1、人工智能与科学教育的一致性与差异性

科学教育的本质是教育自然人，人工智能（AI）的本质是训练机器（人），二者的目标都是为社会提供高效能生产力，这一共性决定了二者理应协同共进，然而两者所产生的生产力属性不同，又各有所长，这就决定了人工智能与科学教育的基本关系应该是“协同共进、各展其长”。

教育自然人与训练机器（人）的一致性主要体现在：

目标一致。前者旨在教育自然人具备适应未来可变社会的能力与技能，后者在训练机器具备解决新任务的泛化性，二者都旨在为社会提供高效能的新质生产力，并具备适应未来可变社会的能力。

方式一致。前者主要采取了知识学习、社会实践、自我感悟的学习途径，后者主要采取了“喂大数据”“自我对弈”的机器学习途径，二者都本质遵循“学习-反馈-提升”这一学习范式。

因果一致。教育自然人的效果既依赖于受教育者个体，也依赖于教育体系（组织、管理、内容、方式、方法等）自身，后者既依赖于机器架构、模型，也依赖于训练环境（数据质量、训练算法、计算资源等）。

所有这些一致性说明，教育自然人与训练AI机器之间有很强的相互可参照性，同时，自然人与AI机器在功能上具有一定程度的相互可替代性。正由于如此，参照模拟人的受教育过程来创新发展人工智能技术，应是重要的科学方法论。利用人工智能技术来代替人在教育中的某些角色，或者通过人机协同的方式来增强提升科学教育效能，是可能的，也是科学、智慧的选择。

教育自然人与训练AI机器的差异性主要体现在:

学习的慢过程与快过程差异。教育自然人需经过长期甚至是终身的持续学习，是一个复杂的慢过程；而训练AI机器是一个快过程，可能需要耗费几个月或几年的时间。从代价上看，教育自然人运用的是“长时低消耗”策略，而训练AI机器用的是“短时高消耗”策略：完全靠“大数据、大模型、大算力”供给保障“大力出奇迹”。

知识的有限性与无限性差异。任何一个受教育的自然人，其知识受限于他的专业背景与实践经历，而经过训练的AI 机器可以掌握百科全书中的所有知识，如允许调用工具，掌握的知识可以说是无限的。所以，从具备知识的“量”和回答问题的“速”上看，任何自然人都无法与AI机器比拟，AI机器知道灌给它的所有知识，能以极快的速度回答任何人提出的任何问题。此外，AI机器的能效与反应不像人会受到环境、情绪、体能等因素影响，它们与这些要素独立。

应用的开放性与封闭性差异。教育自然人与训练机器的目标都可以认为在不断提高受教育/受训对象的智能水平，而智能水平高低的最终表现是对应用的自适应性。人能够通过受教育和不断实践，自我学习和成长，能够产生生理结构上的可塑性和对环境的自适应性，能够以随机应变的方式应对开放问题。相比之下，AI机器所能解决的问题，以至于以什么方式解决问题，本质上都是由设计者事先设定的算法、模型来决定的。AI机器之所以会“正儿八经地胡说八道”，也正是它的这种封闭性所致。

效能的精神生产力与自然生产力差异。AI机器本质上只能提供自然生产力，它能够提供工具和赋能，但不能主动地适应和调节生产关系；而受教育的人是社会生产力，具有强大的社会情感能力，能够通过提供情绪价值，组织人、调动人，去主动适应和调节生产关系以提升生产力水平。

不可否认，AI的近年来发展，特别是以生成式AI为代表的大模型，在某些方面已经超越了人类，正在或已经部分地替代甚至延伸人的思维器官功能。更令人惊愕的是，这种替代和延伸仍在飞速地被扩大、延展。在此大背景下，科学教育迎来了千载难逢的“协同共进”机遇，但也存在巨大的“变革性”挑战。

2、人工智能时代的科学教育路在何方

AI的迅猛发展彻底改变了人们获取知识的方式及运用知识创新的模式，从而对传统教育观念、模式、内容、方式、方法等形成挑战，对教师的职业定位与传统教学关系产生冲击。最大的“变革性”挑战是人们获取知识方式和基于知识创新模式的改变。知识是由问题与答案所组成的集合，AI机器已经表现出“能回答任何人的任何问题而不知疲倦”的超能力。可谓“答案唾手可得，问题千度难寻，真假甄别为最”，这种基于AI“问答式”“即时型”的知识获取方式完全颠覆了传统的“知识传承”模式：以讲为主体的教、以记为主体的学、以考为主体的存、以解已知题为目标的训，等等。

另一个现实挑战来自教师的职业风险与职业焦虑。对于STEM ^①教育而言，专训的AI机器足以代替一个普通教师来执行教育学生的核心任务，如以“有问必答”的方式传播知识、答疑解惑，而且这种服务不以任何社会型条件（时空自由、知识无限、反应及时、支持个性、绝对服从、永不彼倦，等等）为约束。按照AI大模型现在的表现和进化速度，我们可以明显感觉到，单纯再靠增加知识量的教育或单纯靠“讲得好”来实现好的教育已无大的意义，仅靠更便捷地获取、增加多样化教育资源的手段对提升人才培养质量也已无大的意义，而所有这些对科学教育的从业者会带来无所适从的焦虑。

3、重定位：人工智能时代科学教育发展的前提

“重定位”是推动人工智能时代科学教育高质量发展的前提条件，也是现实的必然选择。“抢抓机遇，开辟新赛道”是首选之路，“协同共进，塑造新优势”是最大机遇。把握这一机遇的关键是“以负责任的方式”用好AI的“超能力”，并以“主导、协同、错位、引领”的原则去推动科学教育与人工智能的协同共进，主要体现在三方面：

坚持人的主导性和AI的工具性。坚持教师的教育主导者和责任人角色，AI的任务主要是协助教师并按照教师的指令去完成工作，教师与AI的协同目的在于提高教学质量。

重点在优势互补和各展其长。提高生产力的效能是教师和训练AI的公共目的，对教育而言，即是提高人才培养效能。教师提供精神生产力而AI提供自然生产力，二者应相互协同，各展其长。

相互促进，共同发展。人类应该更加主动地拥抱AI，我们发明机器而“不与机器竞争”，着眼点应放在刺激发育人类器官的新功能乃至更高级别的智能上，让人去设计未来、创新未来、开拓新的生产力，以应对可变世界的新问题。这是科学教育应有的执念。

人工智能时代的科学教育其教育目标、教育思想、教育形式、教学组织、教学方法、教学资源建设等都存在重认识、重定位的必要，主要包括：

STEM教育目标：（1）热爱科学、崇尚科学、从事科学的兴趣、志趣与意志；（2）具备科学知识、方法、态度、精神、素养和STEM方法技能；（3）有创新、应对未知、综合解决问题的能力；（4）能作为AI智能体的主宰者与领袖，协同工作，携手创造人类文明褔祉。

STEM教育思想：（1）为创新而教:从专注“解决已知问题”的应试教育转变到聚焦“提出新问题、解决新问题”的“以问题为中心”的创新教育；（2）为质效而教：从单纯的知识传承教育转变到知识、能力、素质、品德“四位一体”的“着眼生产力质效”的教育；（3）为学习而教:从“教师讲、学生听”的教-学对立型教育转变到“教师-学生-AI”协同学习的“着眼学生学习能力”培养的自主型教育。

STEM教育内容：（1）科学教育与人文教育协同；普及人工智能教育；（2）在STEM知识教育中，进一步加强思想性、原理性/动机、方法论教育，增强内容的多样性（如解决问题的不同方法、不同路经）；（3）在分科教育的基础上加强跨学科关联整合教育，倡导大学科、大观念、大场景教学；（4）坚持通识教育和大、中、小学校的一体化设计，小学应加强科学的趣味性、美学教育，重在培养兴趣；中学应加强科学方法、科学范式教育, 重在培养志趣；大学应加强知识的系统性、科学的统一性教育，重在培养解决/研究问题的方法论。

STEM教育方法:（1）教师-学生-AI协同，推动个性化、研究型、反转式、创新拔尖教育等教育教学模式实质化；（2）在坚持课程、课堂基础上，培养并逐渐过渡到“教师指导-AI协同-学生研学”模式下的学生自主学习，加大学生在教育教学中的参与度，提升获得感；（3）教学研究化，实施以问题为中心的教育：以提出问题为中心的课程导入、以分析问题为中心的课程研习、以解决问题为中心的知识归纳；强化实践教育；实施导师制,培养学生提出新问题，解决新问题的创新能力；（4）増设学科概论型课程，开展大学科教育，提高学生的知识整合能力与跨界关联能力；（5）与人文教育、思政教育相结合，强化社会情感能力培养；探索辅导员与教师一体化使用机制。

4、人工智能赋能科学教育的新尝试

要实现本文所提出的科学教育新理念、新思想、新方法有许多的可能路经来实现。我们初步开展了以下尝试。

师-生-AI协同课堂。这是一个专门为承载人工智能与STEM教育协同育人的平台，也是实现本文新思想、新理念、新方法的载体与实验场。该课堂以大学科/大场景/大观念教育为基础，将一个知识单元的教学按导论课、研讨课、总结课“三步法”组织。导论课和总结课是教师的主战场，由教师主持；研讨课是AI辅助下的学生自主学习、自主交流和研讨时段。教师的导论课以提出问题为中心，为学生设置学习任务与场景；研讨课由学生在AI辅助下自主完成学习任务，协同分析问题，整理笔记，完成小组交流；总结课除学生选代表交流汇报学习成果外，教师以解决问题为中心，完成知识归纳，并指引本知识单元的价值意义与未来发展。师-生-AI协同课堂实现了教师与AI的优势互补、相互增强，实现了学生的高度参与、个性化学习及社会情感能力培养，为实现“以问题为中心”的创新教育提供了实践平台和载体。

大学科/大场景/大观念教育。这是一套贯彻“以问题为中心”，对抗知识碎片化、强化整合教育的知识组织、课堂教学、教材出版方案。方案旨在提供符合解决问题认知规律、创新思维规律的大学科教育、大观念教育、大场㬌教育。

大学科教育：大学科教育是“从整体到局部，从宏观到微观，分层导引式”的知识呈现与教育。大学科教育可以从一个学科树的任何一层、任何一个中间知识顶点（称为知识单元）起始，从上至下展开。“分层导引”是大学科教育的核心，讲清每一个知识顶点的意义、价值和作用是大学科教育的关键。大学科教育的最大优势是契合受教育者以问题为中心的视觉，克服了传统教育“只见树木，不见森林”的㢢端，会使学生学习更具目标性，从而会更有主动性。大学科教育也有助于受教育者的“碎片化知识”整合。

大场景教育：大场景教育选择与应用目标适度、内涵相对完整独立的知识单元，以该知识单元为顶点所生成的“知识子树”作为整体来进行教学。这种“大场㬌”的知识子树可能对应传统教材中的一章或多章，一节或多节。如果把这样选定的大场景理解为一个学科，则大场景教育可以是大学科教育。但与大学科教育不同，大场景教育主要用于与传统教育的耦合，换句话说，可以通过改革传统教学模式来实施。这种改革主要体现在:讲重点、讲脉胳、讲意义，不讲过于底层的细节、不讲严密的逻辑推理过程，但要求学生通过自学，知其然亦知其所以然。大场景教育的另一种适应情形是师-生-AI协同课堂，教师在导引课上把问题设置到需要多学科/多人协作的环境。

大观念教育：大观念教育不局限于离散知识点教育，而“以知识点教育为基础，以强化知识‘点’到‘线’再到‘面’的整合为核心”。大观念教育培养的是学生的知识整合能力和研究能力。大学数学教育的一个大观念教育方案，已被用于师-生-AI协同课堂的“总结”课。

这一新课堂模式已经在西北工业大学、电子科技大学、天津大学等部分高校的大学数学教学中釆用。初歩实践反馈: 这一平台设计合理，使用灵活，兼容性强，能够承载各种教育教学新模式，是人工智能时代教师转型升级、探索科学教育新理念、开展新实践的良好载体。

① STEM是科学（Science）、技术（Technology）、工程（Engineering）和数学（Mathematics）四门学科英文首字母的缩写。