數(shù)字化深度滲透初中科學教育，正在重塑科學實驗探究的實踐樣態(tài)和育人邏輯。技術拓寬了科學探究的認知邊界，為落實“做中學”提供了新的支撐，但同時也催生了新的育人挑戰(zhàn)：探究過程簡化與學生深度認知發(fā)展之間、算法標準化評價與探究過程個性化之間的矛盾日益凸顯。一方面，仿真平臺、智能傳感等工具簡化了觀測統(tǒng)計、數(shù)據(jù)運算等環(huán)節(jié)，壓縮了學生試錯探究、自主研判、深度思辨的成長空間。另一方面，基于預設算法的智能評價系統(tǒng)，難以完全捕捉學生探究過程中的個性化思考、臨場生成的創(chuàng)新思路，容易造成思維閃光點的流失。如何破解這些矛盾，值得關注。

　　1

　　人機交互：

　　自主建構科學基礎認知

　　建構主義學習理論表明，科學概念并非由外部直接灌輸，而是學習者依托個體經(jīng)驗，在與客觀世界持續(xù)互動的過程中主動建構生成。AI時代的科學教育，更強調知識與真實世界、現(xiàn)實問題的深度鏈接。依托移動端設備、智能傳感器、虛擬仿真平臺等數(shù)字化工具，可將原本難以常態(tài)化開展的長周期、微觀探測任務，拆解為可落地、可觀測、可追蹤的生活化探究項目，引導學生走出固定實驗室場景，并立足校園環(huán)境、日常生活開展真實數(shù)據(jù)采集，建立科學知識與現(xiàn)實生活的內在聯(lián)結，持續(xù)培育學生善于觀察、主動發(fā)問、自主探究的科學素養(yǎng)。

　　當前，生成式人工智能的應用，改變了學生的學習方式，同時善用智能工具開展探究學習也成為數(shù)智時代學生科學素養(yǎng)的重要構成維度。數(shù)字化平臺能夠提供多維度、多場景的對照實驗樣本，生成不同變量、不同環(huán)境下的模擬探究結果。教師可以此為基礎，組織學生與AI展開多輪認知對話：辨析實地采樣數(shù)據(jù)與仿真模擬結果的偏差成因，追溯異常數(shù)據(jù)產(chǎn)生的內外誘因，對比不同實驗方案的優(yōu)劣差異。

　　在這一人機交互初步構建科學知識的過程中，教師需引導學生保持獨立思考的能力，審慎核驗AI生成內容，在質疑、對比、辨析中逐步建構基礎科學概念。同時可借助思維記錄單、探究日志等載體，把學生思考過程加以外現(xiàn)，促進碎片化思考走向系統(tǒng)化。需要明確的是，數(shù)字工具與智能平臺是拓展探究邊界的輔助支架，長周期觀測、微觀現(xiàn)象捕捉等技術延伸優(yōu)勢可充分利用，但實驗設計、實地采樣、基礎操作、現(xiàn)象觀察等核心探究環(huán)節(jié)，必須堅持以學生自主實踐為主體，讓學生在“提問—探究—求證—反思”的循環(huán)中，完成科學知識的初步建構。

　　2

　　人機協(xié)同：

　　實操習得核心科學方法

　　初步概念的建構是科學學習的認知起點，以數(shù)據(jù)驅動為基礎的人機共生的實操探究范式，是數(shù)字化賦能科學教育、重構“做中學”育人邏輯的核心落點。隨著多模態(tài)感知、實時算力推演、自適應場景交互技術的迭代成熟，人工智能已突破傳統(tǒng)課堂“單向演示、事后糾錯”的工具定位，從過去“學生操作、機器輔助”的補位模式，轉向人機平行思考、協(xié)同共創(chuàng)、雙向賦能的認知伙伴關系，推動科學探究教學由經(jīng)驗復刻式、驗證式教學向智能支撐下的實證式探究轉型。

　　這種轉型中AI深度嵌入完整探究鏈條，具體表現(xiàn)為：在實驗設計階段，學生基于已有認知提出探究假設，AI通過仿真預演、變量篩查、案例比對等方式，協(xié)助學生優(yōu)化實驗思路、預判誤差風險、完善探究路徑，彌補傳統(tǒng)學生設計單一、考慮不全、試錯成本高的短板。在實景操作環(huán)節(jié)，學生主導器材搭建、流程推進、現(xiàn)場現(xiàn)象觀察等主體性實踐活動，可以守住科學教育親力親為、親歷實證的本質；AI則可以同步開展高頻、精細、多維的數(shù)據(jù)捕捉，實時抓取人眼難以察覺的微變化、短時波動與隱性環(huán)境干擾，形成學生定性體驗與智能定量采集互補的完整探究證據(jù)鏈。

　　人機協(xié)同探究的核心育人價值，集中體現(xiàn)在共同數(shù)據(jù)分析與誤差思辨的深度共創(chuàng)上，這也是智能時代區(qū)別于傳統(tǒng)實驗教學的關鍵所在。如在力學定量探究中，學生獲取第一手實操數(shù)據(jù)后，結合自身操作體驗提出趨勢猜想，AI完成多組數(shù)據(jù)橫向比對、參數(shù)縱向推演，師生人機共同辨析數(shù)據(jù)偏差來自人為操作、器材精度還是環(huán)境干擾；在物態(tài)變化探究中，面對零散、反常的離散數(shù)據(jù)，AI通過多場景回溯與變量復刻，協(xié)助學生分層排查誘因、修正實驗結論，讓原本被忽略的微小誤差成為深度學習的生長點。

　　學生與AI就數(shù)據(jù)解讀、規(guī)律推導、誤差歸因等開展思辨，正是在邊實操、邊對話、邊比對、邊修正的迭代求證中，自主沉淀控制變量、證據(jù)推理、數(shù)據(jù)建模、誤差研判等通用科學探究方法，穿透實驗表象讀懂原理本質，實現(xiàn)從碎片化概念識記到結構化、根源性學理理解的深度進階，為后續(xù)知識遷移與系統(tǒng)化知識建構筑牢實證思維根基。

　　3

　　人機融合：

　　個性評價推動知識遷移

　　AI與實驗教學的深度融合，推動科學學習評價從統(tǒng)一化、結果式評價，轉向個性化、全過程、發(fā)展性評價，讓智能技術成為學生科學探究的專屬成長支架，助力學生從淺層知識識記走向深度學科探究，實現(xiàn)科學素養(yǎng)的全方位提升。

　　依托AI智能診斷，可精準錨定探究短板。人工智能全程追蹤學生實驗操作、變量調控、數(shù)據(jù)處理、誤差分析等完整學習行為，精準甄別學生問題根源，清晰區(qū)分操作不規(guī)范、方法不科學、原理理解不透徹等個性化問題，讓隱性的學習漏洞顯性化、具象化，并生成精細化學情分析報告。教師可結合智能診斷結果，開展一對一精準指導，引導學生對照問題復盤反思、修正不足、補齊短板，實現(xiàn)靶向提升。

　　依托AI專屬復盤，有效推動知識遷移應用。人工智能可根據(jù)每名學生的探究過程與學習表現(xiàn)，生成個性化學習小結，定制適配學情的拓展習題與全新探究場景。引導學生將習得的探究方法、科學規(guī)律遷移應用于陌生情境、現(xiàn)實問題，在反復應用中鞏固認知、活化知識。同時AI可實時追蹤學生知識遷移成效，點對點糾正認知偏差與應用誤區(qū)，助力學生整合探究方法、梳理思維邏輯。

　　依托人機協(xié)同復盤，系統(tǒng)建構完整知識體系。學生結合實操過程、理論知識、誤差溯源、規(guī)律推導等完整學習內容，與AI協(xié)同復盤探究全流程，打破碎片化、點狀化的知識記憶，打通理論學習與實踐探究的壁壘，自主梳理、優(yōu)化知識思維導圖。人工智能針對學生建構的知識框架進行精準反饋、查漏補缺、優(yōu)化完善，引導學生搭建融合科學概念、探究方法、客觀規(guī)律、應用場景、典型案例的立體化知識體系，真正實現(xiàn)學有所悟、做有所得、用有所通，全方位夯實“做中學”的育人成效。

　　人工智能尤其是生成式智能技術的融入，為科學實驗教學提質開辟了新的可能性，催生了形態(tài)豐富的探究實踐。立足“做中學”，AI時代科學教學應秉持精耕細作的實踐立場，依據(jù)不同課型，打磨教學環(huán)節(jié)，優(yōu)化人機協(xié)同探究設計，促成學生在親身實操中開展深度的人機交互，并借由人機協(xié)同的實踐路徑，不斷挖掘科學探究的深層價值。

　　（作者系山東省煙臺高新技術產(chǎn)業(yè)開發(fā)區(qū)實驗中學校長）

《中國教育報》2026年10月20日 第04版