荐读|在生成式AI支持环境中通过视觉支架增强科学论证

从ChatGPT到Gemini，生成式AI（GAI）正快速渗透教育领域。学生不仅能借助AI检索信息，还可让其代写答案、梳理观点，甚至完成完整的科学论证。这也让科学教育心生顾虑：若AI逐渐代替学生表达，学生还能否自主深度思考？科学论证本就不是简单作答，而是依托证据提出主张、以推理搭建逻辑，是科学思维的核心体现。在GAI普及的当下，科学课堂该如何合理应对这一现状？

近期发表于《International Journal of Science Education》的一项研究，尝试回答这一问题。研究者并没有简单讨论“AI会不会让学生偷懒”，而是进一步思考：如果在GAI学习环境中加入适当的视觉化支架，是否能够帮助学生更好地开展科学论证？

原文链接：

https://www.tandfonline.com/doi/full/10.1080/09500693.2026.2630293

作者简介

本研究由国立清华大学林裕仁团队主导，长期关注科学教育与人工智能教育的交叉研究，在科学论证教学支架设计与在线学习环境开发等方面持续开展实证研究。合作研究者焦心月（纽约大学）与洪成祐（国立清华大学）分别在生成式AI教育应用与学习平台设计领域具有相关研究基础，共同参与本研究的跨学科设计与实施。

文章内容

Part 1 引言：生成式AI改变了科学论证学习方式

文章指出，GAI正在快速改变学生获取信息与完成学习任务的方式。在科学课堂中，学生可以通过AI快速生成解释、整理资料甚至完成论证文本，这在提升效率的同时，也带来新的学习风险。

科学论证强调学生基于证据提出主张，并通过逻辑推理加以支持。然而现实中，学生普遍存在困难：无法有效区分主张与证据，难以建立完整推理链条，论证结构零散。同时，在AI环境下，学生更容易直接接受生成内容，而减少自主加工过程。

研究者指出，这种问题的关键不在于“AI是否存在”，而在于学习环境是否能够支持学生进行结构化思考。因此，本研究关注的核心问题是：如何通过教学设计，使GAI成为促进科学论证的工具，而非替代思考的捷径。

Part 2 理论基础：TAP与视觉支架的结合

研究以Toulmin Argument Pattern（TAP）作为核心理论框架。TAP将科学论证划分为主张（Claim）、证据（Data）、理据（Warrant）、支持（Backing）与反驳（Rebuttal），用于帮助学生理解论证结构。

然而，仅提供TAP结构并不足以解决学生的实际困难。学生虽然知道论证要素，但仍难以组织复杂信息并形成连贯推理。

因此，研究进一步引入鱼骨图（Fishbone Diagram）作为视觉支架工具。鱼骨图原本常用于问题分析与因果关系整理，而在本研究中，它被用于帮助学生可视化组织论证结构。研究者认为，相比单纯文字表达，视觉化结构能够帮助学生更加清晰地看到不同证据、原因与推理之间的联系，从而降低认知负荷，使学生更专注于思维过程本身。

文章特别强调，在GAI环境中，这种视觉化支持可能尤为重要。因为AI往往会提供大量信息，而学生未必能够有效筛选与组织这些内容。如果缺少结构化支架，学生很容易只是“接受AI给出的答案”，而无法真正进行科学推理。

Part 3 研究设计：FLAP平台中的混合实验

本研究采用混合设计，在FLAP在线学习平台中实施。该平台整合生成式AI（GAI）、科学论证任务与视觉化支架，用于支持学生完成多轮论证学习活动。

FLAP 学习流程介绍界面

学生需要围绕多个科学议题进行论证，包括提出主张、收集证据、组织推理并形成完整论证结构。在这一过程中，学生可以使用生成式AI获取信息，同时借助平台工具完成结构化表达。所有学生首先在GAI支持下完成三个论证任务，用于熟悉AI工具；随后在GAI移除条件下完成后三个任务，用于考察AI移除后的表现变化与依赖情况。

FLAP 科学论证互动界面

视觉支架设置包括三种条件：

第一种为整合式视觉支架条件，学生在整个过程中始终使用GAI，同时获得完整视觉支架支持，包括TAP结构与鱼骨图工具。

第二种为持续视觉支架但GAI后期移除条件，该组学生在前期使用AI并接受完整视觉支架支持，但在后期任务中移除GAI，以观察支架在AI缺失情况下的作用。

第三种为最小视觉支架条件，该组同样经历AI前期使用与后期移除过程，但仅提供基础提示性结构，不包含完整TAP与鱼骨图整合支持。

通过该设计，研究者能够同时分析视觉支架类型与AI依赖变化对科学论证表现的影响。

Part 4 研究结果：视觉支架与AI依赖的关键影响

首先，在不同视觉支架条件下，整合式视觉支架（TAP +鱼骨图）组的学生整体表现最好。他们能够更清晰地区分主张与证据，并建立更完整的论证结构，论证逻辑也更为连贯。

相比之下，使用最小视觉支架的学生在论证组织上较为薄弱，常出现证据分散、结构不清的问题，论证完整性明显较低。

其次，在GAI从“有”到“无”的阶段变化中，所有学生在AI移除后表现均有所下降，但下降幅度存在差异。整合式视觉支架组下降最小，仍能较好维持论证结构；最小支架组下降最明显，对AI的依赖特征也更突出；中间条件组则介于两者之间。

总体来看，视觉支架越完整，学生在AI移除后的表现越稳定，说明结构化支持有助于减少对GAI的依赖，并提升论证能力的持续性。

Part 5 讨论：AI 时代，科学课堂真正需要改变什么？

文章最后讨论了这一研究对于未来科学教育的启示。研究者认为，当前很多教育讨论仍然停留在“是否应该允许学生使用AI”这一层面，但真正重要的问题，也许已经变成了“如何重新设计学习过程”。

在传统课堂中，教师更多关注知识传递；但在AI时代，学生获取信息已经不再困难。未来课堂真正需要培养的，可能是学生对信息进行组织、判断与推理的能力。

这也是本文最有价值的地方。它并没有把AI视为一种单纯威胁，而是强调：如果能够结合适当的支架设计，AI完全可能成为促进高阶思维的工具。尤其是在科学教育中，学生依然需要通过证据推理、论证表达与逻辑建构来发展科学素养，而这些能力不会因为 AI 出现而失去价值，反而会变得更加重要。

文章进一步指出，未来科学课堂或许需要更多可视化支架、结构化论证工具以及 AI 支持下的学习设计。教师的角色，也将从“提供答案”逐渐转向“设计思维过程”。

Part 6 结语

当生成式AI已经无法被简单排除在课堂之外，科学教育真正需要思考的问题，或许不再是“学生该不该使用AI”，而是“如何让AI真正服务于思维发展”。

这篇研究给出的答案并不是“限制AI”，而是通过视觉化支架重新设计学习过程，让学生在AI环境中依然能够进行科学推理、组织证据并建构完整论证。

未来课堂真正需要升级的，也许并不仅仅是技术，而是教学本身。

荐读|不要让你的学生把 AI 当作代笔人
荐读|教师AI能力培养，到底该怎么教？一项基于UNESCO框架的14周课程研究给出答案
荐读|生成式人工智能时代下的科学教师教育变革：全球视野
教育荐书|《植物学前史》：溯源西方植物学，读懂科学探索的初心
教育荐书|《从一个细胞开始》：读懂生命从 0到 1 的奇迹
观课|为学习而设计：AI赋能生物课堂教学——人类的遗传（二）
观课|为学习而设计：AI赋能生物课堂教学——人类的遗传（一）
观课|人工智能赋能中学生物学教学（四）

互动产生火花

欢迎大家多多和我们互动

您的留言、转发、在看

都是我们思维的碰撞

您的每一个【在看】

我都认真当成了喜欢