【好文分享】AI聊天机器人能否培养学生的科学身份认同?一项基于科学认同感框架的系统综述

近年来，科学教育领域关于人工智能 (Artificial Intelligence, AI) 聊天机器人在学生学习和教师教育中应用的研究激增。AI聊天机器人能够模拟人类对话，带来诸多益处，如提升学生的科学知识学习和兴趣。然而，研究者也表达了担忧，认为AI可能削弱师生在社区内的社会化过程，导致科学教育的“去人化” (dehumanizing)，并且由AI聊天机器人激发的兴趣可能仅限于互动本身，而非对科学学科的深层情感。（文末获取论文信息及原文pdf）

鉴于科学认同感对学生职业规划和学术意向的重要性，本文认为有必要审视在学生学习和教师教育中嵌入AI聊天机器人所引发的关切。本文借鉴了Ambrosino和Rivera（2022）的科学认同感框架，并提出了一个修正框架，以探索现有实证研究在多大程度上回应了当前课程改革的议程。该修正框架包含三个核心要素：由AI聊天机器人驱动的学科认知情感、在AI聊天机器人辅助下的社群实践 (practices in community)，以及被AI聊天机器人及其同伴感知的认可 (perceived recognition)。本研究旨在通过分析现有研究的方法、AI聊天机器人的作用与训练、目标成果及其变化，为优化AI聊天机器人的技术与教学设计提供建议，从而在利用其优势的同时，不忽视培养学习者的科学认同感。

文献综述与理论框架修正

传统科学认同感模型的局限

现有研究指出，过度强调AI的功能可能会威胁个体在社会环境中的自我理解和互动感知，从而重塑甚至固化学生的科学认同感。传统的科学认同感模型，经由Carlone & Johnson (2007)、Hazari et al. (2010) 等学者的发展，最终整合为三个核心维度：兴趣 (interest)、能力/表现 (competence/performance) 和感知的认可 (perceived recognition)。然而，这一模型未能充分应对科学教育改革的新焦点，即从单纯的“兴趣”转向更深层次的“学科认知情感”，也未能完全体现科学学习的社会实践性。

迈向与AI时代相适应的科学认同感新模型

为了捕捉AI聊天机器人对学生科学认同感的真实影响，并回应科学课程改革的议程，本文对传统模型进行了修正，提出了三个新的构成要素。

• • 由AI聊天机器人驱动的学科认知情感 (Disciplinary Epistemic Affect Driven by AI Chatbots)
  该要素取代了传统的“兴趣”。它关注的不是对科学的笼统喜爱，而是学生在与AI互动时，体验到的与学科认知方式相关的情感，如发现的预期喜悦、惊讶和困惑。这种情感能够为学生持续参与科学实践（如观察和论证）提供内在动力，避免学习兴趣仅仅停留在对聊天机器人这一工具的新奇感上。
• • 在AI聊天机器人辅助下的社群实践 (Practices in a Community Assisted by AI Chatbots)
  该要素取代了“能力/表现”。它强调的不是个体对自身科学知识能力的信念，而是学习者对于自己有能力参与到一个生成、修正和验证科学知识的实践社群中的信念。这旨在回应AI可能导致科学思维标准化的担忧，并考察AI聊天机器人是被用于促进还是削弱了学生对参与科学实践能力的信念。
• • 被AI聊天机器人和同伴感知的认可 (Perceived Recognition by AI Chatbots and Peers)
  该要素扩展了传统的“认可”概念。它特别指出来自AI聊天机器人和同伴的双重认可。鉴于AI可能减少人际互动，削弱同伴间的认可机会，因此需要通过技术性的提示工程 (prompt engineering)让AI聊天机器人表达对学习者“科学人”身份的认可，并通过教学设计来促进学习者的社会临场感 (social presence)。

研究方法

本研究采用系统性文献综述 (Systematic literature review)方法，遵循PRISMA 2020流程，旨在批判性地分析科学教育领域中AI聊天机器人技术与教学设计的学术趋势。

1. 1. 文献识别：在Web of Science (WoS)、Scopus和ERIC等数据库中，使用（(“artificial intelligen*” OR “AI” OR “AI-base*”) AND (“chatbot” OR “agent*”) AND (“science” OR “chemistry” OR “physics” OR “biology” OR “earth science”)）等关键词组合进行检索，同时补充了对八种主流科学教育期刊的搜索。
2. 2. 筛选与纳入：经过数据库检索和去重后，共获得1912条记录。通过两阶段筛选（标题/摘要筛选和全文筛选），依据预设的纳入与排除标准（如：必须涉及用户与AI聊天机器人的互动、聚焦于科学教育等），最终纳入19篇实证研究进行分析。
3. 3. 数据分析：对这19篇论文进行内容分析 (Content analysis)，围绕四个主题进行编码：AI聊天机器人的训练、技术教学设计、目标成果，以及目标成果的变化。分析的核心是判断这些研究的设计与成果在多大程度上符合传统的科学认同感模型或本文提出的修正模型。

主要发现

研究特征 (RQ1)

在19项研究中，有10项发表于2023-2024年间，显示ChatGPT发布后相关研究显著增加。研究地域分布广泛，其中中国和美国最多（各4篇）。研究设计上，准实验设计 (quasi-experimental design)(n=5) 和前后测设计 (n=7) 最为常见。研究对象多为中学生 (n=7) 和大学生 (n=6)。在AI模型方面，ChatGPT是最常用的模型，但有五项研究未指明具体模型。

AI训练、教学设计与目标成果 (RQ2)

• • AI训练与技术教学设计
• • 传统模型视角：有四项研究在训练AI时考虑了学生的兴趣，例如通过分析学习者情绪或使用鼓励性语言来维持其学习兴趣。少数研究通过设计让学生“教”AI的方式，旨在提升其对科学知识的能力/表现信念。
• • 修正模型视角：
• • 学科认知情感：仅一项研究 (Ferro et al., 2021) 的设计涉及此维度，它通过设置一个“陨石撞击地球”的灾难情境，将学生置于科学家的角色中，从而激发其责任感和探究动机。
• • 社群实践：有四项研究的教学设计旨在培养学生参与科学实践的信念。例如，利用AI作为教学代理促进同伴协作、引导学生建构科学解释、让学生批判AI生成的科学写作、或引导学生完成科学探究的全过程。
• • 认可：没有任何一项研究在训练AI时明确涉及对学生“科学人”身份的认可。
• • 目标学习成果及其变化
• • 传统模型视角：两项研究将兴趣作为目标成果，并报告了显著提升。一项研究关注了学生对解剖学知识的自我信心（能力/表现），并观察到显著增长。
• • 修正模型视角：没有一项研究将修正模型中的任何一个维度（学科认知情感、实践信念、被认可）作为明确的测量目标。现有研究测量的多为一般性的学习动机，而非深入的学科认知情感。
• • 总体趋势：多达11项研究表明AI聊天机器人显著提升了学生的内容知识获取。这表明，目前AI聊天机器人的应用重心仍是传递知识，而非构建学生的科学认同感。

讨论与结论

本研究的创新之处在于提出了一个适应AI时代的科学认同感修正模型，并以此为透镜审视了现有实证研究。研究发现，当前AI聊天机器人在科学教育中的应用在很大程度上仍局限于传统科学认同感模型的范畴，尤其侧重于激发学生的短期兴趣和促进知识记忆，而忽略了培养深层次的学科情感、实践能力和身份认可。

对未来AI聊天机器人应用的具体建议

1. 1. 培养学习者的学科情感，而非仅关注兴趣：未来的技术和教学设计应超越简单的积极情绪引导，创造能激发学生惊奇、困惑、挫败和成就感等复杂认知情感的情境，驱动其持久的科学探究。
2. 2. 培育学习者对参与学科实践的能力信念：应设计能让学生参与数据分析、模型建构、科学论证等真实科学实践的AI互动。例如，可以将AI设计为“能力稍逊的伙伴”，由学生来“教”它如何进行科学探究，从而增强学生对自身实践能力的信念。
3. 3. 强化对学习者“科学人”身份的认可：AI聊天机器人应被训练使用如“你就像一个科学家一样在思考”之类的语言来明确认可学生的努力。同时，教学设计应确保AI是辅助工具，学习者拥有主导权，并鼓励他们批判性地使用AI。AI也可以被定位为研究导师，以促进学生的自我认同和同伴认同。

对课程与教师教育的启示

课程开发者需要制定指导方针，将学科认知情感、社群实践和身份认可等要素融入“适应性科学学习”过程中。教师专业发展项目应包含相关内容，帮助教师设计出能利用AI培养学生科学认同感的课程，例如让学生利用GPT API设计一个能模仿历史科学家的聊天机器人，通过与“科学家”的互动来接受指导和熏陶。

论文信息

• • 中文标题：科学认同感与AI聊天机器人：科学教育领域实证研究的系统性综述
• • 原文标题：Science Identity and AI Chatbots: A Systematic Review of Empirical Studies in Science Education
• • 作者：Kason Ka Ching Cheung
• • 期刊：Journal of Science Education and Technology
• • DOI: https://doi.org/10.1007/s10956-026-10295-8