习与实践探究的壁垒，自主梳理、优化知识思维导图。人工智能针对学生建构的知识框架进行精准反馈、查漏补缺、优化完善，引导学生搭建融合科学概念、探究方法、客观规律、应用场景、典型案例的立体化知识体系，真正实现学有所悟、做有所得、用有所通，全方位夯实“做中学”的育人成效。

　　人工智能尤其是生成式智能技术的融入，为科学实验教学提质开辟了新的可能性，催生了形态丰富的探究实践。立足“做中学”，AI时代科学教学应秉持精耕细作的实践立场，依据不同课型，打磨教学环节，优化人机协同探究设计，促成学生在亲身实操中开展深度的人机交互，并借由人机协同的实践路径，不断挖掘科学探究的深层价值。

　　（作者系山东省烟台高新技术产业开发区实验中学校长）

《中国教育报》2026年10月20日 第04版