图片来源：视觉中国
经合组织（OECD）2026年9月发布的PISA 2025测评结果显示，北京、上海、江苏、浙江四省市15岁学生的综合学业表现位居全球前列，其中科学、数学成绩位列首位，阅读成绩仅次于新加坡，数字工具问题解决能力则位居中国澳门、新加坡之后。对比2018年测评数据，四省市学生数学成绩稳步提升、科学成绩基本保持稳定，但阅读能力出现明显回落。这一数据特征表明，我国四省市中学生具备扎实的学科知识基础与成熟的学科解释能力，却在长文本阅读、事实辨析、独立判断等核心素养上存在明显短板。
学生科学成绩的高位表现，核心依托已有证据推导结论的应试与判断能力。但真正的科学创新，不止步于验证既定答案，更要求学生主动提出无标准答案的开放性问题，并自主论证、对研究结论全权负责。这种高阶探究与创新能力，必须以深度长读、事实甄别、独立思辨为底层支撑。阅读素养的薄弱短板，直接制约了学生提出原创问题、完成完整科学论证、承担探究责任的核心能力，成为学生科学素养进阶的关键瓶颈。
知识优势尚未转化为高阶探究能力
探讨人工智能时代的青少年科学素养培育，需首先厘清两个核心概念：一是人工智能教育，核心是让学生认知、理解人工智能技术的原理、逻辑与价值；二是人工智能赋能教育，核心是将人工智能作为工具，服务于各学科学习与科学探究全过程。二者紧密关联，但育人侧重点、实施目标截然不同。
完整的科学探究应包含三大核心环节：读懂实证信息、提出探究问题、论证并负责结论，而深度阅读是贯穿全程的基础能力。人工智能融入科学探究的核心价值，是辅助学生夯实、深化各探究环节，而非替代学生完成核心思辨与实践过程，这是人工智能赋能科技教育的核心边界。
在科学探究场景中，人工智能让教师从重复性知识讲解中脱身，将教学重心转移到课堂追问、思辨讨论、探究实验设计等高质量教学环节，为分层教学、因材施教落地创造了有利条件。
当前，数字工具、实验操作与计算思维的融合应用，已成为新时代科学素养的核心组成部分。对照PISA数据来看，我国四省市学生科学、数学成绩稳居全球首位，但数字工具问题解决能力仍落后于新加坡等地。这充分说明，学生扎实的书本知识优势，尚未有效转化为数字化场景下的高阶探究能力，也是未来科技教育提质升级的重要突破口。
学生使用智能工具的边界尚不清晰
上海是国内同步推进人工智能教育落地、人工智能赋能学科教学的典型地区。自2024年秋季学期起，上海中小学正式开设《人工智能基础》地方必修课程，每周不少于1课时，帮助学生系统认知人工智能技术。课程常态化进课表，解决了学生人工智能学习“有无”的问题，但并未完全实现育人提质的核心目标。人工智能赋能科技教育的最终成效，不取决于课时开设数量，而取决于技术介入后，学生是否仍能坚持自主阅读、自主提问、自主思辨，真正主导科学探究的全过程。
人工智能赋能教育的核心前提，是坚守工具本位与学生主体，始终让学生成为科学探究的核心主体，让人工智能仅作为辅助工具。PISA 2025的一组关键数据值得教育界审慎思考：借助人工智能完成文本概括、文章写作、课题研究等综合性学业任务的学生，科学平均成绩较未使用者低约20分；而仅用人工智能解决常规基础性问题的学生，成绩与未使用者无显著差异。
尽管二者仅为相关性关联、并非绝对的因果关系，但足以证明人工智能的使用方式，直接决定其对学业素养的影响效果。
若学生将阅读理解、思路构思、逻辑论证等核心思辨环节全部交由人工智能完成，科学探究便会沦为形式，学生无法生成真实问题、形成独立思维。反之，若将人工智能用于资料整理、现象模拟、辅助计算等工具性场景，便能有效赋能科学探究，不会削弱学生的科学素养。
数据显示，我国四省市学生每周使用人工智能聊天机器人辅助学习的比例为41%，低于OECD国家46%的平均水平。当前教育治理的核心痛点，并非人工智能使用频次过高，而是人工智能课程全面铺开后，学生的智能工具使用规范、学习边界尚未建立完善。
生成式人工智能能够快速输出语句通顺、逻辑完整、看似严谨的文本答案，若学校仅以最终答案、文本成果作为单一评价标准，学生的试错探索、深度反思、迭代修正的思考过程便会彻底缺失。而这种反复思辨、修正完善的过程，正是创新能力培育的核心关键，也是当下科技教育最需守护的育人环节。
人工智能教育应关注三个核心问题
结合上海人工智能教育的推进实践，笔者认为，当前科技教育的发展需重点关注三大核心问题。
其一，人工智能课堂教学要提高教学质量。目前，人工智能课程已全面纳入课表，但学生的深度思维尚未完全融入学习过程，课堂育人效能有待提升。
上海市级层面计划三年内培育大量人工智能种子教师，也印证了复合型专业师资队伍仍处于建设完善阶段。现阶段多数信息科技教师转型承担人工智能教学任务，易将课程简化为软件操作教学，重技能、轻原理、轻思维，课堂教学模式亟待优化。
同时，一线科技教师普遍缺乏真实探究问题的设计与教学指导能力，人工智能与科学学科融合教学的专业支撑不足，如何让人工智能课堂真正落地思维培育、素养培育，是当前亟需解决的核心问题。
其二，人工智能赋能教育的评价应突破单一模式。《上海市推进实施人工智能赋能基础教育高质量发展的行动方案（2024—2026年）》明确提出，要同步搭建人工智能课程体系与配套评价体系，覆盖人工智能通识教育、人工智能赋能学科教学两大维度。但当前，部分学校的评价方式较为单一，混淆两类育人目标，片面以学生最终作品质量、考试分数作为评价核心标准，忽视探究过程的考核。
同时，区域、校际之间的实验室配置、算力资源、社会育人资源存在明显不均衡，加剧了育人差距。若缺失完善的过程性评价机制，人工智能赋能科学探究极易沦为样板式展示课、功利化竞赛课——优质资源学校可打造精品育人案例，多数普通学校仅能机械完成课时任务，难以实现素养落地。
此外，单一的结果导向评价，会让学生依托人工智能快速生成标准化、无瑕疵文本，看似学业成果优异，实则丧失独立思考、自主创新的能力。与此同时，数据安全、价值引领、学习诚信等配套规范尚未完全细化，缺乏学生可落地、可遵守的智能工具使用准则，育人风险防控存在短板。
其三，在普惠育人与拔尖培养间寻求平衡。当前我国科学素养优异的学生已形成一定规模，但具备高阶阅读思辨能力的学生占比仍然偏低，能力结构存在明显失衡。在人工智能教育的拔尖人才培养中，部分培养模式过度侧重工具操作熟练度、竞赛成绩，陷入“重技能、轻素养”的误区，难以真正培育学生的创新思维。而在普惠育人层面，全体学生阅读能力的持续回落，会从根本上动摇科学探究的素养根基，让人工智能时代的科学育人缺乏可持续发展的核心支撑。真正的人机协同育人，应当构建“学生提问题—机器做辅助—学生判结论”的闭环，始终坚守学生的探究主体地位。
具体做来，不妨先夯实学生深度阅读、事实辨析、证据判断的核心基础能力，再依托智能技术拓展科学观察、实验模拟、数据运算的探究边界。以此扭转阅读能力回落的态势，稳固科学学业优势，推动学生的数字工具应用能力从“解题答题”的浅层应用，升级为“实验设计、数字创作、自主探究”的高阶赋能，实现科学素养的全方位提升。
探究的核心价值是学生提出“好问题”
基于以上思考，人工智能时代科学探究与育人质量的核心检验标准可明确为——在人机协同的学习场景中，具有探究价值的核心问题由学生自主提出，最终的研究结论由学生自主论证、全权负责。
为落实这一育人目标，中小学教育可从四大维度精准发力、规范提质。首先要明确人工智能的使用边界，严格区分工具辅助与思维替代，禁止学生依托智能工具完成文本通读、逻辑思辨、自主论证等核心学习环节，坚守自主学习底线；其次，保留科学探究的完整过程，优化作业评价标准，要求学生清晰梳理问题来源、证据取舍依据、结论漏洞与反思，杜绝“重结果、轻过程”；第三，优化教师分层培训体系，人工智能通识课教师的培训重心从软件操作技能，转向培育学生对人工智能的深度认知；学科教师的培训重心聚焦真实科学探究场景设计、人机协同课堂引导；第四，完善拔尖人才评价体系，打破唯竞赛、唯技能的评价导向，综合考察学生的人工智能认知水平、阅读思辨能力、问题创新能力与跨学科表达能力。
唯有全方位落实以上举措澳门股票配资，才能让学生的科学学业领先优势，从浅层的考试分数，真正转化为人工智能时代可持续、可迁移的核心素养。（作者为华东师范大学计算机软件理论研究所博士，上海STEM云中心创始人）
文章为作者独立观点，不代表联华证券-联华证券炒股配资-香港联华证券观点
