在人工智能(AI)技术大发展的背景下,结合当前大学物理教学中存在的问题,本文提出了基于AI的研究式物理教学方式:结合开源科学数据,利用AI进行数据分析、推导、知识补全、文献解读和物理规律探索,直接开展前沿科学研究;运用AI系统及时反馈学生学习状态、解答问题并统计学习情况。基于OBE教学理念给出了研究式物理教学的教学过程设计。基于AI的研究式物理教学具有多重优点,有助于提高学生的科研能力、团队协作能力,并最大限度地发挥自身特长。结合最新研究成果对研究式物理教学中的问题与挑战,比如AI工具的学习成本、研究课题选择、使用AI的监管问题、考核方式、在教学中对AI的认知、辅助措施等进行了分析。 In the context of the significant development of artificial intelligence (AI) technology, coupled with the existing issues in current university physics teaching, this paper proposes an AI-based research-oriented physics teaching method. This approach integrates open-source scientific data and utilizes AI for data analysis, deduction, knowledge supplementation, literature interpretation, and exploration of physical laws, enabling direct participation in cutting-edge scientific research. Meanwhile, AI systems are employed to promptly provide feedback on students’ learning status, answer questions, and collect learning data. Based on the OBE (Outcome-Based Education) teaching philosophy, the teaching process design for research-oriented physics teaching is outlined. AI-based research-oriented physics teaching possesses numerous advantages, which help enhance students’ research capabilities and team collaboration skills, and maximize their individual strengths. Combining the latest research findings, this paper analyzes the issues and challenges in research-oriented physics teaching, such as the learning cost of AI tools, the selection of research topics, the supervision of AI usage, assessment methods, the understanding of AI in teaching, and supporting measures.
在人工智能(AI)技术大发展的背景下,结合当前大学物理教学中存在的问题,本文提出了基于AI的研究式物理教学方式:结合开源科学数据,利用AI进行数据分析、推导、知识补全、文献解读和物理规律探索,直接开展前沿科学研究;运用AI系统及时反馈学生学习状态、解答问题并统计学习情况。基于OBE教学理念给出了研究式物理教学的教学过程设计。基于AI的研究式物理教学具有多重优点,有助于提高学生的科研能力、团队协作能力,并最大限度地发挥自身特长。结合最新研究成果对研究式物理教学中的问题与挑战,比如AI工具的学习成本、研究课题选择、使用AI的监管问题、考核方式、在教学中对AI的认知、辅助措施等进行了分析。
人工智能,物理教学(研究式),教学设计
Tao Jiang, Yan Sun, Huamin Yu
Basic Aviation College, Air Force Aviation University, Changchun Jilin
Received: Mar. 26th, 2024; accepted: May 5th, 2024; published: May 14th, 2024
In the context of the significant development of artificial intelligence (AI) technology, coupled with the existing issues in current university physics teaching, this paper proposes an AI-based research-oriented physics teaching method. This approach integrates open-source scientific data and utilizes AI for data analysis, deduction, knowledge supplementation, literature interpretation, and exploration of physical laws, enabling direct participation in cutting-edge scientific research. Meanwhile, AI systems are employed to promptly provide feedback on students’ learning status, answer questions, and collect learning data. Based on the OBE (Outcome-Based Education) teaching philosophy, the teaching process design for research-oriented physics teaching is outlined. AI-based research-oriented physics teaching possesses numerous advantages, which help enhance students’ research capabilities and team collaboration skills, and maximize their individual strengths. Combining the latest research findings, this paper analyzes the issues and challenges in research-oriented physics teaching, such as the learning cost of AI tools, the selection of research topics, the supervision of AI usage, assessment methods, the understanding of AI in teaching, and supporting measures.
Keywords:Artificial Intelligence, Physics Teaching (Research-Based), Teaching Design
Copyright © 2024 by author(s) and beplay安卓登录
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
http://creativecommons.org/licenses/by/4.0/
当今世界,智能化的浪潮正席卷而来,深刻地影响了我们的生活。在AI技术大发展背景下,AI对教育的变革作用也逐渐凸显 [
当前大学物理基础理论教学主要采用的是普通物理 + 四大力学的教学方式。学生在入学两到三年内难以做到深入了解某一前沿研究课题。一些专门介绍研究进展的课程,比如前沿物理,不作为必修课程重点考察,取得的效果也是有限的。另一方面,学生对前沿科研课题的理解能力也有限。从而导致在当前的物理教学中教学科研分离较严重 [
学科教学的知识目的是培养学生的科研创新能力。既然学生不能快速地接触前沿内容,也缺乏相关基础,科研就难以进行,学习效果有限。因为只有通过研究才能将所学知识应用于实际情景当中,进而促进对知识的理解 [
在目前的大学物理课堂教学当中,考核的方式比较有限,通常有:课上提问;作业批改;阶段性测试,比如期中考试;结课考试等方式。这些考核方式的特点是:有些手段反馈不及时,比如考试仅能在考试以后了解学生对课程的掌握程度;有些手段覆盖不全面,比如课堂提问,仅能知道被提问者的情况;有些手段有失偏颇,比如作业批改,有些学生的作业可能存在抄袭现象。
融合AI的教学方式能让学生尽早接触科研,这主要体现在以下三个方面。
随着互联网的发展,数据的开源成为一种趋势。许多领域都有实测数据发布在网络上,可结合开源数据进行相关领域的课题研究。将相关数据应用到学科教学中有利于提高教学效率和效果 [
网址 | 名称 | 所属学科 | 可结合的学科教学 |
---|---|---|---|
https://www.nhepsdc.cn/ | 国家高能物理科学数据中心 | 高能物理 | 原子物理、量子物理、光学 |
http://turbulence.pha.jhu.edu | 约翰–霍普金斯大学湍流数据库 | 流体力学 | 力学、流体力学、热学 |
https://nadc.china-vo.org/ | 国家天文科学数据中心 | 天体物理 | 天体物理、光学、热力学、 电磁学、相对论 |
http://www.amhedp.nsdc.cn/nsdc/ | 原子分子数据库 | 原子分子物理 | 原子物理、量子物理、光学 |
http://www.nuclear.csdb.cn/ | 核物理数据库 | 核物理 | 原子物理、量子物理、 核物理 |
表1. 网络上发布数据的数据库举例
由于学生基础有限,不能直接接触前沿课题,利用AI进行物理辅助学习,可以迅速填补知识漏洞。比如将生成式人工智能用于数学推导和问题解答。生成式人工智能实现了类人对话式的互动答疑,可以帮助学生更好地理解所学知识,起到AI教师的作用 [
在具有基本的知识以后,想要了解前沿课题,可以按照所需基础知识,构建知识链条,AI工具能帮助我们掌握链条上的每个环节上的必备知识,从而快速具备科研的能力。
文献阅读是科研工作中必不可少的环节。生成式AI的语言理解功能 [
深度学习算法已经能够实现发现新的物理规律。比如基于循环神经网络与深度强化学习实现的物理符号优化框架(Physical Symbolic Optimization framework) Φ-SO [
物理信息神经网络(Physics-Informed Neural Networks) [
基于AI算法开发的专家系统 [
在AI技术高速发展的背景之下,基于上述当前物理教学中存在的问题以及AI技术对物理教学的改进,本文提出了一种全新的物理教学模式:基于AI的研究式物理教学。研究式的物理教学充分体现了以学生为中心,并基于OBE教育理念进行了教学设计。
基于OBE教学理念,在教学中需要关注四个问题:第一是想让学生获得什么成果?第二是为什么要让学生获得这样的成果?第三是如何有效让学生获得这些成果?第四是如何知道学生已经获得了这些成果?
图1. 基于AI的研究式物理教学流程
对于学习成果,将教学目标设置为完成一个完整项目的研究,并形成系统的研究报告或者论文,通过研究,熟悉科研工作的基本流程以及更好地掌握学科知识。设置该成果的目的在于培养学生成为未来优秀科研的人才。并且需要强调的是,只有在全面地应用AI技术的前提下,研究式教学才是可能的,科研往往需要导师一对一地指导,AI工具是一种有力的教学助手,帮助教师极大地扩大可管理的范围,从而让学生有效获得学习成果。在AI评价系统的帮助下,亦可以实现客观、实时的学生评价与反馈。
新的物理学习方式应当是以研究为中心,而非以知识输入为中心的。在课程开始时,将学生分为研究小组,确定研究课题,研究课题和课程本身内容有关。学生进行自主选题,也可由教师指导选题。在本科生教育阶段,预演研究生阶段的教育模式,对学生开展开题、中期答辩、论文撰写和最后的答辩全流程考核。整个流程如图1所示。
通过以上内容的讨论,可将AI在整个教学过程中的作用以及教师与学生之间的关系以图2总结:
图2. 基于AI的研究式物理教学中AI的作用以及教师与学生之间的关系
在研究式物理教学当中,以学生为中心,教师起到监督引导的作用。在表2中对传统教学和研究式物理教学进行了对比。
传统教学 | 基于AI的研究式物理教学 | |
---|---|---|
身份 | 学生:接受者 | 研究人员:参与者 |
主要内容 | 知识性的 | 实践性的 |
培养目标 | 学习知识 | 学习知识、运用知识、接触前沿科研 |
学习方式 | 听讲,被动接受 | 研究,主动思考 |
考核方式 | 方式单一:考试 | 方式多元:考试、答辩、发表论文、报告展示 |
表2. 传统教学与研究式物理教学的对比
可以看出,研究式物理教学具有更加以成果为导向的特征,瞄准学生作为未来科研人员的能力素质目标。
相较于传统物理教学,研究式的物理教学优势在于:
(1) 学生能够将所学内容加以运用,增加对知识的理解。
(2) 学生在研究时会增加主动思考和创造,培养效果更好。
(3) 学生在研究时可能会遇到还没有学到的知识,研究时需要提前学习,为后续课程的学习打下更好的基础,形成良性循环。
(4) 学生熟悉了科研的基本过程,为后续科研工作打下良好的基础。
(5) 有更强天赋的学生更容易崭露头角,有助于天赋的开发。
(6) 可以培养团队科研协作的能力,比如在团队当中,有些学生比较擅长数学推导,有些学生比较擅长编程进行数值计算,有些学生比较擅长论文写作。在团队中,学生可依据自身能力发挥特长。
(7) 在课程教学之外设置科研课题,能让学生更加有效利用自己的时间,延长学习和研究的时间。
(8) 通过AI工具的使用培养学生计算思维与创新能力,在学习物理的过程中锻炼人机协同能力和智能交互能力 [
运用AI技术的物理教学将是一种全新的教学方式,必将带来新的问题和挑战,正确地解决这些问题才能让AI技术在教学当中发挥正面的作用。基于AI的研究式物理教学需要注意以下几个问题:
(1) 数据分析方法和AI算法的掌握问题
学生必须首先掌握AI基本算法以及数据分析工具。同时为了更好地应用AI算法,学生必须对其基础概率论与统计学有较好的掌握。目前各大高校均十分重视人工智能通识课的开设 [
(2) 学习成本问题
由于AI技术的开源性和集成性,极大地降低了学习成本。开源性保证了最新的成果可以被直接使用;集成性保证了使用的简单性,有些工具比如weka就集成了数据处理和算法功能。有时学生甚至可以不用完全理解其原理而直接作为工具运用AI技术。开源性和集成性保证了学生学习成本较低,无需花费大量的时间学习使用工具。此外,生成式AI工具本身也可以根据指令生成对应的程序、方案等,稍加调试即可使用,学习成本的降低让学生有更多的精力放在创新性的思考上。
(3) 课题选择问题
学生会在一个学期中学习多门课程,如果每一门课程都有研究课题,学生的研究就不会深入。因此,不同课程之间就需要协调,保证选题数量和难度合理。
(4) AI使用的伦理问题
AI是科学研究的工具,也是科研造假的有力工具。AI工具的易用性可能令学生产生依赖性。这就需要教师对学生的行为进行良好的监督。在教学平台中设置监督功能可以避免这一问题的发生。此外,在使用网络资源时,必须要注意使用规范,比如引用、版权等问题。避免伦理道德问题发生 [
(5) 考核方式的变化
目前课程评价体系存在评价内容片面,手段单一、唯分数等特点 [
(6) 对AI的认知问题
当前的人工智能仅是弱人工智能,仅作为一种工具使用 [
(7) 辅助措施
为了开展研究式教学,一些辅助措施是必要的:首先是智能教育平台的搭建;第二是计算思维教育的开展,培养学生的计算思维,从而提高其使用AI工具的效率。第三是学生自主意识的培养。教师的监督是必要的,但要从源头上解决问题,必须培养学生自我监督的意识。
在信息化社会中,提高效率是必然要求,AI技术作为一种高效处理数据的手段必然在未来的教育当中占有越来越重要的地位。因此,随着智能化的进展,针对智能化的教育也会更加重要。驾驭智能化工具的能力可能是未来社会中公民必须具备的基本能力。同时AI技术可以成为教学和学习过程中的一个有力的工具,在物理教学当中运用AI技术手段既能培养学生应用智能化工具的能力,也能通过AI技术提高对物理课程本身的理解,可谓一举两得。因此本文认为AI技术的运用也会成为未来物理教学发展的必然趋势。
姜 涛,孙 艳,于华民. 人工智能在大学物理教学中的应用The Application of Artificial Intelligence in College Physics Teaching[J]. 创新教育研究, 2024, 12(05): 423-430. https://doi.org/10.12677/ces.2024.125304
https://link.cnki.net/urlid/61.1329.C.20240223.1228.002, 2024-02.
https://doi.org/10.12677/CES.2020.85119
https://doi.org/10.3847/1538-4357/ad014c