科学教育必须反映这种变化。

人们对于在科学教育中使用人工智能（AI）的兴趣正在日益增长。有关人工智能在科学教育中的作用，人们主要针对科学学习的目标提出了许多问题。它们涉及人工智能生成教学工具、学习工具和评估工具的能力，以及使用这些工具的优缺点。但是，在有关科学教育的讨论中，另一个重要问题是人工智能如何改变科学本质（NOS），以及这种改变对于幼儿教育的意义，而这个问题还远未得到足够的关注。对教育而言，关键在于究明以人工智能为基础的科学本质是什么，它对学习者提出了怎样的技能要求，以及学校如何才能实现这些要求。

关于人工智能在教学、学习和评估方面的优势，对模拟技术的使用（包括沉浸式学习体验）已被认为是一项重要的优势。同样，教育工作者注意到，人工智能提供了一种强有力的手段，通过以往几乎难以实现的方式量身定制内容和体验，从而达成个性化教育。例如，它可以密切监控学生对某个任务的参与，并在最需要反馈的地方，以特定的方式提供恰当的反馈。至于人工智能在教学中的潜在劣势，人们提出了以下问题：如果学生能够使用人工智能工具轻松完成家庭作业所要求的文本，那么学习会变成什么样？老师要如何衡量学生的理解能力，才能确保衡量的是学习本身，而非技术的残留？

在谈及人工智能对学习的影响时，其中某些担忧是基于对人类学习的过时观念产生的。传统的科学教育倡导将事实的传递和信息的回忆作为衡量学习的指标。例如，传统上，学生可能会被要求记住光合作用的化学方程式，或者背下欧姆定律。在这种对学习的描述中，借助人工智能可以轻松地检索到相关信息，从而使学生的学习成果变得模糊不清。相比之下，更当代的学习观提倡将批判性思维等技能视作学习的重要成果，这些技能可能在一定程度上被复制，但难以通过人工智能模仿。诸如情景思维、系统思维、管理不确定性和复杂性等未来导向的技能，所需要的不仅仅是对大数据集的记忆乃至掌握。它们意味着相当程度的创造力和创新。一些认知心理学家认为，虽然人工智能可以帮助总结和概括现有的信息，但它的设计本身难以满足更复杂的、需要创新的人类技能，比如构建理论。然而，新兴的人工智能研究和开发正在挑战这种观点——例如，研究者们正在探索人工智能系统找出科学假设中的盲点并协助生成新问题的潜能。

在科学教育和科学本质方面，有证据表明，参与制定教育政策的利益相关者认识到了科学本质的重要性，并借鉴了关于有效教学和学习科学本质的研究成果。然而，人工智能与科学本质之间的关系还需要进一步阐明，以便教育研究与实践的相应改变以及政策的相应制定。当代对于科学教育研究中科学本质的反思尚未涉及人工智能及其对科学事业变革带来的影响。专业科学和学校科学之间的传统鸿沟或许已然很宽，但如今，它似乎在以更快的速度扩大。

人工智能已经开始影响科学研究的操作方式。科学家正在利用人工智能生成假设、设计实验、收集和解释数据，并获得仅使用传统科学方法几乎无法得到的见解。在推理和认知方面，科学家经常从数据中构建模型来解释和预测现象。随着人工智能的发展，数据集可以帮助科学家理解海量的信息。但是，如果人工智能系统训练和操作所依据的数据存在偏见或不可靠，它也可能会报告误导性信息。众所周知，数据集的丰富性和质量往往存在偏差，这通常是无意识的。例如，在健康数据中，基于人工智能的皮肤病学算法在诊断黑人的皮肤病变和皮疹时的准确性已被证明低于白人，因为训练这些模型的数据主要是从白人群体中收集的。

专业团体正为如何在科学研究中负责任地使用人工智能提出建议。这些建议引发了对透明度、风险和参与性方法等问题的讨论，这些问题对于人工智能指导科学如何发展具有重要意义。对透明度的关注要求对参与者、数据集、模型、偏差和不确定性进行明确的记录。对风险的关注意味着要管理数据集和算法中的风险和偏差，以及它们对研究结果的可能影响（包括意外后果在内）。对参与性方法的关注，要求确保研究设计具有包容性、让研究人员参与面临风险的社群，并将领域专门知识纳入研究。这些问题暗示了科学本质应如何适应如数据和流程透明度之类的文化规范、偏见评估等科学知识的评价标准、管理风险后果等社会价值观，以及不仅纳入专门知识，还纳入社群知识的包容性方法。

有鉴于人工智能用于科学研究的新趋势，一个问题应运而生：学校科学如何帮助未来的科学家理解人工智能时代的科学本质？由此，科学教育碰到了两个问题。第一，人工智能指导的科学本质对学校科学意味着什么？第二，在中等教育阶段，应优先考虑人工智能指导科学本质中的哪些方面？有些人可能会认为，在基础科学研究中使用的人工智能过于复杂，与中等教育的目的无关，但另一些人可能认为，幼儿在认知层面无法理解如此先进的科学研究手段。这些潜在的立场可以通过对学校研究项目的实证调查来验证，此类项目可以测试学生的发展能力，以及基于人工智能的干预对学生学习科学本质带来的影响。

人工智能在科学研究中的某些范例（例如，科学方法、文化背景和专业建议）已经对学校科学产生了实质性的影响。虽然世界各地的科学课程都包含某些传统的科学探究角度，例如实验、数据收集和解释，但在诸如建模等其他相关方面，尽管科学教育研究界倡导了许多年，却仍然未能在课程中得到足够的重视。同样，尽管在一些教育系统中，数据的客观性和准确性可能会被视作学习成果，但在这些话题上，几乎不存在与人工智能的进步及其传播偏见的潜在危险相关的讨论。对专业指南进行某些教育层面的调整，将有助于教育未来的科学家理解人工智能在科学研究中的伦理问题，并教育他们对其负责。

人工智能对科学本质的影响对于科学教育来说是一项艰巨的任务。它要求对整个领域进行系统性的改革，对于重构科学课程、教与学、教师教育等方面都具有一定的意义。其中的首要任务是，科学课程的内容需要捕捉到人工智能指导的科学本质中的细微之处，包括人工智能在影响科学方法和假设方面的发展。诸如人工智能背景下的大数据集模型和建模等方面，也将与数据偏差和错误风险等主题一起纳入中等教育。这些方面与当前部分课程标准中所称的科学实践有关，可以作为修订的具体焦点。我们需要设计和测试新的教学工具和策略，以确定在课堂中捕捉科学那不断变化的面貌的有效方法。许多中学教师和学生已经在使用ChatGPT等人工智能平台。事实上，使用ChatGPT可以模拟科学家使用这类工具为学术手稿生成文献背景的情况。可以考虑使用诸如提问等教学策略（例如，我们如何确定ChatGPT生成的这篇文本是准确的？）来实现学习融合人工智能的科学本质时的特定目的——例如，鼓励学生生成并应用针对准确性的评估准则。然而，在采取这些方法的同时，还需要对教师进行培训，不仅要教会他们使用人工智能工具和数据，还要让他们理解科学在人工智能时代更广泛、普遍的变化。

尽管在科学教育中加入教授融合人工智能的科学本质是一项艰巨的任务，但某些现有的教育干预措施可以为在教育生态系统内调整其目标提供指导，并清晰标明如何解决教育改革中的常规盲点。例如，可以建立开放式学校网络，以培养涉及一系列利益相关者的学习社区，包括学生、教师、师范教育者、科学家和政策制定者。如果中等科学教育要培养未来的科学家，并帮助他们及时掌握相关的技能，那么中等科学教育就必须跟上人工智能指导的科学研究的最新进展。否则，专业科学和学校科学之间的差距很可能急速扩大，以至于等中学生进入大学时，他们对科学本质的理解已经变得过时。

资料来源Science