基于人工智能的化學實驗現象評價與反饋系統開發

摘要： 基于人工智能技術開發了一款化學實驗現象評價與反饋系統，設計理念兼顧部分和整體、性能和效率。主要開發流程包括評價標準制定、數據集構建、系統總體設計、核心算法開發、系統應用、系統評價與升級等步驟。以“酸堿滴定實驗”為例介紹系統的使用方法，顯示出系統具有評價及時化、結果精準化、反饋

個性化等優勢，有助于提高實驗教學的效果。

關鍵詞： 人工智能； 實驗現象評價與反饋系統； 評價與反饋； 軟件開發； 酸堿滴定

文章編號： 1005-6629（2024）06-0063-05 中圖分類號： G633．8 文獻標識碼： B

1 問題的提出

實驗教學是化學課程的重要內容。傳統的實驗教學由一名教師指導全班學生進行分組實驗，無法同時顧及每個學生小組的實驗過程和結果，難以及時地對每個小組進行評價和指導，導致當堂評價缺失、“以評促教”的機制不夠完善。作為補償，教師大多通過對學生課后撰寫的實驗報告進行評價，但其真實性、可信度不足，而且學生失去了及時糾正錯誤、重做實驗的學習機會［1］。

為此，許多文獻和政策文件都提倡利用現代信息技術改進實驗教學，促進“教-學-評”一體化。教育部《關于加強和改進中小學實驗教學的意見》指出，要“促進傳統實驗教學與現代新興科技的有機融合，提高實驗教學的質量和效果”。近些年，人工智能技術的發展正加速教育變革。史加祥認為，基于人工智能可以全方位、全過程地采集學生的學習數據，了解學生建構科學知識、實施科學探究的表現，因此將導致科學課堂評價的變革［2］。吳俊明也指出“人工智能給化學教學論的革新和發展帶來了新的機遇，要積極地做一點探索，做一點工作，而不是消極地等待”［3］。

現階段，有關人工智能的教育應用研究大多停留在理論探討，僅有少數實踐研究案例。例如：謝暉等基于人工智能評價學生在虛擬仿真實驗課程中的學習，其評價依據主要是虛擬仿真模塊操作時長、使用次數、訪問學習網站次數、實驗后復習次數等特征指標［4］。孔維梁等利用人工智能建構可信同伴互評模型，促進學生之間的互評［5］。李海峰等探討了生成式人工智能時代的學生作業設計與評價，倡導開展作業真實性算法評估［6］。這些基于人工智能改進教學的實踐又大多是泛學科的，鮮有結合學科特征和特殊應用場景。

因此，本文針對化學學科的特點和實驗教學的應用場景，利用人工智能技術，原創開發化學實驗現象評價與反饋系統，以期提高實驗教學的效果。同時，探討開發此類系統的一般設計理念、思路和流程，為開發教育應用的技術人員提供參考。

2 系統的設計理念和思路

化學實驗現象評價與反饋系統是指通過計算機程序對化學實驗現象的數據采集和自動分析，對學生實驗效果做出客觀評分，并給予存在問題、原因分析、改進建議等反饋的學習輔助工具。本系統的設計理念兼顧部分和整體、性能和效率。

2.1 兼顧部分和整體

本系統的“評價”以實驗的部分環節——實驗現象為評價對象，但“反饋”是針對整個實驗的反饋，不再局限于實驗現象這一個環節。例如，對于“氫氧化鈉滴定鹽酸（以酚酞為指示劑）”實驗，評價對象是“滴定終點溶液粉紅色的深淺”的現象，然后可以據此對學生在整個滴定操作過程中可能存在的失誤做出提示和反饋。

2.1.1 以實驗現象為評價對象

化學實驗現象是指實驗者從化學科學實驗中，可以通過感官直接感受到的事物，主要包括視覺現象（光）、聽覺現象（聲）、觸覺現象（熱）等。在中學階段，常見的視覺現象有顏色變化、生成氣體、生成沉淀、燃燒發光等；常見的聽覺現象有發出尖銳的爆鳴聲、輕微“噗”的一聲、安靜地燃燒等；常見的觸覺現象有溫度升高、溫度降低等。

化學實驗現象是實驗中的關鍵環節，獲得實驗現象不僅是實驗操作的主要目的，也是得出實驗結論的基礎和依據。同時，化學實驗現象也反映出了大量的信息，經驗豐富的實驗者可以根據出現某種現象推測實驗中存在的錯誤。因此，本系統以化學實驗現象為評價對象，利用人工智能對現象中的典型特征做出智能分析。

2.1.2 以整個實驗為指導范圍

本系統的“反饋”是針對整個實驗的指導反饋。首先，針對實驗現象本身做出反饋，例如在“氫氧化鈉滴定稀鹽酸（以酚酞為指示劑）”實驗中，如果學生正確地達到了淺粉色，則提示學生成功達到了滴定終點；如果學生做出了深粉色，則提示顏色過深；如果溶液仍為無色，則提示溶液未變粉色；其次，針對實驗現象所反映出的錯誤操作或實驗誤差做出反饋。例如，如果滴定后錐形瓶內變成深粉色，則系統分析可能的錯誤原因：學生在達到滴定終點后繼續滴加了氫氧化鈉；如果滴定后溶液仍為無色，則系統分析可能的錯誤原因：學生滴加的氫氧化鈉不夠，還未到達滴定終點；最后，系統自動提出改進意見。溶液為深粉色時，建議重做實驗，謹慎操作；溶液為無色時，建議在原實驗裝置的基礎上繼續滴加氫氧化鈉，直到溶液變為淺粉色。

2.2 兼顧性能和效率

2.2.1 利用人工智能實現高性能

本系統需要具有替代或輔助教師評價的智能功能，例如評價“酸堿滴定是否達到滴定終點”“銀鏡反應生成的銀鍍層是否美觀”“氫氣燃燒是否發出爆鳴聲”等，對準確度等性能的要求較高。人工智能（Artificial Intelligence）是指構造具有一定智能的人工系統，讓計算機完成以往需要人的智力才能勝任的工作。本系統采用人工智能模擬教師“評價實驗效果”和“反饋實驗學習”的智能行為。具體的實現方法如表1所示。

2.2.2 利用分布式計算實現高效率

利用人工智能雖然能帶來優異的性能，但需要消耗大量的算力，如果放在應用端進行計算，容易造成系統卡頓、硬件發熱、運算速度慢等問題。因此，本系統采用分布式計算的方法，實現性能和效率的兼顧。

如圖1所示，本系統分為總處理器的一個總節點和應用端的多個子節點。總節點使用大量學生實際操作的實驗現象進行深度學習，得到訓練好的評價模型。子節點直接使用總節點提供的模型進行快速的特征識別和檢測，同時把新的數據傳輸給總節點進行加強訓練，改進總節點的模型。通過這樣的設計，一方面用高性能的總節點處理器確保評價模型的準確性，另一方面減少子節點的運算壓力，實現學生端的快速、實時評價。

3 系統的開發流程

3.1 前期素材準備

首先，制定評價指標。評價指標要反映實驗現象中易于被觀察、采集和識別的典型特征。例如，“氫氧化鈉滴定鹽酸（以酚酞為指示劑）”實驗以滴定后錐形瓶內溶液的顏色為評價指標，程序可以識別溶液在一定區域內的平均RGB值，然后根據RGB中R值的比重進行0～10賦分。又如，在評價銀鏡反應生成的銀鏡是否美觀時，以相同光源環境中銀鏡的反射光強度、黑斑數量、泛白區域面積等作為評價指標，通過人工智能識別瑕疵點。

其次，制定評分標準。對于只有一個評價指標的實驗，該指標的得分即為最終得分。對于有p個評價指標X1、 X2、 …Xp的實驗，分別賦予各自的權重系數β1、 β2、 …βp，按照計算公式：F=β1X1+β2X2+…+βpXp得到最終的加權得分F。此外，亦可以直接制定定性的賦分標準，例如氫氣的制備實驗中，可以對檢驗氫氣時發出輕微的“噗”的一聲（成功制備了純凈的氫氣）賦10分，發出尖銳的爆鳴聲（成功制備了氫氣但不純）賦6分，沒有發出聲音（沒有制備出氫氣或濃度很低）賦0分。

然后，構建數據集。化學實驗現象數據集是用于訓練人工智能評價模型的原材料，數據集樣本量越大，評價模型的準確度越高。數據集應囊括大量通過實際實驗獲得的現象數據，可由學生完成實驗后，拍攝照片或視頻上傳。經過數據清洗、數據標注后，才能構建成為數據集。值得一提的是，系統在使用過程中也會收集到大量的實際實驗數據，進一步豐富數據集。

3.2 核心功能開發與后期完善升級

涉及軟件的核心功能開發和后期完善升級的流程圖見圖2，主要分為“系統總體設計”“核心算法開發”“系統應用”和“系統評價與升級”四大步驟。

第一步，系統總體設計。制定系統的總體“大框架”，根據評價指標和標準明確設計需求，分配總節點和子節點模塊的任務，設計用戶界面和交互功能。

第二步，核心算法開發。在總節點建構初始的評價模型，用前期準備好的化學實驗現象數據集對初始模型進行深度學習，得到訓練好的評價模型。把評價模型導入到子節點中，子節點可以用該模型對實驗現象圖像或聲音中的典型特征作快速的識別分析和評價。同時，子節點的數據會傳輸回總節點，用于總節點人工智能模型的強化學習，使評價準確度進一步提升。

第三步，系統應用。把初步開發完成的系統應用于化學實驗課堂，學生用安裝了系統軟件的手機或平板電腦拍攝實驗圖像或視頻，由系統自動評分并及時反饋。學生可以根據提示發現實驗中的錯誤，當堂改進實驗，重新提交，并獲得新的得分。

第四步，系統評價與升級。基于技術接受模型編制問卷，了解學生的感知易用性、感知有用性、對系統的態度、行為意向等信息，針對系統存在的突出問題予以改進。在正式投入使用后也采用類似的方法升級系統。

4 系統的使用案例

筆者在江蘇省某重點中學的“酸堿滴定”實驗課上使用了本系統。20名學生分為5組進行實驗，每組配備一套滴定儀器和一部手機，手機上預先安裝了軟件系統，并選擇本節課的“氫氧化鈉滴定稀鹽酸（酚酞為指示劑）”實驗。

上課時，首先由教師講解并演示滴定實驗的操作要點，然后學生分組完成實驗。在學生自認為到達滴定終點后，用系統內的拍攝功能拍攝錐形瓶照片。系統利用人工智能自動識別錐形瓶瓶底的溶液區域，自動排除因錐形瓶玻璃反光帶來的光線干擾。

隨后，系統利用人工智能自動評分，立刻給出0～10之間的得分（詳見表2）。針對粉色過深、未出現粉色的錯誤情況，給出錯誤原因的分析和改進建議。學生可以選擇直接上傳結果，也可以根據反饋意見改進或重做實驗后，重新提交新的實驗結果，得到新的得分。

5 系統的教學價值

5.1 及時化的評價：提高課堂效率

傳統的化學實驗課上，一名教師一次只能對一個學生小組的實驗結果做出評價和指導，其他學生小組往往需要等待較長時間，造成課堂時間的浪費。本系統可以實時地對學生實驗現象給出評價，讓學生立刻認識到存在的錯誤，馬上重做或完善實驗，實現“以評促學”。同時，教師不必到每個實驗桌前依次統計，就可以立刻得到全班實驗數據，包括實驗完成率、得分率、存在的主要問題等，當堂加強對薄弱點的補償教學，實現“以評促教”。

5.2 精準化的結果：化抽象為直觀

常規的實驗現象評價由教師通過肉眼觀察實驗結果并做出主觀判斷，精準度不高且表述比較抽象。例如在滴定實驗中，教師可能會告知學生“滴定完的溶液顏色太深了，應該要淡一點”，但學生不知道“淡一點”是要淡到何種程度。本系統一方面采用人工智能進行客觀評分，可以給出更加精準的定量結果，其公平性、可信度更高；另一方面采用由淺到深的溶液顏色梯度（比色卡）與0～10分相對應，幫助學生更準確、直觀地感知滴定終點的正確顏色。

5.3 個性化的反饋：尊重學生差異

本系統的應用改變了傳統課堂上教師統一講解的教學方式。一是實現指導內容的個性化，系統根據學生差異化的實驗結果，給予有針對性的反饋：指導不及格（低于6分）的學生重做實驗，鼓勵得分良好（6～8分）的學生繼續改進，給高分（9～10分）的學生增加思考題。二是實現進度安排的個性化，較早完成實驗的學生可以提前檢查錯誤、改進或重做實驗，而不必等待其他同學把實驗做完后再由教師集體講解。

總之，本研究通過開發一款化學實驗現象評價與反饋系統，做出了信息技術與化學教學融合的嘗試［7］。未來的研究者可以利用本系統所具備的優勢，做出更多智慧實驗教學設計，實現化學學習方式的深刻變革。也可以借鑒本研究提出的設計理念、設計思路和開發流程，開發更多實驗智能評價與反饋的軟件。

參考文獻：

［1］王麗麗， 丁邦平， 王萍. 中小學科學實驗教學的演變與改革： 國際經驗及其啟示［J］. 課程·教材·教法， 2022， 42（11）： 153～159.

［2］史加祥. 人工智能時代背景下小學科學教育的變革與堅守［J］. 課程·教材·教法， 2020， 40（4）： 120～125.

［3］吳俊明. 芻議人工智能化學教學研發的教學論基礎［J］. 化學教學， 2017， （11）： 3～10.

［4］謝暉， 詹勇華， 曾琦等. 基于人工智能技術的生命科學類虛擬仿真實驗課程學習評價研究［J］. 高校生物學教學研究（電子版）， 2021， 11（1）： 35～41.

［5］孔維梁， 于曉利， 韓淑云等. 人工智能賦能的可信同伴互評模型構建與驗證［J］. 現代遠程教育研究， 2023， 35（3）： 93～101， 112.

［6］李海峰， 王煒. 生成式人工智能時代的學生作業設計與評價［J］. 開放教育研究， 2023， 29（3）： 31～39.

［7］項佳敏， 錢華， 馬宏佳等. 信息技術與化學學科教學深度融合的案例研究——以數字化實驗為例［J］. 化學教學， 2020， （9）： 21～27.

江蘇省中小學教學研究重點課題“基于人工智能的科學實驗現象評價與反饋系統開發應用研究”（編號：2023JY15-ZA47）的研究成果。

通訊聯系人，E-mail：jsjylyz@foxmail.com。