夜雨聆风人工智能在研究和教育领域的重要性日益凸增。化学工业界和研究人员已开始利用数字化工具带来的机遇，各国政府也投入巨资支持AI发展。因此，高等教育机构迫切需要分析和评估AI带来的机遇，并确保未来的学生和研究人员能为化学领域的未来做好准备。本研究旨在探讨AI影响下的化学教育变革，分析高等教育机构在计算和AI技能教学方面的现状，并为直接使用者（教师与学生）和高等教育治理层提出未来发展的必要步骤。（文末获取论文pdf）
人工智能对科学思维的影响：历史发展
要理解化学的未来，就需要理解AI的未来及其潜力。AI的发展反映了研究者获取知识时所采用的思维模式（mindset）的演变。
化学计算的基础曾是 “演绎学习”（Deductive Learning），即基于现有理论进行推导。1965年的DENDRAL项目是其代表，该软件能自动为有机化学家进行决策和问题解决。
随着现代科学工具的进步，化学家拥有更多收集数据和进行发现的机会。Elias James Corey提出的逆合成分析（retrosynthetic analysis）改变了化学家构建和解决有机合成路径的方式，它被视为一种“逆向”解决问题的批判性思维，并标志着计算机辅助合成规划的起点。此时，化学研究的思维模式已从“演绎学习”转变为 “归纳学习”（Inductive Learning），即从现有数据中提出新理论。这种思维模式的转变要求我们必须重新审视如何培养未来的化学专业学生和科学家。
人工智能将如何影响教与学？
AI为化学教育带来了多种机遇，例如个性化学习体验、数据与分子可视化、药物发现、大数据与化学信息学以及实验室自动化。
其中，虚拟现实（virtual reality）和增强现实（augmented reality）等技术为学生提供了更具互动性的学习体验。研究发现，沉浸式学习环境（如头戴式显示器）比传统媒体更能提高学生的学习参与度。利用数字平台（如游戏化学习软件）和AI驱动的多媒体元素，可以适应不同学习风格的学生，并增强他们对概念的理解。
人工智能对创造力与批判性思维的重要性
为了让未来的科学家能够胜任利用AI进行反应机理研究、药物分子筛选等复杂任务，学生现在就必须培养适合构建和操作数字系统的问题解决能力。这要求学生具备计算思维（Computational Thinking, CT），即使用计算机解决问题时所涉及的过程和方法，而非仅仅关注硬件或代码。
批判性思维技能在学习和使用AI时至关重要。计算思维与计算化学为研究提供了强大途径，但要将基础技术技能与创新思想相结合，则必须依赖于通过个人努力和指导来磨练的批判性思维。
高等教育对人工智能发展的支持
高等教育人工智能化学课程分析
为了解高等教育如何支持AI发展，本研究分析了全球51所顶尖大学（基于2024年QS化学学科排名，并确保区域代表性）的公开课程目录。课程被分为两类：
1. “计算课程”（Computational Coursework）：培养计算思维、计算化学或化学信息学。 2. “AI/ML课程”（AI/ML Coursework）：明确讲授AI或机器学习在化学中的应用。
研究发现：
• 在51所大学中，38所提供了计算课程，其中大部分侧重于计算化学（CC）或化学信息学（CI）。 • 近一半的大学（51所中的23所）在化学背景下提供了AI或ML课程。 • 一个显著的趋势是，几乎所有提供AI/ML课程的大学也都提供计算课程，这表明计算类课程是整合AI/ML的基础。
这些课程的开设往往由教师的研究驱动。课程的缺乏可能归因于资金优先方向不同，或缺乏精通AI化学的师资。
化学教育未来发展的必要步骤
面向人工智能的直接使用者
1. 课程应如何变革？AI融入课程的目标有两个维度：一是利用AI增强教学实践（如个性化学习），二是提供与职业相关的知识与技能（如AI辅助编码）。学生应被鼓励批判性地审查AI的输出。 2. 谁负责教授AI相关技能？AI技能的教学不应局限于个别课程，而需要课程范围内的协调努力，并可能需要创建新课程。外部利益相关者（如实习单位）在培养学生相关技能方面也扮演着关键角色。 3. 如何建立新的科学诚信感？讨论不应仅限于防止学生滥用AI。教育者需要与学生进行坦诚对话，鼓励他们思考何时“应该”使用AI，而不仅仅是“能否”使用AI，从而培养一种新的科学诚信模型。
面向高等教育治理
高等教育机构应为教师提供支持，建立明确规定各方职责的规范性框架（normative framework），并开发支持AI使用的规范和物理基础设施。同时，机构必须关注AI转型给学术人员带来的额外工作负担，确保过渡得到妥善管理和适当奖励，避免产生不平等的工作量。
教师专业发展与TPACK-AI的教学维度
任何AI整合课程的成功都取决于教师自身。许多现有教师在其培训期间并未接触过AI。为此，论文强调了TPACK-AI框架的重要性，该框架是技术（Technological）、教学（Pedagogical）和内容（Content）知识的协同交集，并已扩展以涵盖AI。
研究表明，教学知识（pedagogical knowledge）对TPACK的整体发展影响最大。因此，对教师的AI培训不能仅仅是工具教程，而应聚焦于教学设计的创新，即如何围绕AI的新可能性重组教学法。为支持教师技能提升，院系可以采取具体策略，如：为课程重新设计提供工作量减免、建立教师学习社区、设立微证书以认可其努力等。这对于避免少数积极分子负担过重至关重要。
结论
本文回顾了AI推动下科学思维从演绎学习向归纳学习的演变，强调了培养新技能的必要性。对顶尖大学的课程分析表明，已具备计算课程基础的院校更有可能引入AI/ML课程。为了有效应对AI带来的机遇，大学管理者、教师和学生都需各司其职。这需要高等教育治理层建立支持性的规范性框架，防止学术人员工作量不均，并通过教师专业发展（如应用TPACK-AI框架）来支持教学创新。尽管新方法面临挑战，但为保证化学教育的未来适应性，教学创新必须持续进行。
论文信息
• 中文标题: 人工智能与化学教育未来准备度的临界点 • 原文标题: Tipping Point in the Future Readiness of Artificial Intelligence and Chemistry Education • 作者: Jamie Z. Y. Khoo, Fabian Hollinger, Jia Yi Han, Changxu Lin, Chin-Chung Tsai, Jennifer Kathleen Schwartz Poehlmann, David Anzola, Yvonne S. L. Choo, Fun Man Fung • 期刊: Journal of Science Education and Technology • DOI: https://doi.org/10.1007/s10956-026-10330-8 鼓励您检索文中的DOI链接或加入科教日签（知识社区）获取论文精读，深入阅读原文，探索更多细节。科教日签（知识社区）：面向科学教育研究者的知识社区说明
