ARTICLE · 1015738
【周二见·AI+教育论文解读】探究式学习中的 STEM 教育:生成式 聊天机器人对小学生科学提问能力的影响
AI + 教育论文解读 · 每周更新
探究式学习中的 STEM 教育：生成式 AI 聊天机器人对小学生科学提问能力的影响
主题B · AI教学应用与智能助教 · 2026-09-11
论文名片 · CITATION
Inquiry-based learning in STEM education: the impact of generative AI-based Chatbots on primary school students' problem posing ability in science
International Journal of STEM Education, 2026, 13:44（开放获取）
作者机构：Zhicheng Dai、Feiyan Huang、Junxia Xiong、Yue Yang、Qian Zhang、Xian Peng（Central China Normal University，华中师范大学）
发表会议：International Journal of STEM Education, 2026, 13:44（开放获取）
关键词：提问能力；聊天机器人；生成式人工智能；探究式学习；STEM 教育
想象一个场景：三年级科学课上，老师讲完“空气”问“同学们有什么问题吗”。孩子问：“充气阀在哪里？”
这虽然也是个问题，但这个问题无法衍生为课堂的探究。这类问题属于识别和复述层面的问题，问题解答完就结束了。
以探究为中心的课程，鼓励学生自己提出问题。课堂中的探究任务多由老师指定，学生自己提问的机会很少。于是不少老师考虑让 AI 帮忙，但是又会遇到新的问题：给学生开一个 AI 聊天窗口，还是像以前一样用搜索引擎查资料？
这篇研究把这个新问题设计为可以测量的对照实验，研究者让一所小学的三年级科学课的两个班分别用 AI 聊天机器人和搜索引擎，学生经历三轮同样主题的探究课，再比较学生提出来的问题。
研究路线图
设计一个只在提问环节提供帮助的机器人。 研究团队在 ChatGLM 平台上用 GLM-4 模型搭了一个聊天机器人，取名 Question Pot。研究者给聊天机器人加入了“智慧星”激励机制鼓励学生互动；关掉“追问建议”功能，避免学生看到现成的问题会直接选择，不再自己想。聊天交互的界面改成下拉菜单，借助可选项限定问题情境，避免学生跑题。
让两个班学生经历三轮探究式主题课。 对象是中国中部一所小学三年级两个班的 97 名学生，年龄 8 到 9 岁。按班级随机分配：实验组 48 人用聊天机器人，对照组 49 人用百度搜索引擎。教学内容是三年级科学“空气”单元，三轮主题探究依次递进：
主题 1: 认识好问题。用“通过提问猜物质”的游戏，让学生比较空气和石头、水的异同，判断什么样的问题算好问题。
主题 2: 形成问题链。学生从一个初始提示出发，把相关问题串成一条链，课堂上叫“制作问题项链”。
主题 3: 跨学科提问。情境是观察风力发电机，学生分别扮演科学家、工程师、数学家、艺术家来提问。
两个班的教学时长、授课教师、教学内容和策略都一样，唯一差别是探究课上用的工具。
设计“问题”打分标准。 学生提的每个问题都被编码，按三个维度打分，满分 10 分：
数量（3 分）：按问题总数分五级，从 5 个问题以内到 20 个以上。
类别（2 分）：分六类：与探究情境无关、只基于当前情境、用到已学知识、联系真实生活、跨其他学科、综合多学科。
质量（5 分）：按修订版布鲁姆教育目标分类的认知层级打分。记忆与理解记 1 分，应用 2 分，分析 3 分，评价 4 分，创造 5 分。
量规里给了两个例子：“冰可以变成什么？”属于应用层面，记 2 分；“一滴海水蒸发后，盐去了哪里？”需要综合跨领域信息，记 5 分。
除了打分，研究还用了认知网络分析（ENA）。它着重关注学生提问时把哪些想法连在一起。
因为要严格配对前后测、剔除问卷作答不完整的样本，最终进入分析的测试卷是 89 份（实验组 45 份，对照组 44 份）。纳入分析的问卷是 86 份（实验组 42 份，对照组 44 份）。
聊天机器人组的问题质量更高。 三轮课结束后，两组得分如下（满分 10 分）：
后测四指标对比
总分：实验组 5.80，对照组 5.36，差异显著（t = 3.07，p = 0.003）。效应量 Cohen's d = 0.65，属于中等偏上。
质量：实验组 2.46，对照组 2.29，差异显著（t = 2.47，p = 0.015），d = 0.52。
数量：2.12 对 1.92，未达统计显著（p = 0.132）。
类别：1.22 对 1.15，未达统计显著（p = 0.082）。
通过分析发现：两个组都进步了。前后测的组内比较里，两组在数量和质量维度上都显著提升。搜索引擎也能帮学生提问，差别出现在提升幅度和问题的深度上。类别维度两组都没什么起色。实验组的提升接近显著（p = 0.052），对照组没有显著变化（p = 0.271）。
网络结构上的差别明显。 后测的认知网络里，实验组节点分布更广、连接更密，最活跃的节点是“应用”，同时连到“情境性科学问题”“已学知识性科学问题”“生活关联性科学问题”和“分析”。对照组以核心节点为中心的局部聚集，更像几个结：核心是“应用”和“情境性科学问题”，连接集中。
两组认知网络差异
差值网络把差异定位得更准。实验组的强连接落在“已学知识”“生活关联”“应用”“评价”上。对照组落在“记忆与理解”上，尤其是“记忆与理解—情境性科学问题”“记忆与理解—应用”这两条。用搜索引擎的学生更常问出只需要回忆和复述的问题，用聊天机器人的学生更常问出要应用、要判断的问题。
从前后测到三轮探究，两组都没有形成稳定的“创造”节点连接。最高层级的创造性提问没有出现。研究者的解释是，这需要足够的领域知识积累和更长期的教学支持。
学习体验的差别同样明显。 认知负荷问卷得分越高表示负担越轻。实验组总体认知负荷 4.59，对照组 4.17，差异显著（t = 2.41，p = 0.018）。细分下来，心理努力的差异显著（p = 0.025），心理负荷达到边际显著（p = 0.042）。技术接受度上，实验组 5.27，对照组 4.75（t = 3.09，p = 0.003），易用性和有用性两个分维度都显著更高。
不过有三项两组没有差别：学习活动的趣味性、对新知识学习的支持、对学习过程的促进。工具换成了聊天机器人，这几项没有变好。
教师 / 课堂视角
这篇研究给出的第一个动作是选环节。聊天机器人适合放在需要持续反馈的环节，比如问题生成、问题修改、问题深化。它不适合替代需要结构化资源的开放任务。论文明确提到，任务更复杂时，聊天机器人要和教学视频这类结构化资源搭配使用。 第二个动作是两个可以直接照做的设置。关掉“直接给出一串现成问题”的功能，学生才不会复制；用下拉菜单或选项把问题情境框住，学生才不会跑题。这两条来自研究者自己的迭代记录。 第三个动作是把评价标准提前告诉学生。研究用的三维量规可以拆成学生看得懂的说法：问题有多少个；问题能连到哪里；问题问到哪一层。三个维度分别对应被编码的当前情境、已学知识、真实生活、其他学科，以及从记忆理解到创造的五个认知层级。量规不依赖任何平台，纸质课堂一样能用。
家长视角
这篇研究本身没有纳入家庭场景。把它的逻辑往外延伸的用法是：在家里做科学观察时，不必急着给答案，也不必替孩子提问。顺着他的问题往下追一层就够了。比如孩子问“为什么气球吹大了会变小”，可以接着问“那换成更厚的气球呢”。这是从论文逻辑往外延伸的用法，论文本身未纳入研究，也没有测量过家庭场景的效果。
研究者视角
这篇研究在方法上提供了一个可以直接借鉴的组合：用得分看结果，用认知网络分析看过程。研究里出现了“分数没变、结构变了”的情况——类别维度两组分数接近且都不显著，网络结构差异却很明显。只做前后测比较，这个变化会被漏掉。
实践者视角
这篇研究在方法上提供了一个可以直接借鉴的组合：用得分看结果，用认知网络分析看过程。研究里出现了“分数没变、结构变了”的情况——类别维度两组分数接近且都不显著，网络结构差异却很明显。只做前后测比较，这个变化会被漏掉。
可复用的方法或工具
三维编码方案（数量、类别、质量）加五个认知层级的评分表，可以直接迁移到小学科学的其他单元。它把“好问题”从感觉变成了可以打分的标准。认知网络分析的工具免费在线，编码完成后就能建模。
可延伸的研究方向
论文列出了三个可以接着做的问题。第一，提问能力提升之后，学生的科学概念理解有没有跟着变深？研究没有追踪。第二，样本是一所学校的三年级学生，其他年级、其他学校是否成立还待验证。第三，干预周期短，长期效果不明。
可落地的实践项目
如果要在一所学校里做，可以从一个单元开始。设计一节专门的“提问课”，配一份校本提问量规和一套给学生的追问句式。想做完整一些，就在前后测之外加一层过程记录：把学生与 AI 的对话按类别和质量编码，用网络图看学生组织想法的变化。这一层记录能回答一个单看分数回答不了的问题——学生的进步发生在哪一步。
一节三年级的科学课，AI 能帮上忙的地方，是陪学生把一个问题顺着追下去。至于能不能追到“创造”这一层，论文给出的答案是还需要更多时间和更多知识积累。
AI+教育论文解读 · 每周更新
主题B · AI教学应用与智能助教