王勇 | 从工具到伙伴:高中物理教学中人工智能技术的角色转变

本研究聚焦于“AI 如何重塑教与学的基本范式”这一核心问题，以“柔性技术”教学为例，尝试回答三个关键问题：第一，能否构建一种逻辑清晰、路径可行的融合模型，实现 AI 从“工具”到“伙伴”的质变？第二，该模型在破解物理教学难点、培养学生高阶思维方面的实际效果如何？第三，其育人效能与学科价值如何体现？
☆“物理情境—AI 伙伴—素养目标”三维模型
本研究提出以“物理情境为载体、AI 伙伴为认知杠杆、素养目标为价值导向”的“物理情境—AI 伙伴—素养目标”三维融合模型。该模型通过三条核心路径——认知具象化、探究虚拟化与路径个性化，系统实现 AI 从外在工具到内在伙伴的角色转型。
1. 核心逻辑及结构诠释
该模型的核心逻辑是“以物理情境为载体，以 AI 伙伴为认知杠杆，以素养目标为终极导向”。在物理情境维度上，源于芯片课程中的真实问题，如电路设计、光固化中的光子能量等，确保了学习内容的学科本真性与客观性，避免了“为活动而活动”的浅表化实践。在学生与AI伙伴的维度上，AI 的角色被具体化为“仿真伙伴”“可视化导师”“迭代协作者”和“思维引导者”，其功能从“传递信息”升级为“介入认知”。例如，将柔性技术中的导电材料的基本原理用 AI 微智能体（micro-agents）生成多个子问题反问学生，让学生在渐进式的思考中理解物理原理，让AI成为与学生对话交流的伙伴角色，AI 的全面性能将师生深度带入学科思维内核，这正是其作为“认知杠杆”的价值体现。在素养目标维度上，对标《普通高中物理课程标准（2017年版 2020年修订）》，将宏观素养细化为可观测、可评价的具体能力点，如模型构建、推理论证等。
首先，“物理情境为载体”确保了模型的学科本位，回答了“伙伴”有什么用；“AI伙伴为认知杠杆”明确了AI的新角色定位，回答了“伙伴”是谁；“素养目标为终极导向”确立了模型的育人价值归宿，回答了“伙伴”为了什么、去哪里。
其次，认知具象化、探究虚实化、路径个性化为三大路径。其中，“认知具象化”与“探究虚实化”是AI伙伴赋能的两个核心手段，直接作用于物理情境，将其转化为可学、可探的内容。“路径个性化”是贯穿始终的轴线，确保整个学习过程适配于每位学生。具体诠释为：“认知具象化”是让AI成为将抽象物理概念（如电场）转化为直观图像、物理模型或关系式，让AI先成为动态过程的“翻译官”。“探究虚实化”是让学生在真实的工程问题中探究存在的物理问题、现象乃至规律，用真实的实验手段“自己学”“跟师学”；再让AI成为突破现实条件限制的伙伴，进行“跟AI学”“AI问AI教”。虚实相依让学生经历真实的物理探究，更能与AI为伴，解决教师诸如知识边界、降维适切等能力不足的问题。“路径个性化”是在与AI为伴的学习过程中，AI能够洞察每位学生个体的自身特点与差异，每位学生用大模型完成的微智能体都是针对自己的学习能力以及问题而创生的，对于同一个物理情境不同学生的问题和智能体的反问是不同的，因此，AI成为提供定制支持的“私人教练”。
最后，三维融合模型及三大路径，是一个逻辑自洽、动态生成的有机整体。其内在逻辑可概括为：以“学科情境”为认知发生的现实载体与问题起点，以“AI认知伙伴”为中介系统与转化引擎，以“素养目标”为价值归宿与评价导向，三者构成了一个从“情境驱动”到“伙伴赋能”再到“素养生成”的闭环教学系统。模型通过三大路径的耦合联动，系统性地实现了AI从外在“工具”到内在“伙伴”的角色转变，其本质是以技术为杠杆，旨在深化思维、回归学科育人的教学范式重构。
2. 模型实施的四个环节
首先，问题为锚（情境导入）。“柔性技术”课中教师创设“设计一个可弯曲且耐用的书签灯电路”的真实任务。AI的伙伴作用在此初步启动，表现为提供背景知识支架，把学生锚定在物理学科电学、光学等知识起点，以在理解柔性电子的基本原理中学习物理。其次，仿真为镜（探究建构）。这是 AI 作为“伙伴”的核心。学生使用 InnoSpark、DeepSeek 大模型不再仅仅直接获取信息，而是利用它们来生成能够解决具象化问题的“微智能体”。该智能体不是直接推送答案而是根据学生的问题和研究目标生成可拆解的多级反问，AI 与学生互动，陪伴感更强，比如学生通过自建“微智能体”进行参数仿真与反问引导，如“曲率半径 5mm时电阻增大 40%，是欧姆定律失效了吗”，激发认知冲突，学生会关注“欧姆定律的适用条件”的子问题，从而介入引发深度思考，将学习从“是什么”推向“为什么”、从“告诉你”推向“问问你”。再次，实证为基（验证优化）。学生将 AI 仿真得到的最优设计方案，通过实体设备（如柔性电子打印机）进行制作与测试，并将实测数据与仿真结果对比。如当出现偏差时，AI 作为“协作者”，引导学生分析误差来源（如“是否忽略了材料本身的微裂纹效应”），推动其完成从理论模型到物理现实的二次建构。最后，创造为魂（迁移应用）。学生在AI辅助下，尝试设计解决新问题的“微智能体” （详见文本第二部分），或优化出新器件。AI在此成为“创造力的催化剂”，帮助学生将内化的知识、思维和技能，外化为具体的、创新的问题解决方案。
☆三维融合模型的实践路径
模型的“新”最显著的体现在于引导学生从使用现成的AI大模型的“搜索”动作，跃升到利用智能平台设计出一个解决特定物理问题的反问式“微智能体”。在学习与AI沟通的过程中，学生一定会要求“微智能体”具备“做什么”“怎么问”等诸多功能，这就需要学生提取物理学科本位知识，用AI逻辑思考“启创·InnoSpark”是一款由华东师范大学与上海创智学院联合研发的教育垂类大模型。它于 2025 年 7 月在世界人工智能大会上首次发布，核心目标是成为教师的“智能伙伴”和学生的“成长助手”，推动教育模型的变革。
1．路径解析
在实践路径中，“起点”是基于真实问题，将真实物理问题具象化。如提出问题：“如何直观显示我的柔性电路在弯曲时，其内部电阻的分布变化？”“工具与资源”是人工智能工具如InnoSpark与DeepSeek，是强大的“原材料”和“基础能力库”。这一步的关键是掌握提问的技术，Python/提示词是学生与AI “沟通”并下达指令的语言。Python提供了更精确、可复用的指令方式；而高级的提示词，则让无编程基础的学生也能通过自然语言引导AI完成任务。“核心创造”强调学生通过编写代码，或基于前期与大模型交互所设计的提示词，在 Coze等平台上将其“锻造”成一个专门用于“柔性电路应变分析”的“微智能体”。在建设该智能体的过程中，学生学会了知识库的建立、喂料、人设与回复逻辑等技能，让智能体挖掘浩如烟海的柔性技术及物理等多学科知识，使AI能从中提炼出符合高中物理学习目标的知识与技能，并设计成阶梯式问题进行反问，从而成为学习伙伴。这就是创造性地学习了AI思考的方式、让AI赋能学习的全过程，绝不是简单的搜索引擎。“输出与应用”强调生成的“微智能体”能够接收具体参数（如弯曲角度），输出专业的物理仿真结果（如电阻热力图），并可被迁移到材料科学、生物力学等跨学科场景中解决问题。整个路径中心环节是“角色转变”，学生经历 AI由“工具性存在”到“认知性伙伴” 的根本性角色跃迁。
2．实践案例
“柔性技术”的核心原理是利用高速运算芯片控制的精密打印机，将预设的工程电路图样通过功能性导电浆料印刷于柔性基底上，并经由光固化、热固化等工艺实现器件制备。这一过程蕴含丰富的物理学科知识、原理及规律，如电场能量、电路设计、光固化中的能量转化等。这些内容既是高中物理的重要知识，也因微观、抽象等特性成为传统教学中的难点。基于此，本研究选择“柔性技术”课程，将三维融合模型对标物理学科素养，以实现 AI 赋能与学科教学目标。
“柔性书签灯”PBL 项目案例是三维融合模型应用的典范，该项目要求学生设计并制作一个在柔性基底上印刷电路、集成LED灯并利用纽扣电池供电的可弯曲书签灯。项目历时4课时，课时目标分别为：书签灯柔性导电介质的物理特性、AI大模型针对物理特性的学习、智能体和仿真引擎的创生、虚实探究工艺制作。
首先，项目重点是导电液不同电阻选取和光固化工艺的需求。在学生完成与大模型对话交流生成的提示词后，在Coze中创建了“物理原来如此简单”的“微智能体”，其学习电阻知识中智能体给出的反问问题。AI 不是单纯给出结论或答案，而是作为引领伙伴式提出“是否……”的问题，当学生看到出现了电阻定律等物理核心知识并再次交流时，AI会给出线索，引导学生自主探究电阻定律的适用条件，例如提示：“液体导电与金属导电有哪些不同之处？”在这一过程中，AI实现了从工具到伙伴的角色转变。
其次，在“柔性书签灯”项目案例中，三大路径——认知具象化、探究虚拟化与路径个性化——通过四个实施环节（问题为锚、仿真为镜、实证为基、创造为魂）得到充分实现，并发挥了系统的指导作用。具体而言：在“问题为锚”环节，认知具象化路径率先启动，将抽象物理概念转化为可操作的学习起点。例如，在电场概念建构中，学生面临理解柔性电路弯曲时电阻非线性变化的难点，AI伙伴通过生成电流密度热力图等可视化工具，将抽象的电场分布具象为动态图像。学生输入电路参数（如线宽 0.2mm/厚度50μm）后，AI实时模拟弯曲状态，突出应力集中区与电阻突变点，同时以反问引发认知冲突，从而将问题锚定在物理学科内核，激发深度思考。在“仿真为镜”环节，探究虚拟化路径核心展开，实现虚实结合的探究深化。学生不再依赖单一真实实验，而是与AI协作进行虚拟仿真。在“实证为基”和“创造为魂”环节，路径个性化贯穿始终，确保学习适配个体差异。学生将 AI 仿真结果与实体制作对比，当出现偏差时，AI 作为“协作者”引导分析误差来源。同时，不同学生小组基于自身理解设计个性化电路，得到不同的光亮度和线路样式，AI 通过定制化反问与支持，推动学生从验证走向创造，例如，提出梯度温度固化方案或将电路拓展至传感器，体现了路径个性化对创新能力的催化作用。
最后，不同的学生得到的书签灯亮度和电路设计的线路样式也是不同的，这就是路径个性化的体现。不同学生小组的设计过程与成果展现出显著的个性化特征。
3. 教学成效与学科评价
为了探究“柔性技术”课程的AI实践物理学科教学的赋能程度，进行了选修学生能力达标率的调研测试与对比，虽然样本数量有限，但是在对比后也得到了显著变化的数据。
调研结果表明，本模型成功地将 AI 定位为“助力者”而非“替代者”。在“书签灯电路设计”案例中，AI 通过动态仿真和深度提问有效激发了学生的认知冲突和探究欲望，驱动其从表层计算迈向深层机理分析。案例致力于探索一条可行的深度融合路径以解决前述两大痛点。实证数据证明，该模型提供了有效的解决方案；它不仅提升了可量化的素养指标，更在质性上改变了学生的学习方式，从被动接受转向主动探究与创造。此外，该案例也推动物理学科教学评价标准回归到 “是否促进了学生的思维成长”和“是否坚守了学科本质”。
本研究针对智能时代学科教学面临的“技术应用表层化”与“学科内核稀释化”双重挑战，进行了一场深刻的教学范式重构。超越了对AI的工具性理解，建构了 “学科情境认知伙伴素养目标” 核心理论模型，系统论证了AI从辅助性“工具”跃升为建构性“伙伴”的内在逻辑与可行路径。实证研究表明，这一范式转型的成功，依赖于由认知具象化、探究虚拟化与路径个性化三大路径所构成的核心作用机制。

作者简介

作者系上海市位育中学高级教师，原文篇幅为7000字，刊登于《现代基础教育研究》2026年第1期。

编辑：张雪梅

排版、校对：李嘉君

审核：孙珏

快点关注我们吧