An Inductive Typology of Artificial Intelligence Use in Science Teaching and Its Alignment with AI Literacy Frameworks

人工智能已从科幻小说的领域转向了学校的日常对话，承诺将重塑儿童学习的方式以及教师工作的方式。在科学教育这一特定领域——学生通过提问、构建模型和测试想法来学习——这些智能计算机系统的到来提出了一个根本性的问题：它们究竟是如何被使用的？讨论往往在两个极端之间摆动。一方面是希望这些工具能彻底改变学习，为每个学生充当私人导师；另一方面则是担忧它们仅仅是使任务自动化或取代人类的判断。为了了解真实情况，研究人员必须超越炒作，去考察学术研究中所描述的实际做法。他们需要知道，教师是在利用这些工具创造新的科学思考方式，还是仅仅将它们套入旧有的常规之中。正是这一领域，由一项旨在绘制人工智能在科学课堂中真实应用图景的大规模近期研究进行了探索。

为了理清这一复杂领域，研究人员首先收集了大量的证据。他们收集了795篇讨论人工智能在科学教学背景下应用的同行评审期刊文章。研究人员并没有阅读每一篇论文的每一个字，而是将重点放在摘要上——即描述每项研究主要观点和方法的简短总结。这使得他们能够在不迷失于任何单一实验细节的情况下，观察到数千页研究中的宏观模式。他们的目标不是测试某种特定的工具，也不是证明某种方法优于另一种方法，而是想要构建一幅关于目前文献中如何描述教师使用这些技术的图景。他们采用了一种不预设类别的方法，让模式从文本本身自然浮现。这种方法确保了他们的发现反映的是文献中实际报告的内容，而非研究人员预期的内容。

在对数百份摘要进行分类时，六种使用人工智能的独特方式开始脱颖而出。最常见的用途（出现在近78%的研究中）是用于教学交付和教学法。在这些案例中，教师使用人工智能来帮助呈现内容、引导学生进行探究，或在课堂上解释困难的概念。第二种最频繁的类别涉及评估与反馈（出现在约46%的论文中）。在这里，技术帮助教师检查学生作业、评分或提供即时的表现反馈。第三组（出现在约24%的研究中）侧重于课程计划和课程设计，即教师在学生到达之前使用这些工具来准备材料或组织课程。其余的类别虽然频率较低，但仍然具有重要意义：包括使用聊天机器人等交互式代理与学生交流、利用模拟和虚拟环境来模拟科学现象，以及将技术用于教师自身的专业发展与支持。

随后，研究人员通过一个特定的视角对这六个类别进行了审视：该视角采用了经济合作与发展组织（OECD）开发的一个框架，用以描述人类如何与人工智能互动。该框架将参与度分为四个领域：与系统交互、利用系统创作内容、管理其输出以及设计系统本身。当研究人员将发现映射到这一结构时，一个清晰的故事便浮现了出来。文献显示，教师们压倒性地利用人工智能来进行交互，并设计其如何融入自己的教学。他们通常并不构建驱动这些系统的底层代码或复杂的算法。相反，他们扮演着熟练整合者的角色，决定如何将这些工具应用于其特定的教学目标。他们配置工具，使其适应课堂需求，并围绕这些工具构建学习活动。

这种区别至关重要，因为它挑战了“教师需要成为软件工程师才能有效使用人工智能”的观点。研究表明，在这种新格局下，教师的主要角色是“教学建筑师”。他们是解读技术输出、决定何时使用技术，并确保技术符合科学教育目标（如培养基于证据的推理能力或理解复杂模型）的人。研究指出，尽管技术功能强大，但其教育价值取决于教师如何将其编织进现有的实践之中。研究很少将教师描述为技术的被动接受者，也没有将他们描绘成系统的技术创造者。相反，他们被刻画为主动的决策者，利用这些工具来增强其专业判断力。

研究结果还显示，人工智能在科学教育中的应用在“保守”意义上是具有延续性的。技术并未颠覆科学教学的基本结构，而是被吸收进了既有的常规之中。它被用于支持教学的核心任务：解释概念、检查理解程度以及规划课程。尽管人们对发生激进变革的潜力感到兴奋，但目前的现实是一种“增强”。教师利用这些工具来处理评估中的繁重任务，或生成规划材料，从而腾出时间专注于教学中的人文元素。研究表明，人工智能最常见的用途是使科学教师现有的工作变得更高效、更有效，而不是取代教师或创造一种全新的学习方式。

这项研究最有趣的方面之一在于它对教师培训的启示。由于文献显示教师主要利用这些工具来设计和管理学习体验，该研究暗示职业发展应侧重点在于这些技能。教师需要学习如何批判性地评估人工智能的输出，如何将这些工具适配到其特定的学科领域，以及如何负责任地将其整合进课程中。他们不一定需要学习如何编写这些系统的代码。研究强调，在人工智能时代，科学教师最宝贵的技能是判断何时以及如何使用这些工具来支持科学探究的独特需求。

研究人员谨慎地指出了他们工作的局限性。他们的发现基于学术论文，这可能无法完美契合在每个课堂中发生的实际情况。他们还注意到，其分析侧重于英文出版物，这可能会遗漏一些地方性或非英语视角的观点。此外，由于他们分析的是摘要而非全文，因此他们捕捉到了这些工具如何被描述的宏观轮廓，但未能触及每一个具体教学环节中深层且细致的细节。尽管存在这些局限性，该研究仍提供了一份坚实的、基于证据的现状图谱。它将讨论从推测转向了对人工智能今天如何在科学教育中实际定位的清晰理解。

最后，这项研究描绘了一个凭借实践智慧适应新工具的职业形象。人工智能并非作为一种将决定教育未来的神秘力量而到来，而是作为一种资源，正被教师学习着如何使用、塑造和引导。研究表明，教师并非在等待技术来解决他们的问题，而是正在积极思考如何利用技术来解决他们已经面临的问题。通过聚焦于数百项研究中所描述的实际做法，研究人员展示了人工智能在科学教学中的整合是一个关于“人类能动性”的故事。这是一个关于教师利用新工具更好地完成工作，并确保技术服务于学习目标而非相反的故事。