文/李銘耀
作為中學科學教師，看着學生熟練地使用大型語言模型（LLM）處理課業已成常態。AI的崛起促使我們反思其在科學教育中的定位—它究竟只是完成任務的工具，還是我們追求的學習成果？我們期望培育的，是懂得親自設計實驗的學生，還是只懂向AI發問的學生？在引導學生以AI進行探究式學習（IBL）時，教師必須注意其隱憂並善加引導，方能真正促進科學科的學與教。
首先，教師必須關注學生盲目依賴AI所帶來的「認知負債」（Cognitive Debt）。一項利用腦電圖（EEG）監測大腦活動的研究顯示，學生的腦部活躍度會隨着外部科技支援的增加而遞減，表現為：純大腦思考組 > 搜尋引擎組 > LLM組。過度依賴LLM的學生傾向付出極小努力，流於複製與黏貼上。這種便利帶來了高昂的認知代價，不僅降低了學生對知識的「擁有感」，更會削弱明辨性思考，導致淺層學習，且不利於長期記憶的形成。
在科學探究中，這種被動學習更會損害科學素養。LLM是基於數據模式生成文本，其生成的資訊與原始出處往往脫節，容易傳播錯誤資訊或偏見；即使AI提供了文獻引用，亦無法保證其與內容相符。若學生在進行科學探究時盲目跟隨AI的思維，缺乏事實查核（Fact-checking）意識，便會陷入「同溫層」陷阱。特別是自我效能感較低的學生，更容易消極依賴AI。
要善用AI促進教學，教師應靈活調整策略。上述研究提出「先大腦、後LLM」（Brain-to-LLM）的模式，先讓學生獨立思考再結合AI輔助，能實現更理想的知識建構，學術表現大多高於平均水平，且能維持較高的大腦活躍度與記憶回溯。因此，在科學課堂中，我提倡結合「無AI」與「AI輔助」的混合教學：
- 無AI學習與評估：在建立核心概念、學習自然科學本質及基礎實驗設計階段，應實施無AI教學，確保學生親身經歷科學探究。
- 為AI找錯處：AI與傳統搜尋引擎不同，能提供凝聚且個人化的回應。教師可讓AI針對具爭議的課題生成內容，再引導學生進行傳統網頁搜尋。網頁搜尋要求學生將大量網絡數據轉化為見解，是主動學習和建構知識的過程。通過反覆查詢和修正，學生能找出AI的邏輯漏洞。
- AI輔助適應性與小組協作學習：善用LLM的「適應性學習」優勢，讓它根據學生反饋提供個人化澄清和更深層次的科學探索，藉此擺脫教科書限制，擴大教學深度與廣度。同時，推動AI輔助的小組學習與課堂討論，可彌補AI減少同儕互動的弱點。
教育的本質在於啟發思考。中學科學教師必須緊守大腦思考的底線，引導學生將AI視為挑戰高難度任務的協作工具，而非逃避思考的避難所。只有這樣，AI才能在科學課堂上真正發揮「學與教」的正面價值。
（作者為十八鄉鄉事委員會公益社中學老師；本文為作者觀點，不代表本媒體立場）
收藏
取消收藏
分享
