生成式人工智能在中学化学教育中的应用、挑战与实施建议.docVIP

生成式人工智能在中学化学教育中的应用、挑战与实施建议

杨丹??薛松??

（浙江师范大学教育学院??浙江金华??321004）稿件编号：2024-08-0025

1?引言

生成式人工智能是一种能够自动化生成文本、图像、视频、音频等多种类型内容的技术，具备启发性内容生成、对话情境理解、序列任务执行和程序语言解析等四项核心能力[1]。这一技术的发展不仅提升了内容生成的效率和质量，也为教育领域带来了新的机遇和挑战。以ChatGPT、Claude、Copilot为代表的生成式人工智能工具，通过一对一对话功能，为学习者提供了更加直观且互动性强的学习体验。同样，国内如“文心一言”和“星火大模型”也在这方面取得了显著进展，通过即时响应个性化需求，推动了学习平台的进一步智能化。然而，如何有效地将这些技术整合到具体的教学中，依然是一个亟待探索的领域。例如，Prakash等人（2023）通过设计一种基于GPT模型生成改良选择题系统，操控多项选择题（MCQ）中的干扰项（如“事实”、“过程”、“准确性”），以识别学习者在理解和应用过程中的短板，验证了这一系统在提高学习者选择题答题准确性方面的潜力[2]。该研究揭示了人工智能技术在教学评估中的可能性，尤其是在识别学习者认知盲点和促进针对性教学方面具有重要意义。

然而，这种基于选择题干扰项的自动生成策略虽然适用于某些学科评估，但在实际教学中，尤其是在理科如化学中，仍需要更加多样化且精细化的教学工具和方法。王阿习（2024）进一步提出，借助生成式人工智能技术如ChatGPT和“文心一言”，可以实现对学习者个性化疑问的即时响应，有助于培养学生的科学素养[3]。这说明，生成式人工智能不仅能作为知识传递的工具，还可以成为促进学习者科学思维发展的辅助工具。然而，这种观点仍需通过大量实证研究进行验证，尤其是在不同学科背景下的适用性。当前，国内的研究已经在物理（马驰川和郑子杰，2024）、地理（孙旭和赵越，2023）和生物（姜丽英和秦红兵，2022）等学科中，初步探索了生成式人工智能在中学教学中的应用[4–6]。这些研究表明，不同学科对生成式人工智能的需求和应用场景各不相同，物理和地理等学科更多地聚焦于知识点的快速反馈和即时练习生成，而生物学科则强调模型构建和科学探究过程中的启发性引导。然而，尽管这些探索为人工智能与学科教学的融合提供了重要的参考案例，但在化学等领域的应用仍十分有限。虽然各学科之间存在相似性，可以相互借鉴教学方法和技术，但化学学科教学因其复杂的概念结构和实验性的学习内容，要求生成式人工智能能够在更高层次上支持模型构建和实验设计的反馈，这需要针对具体学科进行深入研究和实践，开发出适用于该学科的具体应用案例。这不仅有助于丰富教学资源，还能确保技术的有效性和针对性，满足不同学科的独特需求。

文献分析发现，国内尚缺乏关于生成式人工智能在化学教育领域应用的研究，而国外已有相关的理论和实证研究。Yuriev等人（2024）的研究指出，生成式人工智能的教学应用范围广泛，涵盖课程准备、课堂问题解决、课后实验报告撰写等多个方面，其潜在的教育影响力不容忽视。然而，生成式人工智能的广泛应用也引发了学术诚信和评估有效性等问题，尤其是学生可能未经批判思考就接受其答案的现象，这在教育领域值得关注[7]。这一问题在化学教育中尤为突出，因为化学不仅依赖语言理解，还涉及高度的图形和数据分析能力。具体到化学领域，Alasadi（2024）的研究表明，生成式人工智能展现了图像处理的能力。例如，GPT-4在处理化学表格数据和图像时表现出稳健性，它不仅能够提供正确的反馈，还能够对错误答案进行详细解释，阐明问题背后的科学原理[8]。这展示了生成式人工智能在复杂概念学习中的潜力，尤其是在帮助学生辨别正确和错误概念时，它具有作为辅助教学工具的可行性。然而，值得注意的是，尽管生成式人工智能能够提供反馈和解释，教师仍需对这些反馈进行监督和调整，以避免学生依赖技术而忽视深度思考。此外，Leite（2024）探讨了ChatGPT、Gemini和Copilot这三款聊天机器人在定义五个基本化学概念时的表现和准确性，结果显示它们能够给出连贯的科学概念解释，但总的来说Gemini和Copilot的回答更令人满意，而ChatGPT则存在化学信息不足的问题，这可能影响学生对概念的理解和问题解决能力[9]。这一发现揭示了生成式人工智能在化学教育中存在的局限性：即便工具能够生成看似合理的答案，但如果对化学概念理解不够深入，可能导致学生形成错误的认知框架，尤其在需要精确和复杂理解的学科中，这一问题尤为显著。

结合以上研究，生成式人工智能在化学教育中的应用需要考虑其在不同教学场景中的适用性和局限性。在国内中学化学教育中，尽管生成式人工智能展现出一定的潜力，但仍需开展