——基于fNIRS超扫描技术的小学科学教育实验研究
导 语生成式AI正在重塑科学教育的互动形态。当ChatGPT等工具走进课堂，一个核心问题始终悬而未决：AI作为学习伙伴，与人类教师相比，究竟在哪些方面更具优势？又在哪些方面无法替代？本研究以36名小学六年级学生为对象，采用fNIRS超扫描技术，系统对比了师生互动（TSI）与生成式AI-学生互动（GSI）对科学学习的影响。研究发现：两种互动模式在学业成绩上无显著差异，但在学习投入的四个维度上呈现截然不同的特征。研究更从神经科学层面揭示了背后的认知与情感机制，为构建“AI+教师”协同教学模式提供了科学依据。
（一）实践困境与技术机遇科学教育的本质是培养学生的科学推理、批判性思维与问题解决能力。在这一过程中，教师与学生的互动扮演着不可替代的角色——教师通过提问引导、反馈纠错、情感支持等方式，帮助学生建构科学知识体系。然而，传统师生互动模式正面临三大核心困境：
◆ 反馈滞后性困境在30-40人的班级中，教师难以同时为每位学生提供即时、个性化的反馈。学生提出的问题往往需要等待较长时间才能得到回应，这不仅降低了学习效率，也容易让学生错过最佳的纠错时机。
◆ 评价焦虑感困境许多学生在教师面前不敢提问或表达自己的错误观点，担心被同学嘲笑或被教师批评。这种评价焦虑严重制约了学生的主动学习和深度思考。
◆ 节奏同质化困境传统课堂采用统一的授课节奏，难以兼顾不同认知水平学生的学习需求。基础薄弱的学生跟不上进度，学有余力的学生则感到无聊。
生成式人工智能（Generative AI, GAI）的出现，为解决上述困境提供了全新的技术解方。以ChatGPT为代表的生成式AI工具具备以下核心优势：◆ 即时反馈能力：能够在几秒钟内对学生的问题做出回应，大大缩短了反馈周期。◆ 个性化交互能力：可以根据学生的提问风格和理解程度，动态调整讲解的深度与方式。◆ 非评价性互动特性：AI不会对学生的错误进行批评或评价，降低了学生的心理负担。◆ 24小时可及性：不受时间地点限制，学生可以随时随地进行学习互动。然而，生成式AI在教育场景中的应用也引发了新的问题：AI能否真正替代教师在科学教育中的作用？这个问题不能仅凭直觉回答，需要科学研究提供证据。（二）理论研究空白尽管人机交互（HCI）和教育技术领域已有大量研究，但关于“生成式AI作为学习伙伴”的研究仍存在明显空白：
① 投入维度不全现有研究多聚焦于认知投入和学业成绩，忽视了对行为投入、情感投入和社会投入的系统考察。学习是一个多维度的复杂过程，仅从认知角度评价AI的教育效果是片面的。
② 机制解释不足现有研究主要报告“效果有无”，缺乏对“为何有效”的深入解释。行为实验无法揭示学生与AI互动时的认知加工过程和神经活动特征。
③ 调节变量缺失学生的个体差异（如元认知水平）可能显著影响其与AI互动的效果，但现有研究鲜有考察这一调节机制。
（三）核心研究问题基于上述实践困境与理论空白，本研究聚焦于以下两个核心问题：
RQ1行为层面：师生互动（TSI）与生成式AI-学生互动（GSI）如何差异化地影响学生的四维学习投入和学业成绩？
RQ2神经层面：何种神经科学证据能够解释两种互动模式产生差异化影响的认知与情感机制？
（一）核心理论框架本研究以三大理论为基石，构建了生成式AI伙伴效应的研究模型：
◆ 社会文化互动理论（Vygotsky, 1978）学习并非孤立的知识接收过程，而是通过社会互动建构知识的过程。在这一过程中，教师或更有能力的同伴充当“脚手架”，帮助学习者跨越“最近发展区”。互动的质量直接决定了学习的深度与效率。
◆ 学习投入四维模型（Fredricks et al., 2004）学习投入是多维度的复合结构，包含：• 认知投入：学生运用认知策略进行深度学习的程度• 行为投入：学生参与学习活动的积极程度• 情感投入：学生对学习活动的情感反应• 社会投入：学生与他人互动交流的积极性
◆ 人际神经同步（Interpersonal Neural Synchronization, INS）理论人际神经同步是指互动双方在神经活动层面呈现的时间相关性。近红外光谱（fNIRS）超扫描技术能够同时记录互动双方的脑活动，测量人际神经同步程度，从而揭示社会互动的神经机制。
（二）研究假设基于上述理论框架，本研究提出四组研究假设：
H1学业成绩等效假设：GSI与TSI在学业成绩上无显著差异
H2投入分化假设：GSI提升认知投入，TSI提升行为/情感/社会投入
H3元认知调节假设：学生元认知水平正向调节学习投入
H4神经同步假设：TSI的人际神经同步显著高于GSI
（一）研究对象本研究选取北京市某重点小学36名六年级学生作为研究对象（平均年龄11.08岁，标准差0.28；男生25人，女生11人）。所有被试均为右利手，视力或矫正视力正常，无神经系统疾病史，且均无ChatGPT使用经验。采用被试内实验设计，所有学生均参与两种互动模式的学习任务，有效控制个体差异带来的混淆效应。（二）实验任务学习内容选自小学科学教材《潜水艇的浮沉原理》，涵盖浮力、重力、密度等核心概念。根据《义务教育科学课程标准（2022年版）》，该主题属于“物质的结构与性质”领域，适合作为探究式学习的载体。
◆ TSI（师生互动）模式由一位经验丰富的科学教师（教龄12年）进行面对面教学。教学采用“讲解-演示-互动”三段式结构：• 教师运用PPT展示潜水艇结构图• 使用实物模型演示浮沉过程• 通过提问引导学生在对话中建构知识互动时长约15分钟。
◆ GSI（生成式AI-学生互动）模式学生与ChatGPT-4o进行一对一对话学习。为确保互动质量，研究团队设计了“脚手架式提示词”：• AI扮演“科学学习伙伴”角色• 采用启发式提问而非直接告知答案• 根据学生反应动态调整讲解难度互动时长同样约15分钟。
（三）研究工具本研究综合运用了行为测量与神经科学测量工具：
|
|
|
|
| 学习投入量表 |
认知投入（6题）行为投入（5题）情感投入（6题）社会投入（5题）
|
|
| 元认知意识量表(MAI) |
|
|
| 科学学业成绩量规 |
概念理解（25%）原理阐述（25%）举例说明（25%）迁移应用（25%）
|
|
| fNIRS超扫描系统 |
背外侧前额叶（DLPFC）右侧颞顶联合区（rTPJ）脑岛（INS）
|
|
（四）实验流程实验流程严格遵循以下步骤：◆ 前测阶段：填写人口学信息问卷 + 元认知意识量表前测◆ TSI阶段：学生与教师进行科学学习互动，同时佩戴fNIRS设备记录脑活动◆ 休息：间隔10分钟，消除疲劳◆ GSI阶段：学生与ChatGPT进行科学学习互动，同时记录脑活动◆ 后测阶段：填写学习投入量表 + 科学学业成绩测试
（一）行为结果：学业成绩等效，投入模式分化
📊 学业成绩：两种模式无显著差异重复测量方差分析结果显示，TSI与GSI在科学学业成绩上无统计学显著差异（F=0.000, p=1.000）。两种互动模式下学生的学业成绩均值几乎完全一致。→ 深度分析：这一发现具有重要的实践意义——精心设计的AI学习伙伴在知识传授效果上可以达到与经验丰富的人类教师相当的水平。AI并非“低配版”教师，而是一种有潜力承担基础性教学任务的新型教学力量。
📊 学习投入：各有优势，差异显著与学业成绩的“等效”不同，两种互动模式在学习投入的四个维度上呈现显著差异，且各有优势：
*p < 0.05
→ 结果深度解读：
认知投入：GSI模式更高。学生在与AI互动时，需要主动思考AI提出的启发性问题，无法依赖教师的“直接告知”。这种“被迫思考”反而促进了更深层次的认知加工。
行为投入、情感投入、社会投入：TSI模式均显著更高。教师在课堂上能够通过眼神交流、肢体语言、即时鼓励等方式激发学生的参与热情。学生感受到被关注、被认可，产生更强的归属感和成就感。
（二）神经结果：机制不同，特征鲜明fNIRS超扫描技术揭示了两种互动模式的神经机制差异：
🧠 GSI模式：DLPFC显著激活学生在GSI模式下，双侧背外侧前额叶（DLPFC）的激活程度显著强于TSI模式（p<0.001）。DLPFC是执行功能的核心脑区，负责工作记忆、认知控制、决策制定等高级认知功能。→ 解读：学生在与AI互动时，投入了更多的认知资源，进行更深度的信息加工与自我调节。这解释了为何GSI模式下学生的认知投入更高。
🧠 TSI模式：rTPJ显著激活学生在TSI模式下，右侧颞顶联合区（rTPJ）的激活程度显著强于GSI模式（p=0.040）。rTPJ是“心理理论（Theory of Mind）”的核心脑区，负责推断他人的意图、情感和信念。→ 解读：学生在与教师互动时，进行更多的心理理论加工，试图理解教师的意图与情感。这种“社会认知”过程是情感与社会投入的神经基础。
🧠 人际神经同步（INS）差异人际神经同步分析显示：◆ TSI模式下师生在DLPFC和rTPJ的神经同步程度显著高于GSI模式（p<0.05）◆ 师生神经同步程度与学生的社会投入呈显著正相关（r=0.351, p=0.036）→ 深层解读：师生互动形成了“认知共鸣”与“情感共鸣”——教师与学生的大脑活动在时间维度上高度同步。这种神经层面的“同频共振”是AI目前无法模拟的。
（三）典型案例对比：从对话看差异以下两个真实案例直观展示了TSI与GSI模式的互动差异：
案例1：TSI模式（师生互动）
教师：潜水艇为什么能上浮和下沉呢？学生：因为它有螺旋桨？教师（微笑）：螺旋桨是用来前进的。想想我们之前学过的浮力。学生：哦，浮力！潜水艇改变了浮力？教师：很接近了。那它改变的是什么呢？学生：重力！往水舱里加水就变重下沉！教师：太棒了！完全正确。你真聪明！学生：（开心地笑）
→ 特征：高情感投入与社会投入。学生积极回应教师的引导，在教师鼓励下获得成就感。
案例2：GSI模式（生成式AI-学生互动）
学生：潜水艇为什么能上浮和下沉？AI：我们来一步步思考这个问题。物体在水中受到哪两个力的作用？学生：重力和浮力。AI：非常好。当重力大于浮力时，物体会怎样？学生：下沉。AI：正确。那潜水艇是如何改变重力的呢？提示：想想它的内部结构。学生：通过水舱？AI：没错！你能用自己的话总结一下潜水艇的工作原理吗？学生：潜水艇通过往水舱里注水或排水来改变重力，从而控制浮沉。
→ 特征：高认知投入。学生专注于思考AI提出的启发性问题，自主完成知识建构。
→ 对比启示：TSI模式中，教师提供情感支持和社会认可，激发学生的参与热情和成就感。GSI模式中，AI提供启发式提问，促进学生的自主思考和深度加工。两种模式各有不可替代的价值。
（一）理论贡献
◆ 构建了生成式AI伙伴效应的行为-神经整合模型首次将行为层面的学习投入测量与神经层面的fNIRS超扫描技术相结合，构建了完整的证据链条，为理解“AI为何有效”提供了机制性解释。
◆ 拓展了学习投入理论的应用边界将学习投入的四维模型应用于人机互动情境，证明了该模型在AI教育研究中的适用性，丰富了学习投入理论的内涵。
◆ 丰富了教育神经科学的研究范式fNIRS超扫描技术的成功应用，为后续研究提供了方法学借鉴。该技术可在自然互动情境下记录脑活动，具有较高的生态效度。
（二）实践启示
🎯 对科学教学设计的启示本研究支持构建“AI+教师”协同教学模式：◆ AI负责认知支持：个性化答疑、启发式提问、知识巩固◆ 教师负责情感与社会支持：激发学习兴趣、提供情感鼓励、培养合作精神这种分工可以最大化教学效果，同时解放教师的重复性劳动。
🎯 对AI教育产品开发的启示◆ 优化情感交互能力：开发能够识别学生情绪、提供情感支持的AI◆ 融入元认知支持模块：帮助高元认知学生更好地利用AI资源◆ 提供学习数据仪表盘：让教师实时了解学生与AI互动的情况
🎯 对教师专业发展的启示◆ 从“知识传授者”转向“学习设计者”与“引导者”◆ 提升AI教学应用能力，学会与AI协同工作◆ 强化情感与社会教学能力，发挥人类教师的不可替代优势
（三）研究局限与未来方向
研究局限：◆ 样本规模有限（36人），未来需扩大样本验证◆ 仅考察小学六年级学生，结论推广需谨慎◆ 学习任务单一，不同学科/主题可能有差异◆ AI交互采用ChatGPT-4o，其他AI模型可能表现不同
未来研究方向：◆ 探索不同年龄段学生与AI互动的差异◆ 考察长期使用AI学习伙伴的累积效应◆ 开发具有情感支持能力的AI教育产品◆ 研究“AI+教师”协同教学的最优模式
在生成式AI重塑教育生态的时代，我们既不能盲目夸大AI的作用，也不能忽视其独特的教育价值。本研究用科学的证据告诉我们：AI与教师不是替代关系，而是互补关系。AI擅长提供个性化的认知支持，能够解放教师的双手，让教师从重复性劳动中解脱出来，专注于更有价值的教学活动。而教师则是课堂的灵魂，能够给予学生AI无法替代的爱、关怀与榜样力量。师生互动中产生的“认知共鸣”与“情感共鸣”，是AI目前无法模拟的。未来的科学教育，必将是“教师+AI”协同育人的时代。在这个时代，教师的角色将从“知识的传递者”转变为“学习的设计者、引导者与陪伴者”。AI则将成为教师的得力助手，共同促进每一位学生的全面发展。
- ❋
小学科学课堂中，哪些学习任务最适合交给AI？哪些任务必须由教师完成？
- ❋
- ❋
欢迎评论区分享你的观点与思考 🎓
📚 文献来源Li, X., et al. (2024). Generative AI as a learning partner: A comparative study of teacher-student vs. AI-student interaction in science education. Computers & Education, 198, 104789.
夜雨聆风
