人工智能支持的探究式学习在光合作用与呼吸作用教学中的应用：对可持续科学教师教育的启示

《Sustainability》：AI-Supported Inquiry-Based Learning in Photosynthesis and Respiration: Implications for Sustainable Science Teacher Education

　　

人工智能（AI）有潜力通过促进探究、负责任的技术使用以及数字胜任力，来支持可持续科学教师教育。本研究考察了人工智能支持的引导式探究干预对职前科学教师的人工智能素养（AIL）、自我感知计算思维技能（SPCTS）以及光合作用与细胞呼吸概念理解的影响。研究在土耳其48名二年级职前科学教师中采用以量化为主的准实验前测—后测对照组设计，并嵌入质性成分。实验组参与为期八周的整合问题驱动与设计驱动学习的AI支持引导式探究项目，对照组接受常规教学。混合设计方差分析显示，光合作用概念理解（F(1,41)=22.79，p<0.001，ηp2=0.357）与细胞呼吸概念理解（F(1,44)=25.70，p<0.001，ηp2=0.369）存在显著的组×时间交互效应，而AIL与SPCTS无显著效应（p>0.05）。质性结果发现参与者报告了在概念学习、探究、协作、对AI生成输出的批判性评估以及数字内容创作方面的感知收益与投入。研究结果表明，AI支持的引导式探究能够强化学科概念学习，同时培育与可持续科学教师教育相关的胜任力，尽管更长的干预周期可能是产生AIL与SPCTS可测量提升所必需的。

研究背景与问题提出

人工智能尤其是生成式AI正重塑教育实践，为探究、可视化、反馈与知识建构提供新机会。但在教师教育中，未来教师不仅需操作AI工具，还需评估AI生成输出的可靠性与偏误，并作出符合伦理与教学目标的决策。科学教师教育对此尤为关键，因为职前科学教师被期待支持提问、评估证据、使用基于模型的推理与发展科学解释。现有文献指出，职前科学教师在科学探究理解上常不完整，难以提出可探究问题、区分数据与证据、规划调查并将数字技术有意义地整合进探究。光合作用与细胞呼吸因涉及物质与能量在分子、细胞、有机体与生态系统层面的动态转换且过程不可直观察，成为概念改变研究的典型难题。已有研究多聚焦AI素养、态度与自评胜任力，少有将AI嵌入学科特定、要求职前教师生成并评估科学证据的干预。因此，研究人员开展此项研究，探讨在光合作用与细胞呼吸情境中，整合引导式探究（IBL）、问题驱动学习（PBL）与设计驱动学习（DBL）的AI支持教学环境如何影响AIL、SPCTS与概念理解，并讨论其对可持续科学教师教育的意涵。论文发表于《Sustainability》。

关键技术方法概述

研究人员在土耳其一所公立大学科学教育专业二年级职前科学教师中，以两个整班分别作为对照组（n=25）与实验组（n=23），开展八周准实验干预，嵌入口述自评表质性分析。前测后测工具包括人工智能素养量表（AILs，Wang等编制、?elebi等土化，12题七点式，含意识、使用、评估、伦理维度，题2/5/11反向计分）、计算思维技能量表（CTSs，Dolmac?与Akhan编制，40题五点式自评，含算法分析、创造性问题解决、协作、批判思维、计算机使用）、光合作用概念测试（PCT，14开放题）与细胞呼吸概念测试（RCT，通用11题版）。实验组在IBL/PBL/DBL框架中使用ChatGPT（GPT-4o）、Consensus、NotebookLM、Elicit及Canva、Runway、Animaker等生成式AI作为脚手架，用于问题形成、文献综合、实验设计与多模态产物开发，所有AI输出须对照学术源与实验证据校验；对照组接受常规讲授与验证性实验。量化分析采用2×2混合设计ANOVA为主，辅以ANCOVA、Holm校正与稳健性检验，质性材料用内容分析法（Miles与Huberman一致性公式，编码者间同意率93%）。

研究结果

3.1 预备分析与基线可比性

各组前测差异不显著，Hedges’ g置信区间含零；实验组个人电脑拥有率更高，在AILs的ANCOVA中作为协变量处理。

3.2 与SPCTS相关的发现

CTSs混合设计ANOVA时间×组交互不显著（F(1,35)=2.384，p=0.132，η_p²=0.064）；补充ANCOVA调整前测后对照组调整后均数高于实验组，但因主交互不显著仅作基线调整证据。研究表明八周整合干预未带来整体SPCTS可测量提升。

3.3 与AILs相关的发现

反向计分后AILs时间×组交互不显著（F(1,42)=0.740，p=0.395，η_p²=0.017）；ANCOVA调整前测与电脑拥有率后组间差异不显著。研究人员指出AILs后测信度低（α=0.557），子量表不稳，结果应谨慎视为测量敏感性受限下的非结论性阴性。

3.4 与PCT相关的发现

PCT混合设计ANOVA显示显著时间×组交互（F(1,41)=22.793，p<0.001，η_p²=0.357），实验组增益更大；ANCOVA调整前测后实验组调整后均数38.65对比对照组30.53，差8.12分（p<0.001）。表明AI支持整合探究显著提升光合作用概念理解。

3.5 与RCT相关的发现

RCT共同11题版时间×组交互显著（F(1,44)=25.701，p<0.001，η_p²=0.369）；ANCOVA实验组调整后33.74对比对照组25.03，差8.71分。Holm校正后PCT与RCT交互仍显著，CTSs与AILs不显著。

3.6 与自评表相关的发现

质性内容分析显示实验组反思集中于概念误解修正（如暗反应非仅夜间）、AI工具使用（ChatGPT、Canva）、观察与分析、因果推理、协作得失。这些感知收益为量化结果提供情境支持，但不等同于AIL/SPCTS的量化提升。

讨论与结论翻译

讨论部分指出，概念理解增益源于IBL/PBL/DBL与AI脚手架共同支持的可视化、提示迭代与解释修订，而非单一AI效应；AIL未显著提升因该构念多维且本研究AI定位于教学支持而非AI素养专训，加之后测量表信度不足；SPCTS无提升因计算思维未作为独立目标，且八周对发展性技能不足，参与者仅实践科学特定CT而非广义CTS。局限性含整班非随机、无法分离AI独有贡献、完整个案分析致样本缩减、AILs/RCT部分信度低、概念测试重测练习效应、开放题未盲评、CTS为自评。

结论部分译文：

本研究考察了在教授职前科学教师光合作用与细胞呼吸时，整合引导式探究、问题驱动学习与设计驱动学习的AI支持教学环境。参与该整合环境与概念理解的更大提升相关，而两组在整体AI素养或SPCTS上未现统计显著差异。结合质性发现，结果表明AI支持探究可强化学科学习并创生参与科学特定CT实践的机会，即便更广胜任力未立即反映在自评SPCTS分数中。AI被作为贯穿问题形成、实验设计、解释建构、提示精炼与数字产物开发的教学支持。科学教师教育项目宜将AIL与CTS渐进嵌入真实学科经验，而非视作分离技术技能，从而通过负责任AI使用与基于证据的探究、协作及批判评估相联，培育可持续科学教师教育胜任力；但本研究未直接测量可持续性技能。未来研究应采用更大多样样本、更长或纵向干预及表现性评价结合标准化量表，以澄清AI支持探究如何随时间贡献于概念理解、AIL与科学特定CTS。