基于生成式人工智能的地理實驗教學模式研究

摘 要：傳統實驗教學面臨“重指令輕對話”“重操作輕設計”“重套路輕創新”等問題。在地理課堂中，生成式人工智能的理解、推理和生成的核心功能使當前的實驗教學區別于傳統實驗教學，同時，也使課堂具備交互性、全程性和創新性等特征?；诖耍疚奶岢龌谏墒饺斯ぶ悄艿牡乩韺嶒灲虒W模式，并具體展示其在水土流失實驗教學中的實施過程。

關鍵詞：生成式人工智能；實驗教學；教學模式

中圖分類號：G633.55" " " "文獻標識碼：A" " " "文章編號：1005-5207（2025）08-0019-05

2023年，教育部發布的《基礎教育課程教學改革深化行動方案》要求加強實驗教學，提升學生的動手實踐能力［1］。地理實踐力的培養在于通過考察、實驗和調查，提升學生的實踐能力與意志品質［2］。然而，傳統實驗教學受制于場地和課時的影響，通常以教師演示、學生觀察為主，導致學生在實驗中的參與度較低，且存在“重指令輕對話”“重操作輕設計”以及“重模式輕創新”等問題。自ChatGPT問世以來，生成式人工智能技術迅猛發展，廣大教師積極將其融入學科教育的方方面面，未來教育樣態逐漸顯現。在此機遇下，實驗教學面臨的三大核心問題是否能有效破解，成為值得深入探討的問題。本文以水土流失實驗為例，探討其在地理實驗教學中的應用價值與路徑，以期為地理實驗教學創新提供參考。

一、生成式人工智能在實驗教學中的意義

與傳統實驗教學相比，生成式人工智能憑借其在理解、推理和生成方面的獨特能力，具有促進全程性、增強交互性和激發創新性等獨特優勢（圖1）。

1.促進地理實驗的交互性

生成式人工智能通過理解實驗內容并實時解答疑惑，使學生擺脫“重指令”的被動狀態。建構主義學習理論認為，學習者通過與環境的主動交互來構建認知框架，因此，地理實驗應促進學生與情境及合作伙伴的持續思維交流。然而，在傳統實驗教學中，教師為維持進度通常采用指令式教學，學生缺乏提問、對話和反饋的機會，實驗過程常呈現機械化與片段化特征。生成式人工智能的“理解”功能可使其在實驗中扮演“實時導師”的角色，通過文字交流、語音對話（如豆包大模型的“打電話”功能）或視頻通話（如ChatGPT-o1與谷歌Gemini大模型），精準捕捉學生疑惑與實驗場景中的失誤時刻，從而實現多模態交互指導。在此實驗場景中，“師”生交互的頻次與深度顯著提升，實驗操作與數據解讀通過多方對話實現課程從執行單向命令向互動式學習的轉變。

2.促進地理實驗的全程性

生成式人工智能可通過推理變量之間的潛在關系以及實驗操作與結果之間的邏輯關聯，有效助力學生完成實驗設計，彌補傳統實驗“輕設計”的缺陷?！镀胀ǜ咧械乩碚n程標準（2017年版2020年修訂）》強調：模擬實驗活動應引導學生經歷完整的科學研究過程［2］。然而，由于實驗設計對學生科學思維水平提出較高要求，需綜合考量對照實驗、變量控制、假設驗證等要素，這一環節往往耗時耗力，加之課時局限和學生能力差異，傳統實驗課堂往往忽略此環節。生成式人工智能的“推理”功能可快速辨析變量間的關系，幫助學生在前期設計、過程中監測及后期反思等環節獲得系統支持。如為學生提供多輪討論與糾錯建議，讓學生理解各實驗步驟間的邏輯鏈，并依據實時反饋做出靈活調整。這種由“推理”能力所驅動的“全程性”賦能，避免了實驗教學“頭尾脫節”或“淺嘗輒止”的情況，可提升學生的地理實踐力。

3.促進地理實驗的創新性

生成式人工智能通過跨領域聯想以及依靠現實課堂中非常規實驗器材和設備生成相應的實驗方案建議，幫助學生打破“模式化”的實驗思維。研究表明，生成式人工智能可實現跨領域知識的遷移和生成，強調探索知識的生成過程和創造新知識，而非依賴機械記憶和固定練習［3］。相比之下，傳統實驗教學受制于教具標準化，通常為學生預設實驗步驟（如在水土流失實驗中使用固定坡度的實驗箱），限制了思維自由和創造性。生成式人工智能的“生成功能”，依托跨學科的大數據和算法，為學生提供多元化的實驗思路與材料替代方案。教師無需局限于特定器材，而是引導學生借助AI探索如塑料盒、不帶刻度的杯子或自制土壤斜坡裝置等非常規工具，以驗證影響水土流失的諸多因素。師生借助AI生成各式迭代式的方案，不斷嘗試新的組合與變量控制，從而顯著提升實驗教學的創造力和創新性。

二、基于生成式人工智能的地理實驗教學模式

為最大化利用生成式人工智能的教學價值，本文提出了一種兼具交互性、全程性和創新性的地理實驗教學模式（圖2）。

1.組織形式

不同于傳統的“教師—學生”一對多課堂，本文提出了“生生平板”和“生生互動”的創新組織形式。為每位學生配備一臺安裝有生成式人工智能的平板，平板具有課堂直播功能。首先，通過與人工智能對話不斷優化實驗方案，激發多角度的創新思維，其次，實驗設計經過組內學生討論并進行組間提問，最后，教師審查，以確保實驗方案的科學性和合理性。此形式促進了學生的獨立思考和相互質疑，在避免學生對人工智能工具過度依賴的同時，通過多重審閱保障實驗設計的嚴謹性與科學性。

2.實施流程

該教學模式的實施包括情境誘發、發現問題、AI賦能實驗設計等環節。首先，教師設置能引發學生認知沖突的情境，激發其好奇心，引導其思考并發現與已學知識沖突的問題并明確相關概念，幫助學生理解討論的重點。其次，教師引導小組選擇感興趣的課題并提出實驗假設。在AI賦能實驗設計階段，教師提供實驗材料，但不直接指導設計，讓學生借助生成式人工智能自主設計方案。學生通過與生成式人工智能的交互形成初稿，組內討論后，通過組間提問和師生對話環節最終確定方案。在實驗實施階段，教師通過設備直播實驗，供其他小組觀摩，并給予提醒（如記錄關鍵數據），同時，鼓勵學生通過組內討論和人機交互解決問題。在檢驗假設和得出結論階段，學生分析實驗數據，自主展示數據和結論，解釋數據與假設之間的關系并得出結論。在回歸情境環節，學生將實驗結論和知識應用于實際問題，以實現知識遷移。最后，在課堂總結中，師生共同回顧實驗過程中的關鍵點，學生分享體驗和收獲，教師強調科學方法和邏輯思維，鼓勵學生反思并提升實驗技能和地理核心素養。

三、應用案例

本文依據《義務教育地理課程標準（2022年版）》中的內容要求：“設計簡單的實驗方案，利用模擬、虛擬等方式開展地理實驗”，以水土流失實驗為例，具體展示AI賦能地理實驗教學模式的實施過程。本次課程實施時長為1小時，充分滿足了學生的探索需求（表1）。

四、教學評價

本節總結性評價試題依據SOLO分類理論設計，根據作業評價確定學生所處的SOLO層次，即根據學生的知識儲備、思維過程、回答結構等，將評價結果劃分為5個層次［4］。試題評價的核心涵蓋地理實驗能力與人工智能技術應用能力兩大方向。圖3為其中一道測評人工智能技術應用能力的試題，表2為第一問對應的評價量表（表2）。

具體操作過程為：學生通過平板電腦接收教師推送的習題并完成作答。教師將學生的答題情況匯總后，利用人工智能分析工具進行數據處理。該工具根據學生回答，按SOLO分類理論對其進行分層歸類，統計量表數據，生成每位學生的學習情況、班級整體表現及教學反思建議。教師基于定量和定性的反饋，進行自我教學反思。結果顯示，本節課有50%的學生在總結性評價試題中達到了關聯結構層次，表明本次地理實驗教學效果良好。對于處于前結構和單點結構水平的學生，教師通過個性化輔導和加強后續課堂關注以彌補不足，鞏固學習效果。

五、結語

本文提出了一種由生成式人工智能賦能地理實驗教學的模式，并將其應用于水土流失實驗，采用SOLO分層理論進行AI實驗課堂的教學評價。該模式突破了傳統教學的限制，可在一定程度上提升學生自主學習能力和實驗創新能力。生成式人工智能在未來教育中具有關鍵作用，其應用遠不止于此，本文所展示的模式僅是其在教育領域應用的初步探索。鑒于人工智能在備課、自主學習和研究性學習等方面擁有巨大潛力，亟須教育工作者深入研究和完善，共同推動教育的創新與發展。

參考文獻：

［1］ 教育部辦公廳. 教育部辦公廳關于印發《基礎教育課程教學改革深化行動方案》的通知［EB/OL］. （2023-05-09）［2024-07-03］. http：//www.moe.gov.cn/srcsite/A26/jcj_kcjcgh/202306/t20230601_1062380.html？eqid=c24e469e 0002969d00000004647d8db9.

［2］ 中華人民共和國教育部.普通高中地理課程標準（2017年版2020年修訂）［M］.北京：人民教育出版社，2020.

［3］ 吳慮，楊磊.ChatGPT賦能學習何以可能［J］.電化教育研究，2023，44（12）：28-34.

［4］ 謝歡芳.基于SOLO分類理論的高中地理綜合實踐作業設計和評價——以“跨海而來，研學嵐島”海岸地貌綜合實踐為例［J］.地理教育，2023（6）：53-57.