科學教育的數字化轉型：人工智能與數字畫像的協同效應

摘要：人工智能具備海量存儲力、高頻計算力、多模態分析力和可視化呈現力，在中小學教育中，AI數字畫像技術在教育評估和個性化教學方面發揮著重要作用。因此，本文提出借助物聯網感知技術、非接觸式感知技術、多模態融合技術和教學行為分析技術，建立以學習者為中心的智聯學習環境，并通過人工智能與云計算，精準生成學習過程的數字畫像，科學解碼學習圖譜，為學校提供學生科學素養的全面視圖，進而適配差異化學習路徑，有效提升學生的科學素養和創新能力。

關鍵詞：AI數字畫像；科學教育；差異化學習

中圖分類號：G434" 文獻標識碼：A" 論文編號：1674-2117（2025）04-0012-04

引言

黨的二十屆三中全會指出：“教育、科技、人才是中國式現代化的基礎性、戰略性支撐。”科技創新靠人才，人才培養靠教育，中小學科學教育正是聯結科教興國、人才強國、創新驅動發展三大戰略的關鍵紐帶。筆者所在學校作為全國中小學科學教育實驗校和江西省智慧教育示范校，從AI人工智能與科學教育融合的新視域出發，利用教育大數據對師生的教學行為進行全方位、立體化的捕捉與綜合性評價，形成師生的“數字畫像”，解碼差異化學習圖譜，實現科學教育教學內容和方法的智能化定制，為推動大規模個性化科學教育發展提供了新的理論視角和解決方法。

“數”“智”建構：數據驅動的科學教育體系

1.智慧校園：學校現代治理框架

在“十四五”規劃時期，筆者所在學校堅持人工智能與學校管理深度融合，將數字技術和數字思維應用于教育教學的轉型升級，用智能化手段系統重塑現代學校治理體系，形成了“四層三化”的智慧校園框架（如下頁圖1）。

2.科學教育：“一核·兩翼·多維”實施框架

學校把科學理論教學、科學實驗探究、創新實踐技能、國防文化氛圍、愛國主義教育相互貫通，通過創新課程圖譜、強化實驗教學、推動跨學科整合、實施校家社聯動等一系列行動，從教育理念、培養模式、培養過程、評價機制等方面構建起“一核·兩翼·多維”的“1+2+N”立體多元科學教育體系（如下頁圖2），體現了對新時代中國式科學教育的深刻理解。

“數”“智”建模：AI數字畫像“五步成像法”

1.數據收集：多維度數據整合

（1）多渠道的數據來源

一是階段性數據。充分利用學籍系統、成績管理系統等學校現有的數據庫資源，獲取師生的基礎信息和學業數據。

二是過程性數據。接入在線學習平臺，捕獲師生學習時長、學習進度、互動情況等在學習過程中的行為數據，并通過社交媒體、論壇等渠道，了解師生的興趣愛好、社交關系等非學術性信息。

三是實時性數據。通過“智慧課堂”管理系統、物聯網、云計算等手段，采集和分析師生的教學行為和表情，根據數據分析，對學生的學習行為和習慣進行干預，幫助學生形成良好的行為模式和心理品質。

（2）多樣態的采集方式

一是集中式多平臺采集。學生家庭情況、校園生活和學習環境及成長經歷等結構化和結果性數據，具有覆蓋面廣、標準化程度高等特點，主要通過學籍管理系統、學生成長檔案系統等多個平臺，每學年進行集中采集、整合與管理。

二是周期式物聯感知采集。學習環境、班風學風、教學過程、身心健康、學業水平和教育質量等過程性和結果性數據，具有連續性、規范性的特點，可以通過智學網學業監測系統、電子班牌系統等物聯感知技術，進行周期性監控和測量。

三是伴隨式多模態融合采集。教育教學過程中實時產生的課堂參與、情緒體驗、作業與考試、社會實踐、交流互動等海量數據，具有密集性、動態性、復雜性、全面性等特點，主要借助平臺采集、智慧教室錄制、動作和語音識別等多模態融合技術手段進行伴隨性采集。

（3）多步驟的數據預處理

一是篩選過濾。通過AI人工智能去除無效信息，確保數據的針對性與準確性。

二是合并去重。借助云計算比對海量學習數據，將重復的內容合并和去重，確保數據的唯一性。

三是標準化與歸一化。根據分析和挖掘的需要，對數據進行標準化和歸一化處理，把原始數據轉換為可測量的數值。

2.數據編碼：科學素養指標的量化

（1）數據分類與標識

首先要對綜合學業大數據進行細致的分類與標識，如學業數據、行為數據、教師數據。此外，還包括學生在社交媒體上的活躍度、興趣愛好等其他數據。

（2）科學素養指標的確定

在數據分類的基礎上，通過智能建模的方式，根據科學教育的要求，進一步確定科學素養可量化的關鍵指標，包括傳統的作業完成、考試數據等學業成績，也包括學生的創新能力、批判性思維、問題解決能力等非傳統學業能力。

（3）數據編碼與標準化

最后對各類數據進行編碼和標準化處理。依照人工智能制訂數據編碼規則，有效地整合不同來源、不同格式的數據，消除數據間的量綱差異，使其可以有效地比較和分析，以便于下一步的數據分析和數據挖掘。

3.特征提取：關鍵信息的智能化篩選

（1）關鍵特征識別

在數據收集與編碼完成后，運用AI算法，揭示數據間的內在關聯和潛在規律。通過智能比對與分析，精確提取與數字畫像目標密切相關的關鍵特征：既包含認知層次水平、創新思維品質、實踐實驗能力、學習興趣偏好等學生方面的特征，也包括教學風格、課堂結構、教學效果等教師方面的特征。

（2）特征解釋與優化

學校運用人工智能技術對提取的特征進行詳盡的分析，確保每個特征都具有清晰明確的實際含義。通過持續優化算法和模型，提高了特征提取的精確度和效率，從而為繪制數字畫像提供了堅實的支持。

4.數據可視化：直觀洞見差異化學習圖譜

（1）視覺化呈現

將模型生成的師生特征用直觀的易于理解的方式進行可視化展示。可以通過精心設計的各種圖表、圖形以及交互式界面，確保數據能夠以最清晰、最吸引人的形式呈現出來。

（2）個性化畫像報告

基于數據可視化的結果，為師生提供個性化的畫像報告。報告要詳細展示師生的關鍵特征，解析師生的優勢和不足，還應結合教育領域的專業知識和經驗，提供具體的改進建議和策略。

5.互動與反饋：人機交互式協同優化

在數據可視化的過程中，要強調與師生的互動和反饋。師生也可以通過在線平臺對展示的數據和報告提出意見和建議，以多向互動的方式對數字畫像進行優化和完善。

“數”“智”解碼：精準適配科學教育策略

1.課程建設：多元化立體課程體系

（1）學科課程群

一是分層次的課程設置。針對學生數字畫像中的學習能力和認知水平，學校設計了分層的教學計劃，提供入門級、進階級和專精級的科學課程，以滿足不同層次學生的差異化學習需求。

二是興趣導向的選修課。根據學生的興趣愛好和個人特長，開設航模海模、機器人技術、無人機課程等系列化選修課程。

三是學習路徑規劃。結合學生數字畫像中的目標定位和發展潛力，為學生提供個性化的學習路徑規劃，引導學生有序地完成學科知識的學習和能力的提升。

（2）跨學科課程群

一是推行STEAM教育體系。通過整合科學、技術、工程、藝術、數學等領域的知識，設計一系列跨學科課程，培養學生的綜合素養和創新能力。

二是開展項目式學習。以解決實際問題為導向，設置創意設計、科學實驗、技術創新等常態化項目式學習活動，鼓勵學生在實踐中學習和應用跨學科知識，提升解決問題的能力。

三是探索創新思維訓練。通過舉辦邏輯思維、批判性思維、創造力開發等創新思維訓練課程和工作坊，幫助學生建立跨學科的思維框架，激發學生的創新潛能。

（3）動態調整課程

學校利用大數據分析工具，實時監測學生的學習進度、成績趨勢和反饋情況，以此為依據靈活調整課程內容和教學方法，確保教學的針對性和有效性。學生也可以對教學內容和方法提出建議，形成一個互動的教學環境。

2.教學提質：多學科交叉融合

（1）個性化教學資源

根據學生的個體數字畫像，精選和整合教科書、在線教程、互動模擬實驗等豐富的科學教育教學資源，使其貼合學生的學習風格和水平。先進的智能推薦算法，為學生提供個性化的學習資源列表，針對學生的優勢和需要改進的領域提供輔助。利用個性化推薦資源，學生可以高效地自主學習，并通過智能導航系統在知識圖譜中找到最合適的學習路徑。

（2）實時互動與反饋

教學行為分析系統通過傳感器、拾音器、網絡攝像頭綜合采集學生課堂行為數據，學生終端和教師終端的互動可以提高學生思維活躍度，教師依據學情作出相應調整。多模態融合技術綜合檢測和識別師生的語言、姿態、面部表情和行為舉止等信息，通過智能系統的即時評估功能，學生可以立即得到自己對課堂內容掌握程度的反饋，這種以人工智能為基礎的實時互動教學模式為課堂注入了新的活力。

（3）科學素養培養

根據學生數字畫像呈現出的學生學習興趣與認知層次，學校設計了多種科學探究項目，讓學生能夠沉浸式動手進行實驗和研究，培養他們的觀察力、分析能力和批判性思維。同時，利用各級各類科學類競賽，貼近學生的最近發展區，激發學生科學創新的熱情。

3.綜合評價：多維度動態化評估范式

利用AI數字畫像技術，可以實現評價主體多元化、評價維度立體化、評價方式多樣化的動態評估（如圖3），教師能全面、準確地評價學生的科學學習能力，并為學生提供個性化的學習路徑規劃。

4.科學實踐：多主體高效協同聯動

（1）校館合作

學校與眾多科技館、博物館建立了合作伙伴關系，定期組織學生參觀各種主題的科學展覽，使他們能夠沉浸式體驗科學技術的最新發展。來自合作機構的專家和科學家為學生舉辦互動式科普講座和工作坊，讓學生在輕松愉快的氛圍中學習復雜的科學概念。

（2）家校社協同

學校通過科研項目與高校及研究所搭建合作橋梁，讓學生在專業科研人員的指導下，進入高校實驗室，參與實驗設計和數據分析，體驗前沿科學研究，培養他們的實驗技能和科研思維。科技類社會實踐成為重要紐帶，學生深入社區進行科普教育宣傳，通過互動游戲、模型演示等形式普及科學知識，提高公眾的科學素養。學校特別強調家校互動學習，以親子科學閱讀、家庭科學探索等家校互動學習項目，鼓勵家長參與孩子的家庭科學實驗，促進家庭成員之間的交流和學習，增進家長對科學教育的理解和支持。

結語

通過數字畫像在科學教育中的深度應用，將學生的個性化數據與大數據分析相結合，采用數字化手段對學生學習過程和成果進行全面追蹤評估，學校更精確地理解每位學生的學習狀態，設計出有效的科學教育策略。

參考文獻：

柴喚友，劉三女牙，康令云，等.教育大數據采集機制與關鍵技術研究[J].大數據，2020（06）：14-25.