信息化教学
当科学课不再只是“知道答案”
读完教育部“做中学”新指南,我有了一些新的想法
最近认真读了教育部发布的《义务教育阶段科学教育“做中学”领航行动指南》。
最开始吸引我注意的,是其中一个很具体的要求:
4—9年级,每个学生每学期要完成不少于1个科学探究实践任务,而且不少于4课时。
但真正读完整份文件以后,我觉得比“一个任务、四个课时”更值得关注的,其实是另外一件事:
我们到底希望孩子怎样学习科学?
一、科学课,也许不应该从“告诉答案”开始

我们过去很熟悉这样的学习过程:
小时候我们上科学课,很多时候也是先在课本里认识一个结论,再走进实验室把它验证一遍。
老师讲一个知识,学生记住一个结论,再通过一个实验去证明这个结论。
而这次“做中学”给我的感觉不太一样。
它反复强调“真实问题”,强调让学生自己提出问题、设计方案、搜集证据、分析结果、制作改进,最后再交流和反思。
换句话说,孩子面对的不一定是一道已经知道标准答案的题,而可能是:
校园里哪个地方的植物种类最多?
怎样改变模型飞机的机翼,才能让它飞得更远?
太阳能板摆在什么角度,发电效果更好?
为什么同一个问题,人工智能两次给出的答案不一样?
然后让孩子自己去想办法。
我觉得,这可能才是“做中学”三个字真正有意思的地方。
科学教育的意义,不只是让孩子知道更多科学结论,更重要的是让他逐渐相信:
面对一个不知道答案的问题,我可以自己去寻找答案。
二、让我很意外的是,人工智能真的进来了

整份指南里,我特别关注了一个主题——人工智能。
而且它不是简单地告诉学生“什么是人工智能”。
小学4—6年级的任务里,已经明确设计了这样的活动:
让学生针对同一个问题采用不同提示词和生成式人工智能进行问答,比较生成结果;研究为什么人工智能会出现错误,怎样的提示词能够让人工智能更理解自己的问题。
还有一个任务叫“智能传播”,学生甚至可以利用生成式人工智能辅助制作海报、绘本、声音明信片或者短视频,同时还要判断AI生成信息是不是真的,讨论版权、个人信息保护和人工智能伦理。
读到这里,我突然想到,课堂上真正难教的,也许不是让孩子学会打开一个AI工具,而是让他们在得到答案以后,仍然愿意多问一句“为什么”。
看到这里,我其实挺有感触。
因为现在孩子接触AI已经越来越难避免。
那么学校真正需要教给他们的,也许不是“会不会用某一个AI工具”,而是:
会不会提问,会不会验证,会不会判断,会不会修正,最后能不能形成自己的观点。
如果是这样,我反而觉得AI进入小学课堂并不可怕。
我真正担心的,不是孩子不会用AI,而是他们开始停止思考。
三、我理解的“做中学”,应该是跨学科的
这份文件还有一个变化让我很认同:科学探究不再只属于科学课。
一个真实的问题,本来就很难被分割成某一个学科。

比如,如果让孩子研究“我们的校园环境怎么样”,他可能需要:
用科学知识提出假设;
用传感器测量温度、湿度、光照、噪声等数据;
用数学知识统计和比较;
用信息科技工具整理数据、制作图表;
甚至借助AI帮助分析,再自己判断AI的分析是否可靠;
最后还要用语文能力完成报告和表达。
这时候孩子解决的是一个问题,而不是分别完成科学、数学、信息科技的几道题。
我觉得这种学习方式,也许更接近他们将来真正面对世界时的样子。
四、比“做出了什么”更重要的,是中间发生了什么
还有一点很容易被忽略。
这份指南对评价的要求,不只是看最后有没有做出一个漂亮作品。
它关注的是孩子有没有发现问题,怎样设计探究过程,遇到失败以后有没有反思和改进,能不能和同伴合作、表达自己的观点。
这一点我非常认同。
因为真正的科学探究,本来就不应该每一次都成功。
一个孩子做的小飞机第一次只飞了两米,他修改了机翼,又飞了一次;
一个小组测出来的数据和自己的猜想完全不同,他们重新检查实验过程;
一个孩子发现AI给出的答案可能是错的,于是主动去查资料验证……
这些“没有一次成功”的过程,本身可能就是最有价值的学习。
所以如果“做中学”真正进入学校,我希望我们最后留下的不只是几张漂亮的作品照片。
还应该留下孩子的问题、猜想、数据、失败、争论、修改,以及他们最后是怎样找到答案的。
写在最后
读完这份指南,我脑子里一直有几个画面:
一个孩子蹲在校园角落里,认真记录一株自己叫不出名字的小草;
几个孩子为了让自己的模型飞机多飞几米,一遍遍调整机翼;
一个小组拿着自己测出来的数据争论到底谁的猜想是对的;
还有一个孩子看着AI给出的答案,突然问了一句:
“它说的是真的吗?我怎么证明?”
这些场景看起来,也许不像我们传统印象里的“上课”。
但我越来越觉得——
这恰恰可能是科学教育最应该发生的样子。
我们当然希望孩子记住一些知识。
但比记住知识更重要的,也许是有一天,当他面对一个没有标准答案的问题时,第一反应不再是:
“老师,这题怎么做?”
而是:
“让我试试看。”
我想,这就是科学教育最好的样子。

