新技術支持的科學教育循證研究:緣起、挑戰和發展

摘" "要：在人工智能、虛擬現實、大數據等前沿科技持續突破的浪潮中，科學教育的內涵正經歷深刻轉型，重心從單純追求學業成就轉向全面培育科學素養。與此同時，科研方法亦在經歷從經驗主義向循證研究的革新飛躍。新技術為公民科學素養規模化培養與科技創新人才個性化提升、指向數字化科學素養教學的教師專業發展、多模態數據支持的科學教育智能測評改革、科學教育環境的智能數字基座建設與資源供給聚合四個方面研究提供有力的證據支撐。然而，新技術支持的科學教育循證研究同樣面臨數字鴻溝和教育公平的迷思、技術邏輯與價值導向的失衡、數字身份與真實性的模糊等問題。為此，相關研究者需對新技術支持的科學教育循證研究發展進行反思，并對科學教育未來研究方向進行調整：關注科學教育育人需求，警惕技術本位意識擾動;推動科學教育理論創新，構建新技術支持的教育研究實踐指導思想;強化智能倫理與數據倫理意識，保障科學教育研究良性發展。

關鍵詞：科學教育;科學素養;循證研究;新技術;人工智能;教育公平

中圖分類號：G434" " " " "文獻標志碼：A" " " " "文章編號：1673-8454（2025）02-0070-09

在建設科技強國和教育強國的背景下，科學教育正面臨一個前所未有的轉型臨界點。科學教育的目標已超越了單純的知識傳授，轉向綜合培養學生的創新能力與科學素養。與之相對應，教育中的技術手段也在發生革新。不同于借助傳統多媒體、常規實驗室等以課堂講授、定期考試和人工評估為主的舊模式，大數據、人工智能等技術在教育領域的應用，使得精準教學、智能探究、個性學習等成為現實，為學生提供更為豐富且高效的科學學習體驗。例如，整合多種技術的大規模在線課程打破傳統的時間和空間限制，為實時和連續收集全樣本數據提供可能;神經影像技術則進一步深入至語言和行為層面之下，記錄多維度、復雜且瞬時的大腦活動數據，為理解科學學習過程提供新的視角。上述技術體現教育領域的技術應用之“新”，涉及“教、學、管、評、測”等各類教育教學場景，為科學教育的革新提供強大動力，不僅擴展科學學習的范疇，而且賦予科學教育個性化和智能化的新特征，是實現教育數字化轉型的基礎保障。[1]

然而，盡管技術融合帶來諸多機遇，但其道路卻并非一帆風順。如何平衡技術進步與教育公平之間的關系，確保技術支持下的科學教育質量能夠持續提升，以及怎樣培訓科學教師以適應快速變化的技術環境，都是亟需解決的關鍵問題。因此，在這一過程中，循證研究顯得尤為重要。它強調基于實證數據，并審視新技術在科學教育中的實際效果，反思如何真正實現科學教育的目標。基于此，本研究探討新技術支撐下科學教育循證研究的發展動因、技術路徑、實際挑戰以及發展反思，從而對未來的科學教育研究方向進行前瞻性展望。

一、新技術支持的科學教育循證研究

發展動因

（一）本質升格：學業成績到科學素養的焦點轉換

科學教育領域歷來高度重視學業成績，尤其以標準化測試作為衡量教育成效的核心標尺，直接響應教育管理和政策制定者對效率與可比性的迫切需求[2]。盡管這種評價方式便于實施且結果直觀，但它可能遮蔽教育內在的復雜性，未能充分考量學生的認知發展、情感成長及綜合能力的全面提升。科技進步促使社會對跨學科、創新導向的科技人才產生強烈需求，這一變革動力從根本上重塑科學教育的哲學基礎——從傳統“知識傳授”模式躍遷至“教育通過科學培養個體”的新范式，旨在不僅傳輸科學知識，更引導學生深刻理解科學知識在社會生產中的實踐應用、發展軌跡及其社會影響力[3]。此模式強調在社會互動和文化脈絡中理解科學的本質，全面推動學生科學素養的培育，涵蓋科學內容、探究實踐、科學思維、科學技術和社會，以及科學參與和決策等多個維度[4]。

因此，教育體系從側重學業成績轉向全面培養科學素養，既是對個體全面發展需求的直接回應，也是對未來導向的科技驅動社會經濟變革的預判性部署，標志著教育實踐的深刻轉型，從應試教育的傳統框架轉向素質教育的現代模式，從單一知識積累向綜合能力開發的跨越[5]。這一轉變不僅限于課程內容與評價機制的表面革新，更是教育理念與實踐策略對新時代需求的主動適應與深度融合，力圖在深化與拓寬教育的維度上取得雙線進展。在此轉型期，科學教育研究必須積極采用科學嚴謹、全面深入的實證研究方法，為教育決策提供堅實依據，持續優化教育實踐，確保培養出能夠引領科技創新、有效應對各類挑戰、助力社會可持續發展的未來精英。

（二）范式革新：從經驗主義到循證研究

在新技術的催化下，科學教育研究的范式從單一的經驗主義，向多元化、深度化的循證研究邁進，這一過程不僅是方法論的迭代，更是對教育本質理解的深化。基于經驗主義的研究是一種哲學和方法論取向，其強調知識來源于感官經驗，尤其是通過觀察和實驗直接從現實世界中獲取的數據和證據。這種研究方式起源于近代哲學中的經驗主義傳統，代表性人物包括約翰·洛克（John Locke）、大衛·休謨（David Hume）和后來的經驗主義者。經驗主義范式在教育研究中體現為研究者依據個人經驗、教學案例及傳統智慧，對教育研究主體及其關系進行理解和評估[6]。然而，這種方法高度依賴于個體判斷，缺乏系統性的驗證機制，難以確保普遍適用性和教學效果的優化。作為對上述問題的直接回應，循證研究逐漸興起，主張教育決策應建立在科學證據之上，其不僅僅建立在經驗觀察的基礎上，更強調通過嚴格的科學方法，尤其是文獻的系統綜述、明確的實驗設計、合理的數據分析等，來生成、評估與整合證據[7]。循證研究的核心，在于其對“最佳可用證據”的追求，不僅包括高質量的科學研究成果，也融合教育教學專業知識、教育主體特性、教育政策價值偏好及實際情況，形成一個動態、多維度的決策框架。

（三）技術突破：多源與多層級數據互證的實現

新技術的突破極大提升教育研究的精準度和實用性。大數據技術使研究者能夠綜合分析學生學習行為、成績與社會背景，而機器學習等計算方法可以增強教育干預措施效果驗證的科學性[8]。此外，數據倉庫等技術可以整合跨學科數據，統計分析工具的優化則讓研究人員能夠挖掘數據背后的復雜關聯;腦科學技術，如功能性磁共振成像和腦電圖，為教育研究提供洞察學習過程中的認知和神經機制的機會[9]。循證研究不僅豐富教育研究的理論基礎，還為教育實踐提供更為個性化的策略和方法，確保教育干預措施的針對性和有效性。教育學、心理學、社會學、數據科學等多領域專家的協同作業，為理解教育現象的復雜性提供全面視角。在個體層面，通過深入分析學生數據，識別個性化學習需求，優化教學策略[10]。在教學互動層面，通過分析教師策略與教室環境對學生學習成效的影響，指導教學實踐的微調[11]。在教育治理層面，通過數據分析揭示政策和資源配置的效果，支持學校優化管理決策[12]。同時，政策執行效果的評估為政策制定者提供數據支持，推動教育政策的科學化和公平性。

二、新技術支持的科學教育循證研究

技術路向

（一）公民科學素養規模化培養與科技創新人才個性化提升

科學教育領域正經歷一場深刻的變革，從傳統的知識灌輸模式，轉向注重批判性思維與問題解決能力的培養。隨著科技和社會問題復雜性的加劇，培養具備足夠科學素養的公民群體變得尤為重要[13]。信息技術的飛速發展，特別是教育資源的數字化和網絡化，為科學教育的普及和深化提供強有力的支撐，使得更多人有機會接觸和利用高質量的科學學習資源。數字化平臺的普及不僅擴大科學教育的覆蓋范圍，減少地域間的教育資源差異，還為大規模數據收集和分析提供便利，使教育者和政策制定者能基于數據優化教育策略，持續提升教育質量和效率，推動教育資源的民主化。這不僅可以提升個體的科學素養，也促進社會整體科學文化的發展，為社會可持續發展和科技創新奠定堅實的基礎。人工智能與大數據技術的融合應用，為個性化教育路徑規劃開辟新的視野。借助對新技術的深度利用，教育者得以通過分析學習數據、捕捉學生學習狀態，描繪出學生的個性化特征，并據此為學生量身定制符合其特點的學習路徑，最大限度地促進學生的技能全面發展[14]。例如，人工智能技術能夠依據學生在作業提交及測試成績中的綜合表現，識別并定位學生的優勢學科領域，推薦學生參與如科研競賽、實驗室實習等高階科學實踐項目，在學生的優勢領域內進一步挖掘潛力，提升其科研能力[15]。

（二）指向數字化科學素養教學的教師專業發展

隨著科學教育的持續演進，科學教師的角色正從傳統知識的傳遞者，轉變為學習的促進者和技術的運用者，這對教師專業發展提出新的挑戰與機遇。以生成式人工智能為例，其能夠實現教學方案的動態生成與適應性調整。具體而言，生成式人工智能可以根據學生的個性化學習需求、學術興趣及能力水平，精準設定教學目標、定制化教學計劃、創造教學資源、組織互動式教學活動，并開發針對性的評估工具，為科學課堂的教學實施提供一套全面的解決方案。這為科學教師開展跨學科、項目式、探究式教學提供了可靠依托。人工智能技術也被用于分析教師的教學過程，教師能及時通過數據反饋機制調整教學策略，實現教學方法的持續優化。例如，某中學實施的教師專業發展項目中，人工智能系統通過監控教學內容、互動情況和學生反應，自動生成分析報告，指導教師優化教學模式，不僅顯著提升了教學質量，也改善了學生的科學學習體驗[16]。過去科學教師培訓往往集中于學科知識和教學技能的提升，如今隨著信息技術的飛速發展，特別是數字化科學素養概念的興起，教師必須掌握并熟練應用新的數字工具和教學策略，以適應教育的數字化轉型。為此，新型的科學教師專業發展項目普遍呈現出多元化的趨勢，廣泛采用如在線課程、互動式工作坊及基于真實案例的學習模塊等多種形式，旨在助力科學教師熟練掌握前沿教育技術，并將其有機融入日常教學活動之中[17]。

（三）多模態數據支持的科學教育智能測評改革

科學教育的教學形式更加多元，涵蓋實驗教學、探究式教學、項目式教學、跨學科教學等，評價內容也更加關注學生的科學知識、科學興趣、科學方法、科學精神等特質，這為科學教育評價的開展帶來極大挑戰。通過新技術在科學教育領域的深度融合，研究者正在嘗試構建全面、動態且個性化的科學評價體系，以適應21世紀科學學習者的多元化需求。一方面，多模態數據的集成分析為科學教育測評提供前所未有的可能性。這一轉變打破傳統測評對單一數據源（如紙筆測試成績）的依賴，轉而整合包括行為數據（如在線學習平臺的交互記錄）、文本數據（如學生的寫作和討論內容）、生理數據（如通過可穿戴設備監測學生學習時的生理反應）等在內的多維度信息。數據的豐富性使得測評能夠超越知識記憶的范疇，融入學生認知過程、情感態度、創新能力、問題解決策略等核心素養的評估，準確描繪學生的學習圖景[18]。另一方面，智能算法與機器學習技術的應用，為多模態數據的處理提供強大支撐。通過訓練算法模型，教育者能夠從復雜的數據模式中剖析學生學習行為、知識掌握程度及學習風格，據此識別學生的學習強項與薄弱環節、預測學習趨勢，為及時干預和個性化學習路徑設計提供科學依據。智能測評系統能夠基于學生的實際表現，自適應地推薦學習資源和策略，促進學生自主學習能力的提升。此外，多模態數據支持的智能測評還可以促進評價過程的即時性和交互性，改變過去靜態、延遲反饋的模式。通過實時數據分析，學生能夠即刻獲得學習成效的反饋，了解自身在科學探究、理論應用等方面的具體表現。同時，教育者也能依據系統提供的深入分析報告，快速調整教學策略，優化教學內容，實現教學與學習的閉環優化。

（四）科學教育環境的智能數字基座建設與資源供給聚合

智能數字基座的建設與資源供給的聚合，重構了教育資源的組織模式、分配機制及利用方式，標志著教育環境正由實體空間穩步邁向數字化、智能化的新紀元。《北京市“十四五”時期教育改革和發展規劃（2021—2025年）》明確提出“建設智能互聯的數字教育基礎設施”;《上海市教育發展“十四五”規劃》亦強調“全力構建教育數字基座，升級教育數據中心，優化數據標準體系，完善大規模智慧學習系統”。科學教育環境的數字基座，作為依托“云、網、端、數”多元技術融合的新型基礎設施，為科學教育的廣泛普及奠定堅實的基礎設施支撐。智能數字基座建設與資源供給聚合有助于打破地域與時間的界限，將全球范圍內的優質科學教育資源，如數字化教材、虛擬實驗室、互動探究教程、在線科學論證論壇、模擬科學建模等高效整合，以此為學習者提供豐富多元、靈活便捷的學習選擇，有效突破了傳統教育資源的地域限制，加速了教育公平的進程。此外，智能數字基座憑借強大的數據處理能力，深度挖掘學習行為數據，為教育決策提供了科學、精準的支撐。它能夠全面追蹤、記錄并分析學生的學習軌跡，包括學習路徑的選擇、互動頻次的分布、任務完成的速度與質量等。這些多維度、深層次的數據分析結果，為科學教育教師提供反饋證據，助力其精準識別學生的學習需求、興趣偏好及潛在挑戰，促進學習效率的提升[19]。

三、新技術支持的科學教育循證研究

現實挑戰

（一）數字鴻溝與教育公平的迷思：新技術影響下的科學教育資源分配

教育公平的核心是保障所有學生的受教育權益，無論其社會經濟背景、地理位置、性別或種族如何，都能獲得平等的教育機會和資源。然而，數字鴻溝尤其是數字獲取鴻溝（指不同群體由于網絡建設等問題導致的信息、技術、資源以及知識獲取的差異）阻礙這一基礎目標的實現。[20]部分經濟、教育發達地區學校利用虛擬現實和互動技術，讓學生能夠以親歷者的身份直接參與板塊運動的模擬過程，幫助學生建立對地球變化的形象化認知，而欠發達地區學生只能通過視頻等資料，由自身抽象理解這一概念。經濟發達地區的學校通常擁有豐富的教育資源，確保學生擁有高質量的教育體驗。相反，經濟相對落后地區的學校則常常面臨資源匱乏的境地，即缺乏基本的數字設施和教學支持，信息的可訪問性因此受限[21]。此外，數字技能本身已成為現代教育中的一項關鍵能力，潛移默化地影響著學生的成長與發展。在經濟發達地區，學生通常較早接受計算機教育，在先發優勢下，擁有更強的復雜問題處理能力和邏輯推理能力，也為其未來科學學習能力遷移提供競爭優勢。而在資源匱乏的地區，學生往往無法獲得相同程度的數字技能培訓，缺乏技術支持與實踐機會，導致其在信息處理和技術應用上處于劣勢[22]。這種技能差距最終導致學生在學術成就和職業生涯中面臨更多挑戰。隨著數字鴻溝的擴大與技術的縱深發展，尤其是人工智能等智能化技術的普及，智能鴻溝愈發顯著。顯然，技術的迅速迭代可能導致數字鴻溝的加速擴大，進一步加劇教育的不平等。

（二）人文精神的守護與挑戰：科學教育中技術邏輯與價值導向的平衡

科學教育的進步需要在效率提升與人文關懷之間尋求平衡。新技術為教育帶來的不僅是方法論層面的革新，更是教育哲學與價值取向的深層思辨。當我們將技術引入教育場域時，不能將其簡單視作提升教學效能的工具，而應當審慎考量其對教育本質的影響[23]。

一方面，教育科技的應用確實提升了科學教學的可及性與個性化水平，但也潛藏著將教育異化為標準化生產的風險。這種過度追求效率的傾向可能導致教育實踐陷入“工具理性”的窠臼，而忽視科學教育中培養學生批判性思維和創造力的根本使命[24]。另一方面，數字化教育工具雖然打破時空限制，卻可能弱化教育場域中不可或缺的情感互動維度，產生師生教學關系弱化、身份關系模糊化、交往關系虛擬化等問題[25]。科學教育的一項重要目標是提升學生的科學態度與責任感，在認識學科本質和學科價值，理解科學、技術、社會、環境關系基礎上，逐漸形成對科學技術應有的科學精神和社會責任感。這種深層次的觀念傳遞需要通過真實的師生互動，培養學生的價值判斷、文化認同和情感共鳴能力。過度依賴技術中介的教學模式可能會削弱對學生同理心、協作能力和社會責任感的培養[26]。因此，未來教育發展的關鍵在于構建“技術賦能”與“人文關懷”的有機統一。科學教育決策者需要建立科學理性與人文精神相融合的科學教育范式，使技術創新服務于人的全面發展這一根本目標，將技術創新與人文教育辯證統一，培養具有深厚人文素養和社會責任感的新時代科技創新人才。

（三）虛擬與現實的交織：科學教育實踐中的數字身份與真實性探索

在科學教育實踐中，虛擬與現實的界限日益模糊，學生通過數字平臺和工具不斷構建和表達自己的數字身份。在傳統教育實踐中，學生通過基于真實教具的實驗探究獲得手腦統一的具身認知理解，在學生與教師的互動中，教師通過面對面交流和觀察，即可以了解學生在科學學習中的真實表現。隨著數字技術的引入，尤其是在線學習平臺和虛擬教具的應用，學生在虛擬環境中的身份和行為，開始與現實中的身份和行為出現分離和重構。這種變化帶來了新的挑戰，即如何確保在虛擬環境中進行的教育活動能夠真正反映和影響學生的實際能力和素養[27]。在虛擬環境中，學生可以自由探索和實驗不同的身份，無需擔心科學實驗帶來的場地限制和風險可能，這種靈活性有助于其發現和表達自我。然而，這種身份的流動性也可能帶來認同的混淆，使學生難以區分或整合自己在虛擬與現實世界中的經歷和身份[28]。此外，虛擬身份的構建和表達往往受技術平臺架構和算法的影響。例如，在虛擬實驗環境中，所有實驗現象都按照既定程序發生，當學生采取超出程序設定的操作行為時，虛擬實驗環境無法給出真實的反饋。由此可見，這些技術制約可能限制了身份表達的多樣性和深度，有時候甚至可能誤導或曲解學生的自我表達。在這種背景下，教育的任務之一是幫助學生批判性地理解并應對技術對身份構建的潛在影響，培養其在虛擬環境中維持真實性的能力。

四、新技術支持的科學教育循證研究

發展反思

（一）關注科學教育育人需求，警惕技術本位意識擾動

盡管新技術展現出強大的驅動力，但其絕不能成為教育的首要導向。因此，在積極推動科學教育適應新技術發展的同時，也必須時刻保持警覺，防范技術本位意識的潛在干擾。科學教育的本質在于科學素養的培育，而非單純的技術應用或掌握。然而，新技術與科學教育實踐的融合有時未能達到預期效果，“知識幻覺”可能導致科學知識的誤導性傳授，“算法偏見”可能削弱科學教育的服務質量，而“人機協同”的不當應用則可能導致科學課堂教學的混亂[29]。這主要歸因于對技術先進性的過度強調，從而忽視教育的根本目的。當技術立場凌駕于教育立場之上時，教學內容和方式的僵化便成為不可避免的結果。因此，在新技術融入科學教育的過程中，必須充分尊重科學教育的發展規律，避免技術邏輯對教育決策的過度主導，從而確保科學教育目標的不偏離。首先，通過師生數字素養培訓，提升師生科學教育主體的風險認知水平，確保師生具備辨識新技術在科學學習與教學實踐中潛藏風險的能力。其次，明確界定新技術在科學教育中的實踐范疇，確保技術應用不僭越師生的主體地位。例如，在提供學習輔助時，應避免直接灌輸解決問題的策略或答案，轉而采用啟發式教學法，為學習者提供自適應的學習支撐體系，以此激發學生的深度認知需求。最后，強化科學教育學科的數據根基，減少數據偏差的潛在影響。同時，需對算法邏輯進行深入優化，以根除“算法偏見”對模型效能的負面效應，并增強機器智能分析與決策的可解釋性，確保學生、教師及教育管理者能充分理解技術數據和機器決策的邏輯依據[30]。綜上所述，研究者在科學教育的循證研究中應時刻保持對技術本位干擾的警覺，確保科技的應用能夠真正支持和提升教育的育人功能。這要求研究者在技術應用過程中保持對教育人文關懷的高度敏感性，并具備批判性思考能力，以確保科技進步能夠真正服務于教育目標的實現，為學生的全面發展提供有力支持。

（二）推動科學教育理論創新，構建新技術支持的教育研究實踐指導思想

科技自立自強背景下的創新人才自主培養離不開高水平的科學教育研究支撐，特別是先進的科學教育理念指引和堅實的實證研究支撐。從我國科學教育研究的發展歷程來看，專家學者很大程度上是政策驅動下，利用以往較為成熟的理論和方法去發現、分析和解決我國科學教育改革發展的現存問題[31]。但從長遠來看，應該從科技創新、社會進步、人才培養的現實需求出發，深刻認識和把握教育自身面臨的突出矛盾和問題，加強教育科學研究的理論創新，以此為教育的改革發展提供思想指引。首先，構建具有鮮明中國特色的新技術賦能科學教育研究創新理論體系。剖析我國教育改革與發展面臨的新形勢與新挑戰，依托新技術手段獲取豐富多維的證據數據，從中提煉我國科學教育發展的內在規律，繼而提煉為系統化的科學教育理論;以科學教育實踐問題的識別與解決為核心目標，構建具有中國特色的科學教育研究創新理論框架，為全球教育事業的進步貢獻獨特的中國智慧與方案。其次，完善“新技術支持的科學教育”研究體系。在此過程中，充分認識科技創新在推動科學教育研究范式轉型中的核心作用，利用智能技術感知科學教育情境、刻畫科學教育主體特征、深入挖掘科學教育內在規律、持續優化科學教育服務流程，推動科學教育研究向數據化、智能化方向邁進，重構科學教育研究的方法論體系。最后，強化“人機協同”科學教育理論體系的構建。明確智能技術和智能產品在未來教學、學習、評價、治理等關鍵環節的核心價值，深入探究“人”與“機器”在教育活動中的角色定位與協同作用機制，推動構建“人機協同支持”的高效科學課堂教學模式、個性化自主學習路徑、智能化科學教育評價體系，為未來教育發展開辟新的路徑與可能。

（三）強化智能倫理與數據倫理意識，保障科學教育研究良性發展

科學教育領域正經歷一場深刻的變革，從傳統的知識灌輸模式，轉向注重批判性思維與問題解決能力的培養。智能倫理是對人工智能技術應用的道德考量。在新技術大量應用于科學教育研究的當下，強化智能倫理與數據倫理意識成為確保研究良性發展的關鍵。隨著人工智能、大數據等技術在教育領域的廣泛使用，科學教育研究者面臨著前所未有的倫理挑戰。這些挑戰不僅關乎技術的使用，更涉及如何保護學生的隱私、確保數據的安全和使用的透明度，以及如何防止技術應用造成的潛在偏見。首先，智能倫理的強化需要從理解人工智能技術的基本性質開始。科學教育研究者應當充分認識到，盡管人工智能能夠提供強大的數據處理分析能力，但其決策過程可能缺乏透明度，且容易受到訓練數據中存在的偏見的影響。其次，為確保研究結果的公正可靠，使用人工智能技術時務必實施嚴格的監督調控措施，數據倫理的強化亦不容忽視。以腦科學和神經科學技術為例，其數據敏感性高，研究者在采集、處理及存儲學生信息時，應采取措施確保數據采集合法、獲取明確同意，并對數據的訪問權限與使用范圍進行嚴格界定。同時，科學教育研究者有責任向參與者詳盡闡釋數據的具體用途，并為保護其個人信息免受不當利用采取適當措施。最后，科學教育研究領域的智能倫理與數據倫理建設，還需聚焦于對技術潛在影響的全面審視。新技術迅猛發展帶來的倫理挑戰的不斷涌現，科學教育機構及研究團隊需構建對應的倫理審查體系，在尊重個體權利、促進教育公平的同時，通過倫理審視機制的完善，引導科學教育研究更好地適應技術變革。

參考文獻：

[1]黃榮懷.數字技術賦能當前教育變革的內在邏輯——從環境、資源到數字教學法[J].中國基礎教育，2024（1）：10-17.

[2]BRUER J T. Education and brain：A bridge too far[J]. Educational Researcher， 1997（8）：4-16.

[3]CONSTANTINIDIS C， KLINGBERG T. The neuroscience of working memory capacity and training[J]. Nature Reviews Neuroscience， 2016（7）：438-449.

[4]王晶瑩，周丹華，楊洋，等.科學高階思維：內涵價值、結構功能與實踐進路[J].現代遠距離教育，2023（2）：11-18.

[5]裴新寧，鄭太年.國際科學教育發展的對比研究——理念、主題與實踐的革新[J].中國科學院院刊，2021，36（7）：771-778.

[6]何偉光，李均.ChatGPT何以變革教育研究范式[J].深圳大學學報（人文社會科學版），2023，40（5）：15-25.

[7]談蘇欣.循證教育研究辯護：限度及其突破[J].全球教育展望，2023，52（1）：17-31.

[8][10]張紅艷，連雅迪.數智教育評價范式轉變動因、特征與實現路徑研究[J].黑龍江高教研究，2024，42（1）：23-30.

[9]馬諧，王曉曦，楊舒涵，等.腦科學技術在教育研究中的功能與應用[J].現代教育技術，2019，29（7）：32-38.

[11]王寧，段巍.什么因素影響中學生的科學職業期望[J].湖南師范大學教育科學學報，2021，20（4）：39-48.

[12]龔禮林，趙蔚，劉陽，等.近十年國際K-12領域機器人教育研究最新進展及啟示——基于系統性文獻綜述法[J].中國遠程教育，2020（3）：25-34.

[13]鄭永和，周丹華，王晶瑩.科學教育服務強國建設論綱[J].教育研究，2023，44（6）：17-26

[14]鄭永和，楊宣洋，謝涌，等.我國拔尖創新人才的選拔與培養——基于教育實踐的多案例循證研究[J].中國科學院院刊，2022，37（9）：1311-1319.

[15]荊洲，楊啟光.生成式人工智能賦能教育研究范式變革：機理、風險與對策[J].中國電化教育，2024（3）：68-75.

[16]王晶瑩，周丹華，張栩凡，等.科學高階思維緣何成為科技創新后備人才培養的靈魂？——基于“做題家”與“實干家”腦電實驗的個案敘事研究[J].現代遠距離教育，2023（5）：24-32.

[17]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.

[18]譚維智.教育機器：一種人類教育的新范式[J].教育研究，2024，45（4）：62-72.

[19]劉寶存，茍鳴瀚.ChatGPT等新一代人工智能工具對教育科研的影響及對策[J].蘇州大學學報（教育科學版），2023，11（3）：54-62.

[20]張海，姜蓉.縮小教育數字鴻溝" 實現全面教育數字化轉型——美國《2024年國家教育技術計劃》解讀及啟示[J].中國教育信息化，2024，30（5）：76-89.

[21]張黎，周霖.教育領域“智能鴻溝”的生成、危害與彌合[J].現代遠程教育研究，2024，36（3）：38-45.

[22]劉三lt;D：＼2024年＼中國教育信息化＼中國教育信息化2024-3＼TP＼女牙.tifgt;，郝曉晗，李卿.教育科研新范式：人工智能驅動的教育科學研究[J].教育研究，2024，45（3）：147-159.

[23]宋嫻，羅躒，胡芳.高質量校外教育的助推器：專業化科技研學教育人員的評價指標[J].全球教育展望，2021，50（12）：90-101.

[24]田雪葳，王晶瑩，宋倩茹，等.STEM導向的當代國際科學教育研究圖景——基于NARST 2020年會的文本挖掘[J].現代遠距離教育，2021（1）：78-88.

[25]何昌旺，熊和平.ChatGPT類生成式人工智能教育倫理危機及其應對[J].中國教育信息化，2024，30（2）：81-90.

[26]馬志強，李慧雯，王文秋，等.跨學科協作學習何以有效——STEM教育中CSCL應用效果的元分析[J].現代遠程教育研究，2021，33（1）：97-104.

[27]郭舒晨，劉恩山.國際科學教育中的生物學教育研究進展與啟示——基于CiteSpace的可視化分析[J].科普研究，2021，16（3）：47-57，109.

[28]杜華，顧小清.人工智能促進知識理解：以概念轉變為目標的實證研究[J].華東師范大學學報（教育科學版），2022，40 （9）：67-77.

[29]孫立會，沈萬里.論生成式人工智能之于教育的命運共同體[J].電化教育研究，2024，45（2）：20-26.

[30]劉三lt;D：＼2024年＼中國教育信息化＼中國教育信息化2024-3＼TP＼女牙.tifgt;，周子荷，李卿.再論“計算教育學”：人工智能何以改變教育研究[J].教育研究，2022，43（4）：18-27.

[31]鄭永和，楊宣洋，陶丹，等.中國科學教育研究：歷史沿革、發展邏輯與未來展望[J].華東師范大學學報（教育科學版），2024，42（11）：95-110.

Evidence-Based Research in Science Education Supported by Emerging Technologies： Origins， Challenges， and Development

Jingying WANG1， Wanqi YANG2， Jianjun GUO1， Lei DU1

（1.Faculty of Education， Beijing Normal University， Beijing 100875;

2.Research Institute of Science Education-BNU， Beijing 100875）

Abstract： Amid continuous breakthroughs in frontier technologies such as artificial intelligence， virtual reality， and big data， science education is undergoing a profound transformation. Its focus has shifted from purely pursuing academic achievement to comprehensively cultivating scientific literacy. Simultaneously， research methodologies are experiencing a revolutionary leap from empiricism to evidence-based research. Emerging technologies provide robust empirical support for research in four key areas： large-scale cultivation of public scientific literacy and personalized enhancement of scientific innovation talents; teacher professional development oriented towards digital scientific literacy instruction; intelligent assessment reform in science education supported by multimodal data; and the construction of intelligent digital infrastructure and resource integration for science education environments. However， technology-supported evidence-based research in science education faces several challenges， including the digital divide and educational equity concerns， imbalance between technological logic and value orientation， and ambiguity between digital identity and authenticity. Consequently， relevant researchers need to reflect on the development of evidence-based research in science education supported by new technologies， and adjust the future research direction of science education： pay attention to the needs of science education education and be alert to the disturbance of technology-based consciousness; promote innovation in scientific education theory and establish a guiding ideology for educational research practice supported by new technologies; strengthen the awareness of intelligent ethics and data ethics， and ensure the healthy development of scientific education and research.

Keywords： Science education; Scientific literacy; Evidence-Based research; Emerging technologies; Artificial intelligence; Educational equity

編輯：王曉明" " 校對：李曉萍

DOI：10.3969/j.issn.1673-8454.2025.02.007

作者簡介：王晶瑩，北京師范大學教育學部教授，博士（北京 100875）;楊琬祺，北京師范大學科學教育研究院科研助理，碩士（北京 100875）;郭建軍，北京師范大學教育學部碩士研究生（北京 100875）;杜蕾，通訊作者，北京師范大學教育學部博士研究生（北京 100875）

基金項目：中國科學院學部2024年度咨詢評議項目“生成式人工智能技術賦能科學教育發展戰略研究”（編號：211910118）