9月20日，由中国计算机学会（CCF）主办、CCF YOCSEF上海学术委员会组织的“STEM框架下的智能教育路径探索”技术论坛在上海师范大学联合国教科文组织教师教育中心明远厅召开。本次论坛由CCF YOCSEF上海AC委员郭畅和CCF YOCSEF上海副主席赵登吉共同担任执行主席。论坛编号为CCF-Yo-25-058。
论坛伊始，执行主席郭畅对STEM教育的核心特点与设计内核进行解读。她指出，STEM教育通过项目式学习模式，融合科学（Science）、技术（Technology）、工程（Engineering）与数学（Mathematics）四门学科，核心目标是培养学生的科学素养与创新能力。当前，人工智能（AI）及生成式大模型的广泛应用，为STEM教育带来新挑战与机遇，这也成为本次论坛召开的核心初衷。
随后，CCF YOCSEF上海副主席徐冰茹向与会嘉宾介绍了CCF YOCSEF上海的文化背景、论坛规则及特色。她强调，论坛始终秉持“自由平等、冷静思辨”的理念，为不同领域专家搭建思想交流碰撞的平台。
本次技术论坛邀请了AI赋能STEM教育领域的高校学术专家、中小学一线教师以及智能教育相关企业专家，从不同角度进行引导发言，引发在场参会者对STEM教育的课程项目在设计、实施、评价和长期发展路径方面的思考。
江波——Innohub—AI赋能跨学科主题设计、实施与评价的新方式
华东师范大学、上海智能教育研究院副院长江波教授首先做引导发言。他从研究STEM教育的角度，分析了开展STEM跨学科教学的重要性，即对学生解决问题能力和创新思维的培养；教育教学模式转型的迫切以及政策的明确要求。基于跨学科教学实施中任务设计难、个性支持难、素养评测难的三大痛点难点，设计开发Innohub 跨学科项目式智能学习系统实现人工智能赋能的“教-学-评”一体化系统，旨在借助教育大模型，打通教师端、学生端和评测端，实现以学定教、以教定评、以评促教。
李启晨——《教育+AI：基于 STEAM×SDG 的三层赋能路径》
上海市西南位育中学数智中心副主任、科技总指导李启晨从中小学在STEM教育课程落地实践的角度作该引导发言。分别从教师、课堂和学生三层角度阐述了AI赋能STEM的具体路径案例。即教师端利用AI赋能课程的收集、设计、实施和复盘，实现人文科技课程的跨学科开发；通过支架生成、情景增强和跨学科融合的方式优化课程设计；学生通过vibe coding的拆任务、调结构、精迭代、证伦理实现从编程能力到思维逻辑能力的提升。
邵亮——《赋能 STEM 教育创新：探索与合作之路》
上海新致软件股份有限公司开源教育板块负责人邵亮，从智慧教育相关企业在开展校企合作的角度进行了引导发言。近年来新致软件从三个技术落地方向为STEM教育提供支持，开展多层次合作。一是“AI 驱动的个性化学习助手”匹配算力资源与AI 大模型为每个学生建立 “STEM 学习画像”；二是“AI 赋能的创客项目管理与协作工具”实现智能规划、实时协作和资源匹配；三是“学习过程的数据 AI 分析与智能化报告生成”，形成面向老师、学生和学校的多维度教育质量报告。
张波——《AI赋能STEM教育的结构化思考》
上海电力大学副校长、上海师范大学STEM教育交叉创新研究中心主任张波则将STEM教育辐射的范围从基础教育扩展到大学和研究生培养，引发了对教育科研的结构化思考。他表示，STEM教育的本质与全周期的教育本质和结构化思考的根本任务相同，即消除人类对认知的不确定性，而人工智能赋能为消除这种不确定性提供了能力。STEM的四个维度对应着该种能力的科学性、可行性、结构性和系统性。教师和科研工作者都可借助STEM的思维模式看待问题，确保科学发现可实现、技术工具能使用、工程方法论行之有效、模型可量化、结果可验证评价的闭环系统，完成人们认知的升级。
围绕AI赋能STEM教育前期课程的设计和实施、后期教育成效的评价以及长期有效的推广路径三大议题，思辨环节邀请了上海市教育科学研究院研究员李伟涛、上海市娄山中学信息中心主任徐斌和深圳优必选技术股份有限公司副总裁马萍为特邀嘉宾与和与会人员一起探讨。
思辨议题一：前期——课程的设计与实施：AI赋能的STEM课程设计与传统STEM课程设计相比，具有哪些明显优势？AI赋能的自动化生成的课程内容在整体课程中的比例为多少较为合理？
核心观点一：AI在课程设计与数据处理中优势显著，但核心目标需人为把控。
基于STEM教育课程跨学科和项目式学习突出特性，AI工具的接入在不同的课程设计和课程实施环节体现的重要性将有所不同。
AI赋能STEM课程设计的优势体现在，在STEM课程跨学科特性的背景下，AI工具对课程设计的每个环节的能力将超过80%的老师，形成从单个学科到全通用领域的过渡，增强老师对STEM课程跨学科设计的快速掌握。进一步地，在STEM课程实施过程中积累的海量数据，利用AI工具进行分析和预处理也是传统STEM课程不具备的优势。
然而，我们仍旧认为，在AI和生成式大模型快速发展的今天，对于STEM教育依然存在AI不适合介入的部分。AI在STEM课程情景设计和活动设计的过程中将考虑得比单科老师设计的课程更加全领域，但作为一门课程最核心的教学目标的设计由人来确定更为合适。另一方面，前期的数据处理和分析利用AI工具更加高效快捷，但如何分析数据处理的结果、对课程效果评价的多维度设定等这些核心部分应由STEM课程的设计者和实施者决定。
核心观点二：AI可缓解师资不足，但无法替代教师的情感与思维引导
有参会者指出，很多信息技术老师反馈，STEM课程在中小学中普遍存在想要开、需要开，但不会上、无人上的窘境。面对这种师资不足、资源不均匀的状态，在STEM课程资源形成标准化和体系化的基础上，从技术上手段方面，AI可以完全取代教师，如利用数字人技术实现课程的实施。此时教师的角色将转换为一个游戏化的服务者和答疑者。但教育的初心是用人去影响人，STEM课程设计过程中思维和思想的碰撞、实施过程中的互动、监管、情感连接，是AI技术所无法替代人类的部分。
思辨议题二：后期——AI赋能STEM教育成效评价：对于培养学生科学思维和成套工程解决问题的能力的STEM教育，应该如何评价起教育的成效？谁来评价该教育成效更为合理（人为评 VS AI评）？
核心观点三：STEM教育成效的评价应是全周期、多维度的人机协同综合研判
AI赋能的STEM教育旨在通过跨学科的项目式学习培养学生像科学家一样思考、像设计师一样规划、像工程师一样解决问题、像数学家一样推导，帮助学习者从多角度、多联系去探究同一事物，养成系统化的思维素养。因此，对STEM教育成效的评价往往是难以量化的。通过参会者的发言和思辨，论坛认为利用AI赋能对其教育成效的评价进行全周期、多维度的人机协同综合研判是可行的实施路径。
全周期，指在STEM教育过程中，积累大量的学习过程数据，便于从数据的长期性解读学生的学习能力的过程性趋势。
多维度，指在过程性学习数据采集过程中，考虑可量化和不可量化的多种性能指标。显性可量化的可考虑任务驱动的完成度、能力指标、批判性思维强度等。可量化的指标也可考虑与必修课程考试分数的相关性。隐性难以量化的可考虑学生的好奇心、创造力水平、社会情感能力等。该过程是长久的，多需心理学上的追踪等，需要辅助以心理测量等理论的支撑。
人机协同的评价是较为合适的评价路径。利用AI进行过程性数据的初步诊断和分析可以节省前期的时间和精力投入，老师进行后续的深度分析和研判更有利于对教育成效进行多维度的综合性反馈。
思辨议题三：长期——AI赋能STEM教育推广落地：在对教育成效评价成体系化标准化之后，如何使AI赋能STEM教育变成一个可以长期发展、大众普遍接受的落地形式？
核心观点四：多径融合优化或成长期推广落地的可行性路径
当前AI赋能的STEM教育课程多为以下三种推广落地形式，一为高校附属学校深度定制，即以高校科研为主导，设计开发相应STEM课程后在高校的附属小学进行推广，属于科研驱动的小范围验证。二为相关智能企业为主导，根据中小学的普遍需求快速指定标准化课程再由学校签约采购，便于STEM课程市场化的快速复制。三为在政策统筹的宏观调控下，利用公立统筹的方式实现课程资源的广泛覆盖，再由教师根据学校特点进行二次开发。参会者经过思辨与讨论后普遍认为，三种路径并进的局势将在短期内持续共存。但从长期角度出发，三种路径最终非竞争淘汰关系，或将成为一种融合路径。在政策保障和引导的基础上，前期通过小规模的深度定制形成对大众普适的教育成效，中期通过二次开发补全短板，形成个性化，最终形成市场认可的长期可持续性的生态圈。
最后，论坛由CCF YOCSEF上海副主席赵登吉总结。美国哲学家约翰·杜威在1916年出版的《民主主义教育》中就提出“教育即生活”。在AI技术高速发展的当下，如何在依赖技术推动STEM教育创新的同时，打破学科壁垒、突破知识边界、缓解知识获取焦虑，且规避认知退化风险，不仅是AI赋能STEM教育的核心命题，更是整个智能教育领域需要持续探索的方向。本次论坛通过多领域专家的思辨与交流，为这一命题提供了兼具理论高度与实践价值的参考路径。
京公网安备 11010802032778号