AI 整合科學探究：以實務為中心的科學教育願景
arXiv - Human-Computer InteractionArne Bewersdorff, Matias Rojas, Xiaoming Zhai
本文提出將 AI 視為科學工具，整合進科學探究流程中，以培養學生的學科 AI 素養。
AI 幫你先抓重點
AI 重點 1
從「學習 AI 技術」轉向「利用 AI 進行科學探究」。
滑鼠懸停看 AI 判斷理由
這改變了 AI 教育的範式。與其單獨教授 AI 演算法，不如將其融入真實的科學實務中，讓學生在解決科學問題的過程中自然理解 AI 的角色與侷限。
AI 重點 2
建立「學科 AI 素養（DAIL）」的重要性。
滑鼠懸停看 AI 判斷理由
這不僅是技術操作，更強調學生需理解 AI 如何改變科學實務，以及 AI 可能在哪裡產生誤導，這對於培養具備批判思考能力的未來科學家至關重要。
核心研究發現
- 1
主張將 AI 視為科學探究中的一組「科學儀器」，而非獨立的教學主題，並應與 NGSS 科學實務結合。
- 2
提出將 AI 工具進行教學限制（Pedagogically Bounded），即簡化控制介面但保留核心科學功能。
- 3
建議在科學探究的三大核心環節中導入 AI：使用電腦視覺進行觀察、聚類分析進行分析、生成式模型進行建模。
- 4
強調每個 AI 工具都應設置「反思點」，引導學生對 AI 工具本身的可靠性進行批判性評估。
對教育工作者的啟發
課程設計者應避免將 AI 作為獨立的資訊科技課程，而應將其轉化為科學實驗中的「數位儀器」。例如，在生物觀察課中使用電腦視覺辨識物種，或在物理建模中使用生成式模型。設計時需注意兩點：第一，工具應經過教學簡化，確保學生專注於科學概念而非複雜的操作；第二，必須在教學流程中嵌入「批判性反思環節」，要求學生檢視 AI 數據的準確性與偏差，從而實現技術應用與批判性思考的平衡。
原始文獻資訊
- 英文標題：
- AI-Integrated Scientific Inquiry: A Practice-Centered Vision for Science Education
- 作者：
- Arne Bewersdorff, Matias Rojas, Xiaoming Zhai
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。