人工智能对科学实践的影响：科学教育研究的新兴领域

 一、简介

人工智能（AI）现已成为社会加速发展的主要驱动力（Gruetzemacher & Whittlestone，2022），对科学（如AAAS，2021）和科学教育（如Alasadi & Baiz，2023；Cooper，2023）产生了重大影响，并提出了在教学（Talanquer，2023）和评估（Clark，2023）中使用AI工具等问题。而人类、机器和自然之间的区别越来越模糊，信息也从稀缺转向丰富（Floridi, 2015）。目前，科学家们利用AI来提出假设、设计实验、收集和解释数据，而这在以前仅靠传统方法是无法实现的（如 Wang等人，2023）。

毫不奇怪，科学教育研究越来越关注AI在教学中的作用（如 Mishra 等人，2023）。在最近的一项系统性研究综述中，Jia等人（2023）通过采用文献计量学和内容分析法来研究2013年至2023年Web of Science和Scopus中检索的76项关于AI在科学教育的应用的研究的特征，从而考察人工智能的发展趋势和研究焦点。结果表明：在过去十年中，基于人工智能的科学教育的影响力与日俱增。同时，研究也表明：人工智能在科学教育的应用的研究重点是将教育机器人、数据挖掘和机器学习等主题纳入中小学科学教育。而人工智能应用主要涉及应用于科学内容的教育机器人、机器学习、数据挖掘、智能辅导系统、自动化和检测/预测。同时，另一篇最近的系统性研究综述从更广阔的视角探讨了机器学习在教育中的应用，强调了未来研究的一些领域，包括如何将机器学习整合到计算机以外的学科领域，以及需要更多关于机器学习的社会和伦理影响的证据（Sanusi等人）。

在有关人工智能的新兴科学教育文献中，人工智能对科学实践本身的影响以及这种影响对科学教育的影响是一个巨大的空白。以Alpha Fold为例，它是一种人工智能工具，在2021年被《Nature Methods》杂志评为“2021年度方法”。该工具让科学家们能够非常准确地预测蛋白质折叠，这已被认为掀起了一场生物学革命（Ewen，2022）。人工智能的使用提出了一些关于科学实践的基本问题，特别是关于科学如何进行以及谁真正从事科学的问题。“科学实践”一直是美国近期科学教育改革的核心主题（如NRC，2012），而对该主题的兴趣也扩展到了世界的其他地区（如Costa & Broietti，2021）。对科学实践的关注一直是科学教育工作者的一项主要关注点，这是因为科学研究中更广泛的“实践转向”（Berland等人，2016）强调学生参与科学家如何从事科学研究的重要性。美国的《新一代科学教育标准》（NGSS）（2013）以美国国家研究委员会（NRC）（2012）的建议为指导，将科学与工程实践定义如下：

·提出问题（针对科学）和定义问题（针对工程）

·开发和使用模型

·策划和执行调查

·分析和解释数据

·运用数学和计算思维

·构建解释（针对科学）和设计解决方案（针对工程）

·根据证据进行论证

·获取、评估和交流信息

科学实践的这种特征已被明确用于国际课程分析，例如Nguyen 等人（2023）对台湾和越南的国家科学课程进行了研究。尽管在不同的国家背景下，NRC（2012）和NGSS（2013）概述的过程可能不会被明确定义为“科学实践”，但它们仍然与科学的各个方面有关，如调查、论证和解释这些方面在欧洲（Mork等人，2022）、东南亚（Choi等人，2021）和非洲（如Ramranain，2020）的许多国家的科学课程中都有所体现。因此，NRC（2012）和NGSS（2013）描述的科学实践的特征可以作为一种有效的启发式方法，用以指导有关教育目的的科学实践的讨论。

在本文中，我们基于发表在物理和自然科学期刊上的研究，探讨人工智能在科学实践中的应用。我们这样做的目的是说明人工智能与当代科学实践的相关性，进而与科学教育的相关性。通过使用NRC（2012）的框架作为启发式方法，追踪目前使用AI工具的科学实践范例，我们探索了科学研究的新前沿是如何为科学教育研究人员开辟的。我们提出了一些科学教育方面的研究问题，以此邀请《国际科学教育期刊》的读者和作者参与讨论。其中一些典型问题涉及基于人工智能的科学实践对中学科学课程、教学和教师教育的相关性。本文的最终目的是确保未来可能成为科学家和有科学素养公民的学生能够解读人工智能如何影响科学的本质（Erduran，2023）。

二、 人工智能对科学实践的影响

人工智能对科学实践的影响是巨大的，而且变化很快。本节以专业期刊中报道的生物学、数学、物理学和化学相关示例为例。发表在《自然》杂志上的一篇综述文章（Wang 等人，2023）探讨了人工智能如何帮助科学家“提出新问题”和在粒子物理学、材料科学、生物学、化学和其他领域中产生新假设，从而“策划和执行调查”。事实上，人工智能正帮助科学家提出新的假设（Hutson，2023），并设计出传统科学方法无法实现的调查（Wang 等人，2023）。在科学实践中使用人工智能的新兴文献包括生物学中的 “开发和使用模型”。以过去几年导致全球大流行的病毒SARS-CoV-2的分子动力学模拟为例，Casalino 等人（2020）利用人工智能工具发现了刺突蛋白的新生物功能，这种蛋白在开放构象和封闭构象中表现出不同的行为。这一发现改变了人们对生物系统中聚糖的看法，并启发了分析聚糖的新方法，有助于科学家们如何参与“分析和解释数据”。

“使用数学和计算思维”的一个相关例子是数据中的异常情况。目前，人工智能正在帮助科学家估计预测的置信度，以直接搜索数据中的异常情况（Nigam 等人，2021）。人工智能揭示隐藏规律的能力在数学中得到了证明，其中人工智能暗示了结/理论中先前不相关的不变量之间的关系，并允许数学家推测并证明一个新的定理（Davies 等人，2021）。天文学领域最近的一个具体例子是，从过去30 年太阳系行星和卫星的实际观测数据中重新发现了牛顿万有引力定律（Lemos 等人，2022）。利用人工智能对运动方程进行了高质量的预测，并准确预测了行星的质量。该工具能够“构建解释”和预测，并且可以“根据证据进行论证”。我们还开发了其他一些先进的计算技术，用于查询科学文献并对其进行系统研究（Olivetti 等人，2020）。这些研究正在帮助科学家推导出复杂的科学思想，如不同晶体结构之间的关系（Schwalbe-Koda等人，2019），突出了“获取、评估和交流信息”的实践。

在某些情况下，人工智能在科学中的应用正在说明科学实践的本质如何在进行研究的可能性方面发生变化。例如，通过分析大量数据提出假设，而这些数据在没有人工智能的情况下是不可能获得的。人们还对人工智能的伦理使用提出了质疑，因为已知机器学习中使用的一些数据集存在偏见，这促使专业机构制定负责任地使用人工智能的指导方针（Stall 等人，2023）。虽然科学家从事的是作为科学基础的一般类型的实践（如假设的产生、调查的策划），但这些实践如何随着人工智能的使用而发生变化的细微差别值得科学教育考虑，特别是如果科学教育的目的是让学生为快速变化的科学研究环境做好准备的话。

三、科学教育研究的新兴问题

在探讨科学实践中使用人工智能对科学教育的影响时，值得考虑的是对公民和科学家产生共同需求的更广泛的社会背景。目前，人工智能的发展速度如此之快，以至于我们正生活在社会学家哈特莫特·罗萨（Hartmurt Rosa）所说的 “加速的社会”（Rosa，2013）。在加速的社会中，教育系统往往停滞不前、僵化，似乎无法跟上变革的步伐（OECD，2019）。因此，传统教育机构所生产的知识和技能与社会需求之间出现了严重差距。另一个令人担忧的现象是“未来冲击”（Toffler，1970），这是个人和整个社会在感知到“在短暂的时间里发生了太多的变化”时所经历的一种心理状态。由于变化的速度呈指数级增长，人们很难跟上变化的速度，会感到恐惧，这让他们不想了解技术发展背后的科学。

同时，人工智能具有疏离感的一个原因是对机器编程语言的理解。在科学教育中，如果学生没有接触过任何计算机科学，那么他们很可能会对人工智能如何参与科学感到陌生。在对编程语言的理解方面，一些机器学习和教学计划保持了传统的（即基于文本或块状的）方法，使用传统编程来教授机器学习主题，而其他计划则将重点从编程转向神经网络结构的设计（Vartiainen等人，2012）。这些不同的取向不可避免地会导致学生对编程在人工智能中的作用产生困惑。另一种教育方法是要求学生进行训练具有数据的机器学习模型，包括利用数据、数据的管理、清理和标注（Sanusiet 等人，2023）。虽然学习人工智能的这些方面（即了解人工智能是如何工作的）非常重要，需要进一步研究，以解决科学教育中的不同学习成果，但我们本文的主要目标是关注现有科学教育中人工智能文献（如 Alasadi和Baiz，2023）中未充分说明的一个方面，即人工智能对科学实践本身的影响。我们提出的问题不是关于技术技能的掌握（尽管我们也认为这些技能很重要，特别是在处理编程疏离感方面），而是对人工智能如何更广泛地渗透到科学实践中的理解。考虑到人工智能的快速创新，科学教育将受益于能够帮助洞察如何将中学生的教育与受人工智能影响的当代科学实践保持一致的研究。我们讨论中提出的一个关键问题是：为什么首先需要将基于人工智能的科学实践纳入科学教育？支撑这一问题的基本假设是：如果要确保学生具备良好的科学素养，专业的科学实践和学校的科学实践必须保持一致（如Phillips & Norris，2009）。

因此，开展以下方面的研究正当其时：（a）科学实践的不同方面，例如人工智能促进科学建模的性质；（b） 学生学习人工智能在推动科学实践方面的作用，例如当证据来自人工智能时，如何影响基于证据的决策；（c） 教师培训，以支持他们处理人工智能如何影响科学实践，例如理解和教授人工智能工具中的偏差作用。这些研究主题涉及对课程、教学和教师教育的关注，可以提出如下问题：

·基于人工智能的科学实践有哪些相关内容可以纳入中学科学课程？这些实践对学习者提出了哪些认知要求？如何构建科学课程，以便在中学教育中有效推进科学实践？

·如何通过纳入基于人工智能的科学实践的最新进展来加强科学的教学？人工智能与科学实践的整合对学生理解和参与科学有什么影响？

·哪些教学工具和策略能有效支持学习人工智能在科学实践中的作用？如何将人工智能工具应用于中学科学实践的教学？

·教师培养计划如何支持教师跟上人工智能和科学领域日新月异的发展？大学科学系和科学教师教育课程如何调整其课程设置以纳入人工智能？

人工智能的进步不仅引发了关于科学实践的特征问题，也提出了科学实践中的主体性问题。换句话说，谁在进行科学，可以从哪些科学实践完全由人类执行，哪些科学实践由机器介导的角度来质疑。随着人工智能工具日益成为科学实践中不可或缺的一部分，主体性因素对科学教育产生了影响，因为学习环境需要适应人工智能作为科学实践中的“合作者”，促使学生和教师共同使用这些工具解决科学问题。显然，将人工智能对科学实践的作用和影响等新内容纳入课程，意味着对教育部门提出新的要求。这些要求与任何更新或提升教育目标和成果的新建议并无二致，可能需要对课程内容和结构进行重新定位，并在评估、教学和教师培训方面进行一系列改革。因此，将人工智能纳入科学教育是科学教育的一项艰巨任务，需要进行系统性变革（Erduran，2023）。然而，越早研究人工智能在科学实践中的作用，并将其应用于科学教育政策和实践，学校教育就越不可能过时，从而帮助学生在加速的社会中蓬勃发展。