焦点：生成式人工智能强大的人机对话、逻辑推理、资源生成能力，为科学教育的高质量发展带来了新的“驱动力”，有助于推动科学教育实践样态变革、助力科技创新人才自主培养、促进科学教育优质均衡发展。我们要高度重视生成式人工智能对于科学教育改革的战略意义，加强生成式人工智能赋能科学教育的理论和技术研究，推动生成式人工智能与科学教育实践的深度整合，正视生成式人工智能赋能科学教育的潜在风险，以助力科学教育的创新变革。
回顾技术发展对教育的影响，多媒体、计算机、互联网、VR/AR、区块链、数字孪生、元宇宙等标志性技术都具有较强的“工具”属性，随着ChatGPT的横空出世，生成式人工智能强大的人机对话、逻辑推理、资源生成能力，为科学教育的高质量发展带来了新的“驱动力”。
生成式人工智能赋能科学教育的核心价值体现在：
推动科学教育实践样态变革。生成式人工智能的快速发展为科学教育实践样态的创新带来了新的驱动力。具体来讲，生成式人工智能一是能够依托自身强大的多模态资源生成能力，根据教师的需求实现多模态教育资源的智能生成和动态优化，为课堂教学的开展提供全方位的资源保障。这有助于打造人机共创的多模态教学资源生成新范式，从根本上转变科学教育资源的创生机制。二是能够模拟专家教师的经验和方法，为学生提供对话式的科学知识讲解、探究式的科学问题解答、论辩式的科学思维启发，从而激发学生的认知能动性，帮助学生掌握科学知识、理解科学原理。三是能够根据教学内容的特征为教师生成适切性的教学设计方案，解决跨学科教学、探究式教学、项目式教学、数字化实验教学等复杂的教学组织形式对教师教学设计和实施提出的现实挑战，推动课堂教学组织形式的创新。
助力科技创新人才自主培养。生成式人工智能强大的人机对话、逻辑推理、思维启发、资源生成能力彰显出其在创新人才培养方面的潜力。具体来讲，一是能够通过对真实教育场景的全方位感知，对学生的问题解决能力、批判性思维能力、自主学习能力、创造力等核心特质进行精准刻画，并为其提供适应性的学习支持。二是能够通过学生与机器的多轮对话，通过认知辅助式学习、思维启发式学习、自由探索式学习、人机论辩式学习①，强化人机之间的观点交流和思维碰撞，引发学生的认知冲突，激发学生的自主探索和自我建构，提高认知的深刻性。三是能够启发学生创新意识的形成和创新能力的提升，例如，为学生提供优质的创意设计方案、生成创意设计产品、提出创新性的问题解决方案等，还能够通过人机对话方式对学生的创意设计进行评判，并商讨提升方案。
促进科学教育优质均衡发展。生成式人工智能强大的学习支持能力能够有效破解规模化教育和个性化培养的矛盾，为科学教育的优质均衡发展奠定坚实基础。具体来讲：一是促进科学教育资源的智能创生和科学教育服务的精准供给，帮助偏远地区的学生和教师借助人工智能大模型获取优质的科学教育资源和服务。这有助于解决科学教育资源区域性分布不均的问题，促进科学教育的均衡发展。二是能够根据学生的学习需求，实现学习方案的个性化定制、学习资源的智能化生成、学习活动的适应性调整，为每位学生打造“一对一”的数字化科学教师，实现智能化、精准化的及时应答，帮助学生提高学习质量。这也将在一定程度上解决科学教育师资短缺的问题②。
由此可见，生成式人工智能对于科学教育的创新发展具有重要意义。然而，生成式人工智能技术在科学教育中的实践应用缺乏成熟经验。因此，为进一步推动生成式人工智能技术与科学教育的深度整合，助力科学教育的高质量发展，仍需重视以下几方面：
第一，充分认识生成式人工智能对于科学教育改革的战略意义。相较于多媒体、计算机、互联网、人工智能等标志性技术，生成式人工智能对于科学教育发展的“变革性”作用越发凸显。因此，我们需要从战略层面充分重视生成式人工智能对于科学教育改革的战略意义，着力探索生成式人工智能赋能科学教育高质量发展的目标愿景和实践方案，加强“生成式人工智能+科学教育”的政策制定和体制机制建设，集结政府、企业、学校、科研单位的力量，打造“政、产、学、研、用”协同创新的实践共同体，为相关研究和实践的落地提供政策、制度和资源保障。
第二，加强生成式人工智能赋能科学教育的理论和技术研究。生成式人工智能赋能科学教育是个新话题，急需前沿理论的指引和先进技术的支撑，包括生成式人工智能赋能科技创新人才培养的实践方略、基于生成式人工智能的对话式学习、生成性教学、形成性评价的理论基础和典型模式等，为科学教育大模型的研发和科学教育实践的改革提供方向指引；另一方面需要发挥科研院所和技术企业的优势，着力构建科学教育语料库、多模态科学教育资源库、训练科学教育学科大模型，聚焦多模态教学资源生成、跨学科教学方案设计、启发性学习指引、探究性学习支持、生成性教学辅助等核心场景进行定制化开发。
第三，着力推动生成式人工智能与科学教育实践的深度整合。推动生成式人工智能在科学教学和学习中的广泛应用，探索生成式人工智能赋能对话式学习、项目式学习、跨学科教学、探究式教学的典型样态。在此基础上，探索生成式人工智能赋能科学教育的实践成效和潜在规律，明确生成式人工智能何以助力科学教育实践变革，以此为科学教育研究和实践的优化提供证据支持。
第四，正视生成式人工智能赋能科学教育的潜在风险。生成式人工智能在为科学教育发展带来诸多利好的同时，也不可避免地会带来一系列负面影响，例如“知识幻觉”导致学生的认知误区、“数字依赖”造成学生的思维退化、“作业抄袭”引发学业诚信危机、“算法霸权”造成学生主体异化，等等③。我们需要正确认识生成式人工智能在科学教育发展和创新人才培养方面的潜力，但也需要构建体系化的风险防控机制，划定生成式人工智能实践应用的场景和边界，规范生成式人工智能的应用模式，避免为科学教育的发展带来负面影响。
① 王一岩, 刘淇, 郑永和. 对话式人机协同学习：本质内涵与未来图景. 中国电化教育, 2024, (11): 21−27.
② 郑永和, 杨宣洋, 王晶莹, 等. 我国小学科学教师队伍现状、影响与建议：基于31个省份的大规模调研. 华东师范大学学报(教育科学版), 2023, 41(4): 1−21.
③ 杨俊锋. 生成式人工智能与高等教育深度融合：场景、风险及建议. 中国高等教育, 2024, (5): 52−56.
（《科学与社会》2025年第1期）