基于生成式人工智能的苏格拉底对话对职前物理教师在运动学中的批判性思维的影响

《Physical Review Physics Education Research》：Effects of generative AI-mediated socratic dialogue on preservice physics teachers’ critical thinking in kinematics

　　职前物理教师教育常将运动学问题解决视为程序性活动，对概念推理、论证和元认知调节的参与有限。本研究考察了由生成式人工智能（GAI）中介的苏格拉底对话，相较于仅由教师引导的苏格拉底对话，对一维运动学中学科特定批判性思维（CT）的影响。本研究采用同步混合方法、组内前实验设计，以18名职前物理教师为对象，在两个连续阶段中分小组使用平行的运动学问题集进行工作。由于教学条件按固定顺序实施，观察到的差异无法与可能的练习、学习和迁移效应区分开来。在第一阶段，学生参与教师引导的苏格拉底对话；在第二阶段，保持相同结构的同时，在教师监督下纳入GAI中介的苏格拉底支持。批判性思维通过应用于书面小组解决方案的分析性量规进行评估，并辅以李克特量表调查和开放式回答。量规得分显示，在GAI中介阶段，所有小组均呈现一致改善，未观察到下降。学生还报告了更高的自我效能感和内在动机，而认知负荷则表现出异质性反应，这与与GAI互动时对验证和认知控制的需求相关。这些结果表明，将生成式人工智能整合到教师中介的苏格拉底框架中可以支持运动学中的批判性思维，尽管序列前实验设计需要谨慎解读。

I. 引言

在初任教师培训中发展批判性思维（CT）仍是一个持续挑战，尤其是在物理学中，概念理解必须超越公式的机械应用。在拉丁美洲的大部分地区，一维运动学的教学传统上强调算法程序，从而限制了超越数值计算的反思性、分析性和元认知能力的发展，而这些能力对于解释物理现象是必需的 [1,2]。这种教学模式揭示了当前课堂实践与物理教师准备的认知需求之间存在显著差距，其中推理、基于模型的解释和论证是学科专业性的核心。

国际研究已确定引导式探究、协作论证和概念分析是支持科学教育中批判性思维的相关教学方法 [3,4]。在物理教育中，运动学占据着特别严苛的认知空间，因为它要求学习者构建心理模型、解释变量关系并参与抽象推理——这些能力是物理教师专业形成的核心 [5]。

近期工作进一步表明，苏格拉底对话可以通过生成式人工智能（GAI）的中介得到有效扩展，从而实现更丰富的元认知参与和更明确的、基于证据的论证 [6]。这种中介为个性化反馈、反思性对话和概念错误的引导性重构开辟了新的可能性。虽然新兴研究表明，人类导师和基于GAI的系统都能支持批判性思维，但物理教育中的实证证据仍然有限。这一差距在一维运动学等领域尤为明显，因为在这些领域，关于运动、表征和因果性的推理是基础性的，但始终具有挑战性 [7,8]。

从认知角度看，GAI不仅可以理解为一种教学工具，还可以理解为一种中介形式，它塑造学习者如何生成证据、证明推理合理性和调节自身推理。当嵌入苏格拉底对话中时，GAI可以作为认知支架发挥作用，通过提示替代解释、反例和多种解决途径，从而支持元认知监控和意义建构。然而，这种中介形式需要仔细的教学设计，以确保认知主体性保持在学习者手中，而不是转移到技术本身 [9]。近期学术研究强调，在教育环境中使用AI系统时，保留责任、判断和反思性控制的重要性 [10–12]。因此，本研究将GAI概念化为一个有监督的认知支架，旨在支持批判性思维和元认知调节，而非替代学科理解 [13]。

前述讨论将本研究置于一种物理问题解决的观点中，这种观点超越了程序性执行，转向推理、解释和论证性意义建构。本研究不将运动学视为公式代入的练习，而是强调对假设的检验、表征的协调以及利用对话支持批判性思维的发展。在此框架内，苏格拉底对话在生成式人工智能的支持下，通过鼓励替代解释、概念对比和反思性自我修正，为扩展学生的推理和元认知活动提供了一种手段。

在此视角的指导下，本研究比较了教师引导的苏格拉底对话与后续由生成式人工智能支持的相同对话结构。因此，本研究探讨以下问题：在这两种教学条件下，观察到的学科特定批判性思维表现有何差异；参与者在两个阶段中对运动学自我效能感（KSE）、认知负荷（CL）和内在动机（IM）的感知有何不同；以及他们的定性反思如何与定量结果趋同或对其加以限定。由于两种条件按固定顺序依次实施，这些问题涉及样本内差异和趋同模式，而非GAI中介的独立因果效应。因此，本研究解决以下研究问题：当职前物理教师通过仅由教师引导的苏格拉底对话解决一维运动学问题时，与由GAI支持的相同对话结构相比，在量规评估的批判性思维表现和定性推理方面出现了哪些差异？

本文的其余部分组织如下。第II节介绍混合方法前实验设计、参与者、SOCRATIC-IA教学框架、工具和数据分析程序。第III节报告关于两种教学条件下批判性思维表现和参与者感知的定量和定性发现。第IV节结合物理教育和AI辅助学习的先前研究讨论发现，第V节给出结论。

II. 方法论

A. 研究设计

本研究采用混合方法，以定性为重点并带有解释性取向，旨在考察初任物理教师在两种中介条件下解决一维运动学概念和定量问题时，参与苏格拉底对话过程中批判性思维如何发展：（1）无GAI的教师引导对话和（2）由GAI支持的教师引导对话。这种定性重点辅以描述性和推断性定量成分，用于估计跨条件下表现和学习感知变化的幅度和方向，符合方法论文献中描述的同步混合方法整合设计 [14,15]。

采用应用实证设计来检验研究者开发的教学干预。分析重点关注与苏格拉底中介策略相关的学生表现和学习感知，该策略在初任物理教师培训情境中单独实施或与生成式人工智能结合实施。本研究采用比较性和解释性取向，具有实践重点，因为它对比同一参与者组内的两种教学条件，并试图使用定性和定量证据解释观察到的变化，而不主张与随机或完全对照实验设计相关的强因果断言。本研究采用组内前实验重复测量设计，包含两个使用同构任务的连续阶段。在第一阶段，参与者通过教师引导的苏格拉底对话解决运动学问题。在第二阶段，保持相同苏格拉底结构，同时引入GAI作为额外的中介资源。该设计保持学科内容和程序序列恒定，允许检查两种中介形式下的表现变化。然而，由于阶段按固定顺序执行，潜在的练习和迁移效应被认为是内部效度的威胁。因此，阶段间的差异被解释为与引入GAI兼容的关联证据，而非明确的因果效应，符合非受控设计中因果推断局限性的经典分析。

在操作上，自变量是苏格拉底中介的形式，对比无GAI的教师引导对话与由GAI支持的教师引导对话。因变量是在解决一维运动学问题中表现出的批判性思维水平，通过一个单一分析性量规进行操作化，该量规在阶段间一致应用。量规评估了问题和原理理解、逻辑推理和论证结构 [16,17]、反例 [18]、概念错误的识别和纠正 [16,19] 以及书面回答的清晰性和组织性 [18]。定量部分使用描述性统计和针对相关样本的推断检验分析阶段间的分数变化，根据差异分数的分布特性选择，并伴随效应量估计，符合受试者内设计的建议 [20,21]。

作为补充措施，在每阶段结束时实施了感知调查。在教师引导条件下，调查评估了运动学自我效能感、认知负荷、内在动机、苏格拉底互动（SI）和感知批判性思维，并包含一个开放式项目，旨在引出关于对话所产生学习的定性证据。在教师-GAI条件下，调查测量了运动学自我效能感、认知负荷和内在动机，以及GAI感知有用性（PU-GAI）、对教育AI的信任（TE-AI）和资源整合（RI），并包含一个开放式项目，专注于与AI支持的问题解决相关的感知有用性、清晰性和潜在混淆来源。由于并非所有维度在阶段间都相同，条件间的推断比较仅限于共同构念，而阶段特定维度则描述性报告并定性解释，符合测量可比性原则和对重复测量量表的谨慎处理 [20,22]。

最后，定性部分通过参与者的开放式回答以及（在适用时）从对话和书面问题解决中提取的证据，考察参与者推理的性质。该分析旨在识别论证、错误监控、类比或反例的使用以及论证组织的模式。定性发现随后通过趋同混合方法策略与定量结果整合，其中数值证据指示变化的方向和幅度，而定性证据阐明这些变化发生的形式和条件，符合混合方法整合的既定原则 [14]。

鉴于参与者数量较少，且以六个协作小组作为量规表现的分析单位，定量部分被视为探索性和补充性。其目的不是生成总体水平估计或确立因果效应，而是描述两种教学条件下样本内变化的方向、一致性和大致幅度。因此，推断检验被谨慎解释，并通过混合方法趋同分析与定性证据整合。

由于该过程为每个产品生成单一共识分数，而非来自每位评估者的独立评分，因此无法计算组内相关系数（ICC）。关于内容效度指数（CVI），我们澄清最终CVI是在迭代的两轮专家审查后获得的。在第一轮中，分析性量规获得总体CVI为0.944，问题-苏格拉底问题集获得总体CVI为0.886。经过修订后，第二轮验证产生总体CVI为1.00。

B. 参与者与教师教育背景

本研究在厄瓜多尔一所公立大学的初任物理教师培训项目中进行。潜在人群为97名已完成一维运动学课程学习的学生。参与基于自愿报名和教学相关性，产生的组不仅是经过筛选的，而且代表了一个适合参与苏格拉底对话并在真实教师教育环境中考察批判性思维发展的合适群体。共有18名学生完成了干预的所有面对面课程，对应参与率为18.6%。参与者注册于项目第三至第八学期，年龄在18至25岁之间。为支持协作工作和比较分析，学生被组织为六组，每组三人。小组表现作为批判性思维分数的分析单位，而个人贡献则通过对话和协作写作过程保留。

参与者此前有使用生成式人工智能工具的经验。他们先前的使用由教师通过为学术活动设计的结构化提示指导。在之前的课程中，学生被指导使用四个组成部分构建提示：角色、情境、指令和期望输出格式。在本研究中，此结构在GAI中介阶段前进行了复习，并专门应用于一维运动学问题的解决。

C. SOCRATIC-IA苏格拉底学习模型

教学干预通过SOCRATIC-IA苏格拉底学习模型实施，这是一个由作者开发的框架，旨在促进解决一维运动学概念和定量问题时的学科特定批判性思维。该模型整合了三个教学组成部分：（i）概念激活，（ii）教师引导的苏格拉底对话，以及（iii）由GAI中介的教师引导的苏格拉底对话。这一结构使得学生的论证性推理和元认知推理的发展能够在两种认知中介水平下得到考察，同时保持学科内容和问题解决序列不变。完整的教学序列分为三个阶段，历时10小时。最初的2小时阶段用于激活运动学的基础概念，并统一参与者的概念标准。随后的两个4小时阶段中，学生参与了结构化的苏格拉底式问题解决，首先仅由教师中介，然后由教师中介并辅以生成式人工智能支持。表I概述了SOCRATIC-IA模型的教学结构，列出了干预的三个阶段、其教学目的、核心学习活动以及各阶段对应的评估策略。

表I. SOCRATIC-IA教学阶段

| 阶段 | 目的 | 核心活动 | 评估 |
|------|------|----------|------|
| 阶段1：概念激活 | 建立运动学的共同概念基线 | 针对速度、加速度和运动表征的复习问题 | 无 |
| 阶段2：教师引导的苏格拉底式对话 | 通过人类引导的苏格拉底式提问发展批判性思维 | 个人假设生成、小组讨论、教师苏格拉底式提问、共识写作 | 量规；问卷 |
| 阶段3：生成式人工智能中介的苏格拉底式对话 | 通过人机混合认知中介拓展推理 | 在教师监督下，借助生成式人工智能探索相同的苏格拉底式问题 | 量规；问卷 |

问题工作纸包含概念性和定量任务，旨在引发对相关物理原理的解释、论证、替代解释的比较，以及对所涉物理原理的明确验证。作为一个代表性示例，参与者被要求解决该任务，该任务要求学生识别相关的运动学原理，解释变量之间的关系，论证所选解决方案路径，并评估最终回答的概念一致性。完整的问题陈述、附图及苏格拉底式提示见补充材料的附录。

如表I所示，在阶段2和阶段3中，学生参与了相同的活动序列——个人激活先前知识、协作对话、苏格拉底式提问和共识构建——随后对其推理进行分析性评估。两个阶段之间的唯一区别在于苏格拉底式互动中是否存在生成式人工智能，这使得在受控程序条件下能够考察纯人类中介与人机混合中介的效果。

图1提供了SOCRATIC-IA教学流程的图形表示。图示的上半部分展示了从概念激活到批判性思维评估的推进过程，下半部分则描绘了本研究中实施的两条平行中介路径：教师引导的苏格拉底式对话（阶段2）和由生成式人工智能支持的教师引导的苏格拉底式对话（阶段3）。通过将这两条路径叠加在同一结构框架内，该图说明了干预如何保持相同的认知步骤，仅改变中介形式。

图1. SOCRATIC-IA教学阶段流程图。图的下半部分显示了本研究中实施的两条平行中介路径：教师引导的苏格拉底式对话（阶段2）和由生成式人工智能支持的教师引导的苏格拉底式对话（阶段3）。在两个阶段中，保持了相同的程序序列，使得在受控条件下能够比较纯人类中介与人机混合中介的效果。

D. SOCRATIC-IA模型的伦理考量和效度

本研究遵循《赫尔辛基宣言》的伦理原则进行[23]。所有参与者在被告知研究目的、参与的自愿性质、随时退出的权利以及确保保密性和数据保护的程序后，均提供了书面知情同意。这些保障措施在涉及新兴技术的教育研究中尤为重要，因为透明度和保护参与者权利至关重要[24]。

为确保工具的方法论质量，其开发遵循了两阶段验证过程。在第一阶段，研究团队设计了问题工作纸、苏格拉底式问题集、分析量规和两项感知问卷。在第二阶段，这些工具通过专家评审进行审查：三位物理教育和教学法专家评估了问题集、苏格拉底式问题和分析量规，而三位统计学专家审查了问卷工具。根据他们的评估，使用内容效度指数评估内容效度。所有工具的内容效度指数均达到1.00，表明对条目的清晰性、相关性和代表性的完全一致，根据既定的方法论标准，这对应于优秀的内容效度水平。

III. 苏格拉底式对话和人工智能中介对话对运动学批判性思维的影响

A. 概念性和定量运动学问题的表现

对六组的比较分析揭示了一致模式：在所有评估情境中，由生成式人工智能支持的苏格拉底式中介与概念性和定量运动学问题的回答质量的系统性提升相关。在两种教学条件下使用相同的五个问题使得表现能够进行直接且概念对齐的比较。然而，由于使用了相同的题目，练习效应得到承认，因此结果被解释为在第二种条件下有所改善的证据，而非强烈的因果效应。

在进行推断性比较之前，对得分差异的分布假设进行了检验。夏皮罗-威尔克检验（推荐用于小样本）表明，总体差异分数与正态性不兼容（， ， ）[25]。这一结果，加上分析量规的序数性质，支持在小样本情境中使用非参数方法，这与教育研究中的方法论指导以及有限数据下对正态性检验谨慎解读的建议一致[26]。因此，干预的总体影响使用单尾威尔科克森符号秩检验进行评估，这由先验方向性假设证明是合理的，即生成式人工智能中介不会降低表现，而是会产生改善或无变化。明确指定单尾检验是为了避免事后推断偏差[27–29]。

形式上，全局零假设 表明条件间差异分数的中位数小于或等于零，即活动2（ ）在总分上未优于活动1（ ）。全局备择假设 表明中位数差异大于零，表明 产生的分数高于 。结果支持了这一预测： 被拒绝，转而支持 ，威尔科克森符号秩统计量为0，在 时 。每组平均提高8.3分表明混合教师-生成式人工智能中介具有一致效果，尽管建议报告相应的效应量以完成标准统计报告[29]。

除全局分析外，在问题层面检查了分数差异的结构。如表II所示，应用于特定问题差异的夏皮罗-威尔克检验未显示问题1（ ）、问题3（ ）和问题5（ ）显著偏离正态性，而问题2（ ）和问题4（ ）观察到非正态性证据。鉴于样本量较小（ ）和量规分数的序数性质，对所有问题层面的对比保留非参数方法，以避免基于低功效正态性检验的不稳定分析决策[26]。

表II. 问题层面分数差异的夏皮罗-威尔克检验

| 问题 | （夏皮罗-威尔克） | 值 | 解释（） |
|------|-----------------|-----|----------|
| 1 | 1.0000 | 1.0000 | 无法拒绝零假设；分布与正态性兼容 |
| 2 | 0.7501 | 0.0200 | 拒绝零假设；偏离正态性的证据 |
| 3 | 0.8269 | 0.1012 | 无法拒绝零假设 |
| 4 | 0.7596 | 0.0247 | 拒绝零假设；显著偏离正态性 |
| 5 | 0.9076 | 0.4207 | 无法拒绝零假设 |

随后，对每个问题分别应用具有双尾对比的威尔科克森符号秩检验，如表III所总结。该分析使得在问题层面能够对活动1（ ）和活动2（ ）的得分进行配对比较，报告每种条件下的中位数以及差异分数的中位数（ ）。从描述性角度看，观察到一致的方向性模式：在所有五个问题中， 的中位数得分超过 ，中位数差异从1.0分到3.5分不等。从推断角度看，在 时，问题1（ ）和4（ ）识别出统计学显著差异，而问题2（ ）、3（ ）和5（ ）的结果未达到统计学显著性的阈值，尽管显示出相同的改善方向。

表III. 使用威尔科克森符号秩检验对活动间问题层面得分的比较

| 问题 | 差异数 | 活动1中位数 | 活动2中位数 | 中位数差异（A2–A1） | 值（双尾） |
|------|--------|------------|------------|-------------------|------------|
| 1 | 6 | 10.0 | 11.0 | 1.0 | 0 | 0.03125 |
| 2 | 5 | 9.0 | 11.5 | 2.5 | 0 | 0.06250 |
| 3 | 5 | 9.0 | 11.0 | 2.0 | 0 | 0.06250 |
| 4 | 6 | 6.5 | 10.0 | 3.5 | 0 | 0.03125 |
| 5 | 4 | 8.5 | 9.5 | 1.0 | 0 | 0.12500 |

对于每个问题 ，双尾检验的假设如下。零假设 表明 与 之间的分数差异中位数等于零，表示条件之间没有系统性变化。备择假设 表明中位数差异不同于零，表示条件之间存在系统性变化。在问题层面选择双尾对比是一种方法论上保守的方法，并与当进行多重比较时应避免无根据的方向性检验（除非有严格且明确声明的先验理论约束）的标准报告实践一致——这种做法在方法论文献中因可能使推断产生偏差而受到广泛警告[28,29]。

然而，当理论框架先验地指定了明确的方向性预期——即由生成式人工智能支持的中介不应导致表现受损，且任何可观察的变化（如果存在）将朝向改善方向——使用单尾对比是可以辩护的，前提是该方向性在数据检查前声明并透明地报告。在此条件下，对于每个问题 ，零假设 定义为差异分数的中位数小于或等于零，而备择假设 定义为中位数大于零。这种表述将推断集中在理论相关的变化方向上，同时降低了机会性重新解释结果的风险[27–29]。

图2呈现了六组在五个运动学问题上的批判性思维分数重新分布的热力图可视化，比较了活动1（ ），通过传统教师引导的苏格拉底式对话实施，与活动2（ ），通过相同的苏格拉底式方法但由生成式人工智能中介实施，遵循相同的问题顺序。这种基于矩阵的可视化通过颜色梯度表示数值大小，并实现跨行和列的快速比较阅读，有助于识别教学条件之间的模式和对比[30]。

图2. 跨组和运动学问题的批判性思维量规分数。(a) 六组在活动1（ ；教师引导的苏格拉底式对话）和活动2（ ；教师引导的苏格拉底式对话，由生成式人工智能中介）中的批判性思维量规总分；每对条形上方的值表示从 到 的总分变化。(b) 在 和 下，相同六组在五个运动学问题（P1–P5）上的问题层面批判性思维量规分数。颜色强度从冷色调（较低值）到暖色调（较高值）表示分数大小，便于跨组、问题和教学条件的视觉比较。该可视化是描述性的，得分应结合固定顺序的前实验设计来解释。

使用冷到暖的颜色标度来表示低到高分数，使得变化的方向和强度在视觉上显著，利用了数量排序与视觉排序之间的感知对应关系。这种方法增强了条件之间分数增减的区分度，并支持对跨问题和组的表现转变进行有效的视觉推断[31,32]。

综合来看，研究结果支持了跨分析层面连贯且汇聚的经验叙事。在全局层面，备择假设 获得了统计支持，表明当苏格拉底式教学纳入生成式人工智能中介时，表现有显著改善。在问题层面，五个问题中有两个支持备择假设 ，而其余三个呈现出有利于活动2（ ）的同质方向性模式。在小样本研究中，这种模式在方法学上具有信息价值，因为即使在所有单独对比中均未达到统计显著性，但在有限统计功效和问题层面的保守检验策略下，多个比较中一致的方向性仍可能与稳定的潜在效应相容[26,29]。此外，未发现任何组别或问题出现负面变化，表明在所考察的框架内引入生成式人工智能并未产生可观察到的表现损害。然而，对未出现下降这一事实应谨慎解读：这不构成“无伤害”的推断性证据，而仅表明在当前样本和条件下未观察到系统性下降。综合来看，表III、表IV和图2所整合的证据支持以下主张：在保持教师监督和明确的反应验证标准的前提下，人机混合调解能够强化问题解决中与批判性思维相关的过程，特别是通过促进更精确的解释、对假设的明确验证以及推理过程中的元认知自我调节[33,34]。

表IV. 使用收敛矩阵对定量与定性结果进行三角互证。

| 发现 | 定量证据 | 定性主题 | 收敛性 | 综合结论 |
|------|----------|----------|--------|----------|
| 使用GAI后整体改善 | 威尔科克森检验（整体）：统计量W=82，p=0.03120 | 概念清晰度/有用性（44%）；推理结构化（17%） | 一致 | 表现提升与更大清晰度和更有组织的推理的报告相一致 |
| P1和P4的改善 | P1：p=0.04332；P4：p=0.03120；P4中位数：从6.5提升至10.0 | 批判性使用/验证（33%） | 部分一致 | 最大幅度的提升与更强的验证和批判性控制相吻合 |
| P2、P3的积极趋势（未达显著） | P2：p=0.07813；P3：p=0.10938 | 无问题特异性主题 | 无信息/沉默 | 出现中等程度提升，但无明显的按问题划分的定性特征 |
| GAI的感知有用性 | PU-GAI：100%同意 | 概念清晰度/有用性（44%） | 一致 | 感知有用性与概念支持和清晰度的报告相匹配 |
| 信任与整合中的细微差异 | TE-AI、RI：高度同意；存在中立及孤立分歧 | 提示依赖（22%）；数学错误（28%） | 一致 | 保留意见与关于局限性及验证必要性的警示相匹配 |
| 结构化/元认知 | A1：批判性思维分散/中立；A2：高收敛性剖面 | A1：批判性思维/元认知（39%）；A2：推理结构化 | 部分一致 | 元认知/结构性报告跟踪整体模式，但未孤立出特定维度 |

B. 不同教学条件下共享感知维度的定量分析

为刻画两种苏格拉底式教学模态（教师引导型和教师-GAI混合引导型）下的学习体验，研究实施了感知调查，以评估活动1（n=18）和活动2（n=18）共有的维度。所评估的维度为KSE、CL和IM。对这些共享维度的比较表明，向混合型教师-GAI调解的过渡不仅仅代表工具的更换，更代表职前物理教师体验任务方式的变化。

就KSE而言，观察到明显提升。总体同意率从84.7%上升至94.4%，“不同意”类别的回答完全消失，“非常同意”类别的比例从26.4%上升至37.5%。这一模式表明，在GAI调解条件下，理解和解决运动学问题的信心有所增强。CL的应答模式则更为异质。总体同意率从59.7%小幅上升至65.3%，但部分条目出现两极分化，回答集中于相反位置。这表明，对于某些条目，部分被试报告了更高的心理需求，而另一些被试则报告感知努力没有增加甚至有所减少。例如，条目CL3的同意率从77.8%上升至88.9%，表明若干被试感知到更大的注意力投入。同时，另一些被试描述了努力的重新分配，与验证活动和对GAI生成反应的质量控制相关。最后，IM表现出最显著的效果：在活动2中同意率达到100%，而初始为87.5%，所有中立和不同意回答均被消除。

总之，混合型教师-GAI调解增强了自我效能感和内在动机，而认知负荷则呈现分化响应，反映了该工具作为促进者和批判性监督需求来源的双重属性。图3展示了各条目均值得分的变化，允许得出谨慎结论：尽管基于年龄的子组规模较小，但在活动2中KSE和IM趋近于高水平，而CL仍是最具变异性的维度。从教学角度来看，GAI的感知益处似乎广泛分布在能力与动机方面；然而，心理努力体验似乎受到个体差异的调节，如先前经验、学习习惯、制定有效查询的能力、对不确定性的容忍度以及验证需求——这一模式在近期关于影响ChatGPT及类似工具教育使用因素的研究中也有报告[35]。

图3. 活动1（n=18；教师引导的苏格拉底式对话）和活动2（n=18；教师引导、由生成式人工智能中介的苏格拉底式对话）各调查条目的平均响应得分。条目对应共享感知维度——KSE、CL和IM。图例显示在GAI调解条件下KSE和IM总体上升，而认知负荷在各条目间表现出更大变异性。

C. 活动特异性感知维度的定量分析

在对两项活动非共享维度的感知分析中，呈现出高度积极的评价模式，并伴随与认知复杂性相关的细微差异。在活动1（n=18）中，SI在所有指标上均达到高度同意水平，范围从88.9%至100%，中立反应极低（0%–5.6%），且无不同意反应。相比之下，CT也主要以积极评价为主，但表现出更大离散性，同意水平在77.8%至94.4%之间，中立反应增加（5.6%–22.2%），并存在孤立轻度不同意反应（5.6%）。

在活动2（n=18）中，PU-GAI在所有指标上均获得一致认可（100%同意），证实了GAI作为学习支持工具的作用。TE-AI和RI则呈现更为细微的模式。尽管总体同意率仍保持高位（88.9%–100%），但TE-AI的中立反应最高达11.1%，RI最高达16.7%，同时RI存在孤立轻度不同意反应（5.6%）。这些模式并未削弱研究发现，反而为其提供了基础：学生确认了GAI的有用性，同时识别出其有效使用的条件，如验证的必要性、对提示表述的敏感性以及对潜在错误的警觉——这些特征与更具反思性和自我调节性的参与方式相一致。

总之，两项教学活动定义了一个收敛性剖面，其特点是高度接受苏格拉底式互动和GAI调解。在此剖面内，较直接的好处——如感知有用性、清晰度和引导——几乎获得一致认可，而更复杂的构念（如批判性思维）以及涉及使用标准和可靠性的维度（如对教育AI的信任和资源整合）则表现出更高的中立水平和偶发不同意。这些应答模式与深度学习过程和推理能力的渐进发展相一致。

D. 不同教学条件下学生反思的定性分析

采用适合小样本的主题分析方法，遵循Braun和Clarke提出的框架[36]，对开放式回答中所反映的潜在体验进行了考察。在活动1（n=18）中，学生被问及“你从教师的苏格拉底式问题中学到了什么？”对18份回答的分析揭示了三个主要主题。最常报告的主题是概念澄清与深化（44%），突显了引导性提问在细化运动学概念理解中的作用。其次是批判性思维与元认知意识（39%），学生强调了对假设、推理过程和错误检测的反思。第三个主题涉及推理的结构化（28%），受访者指出其在问题解决解释方面的组织性和连贯性有所改善。

在活动2（n=18）中，学生回答了“生成式人工智能在哪些方面有用或令人困惑？”的问题。主题分布发生了转移，同时与A1保持连续性。概念有用性与清晰度再次成为主导主题（44%），表明GAI被感知为强化了理解。相当比例的回答强调批判性使用与验证（33%），反映了学生对评估、对比和验证AI生成输出的必要性的意识。其他主题包括推理结构化（17%）和工具效率（17%），后者与更快速地探索解题路径和替代解释相关。在益处之外，学生明确指出了局限性：提示依赖（22%）和数学错误（28%），这需要持续验证。这些局限性并未削弱GAI的教学价值，反而似乎促使学生在问题解决过程中形成更审慎、更具反思性和更自我调节的参与方式。

E. 学习结果的收敛性混合方法解释

为整合来自表现结果（批判性思维量规）、感知（调查数据）和报告经验（开放式回答）的证据，采用了定性-定量收敛矩阵，如表IV所示。这种整合方法能够系统比较发现，并在不重复报告结果的前提下识别跨数据来源的一致模式[37,38]。

在定量成分中，活动间的整体比较显示GAI调解条件下得分更高（中位数：A1=16.0，A2=21.5），威尔科克森统计量W=82，p值为0.03120。在问题层面，问题1（p=0.04332）和问题4（p=0.03120）存在统计学显著差异，两者均p<0.05。特别地，P4表现出显著的中位数增加，从A1的6.5升至A2的10.0。对于P2（p=0.07813）和P3（p=0.10938），观察到有利于A2的积极趋势，但未达到常规显著性阈值p<0.05。最后，P5（p=0.25000）变化较为温和。关于感知证据，识别到高度积极的评价。在A2中，PU-GAI达到100%同意。与可靠性和使用标准相关的维度，如TE-AI和RI，保持高度同意水平，尽管中立水平分别最高达11.1%和16.7%，且RI存在孤立不同意反应（5.6%）。综合而言，这些结果表明高度接受伴随着审慎评估。

定性分析揭示了与观察到的定量模式互补的主题核心。在A2中，概念有用性与清晰度在44%的回答中出现，批判性使用与验证占33%，推理结构化占17%。报告的局限性包括数学错误（28%）和提示依赖（22%）。

总体而言，三角互证证据主要表明表现提升与高感知有用性之间的收敛，并得到强调清晰度和教学支架的叙述所强化。此外，在信任与资源整合相关维度上观察到部分一致，其中定量接受与定性警示并存，强调验证的必要性和对提示表述的敏感性。

IV. 讨论

本研究在初等物理教师培训中比较了两种苏格拉底式调解在平移运动学概念性和数值性问题解决中的应用：一种完全由教师引导，另一种由GAI支持。在全部研究结果中，呈现出一种一致的模式。当苏格拉底式对话辅以GAI时，通过批判性思维量规评估的表现及若干学习相关感知趋于改善，而认知负荷则未呈现统一轨迹，似乎受到验证和AI生成反应质量控制所需额外努力的调节。

从表现角度来看，观察到的整体改善与近期将AI辅助导师定位为能够在真实教育情境（包括物理）中增强学习支持的文献报告相一致，前提是这些工具以明确的教学意图整合，而非作为学生智力劳动的替代[39]。类似地，多项研究表明，AI支持的苏格拉底式对话可以通过维持探询性问题、要求论证和鼓励论证性修正来促进推理和批判性思维过程[40,41]。来自数学教育的证据进一步支持这一机制：当对话交流受到结构性约束时，AI工具能够促进深层思考和自主发现，而非机械式反应生成[42]。

本研究的贡献在与运动学教学中长期存在的困难相对照时更具意义：即倾向于优先考虑算法性程序和数值代入，而忽视建模、变量解释和元认知反思[1,2]。科学教育中关于主动教学方法的研究表明，当强调共享论证、概念分析和引导式探究而非程序重复时，批判性思维得到加强[3,4,43]。特别是在平移运动学中，学习需要构建心理模型、解释量之间的关系以及抽象推理——这些能力对职前物理教师的专业形成至关重要。在此框架下，苏格拉底方法为维持基于理由而非结果的解释提供了合理路径，其与GAI的衔接可能扩展反馈和错误重构的机会，前提是互动保持反思性和教学监督[6]。

在物理教育领域，新兴研究已报告使用ChatGPT来强化教师的对话技能和探索可定制的苏格拉底式导师，具有促进主动反思和适应性支架的潜力[44,45]。互补性研究表明，GAI能够通过提供即时反馈、替代解题路径和自我修正机会来支持概念理解和学习效率[46]。同样相关的是，学生生成的解决方案与AI生成的回应之间的比较，能够识别每种推理模式中的优势与盲点，为以对比、论证和批判性评价为中心的教学实践开辟了空间[47]。从参与者的视角来看，所观察到的自我效能感和内在动机的提升，与报告生成式人工智能对投入度和学习感知具有积极影响的研究相一致，尽管这些影响取决于任务特征和教学引导的质量[48]。与此同时，文献提醒，未经引导地使用聊天机器人可能导致互动结构混乱、反思流于表面，甚至表现下降，尤其是在论证和元认知控制未被明确要求的情况下[39]。从这个意义上讲，SOCRATIC-IA方法的实际贡献并不在于“使用AI”本身，而在于将其参与定位为一种认知支架：促使解释、对比假设、要求证据、检验维度与概念的一致性，并在接受回应之前强制进行推理可追溯性检查。

尽管如此，所识别出的方法论局限要求对研究结果进行谨慎解读。前实验设计、固定的条件顺序以及跨阶段重复使用相同问题，对内部效度构成了强烈威胁，包括练习效应、熟悉度和潜在的延续效应。此外，样本量较小以及分析单位混合——小组水平表现与个体水平感知——限制了推断的范围。为达到较高的编辑标准，还需更明确地报告评分过程的可靠性，例如通过评分者一致性，并以效应量和置信区间补充统计显著性，使变化的幅度与其统计支持一样透明。

综合来看，本研究最好被解读为情境化的初步证据。它表明，当互动被刻意设计为要求高阶思维，且教师保留对话认知调节者角色时，苏格拉底式中介可以通过生成式人工智能得以强化。未来研究应纳入平衡或交叉设计、真正同构的任务、更大的样本，以及保持与迁移的评估。此外，对对话本身进行更深入的质性分析——如问题质量、论证模式和自我修正机制——将有助于更精确地厘清哪些变化可归因于苏格拉底策略、哪些可归因于生成式人工智能中介、哪些可归因于累积练习。

V. 结论

本研究比较了传统苏格拉底方法与由生成式人工智能中介的苏格拉底方法，以提升物理师范生解决平移运动学中概念性和数值性问题时的批判性思维。这一前实验混合方法设计为物理教育研究及相关STEAM学科提供了实证证据，表明生成式人工智能作为深度学习和高阶认知技能发展的催化剂的作用。

研究结果表明，在第二个阶段，即生成式人工智能中介的苏格拉底对话条件下，观察到更高的批判性思维得分。尽管这一模式在各参与小组中保持一致，但固定顺序设计无法将观察到的差异独立归因于生成式人工智能中介，因为练习、累积学习、熟悉度和延续效应无法排除。具体而言，在问题1和问题4的概念性与数值性问题的回答质量上，观察到样本内统计学显著差异，其余分析问题中也呈现积极趋势。这些结果表明，生成式人工智能可以通过支持概念准确性、推论阐述和元认知修正来丰富苏格拉底对话。未出现负面表现影响，加上整体改进，支持在这一学科情境中整合生成式人工智能工具的教学可行性和潜在益处。

对次要研究问题的分析进一步揭示，生成式人工智能中介积极影响了学生的学习感知。师范生的运动学自我效能感和内在动机显著提升，他们对生成式人工智能在其学习过程中的作用给予了积极评价。这些主观增益与客观表现的改善相一致。然而，认知负荷呈现出更复杂的模式。虽然生成式人工智能促进了信息获取和概念澄清，但它也要求学生对所生成回应进行监控和质量控制。这一发现强调了教学设计的重要性，即将生成式人工智能作为教师监督的认知支架，而非提供答案的工具。

在本研究所检验的条件下，SOCRATIC-IA模型提供了一个初步的教学框架，用于将教师引导的苏格拉底对话与生成式人工智能整合到运动学问题解决中。研究结果支持对其可行性和教学价值的进一步研究，但并未确立其在本样本和教学情境之外的有效性。未来需要使用更大样本、控制或平衡设计、等价但不相同的任务，以及保持与迁移的衡量指标进行研究，以确定观察到的模式能否被复现，并更具体地归因于生成式人工智能中介的苏格拉底支持。

通过将苏格拉底对话与生成式人工智能的适应性和反馈能力相结合，该方法不仅增强了平移运动学中的概念性和数值性问题解决能力，还培养了自我效能感和内在动机——这两者是自主学习和终身学习的关键因素。更广泛地说，本研究为探索生成式人工智能的教学化应用如何通过培养更深层、更具迁移性的推理形式来变革STEAM学习环境开辟了途径。