化學教學的“智”創融合：借力生成式人工智能提升學生思維品質

《教育強國建設規劃綱要（2024—2035年）》提出以教育數字化開辟發展新賽道、塑造發展新優勢，要實施國家教育數字化戰略，促進人工智能助力教育變革。“用人工智能解決學習內容問題”與“借助人工智能教會學生解決問題”在目標、過程與結果上存在本質差異。“人工智能 + 教育”的著力點應放在圍繞重難點推進學習過程的提效與提準：教會學生如何用智能工具解決問題，并在持續應用中提升思維品質。化學教學中，教師常使用生成式人工智能（GenAI）引導學生將生成文本轉化為圖像、虛擬實驗和即時評價等，以促進化學思維品質的發展。

一、以人為本，明確技術應用目標

人工智能正以前所未有的速度與廣度重塑生產生活與學習方式，成為影響未來教育格局的關鍵變量[1。教師需把握“以人為本”的科學依據一一培養會提出問題、會解決問題的“人”。“人工智能 + 學科”的融合素養目標是：在GenAI支持與教師引領下，學生能多角度思考，搜索、識別并應用關鍵信息，激活既有知識，綜合運用分析、理解、推理、論證、聯想與評價等能力，形成更優解決方案并付諸實踐，在過程中體現必備知識、關鍵能力與正確價值觀。

教學中，教師應關注將合理方案轉化為行動，在真實情境中解決真實問題，以技術賦能提升效率、豐富情境、培育素養，構建“人機共強”的教育生態[2。針對化學教學難點，教師可借助GenAI為學生個性化定制學習路徑，給學生以探索空間；教師作為引導者，要基于學科核心素養培養學生的批判性思維與問題解決能力。教師通過人機協同，營造互動、開放的教學環境，促進學生在掌握知識的同時，形成基于學科本質理解與體系建構的獨到見解與創新能力，成為數智時代具備核心競爭力的創新人才。

二、善用技術，拓展發展空間

（一）教師素養層面

化學教師是GenAI與化學教學融合的關鍵紐帶，需要系統提升智能素養：理解基本原理（如機器學習、數據挖掘），把握其在化學教學中的價值與邊界；熟練操作GenAI類工具（大模型、圖像生成、虛擬仿真、個性化學習平臺等），根據工具特性優化教學流程；堅守人機協同倫理，保障信息安全與教育本質回歸。以化學教師為例，人工智能素養見表1。

（二）學生應用層面

“人工智能 + 教育”以體驗與生成凸顯學生主體性[4。為保障思維發展，學生需具備以下兩方面素養。

表1化學教師實踐GenAI賦能化學教育的基本素養要求

（1）技術應用能力。熟練掌握GenAI文本生成與后續工具（如GenAI實驗模擬、數據分析）的基本操作，明確GenAI是輔助而非替代，核心在于助力“高效解決問題”。倡導按“先獨立思考一再分組交流一借助GenAI助思一教師點撥”的流程教學，并以批判性思維審視GenAI輸出，避免盲從。

（2）“學會提問”能力。提問質量體現思維水平。教師教會學生向GenAI提問與追問，養成良好的人機交互習慣，是賦能深度學習的關鍵。以高三化學教學為例，GenAI賦能的“提問”范疇與示例見表2。

（三）化學教學中應用GenAI的情境

GenAI服務于課程引導、內容設計、組織實施與學習評價四大環節，引發了機理預測／模擬、方案設計與即時評價等層面的變革。

1.GenAI構建化學教學情境的方向

情境1：模擬復雜體系內的化學反應。利用GenAI動態分子模型與反應歷程，讓學生“看見”鍵的斷裂與形成，深化機理理解[5]，激發空間想象與邏輯推理。

表2高三學生應用GenAI賦能化學學習中的提問示例

情境2：個性化學習與即時反饋。師生共同設計“一生一策、一生一評”學習路徑，GenAI基于學習數據推送資源、即時糾錯與思路點撥，生成個性化“改錯本”，助力知識體系嚴密建構。

情境3：探究性實驗設計與實踐升級。實驗課引導學生用GenAI驗證方案（虛擬實驗室）、完善設計（文本化方案評價）、可視化原理（圖文呈現）。以“催化劑選擇性”為例，可先用GenAI篩選催化劑與預測結果，再根據評價與反思進行真實實驗，高效發展創新與實驗能力。

情境4：知識與應用融合。以環境保護為主題，GenAI生成污染物治理模擬場景，學生在讀數、設計、復核等過程中體會化學在解決真實問題中的價值，增強社會責任意識。

2.GenAI構建任務情境的實踐

例1：探究微觀反應歷程。利用DeepSeek生成“二氧化硫催化氧化（ ΔV₂O₅ 表面催化）”的機理文本要點。

催化原理如下。

（1）表面吸附與氧化還原循環： SO₂ 與 O₂ 吸附于 V₂O₅ 表面， O₂ 解離為活性氧； SO₂ 與表面氧結合生成 SO₃ ，同時 V⁵⁺ 還原為 ?⁴⁺ ; O₂ 將V⁴⁺ 再氧化為 V⁵⁺ ，完成循環。

（2）反應機理與步驟：吸附一活化（ O₂ 解離、 SO₂ 形成中間體）一生成并脫附 SO₃ 一催化劑再生。

（3）影響因素：溫度（過高導致燒結或副反應、過低速率不足）、載體（高比表面積促進傳質）、助催化劑（調節電子結構、穩定活性中心、抗中毒）。

學生據此在ChemDraw軟件中生成 V₂O₅ 結構示意圖（如圖1），再按“位置一結構一性質一機理一表征”路徑學習。

圖1借助DeepSeek預測 V₂O₅ 結構

例2：探究實驗發生過程。利用DeepSeek生成“黑面包實驗”的模擬方法要點。

實驗模擬方法如下。

（1）材料包括蔗糖 50g ，濃硫酸（濃度約98% ） 10mL ；儀器包括燒杯、玻璃棒、防護手套、護目鏡等。

（2）步驟：先以少量水潤濕蔗糖；緩慢倒入濃硫酸并迅速攪拌；觀察顏色變深、體積膨脹與氣體釋放（1一3min）。

（3）關鍵現象：顏色由白 $$ 黃 $$ 棕 $$ 黑；形成多孔炭柱（體積約可達原體積5倍）；產生白霧與刺激性氣味。

學生先用文本復盤發生機理，再用NO-BOOK進行虛擬仿真實踐（如圖2）。

圖2應用NOBOOK模擬黑面包實驗

GenAI不僅提升效率，更憑借可視化、個性化與探究性，促進學生思維能力發展。

3.GenAl支撐的即時評價

課堂即時評價能顯著促進學生參與，當堂達成。將即時評價嵌入任務，通過GenAI實現“評一教一學”閉環，可更好關注到每位學生。目前的GenAI課堂分析多聚焦整課的教學組織與學習狀態[，但即時性不足。教師開發了“智能體”，將個體化評價嵌入教學設計（如圖3）。

教師設計了以下任務：請學生基于“元素周期律”一課，以陳述語氣向“GaIn3”總結收獲，查看即時評價（如圖4）并進行小組交流。

圖3通過“豆包”生成的智能體“Galn3”

三、課堂實踐

（一）學習內容

“元素周期律”系人教版高中化學必修第一冊第四單元的重點內容之一。教師構建了“位一構一性”與“價一類一律”互聯的認知框架：位（周期／族）定位硫為第三周期VIA族，對比同周期氯；構（原子結構）以最外層6個電子解釋硫從-2至 ⁺⁶ 的價態；性（元素性質）聚焦氣態氫化物穩定性（ HClgt;H₂S ）、單質氧化性（S2 ）與最高價氧化物水化物酸性（ HClO₄gt; H₂SO₄ ）的遞變。再以“價一類一律”耦合：價（化合價）關聯氧化還原，類（物質類別）用“價一類”二維圖分類單質、氧化物、酸之通性，律（元素周期律）基于原子半徑與核電荷差異揭示氯較硫更強的非金屬性。

GenAI用于難點突破：圍繞 Cl₂ 與 H₂ 劇烈反應的視頻鏈接、 Cl₂ 置換S的實驗設計與評價文本等，融合宏觀辨識、模型認知、科學探究與技術應用，形成“原子結構一價態分析一性質預測一實驗驗證”的學習鏈條，強化“位置決定結構、結構決定性質、性質反映規律”的學科思維模型。

（二）技術支撐

希沃互動系統提供游戲化腳手架，助力學生答題聯動，跨越認知卡點（如約 70% 的學生對“三氧化硫遇水劇烈放熱并生強酸、硫酸工業中間站”的理解存在困難）。DeepSeek與“豆包”智能體為不同層次學生提供數據與腳手架；呈現實證數據（原子半徑、鍵能等），幫助建構“非金屬性越強 $$ 最高價氧化物水化物酸性越強、氣態氫化物越穩定、單質氧化性越強”的微一宏關聯邏輯。NOBOOK虛擬實驗室可突破危險實驗限制，為學生提供可調參數的沉浸式探究情境，實現虛擬與真實實驗優勢互補。

（三）教學過程

教師以評價任務驅動學生學習，充分運用GenAI的課堂生成，促進學生思維發展（見表3）。

（四）GenAl應用創新

在化學教學中，GenAI為課堂注人了新的動能與活力：一是拓展了實驗方案的構想空間；二是以GenAI評價與證據檢索培養了學生的實證精神與批判性思維；三是促使學生將GenAI作為學習助手，強化知識關聯，促進深度思考。

四、反思與展望

（一）反思

在技術應用層面，GenAI的文本與資源生成顯著提升了效率，但網絡延遲、服務中斷等問題會干擾節奏；“文本一圖像一視頻”尚難一體化生成，需多平臺協同，提高了應用門檻。在思維品質層面，學生的提升效果不均衡，主要體現在“學會提問”與“借助GenAI深度學習”的理解與執行差異：部分學生能提出新穎觀點并進行反思，也有學生過度依賴靈感激發而忽視邏輯性與系統性訓練，這提示教師需在創意與結構化思維之間保持平衡。

表3教學過程

（二）展望

GenAI賦能化學教育教學，將在個性化學習與智能化輔助上持續深化，為學生思維品質的提升提供定制化資源與指導，增強其學習效果與動機[。未來需要在以下三方面著力：一是深化技術融合，發展智能輔導系統與虛擬現實/增強現實（VR/AR）沉浸式環境，健全技術保障與供給體系，確保穩定高效運行；二是優化教學策略，依據層次差異實施漸進式教學，并提供工具開展培訓，提升技術適應與參與度，推動教與學方式變革；三是強化思維品質培養，基于GenAI生成的復雜情境組織高挑戰任務，訓練邏輯推理與系統分析，突出過程性與即時性評價，為精準教學提供依據。

注：本文系北京市海淀區教育科學“十四五”規劃專項課題“AI工具支持下化學教學減負增效的行動研究”（編號：HDGH20250188）、北京市教育科學“十四五”規劃2024年重點課題“人工智能支持循證教研視域下素養成長型課堂模型構建研究”（編號：CADA24044）的階段性研究成果。

參考文獻

[1]李清華.以人為本，智能向善[J].現代特殊教育，2025（5）：1.

[2]伍依然．人工智能時代的教育仍須堅持以“人”為本［J].神州學人，2025（3）：13-14.

[3]韓建豐，高凌蕊．基于教育家精神的中學化學教師學科能力及學科素養發展研究[J].教書育人，2024（28）：39-43.

[4]周序，張鈺苑．重識與建構：智能時代學生在課程變革中的主體地位[J].蘇州大學學報（教育科學版），2024（3）：72-78.

[5]宿秀娟．人工智能技術提升高三化學課堂教學質量的有效性研究[D].武漢：華中師范大學，2022.

[6]韓建豐，高凌蕊．人工智能驅動的課堂分析：電化學綜合利用教學實踐與反思[J].中小學數字化教學，2024（8）：33-37.

[7] YANG S，YANG S，TONG C. In-Depth Application of Arti-ficial Intelligence-Generated Content AIGC LargeModel in Higher Education[J].Adultand Higher Educa-tion，2023（19）：9-16.

（作者韓建豐系北京市廣渠門中學教師；高凌蕊系首都師范大學第二附屬中學教師）

責任編輯：祝元志