生成式人工智能(artificial intelligence, AI)在教学中快速渗透,教师用其自动生成教案已成现实,但这类产物的教学合理性与理论契合度仍存疑。既有研究多聚焦职前教师教育中的可用性与效率,较少追问 AI 教案是否真正对齐复杂的过程导向教学法。(文末附论文pdf获取方式)

研究聚焦一个待填补的空白:AI 生成的教案能否支撑**基于工程的学习(Engineering Design-Based Learning, EDBL)**这一强调迭代问题解决、创造性与情境应用的教学模式,并覆盖 2024 年修订版土耳其科学课程所强调的多维技能。
核心问题:面向 6 年级科学单元的 AI 生成教案,其教学质量与 EDBL 契合度如何在国家课程技能与 EDBL 阶段的标尺下被评估?
EDBL 根植于问题式学习与建构主义,通常包含六个阶段:识别问题、研究问题、提出方案、选择并发展方案、原型与测试、评估与再设计。其成功依赖情境敏感、认知投入和有序推进的教案设计。
AI 生成的教学内容基于语言模型对提示词的内容预测,反映的是统计模式而非教学逻辑,因此在建构式、学习者驱动的 EDBL 场景中尤为脆弱。研究将其置于土耳其 2024 年修订初中科学课程的技能框架下,该框架强调四类技能:概念技能、领域特定科学实践、素养技能与社会情感学习技能。
研究采用定性个案研究设计并辅以描述性量化元素,比较两个平台:通用型 ChatGPT-4(C1)与教育专用型 Teacher’s Buddy(C2)。两平台均被要求为 6 年级“可持续生活与生物多样性”单元生成教案,学习目标为“质疑生物多样性对自然生命的重要性”,并要求整合四类技能、将情境设定在土耳其梅尔辛。
提示词经三位科学教育专家迭代打磨。研究者最初用土耳其语输入,发现两平台对 EDBL 框架理解不足,改用结构化英文提示后输出在 EDBL 阶段上更具教学连贯性。AI 产出的英文教案由两位作者独立译为土耳其语后供专家评阅。
通过标准抽样选取 11 位专家(编码 E1–E11),入选条件为拥有科学教育或课程研究硕士学位及以上、并具备 EDBL 经验。专家使用 1–10 分量表,就五个 EDBL 阶段与两项实施质量标准、跨五个技能领域对两份匿名教案评分,并提供开放式反馈;编码者间一致性用二次加权 kappa 检验,达到 0.79。
在 EDBL 阶段契合上,两平台各有侧重:C1 在识别问题等早期阶段更强,C2 在评估与再测试等迭代反馈密集阶段表现更稳,二者在“呈现方案”阶段得分均最高。
在技能覆盖上,两平台在概念、领域特定、社会情感技能上较稳健,但工程技能均为最低分,C1 均值 37.45,C2 为 41.45,显示出对迭代设计能力的共同短板。
整体八项质量标准上 C2 均略高于 C1,差距最大的为时长、情境适配与吸引注意。但偏好分布并不一致:11 位专家中 7 人偏好 C2,4 人偏好 C1,1 人无偏好;偏好 C1 者多因其更重视社会情感与学生中心设计。
主题分析显示,3 人认为可直接使用,7 人认为需修改后使用,1 人完全否决;多数专家视 AI 教案为“有用初稿”而非成品。
平台差异源于平台特定可用性:C1 偏向开放式内容生成,C2 偏向结构化教学输出。两平台都擅长产出结构化最终结果,却难以支撑 EDBL 所需的迭代与认知深度,与既有文献中生成式 AI 重结果格式而轻过程思维的说法一致。
情境化构成显著限制:即便在提示中明确要求,两平台仍难以将教案真正嵌入地方社会文化情境。研究还揭示一项数字公平隐忧:平台在土耳其语提示下表现较弱,转用英文才得到结构更优的产出,可能加剧非英语语境下的教学品质差距。
AI 平台可作为教案规划的得力助手,但需要显著的教师中介与教学专识。教育专用型平台在契合 EDBL 与迭代过程上更优,通用型平台在生成具社会参与感、关注情感维度的内容上更佳。研究建议将 AI 教案视为起点而非成品,要求教育机构发展教师批判性评估与改写能力,并建议开发者将学习科学与教学模型深度植入系统、监管部门就伦理、语言与教学使用给出指引。
中文标题:科学教育专家视角下人工智能支持教案的适切性
原文标题:Suitability of Artificial Intelligence Supported Lesson Plans from the Perspective of Science Education Experts
作者:Fatma Karaismailoglu, Hikmet Surmeli, Mehtap Yildirim
期刊:Journal of Science Education and Technology
DOI:10.1007/s10956-026-10342-4