摘 要：随着国家教育数字化战略行动2.0的启动与“做好科学教育加法”战略的纵深推进，社会性科学议题教学作为锻造创新人才的重要阵地，迫切需要依托人工智能实现形态重塑与育人增效。研究以智慧教育理论、教学设计理论、系统工程思想等为指导，采用文献研究、理论演绎等方法，开展人工智能赋能社会性科学议题教学的理论与实践探究。首先，立足拔尖创新人才培养诉求，明晰智能时代社会性科学议题教学的价值、内涵及显著特征，创建人工智能赋能社会性科学议题教学的逻辑理路。其次，破解社会性科学议题教学的操作难题，形成人工智能赋能社会性科学议题教学的设计方法。最后，聚焦社会性科学议题教学的落地实践，构建“人机协同探究型”“人机协同论证型”“人机协同决策型”三种范式，并阐明“师—生—机”三元协同的具体实施过程。研究还提供了相关的具体案例，旨在为重塑智能时代社会性科学议题教学新形态，推动人工智能赋能科学教育高质量发展提供理论指导与实践参考。

关键词：家庭教育；生活形态；模仿形态；自主形态；家庭教育指导服务

一、问题提出

加强中小学科学教育是服务国家创新驱动发展战略，夯实科技创新人才培育基础的重要路径。社会性科学议题（Socioscientific Issues，简称SSI）教学作为落实科学教育加法的关键载体，强调在科技与人文交融的复杂两难情境中培养学生的论证能力、科学本质理解及跨学科实践能力等，与拔尖创新人才的核心特质高度契合，是新时代推动科学教育高质量发展的重要方式。人工智能凭借其情境高度仿真、动态证据链构建及复杂决策推演等技术优势，可为破解传统社会性科学议题教学的难题提供内生动力。然而，审视当前的研究与实践，人工智能与社会性科学议题教学的融合多停留在简单的工具应用上，缺乏系统层面的深度重构，即在理论逻辑上尚未明晰，在设计方法上相对匮乏，在实践范式上鲜有成熟样态。基于此，本研究回应“在教育‘双减’中做好科学教育加法”的重要指示，通过创建人工智能赋能社会性科学议题教学的理论逻辑，明确“何以可为”的育人机理；构建人机协同的教学设计方法，解决“如何设计”的操作难题；提炼典型的实践范式，提供“有章可循”的行动参照，旨在为重塑智能时代社会性科学议题教学新形态，提升创新人才培养质量提供理论指导与实践参考。

二、智能时代做好科学教育加法：社会性科学议题教学

（一）以社会性科学议题教学开启科学教育新方向

在深入推进“做好科学教育加法”战略部署的背景下，科学教育正经历从“知识本位”到“素养导向”的深刻转型，社会性科学议题教学被视为提升学生核心素养，破解知识、能力与情感价值观割裂困境的重要途径，正成为国内外科学教育改革的前沿阵地。审视当前研究，学界对社会性科学议题教学的探索呈现出由内及外、由学理基础向实践框架延伸的脉络。在培养目标方面，社会性科学议题教学已超越单纯的科学知识传授，演化为一种实现“科学愿景Ⅲ”的综合实践活动，学者从聚焦于科学素养与责任意识的建立，逐步升格为实现科学理性、人文精神与伦理价值的深度融合，致力于培养兼具高阶思维能力与社会责任感的未来公民，体现出科学教育正经历由工具价值向本体价值的转型升维。在能力表征方面，其内容正从单一认知维度向多元复合维度延展，从经典的社会性科学推理（Socioscientific Reasoning，简称SSR）框架（涵盖复杂性、探究、观点采择、怀疑论及科学局限性等要素），进一步向“伦理—社会—政治”与“关系—存在”等维度延展，映射出当今拔尖创新人才在应对不确定挑战时所需要的核心能力。在实践模式方面，既有研究已涌现出多种实践样态，如由探索科学现象、参与科学建模、考量系统动态性等要素灵活组合的SIMBL（Socioscientific Issue and Model Based Learning）模式，强化公民责任导向的、融合议题、探究与公民教育等要素的SSIBL（Socioscientific Inquiry-based Learning）模式，注重学生主动参与的SSI-5E教学模式以及基于思维型科学探究的SSI教学模式，这些模式为社会性科学议题教学提供由理论向实践转化的参考框架。

然而，既有研究多局限于非技术环境下的局部探索，社会性科学议题教学的高质量落地仍面临着如情境创设的离身困境、探究指导的过载难题及思维培养的黑箱状态等瓶颈，如何通过引入人工智能技术变量，撬动育人形态变革，开启科学教育新方向，则亟待深入研究。

（二）人工智能释放科学教育的加法效应

作为新一轮科技革命的核心驱动力，人工智能正以前所未有的速度重塑教育生态系统。在“做好科学教育加法”战略的纵深推进下，人工智能不仅是提升科学教育效率的辅助工具，更是变革科学探究方式、重塑科学育人形态的关键变量。当前，学者主要从情境创设、探究引导及思维培养等层面阐述了人工智能在科学教育中的赋能潜力。在多模态情境创设层面，既有研究表明，利用全息影像、虚拟现实、数字孪生及互动软件等技术，可将抽象静态的概念转化为具备探索空间的场景，解决科学教育中的离身认知困境，特别是通过构建包含虚拟导师或同伴的沉浸式模拟环境，可使科学教育情境超越静态的图文呈现，创新科学教育实践场域。在自适应探究支持层面，学界已关注到人工智能作为“认知伙伴”的赋能作用。例如：探究学习智能体可根据预设标准评价学生的探究方案并提供反馈与建议，同时推荐适配的教学资源；AISci-Friends多智能体系统可通过“人智同伴”模式，逐步引导学生将最初的模糊性问题转化为可探究的科学问题；集成人工智能的“社会性复杂探究”模块可推送包含智能脚手架与复杂社会情境的动态资源，自动监控并调整内容难度，有效提升学生的科学素养。此外，在高阶思维培养层面，人工智能同样展现出显著的赋能效用。具体而言，其可通过引入人机争论探究法，提供智能化争论学习支架，促进学生批判性思维的提升；可基于数智化科学论证图，促进学生对科学知识的理解及思维能力的调动，赋能深度学习的发生；可模拟复杂的科学现象，帮助学生在科学探究中发展系统思维。

纵观已有研究，人工智能虽已有效释放科学教育的加法效应，然而，面对结构不良的社会性科学议题，仍面临着“高期待”与“浅应用”的错位困境。如何超越人工智能的工具性应用局限，将技术势能转化为育人动能，在赋能社会性科学议题教学的理论逻辑、设计方法及实践范式层面进行系统研究，亟待深入探索。

三、人工智能赋能社会性科学议题教学的理论逻辑

（一）智能时代社会性科学议题教学的价值与内涵

在“做好科学教育加法”战略纵深推进的当下，面向人工智能引发的教育生态深刻变革，社会性科学议题教学正经历从工具价值向本体价值的深刻转型：其不仅是培养具备科学理性与深植人文关怀的负责任公民的核心纽带，也是弥合科技创新与社会伦理鸿沟，激活智能时代社会创新活力的关键场域，更是面向全球科技竞争储备人才战略优势，夯实国家科技自立自强根基的坚实支点。其价值定位的升维，有效重塑了智能时代科学教育的育人坐标，为构建兼具科学家潜质与社会责任感的拔尖创新人才培养体系提供内生动力。

已有研究多将社会性科学议题教学视作基于真实社会争议情境的跨学科学习载体、指向高阶思维和社会性科学推理能力的探究实践活动，或是集科学本质、伦理道德与公民责任等于一体的综合育人范式。然而，人工智能通过深度赋能议题矛盾的动态解构、论证逻辑的精准侦察及教学成效的即时循证等，正促使其由“师—生”二元交互迈向“师—生—机”三元协同的新形态。基于此，本研究认为，智能时代社会性科学议题教学是以培养科技创新人才为目标，体现人机协同深度赋能思维，针对与科学技术密切相关，在真实社会情境中充满争议、非良构、无固定解的复杂议题，开展跨学科互证、跨文化论证与跨时代循证的高阶实践活动，旨在驱动个体知识能力发展与社会责任内化，实现科技理性与人文素养深度融合的新型教学形态。

（二）智能时代社会性科学议题教学的显著特征

1.情境的高仿真与动态性

真实情境是社会性科学议题教学的重要前提，动态演化是增强议题真实感的核心关键。智能时代社会性科学议题教学可依托数字孪生及生成式人工智能技术等构建拟真的自然与社会情境，通过算法推演模拟议题发展的连锁反应，从而实现由静态叙事向动态交互的跨越。高质量的议题情境可助力学生在高度仿真的动态博弈中感知科学决策的复杂性，在应对不确定性的过程中内化科学素养。

2.结构的非良构与开放性

结构的非良构是社会性科学议题教学的内在属性，开放的结论空间是学生思维进阶的内生动能。不同于传统预设的封闭式探究教学，智能时代社会性科学议题教学可立足于其“无固定标准答案”的特点，发挥人工智能在信息解析及认知表征等维度的技术优势，实现多元证据的全景式获取、真伪性甄别与知识化重组，突破传统课堂中固定结论导向的僵局。高度非良构状态的议题可促使学生识别到科学的主观性与局限性，消解对标准答案的路径依赖，进而培养其在复杂社会环境中的审辨式思维与创造性决策能力。

3.维度的跨学科与复杂性

跨学科整合是社会性科学议题教学的核心特质，系统复杂性可为提炼学科大概念提供学理场域。智能时代社会性科学议题教学可应用语义关联及知识图谱等技术，动态解析议题内部变量的复杂关联，可视化呈现跨学科知识与现实生活的映射，引导学生通过科学建模实现对自然科学、社会经济及伦理道德等维度的深度统整。高度融合的跨学科视域可促进学生知识的深层建构与迁移应用，形成系统思维与全局视野，深化社会责任感与可持续发展意识。

4.认知的强冲突与协商性

认知冲突是社会性科学议题教学的内在引擎，社会化协商是达成知情决策的关键路径。智能时代社会性科学议题教学可通过人工智能技术显化不同立场的价值偏差与利益矛盾，解构多源异质证据间的逻辑关联，诱发多维视角的交互博弈。高质量的协商实践可引导学生在理性价值博弈中实现社会性科学视角采择，在多元利益权衡中发展社会性科学推理能力。

（三）人工智能赋能社会性科学议题教学的逻辑理路

面向智能时代拔尖创新人才培养的迫切诉求，社会性科学议题教学应顺应国家教育数字化战略行动2.0的浪潮，向全要素协同的智慧育人新形态整体跃迁。因此，本研究以发展学生核心素养为导向，以智慧教学理论为依据，以系统工程思想为指导，创建人工智能赋能社会性科学议题教学的逻辑理路，如图1所示（图1略）。

1.目标定位：科技理性与人文素养的深度融合

培育兼具科学家潜质与社会责任感的拔尖创新人才，亟须突破传统科学教育中“重知轻德”的桎梏，在更高维度上统摄求真与向善的育人目标。落实立德树人根本任务，以提升核心素养为价值内核，将批判思维、模型分析及推理论证等科技理性要素，与政治立场、社会责任及道德伦理等人文素养要素进行深度融合，重塑育人目标体系。这既是人工智能赋能社会性科学议题教学的根本导向，也是智能时代科学教育回应“培养什么人”的价值旨归。

2.内容统整：多维学科与现实生活的整合重构

面向智能时代的育人诉求，社会性科学议题教学应立于促进知识建构与价值内化的高度，打通学科理论与现实困境的逻辑链条，重构以解决现实问题为导向的内容体系。在人工智能的赋能下，可将科学原理、伦理框架及跨学科概念等进行模块化重组，为解析复杂议题提供理论透视工具；可将非良构情境、社会性争议及多重利益域进行动态化呈现，为权衡异质立场提供价值映射场域。通过将多维学科与现实生活进行整合重构，重塑知识与情境的联结方式，为构建跨界融通的科学教育内容新形态确立实践基点。

3.过程重构：主体智慧与机器智能的协同进化

针对传统社会性科学议题教学面临的资源静态、流程固化及评价单一等困境，需超越单纯的技术辅助，将人工智能确立为育人内生变量，构建主体智慧与机器智能的协同进化关系，重塑“情境—问题—教学—评价”的行动逻辑。

在“人机共设议题情境”阶段，关注议题本身的科学知识复杂度、课程标准契合性、社会来源真实性及利益群体多样性，构建高仿真动态化的议题情境，实现从静态文本预设到动态现实映射的场景重构；在“人机共探核心问题”阶段，智能解构议题内部的复杂矛盾，提取跨域关键元素，将宏观社会事实转化为结构清晰的认知地图，完成从复杂现象到核心问题的本质映射；在“人机共驱三元教学”阶段，构建人机深度交互场域，依据议题属性智能适配探究、论证及决策等教学类型，完成从传统的“师—生”二元对话向“师—生—机”三元协同的结构升维；在“人机共判多维评价”阶段，聚焦论证能力、科学本质理解及跨学科实践能力等核心培育维度，开展全景数据驱动的循证评价，确保科学素养深化与社会责任培育的同步达成。

4.技术赋能：数字环境与提质需求的精准适配

为消除技术应用与育人实践脱节的异化误区，需确立数字环境与提质需求精准适配的赋能逻辑。依托国家中小学智慧教育平台、科技场馆及重点实验室等，集成知识图谱与多智能体等技术，构建全周期智能服务体系：融通全链路多模态数据，实现对教学状态的全景透视；精准识别学生在跨学科概念的认知盲区，智能推送证据支架，实现优质资源的动态供给；实时诊断学生的思维瓶颈，自动生成差异化学习导航，定制个性化学习路径；基于精准响应机制即时生成素养画像，构建成效实时反馈的闭环，确保育人成效落地。

四、人工智能赋能社会性科学议题教学的设计方法

教学设计是连接教学理论与教学实践的桥梁，在落实学科核心素养方面具有重要作用。要推动社会性科学议题教学从理念图景走向落地实践，亟须以科学规范的教学设计作为关键依托。本研究以教学设计理论为指导，依据社会性科学议题教学的显著特征，释放人工智能在全域资源挖掘、信息智能整合、自适应路径匹配及循证评价等方面的潜能，构建出人工智能赋能社会性科学议题教学的设计方法（如图2所示）（图2略）。

（一）明确教学目标，融合多元要素，设计科学议题

设计科学议题是驱动社会性科学议题教学的逻辑起点。本研究通过明确教学目标、有机融合多元要素，构建出SSRC议题设计框架。具体而言，该框架首先立足科学属性（Science），确保议题内含可供实证的科学原理探究场域，在此基础上，需对标课程标准（Standard）、植根社会现实（Reality）及表征多元冲突（Conflict），使得议题可实现由零散知识点向素养导向点的转化，完成由抽象理论向生活实际的迁移，驱动二元对立思维向系统辩证思维的跃迁。在此过程中，人工智能可对海量资讯进行全域扫描与要素校验，挖掘出兼具社会热度与科学深度的议题素材，完成由社会事件向教学载体的转化。

为进一步阐释SSRC框架的实际应用逻辑，本研究以小学六年级科学“中华白海豚保护与大湾区发展”及高中一年级物理“智驾与善驾”两个项目的议题设计为例进行说明，具体如图3所示（图3略）。

小学六年级科学“中华白海豚保护与大湾区发展”议题深度整合生态学、环境科学及海洋地理学等知识，对标《义务教育科学课程标准（2022年版）》中“生物与环境的相互关系”“人类活动与环境”等核心概念，依托“粤港澳大湾区繁荣发展下，中华白海豚的生存遭遇困境”的真实情境，显化生态红线与经济发展之间的冲突，通过“海豚生存现状录—矛盾焦点大搜集—多维博弈论证会—宣传方案策划师—社会实践进社区”的五课时学习，推动学生深化对“人与自然和谐共生”的可持续发展观的认识。

高中一年级物理“智驾与善驾”议题深度融合传感器物理机制、运动学规律等知识，对标《普通高中物理课程标准（2017年版2025年修订）》必修1中“相互作用与运动定律”的内容要求，锚定城市在推进自动驾驶产业中发生“智驾失灵”事故的社会热点，透视技术效率与伦理安全间的价值博弈，沿循“穗城智驾，议题初识—知识运用，理论初探—数据支持，协同论证—决策落地，智驾善行”四课时的学习路径，驱动学生在厘清技术边界与法律责任的辩证思考中内化科学理性思维与社会责任感。

（二）限定探究范围，整合跨域内容，提炼核心问题

提炼核心问题是实现宏观议题向微观实践转化的关键枢纽。核心问题的提炼需先依托课程标准限定探究范围，将发散的议题范畴收敛至教学目标、核心概念及核心素养的培养靶点，在此基础上溯源多重利益纠葛，呈现非良构矛盾并聚焦现实情况，筛选出最具论证张力的问题内核，进而打破学科壁垒，深度整合跨域知识内容，将内核升格为兼具科学实证逻辑与伦理价值思辨的核心问题。在此过程中，人工智能可通过深度语义分析，辅助剔除冗余信息，厘清科学原理与社会价值间的复杂关联。

（三）研判议题属性，适配教学类型，创新教学活动

适配教学类型是推动议题设计由理念预设走向实际落地的结构保障。依据议题的争议强度与共识达成难度，可将教学类型分为探究型、论证型与决策型三类。其中，探究型针对科学事实模糊的弱争议议题，侧重通过实证溯源消除认知盲区；论证型面向价值冲突激烈的强争议议题，聚焦于多维视角的辩证协商以深化批判性思维；决策型则指向解决方案的达成，强调综合考量科学、经济与伦理因素以做出符合科技向善原则的行动抉择。在此过程中，人工智能可量化议题的争议指数与情感倾向，依据特定类型智能推荐差异化支架，实现议题属性与教学类型的自适应匹配。

（四）解构素养维度，监测全景数据，实施循证评价

实施循证评价是检验议题教学由知识传递向素养生成的科学度量。针对素养评价的内隐性与复杂性，需先将论证能力、科学本质理解及跨学科实践能力等抽象目标解构为可观测的具体指标，而后需强化过程数据的监测，采集学生在探究实验、论证交互及决策行为中的异构数据，建立伴随式全景化的证据链条，最后依据既定标准对学习成效开展科学研判，以校准学生能力水平并提供教学改进建议。在此过程中，人工智能可协同共创适配特定情境的动态评价体系，基于过程数据生成个体素养画像，实现数据驱动的精准评价，促进学生核心素养发展。

五、人工智能赋能社会性科学议题教学的实践范式

（一）人工智能赋能社会性科学议题教学的典型范式

本研究面向国家“做好科学教育加法”的战略部署，依据人工智能赋能社会性科学议题教学的理论逻辑与设计方法，结合不同议题在争议冲突强度及共识达成难度上的差异，发挥人工智能的全过程智慧赋能作用，构建出人机协同探究型、人机协同论证型及人机协同决策型三种典型范式。

1.人机协同探究型

人机协同探究型范式适用于科学原理尚不清晰，需通过实验验证与数据建模来揭示内在机理的社会性科学议题教学，旨在突破传统探究中存在的微观现象不可视、实验数据难处理等困境。其依托人工智能的多模态资源生成及个性化数据解析等功能，构建虚实融合的智慧探究场域，强化探究过程的实证性与知识建构的系统性，推动学生科学思维实现从经验驱动向数据驱动的深度跃迁。具体如图4所示（图4略）。

在“引入议题，情境感知”环节，教师精准锚定议题与现实生活的契合点，引导学生初步感知议题的复杂性，人工智能创设多模态沉浸情境，激活个体先序经验；在“梳理概念，探明原理”环节，教师依托递进式问题链启发思考，澄清核心概念的科学内涵，学生立足已有经验修正概念偏差，实现知识内化，人工智能动态生成结构化知识图谱，辅助复杂科学原理整合；在“探索实验，建构解释”环节，教师投放探究脚手架并提供适时的指导，学生通过实验交互实现从感性经验到理性解释的意义建构，人工智能支撑虚实融合的微观场景探究，挖掘实验数据背后的隐性规律；在“分析争议，质疑论证”环节，教师预设多元角色并监测论证走向，学生依据实验结论选择角色立场并进行理性辩论，人工智能模拟异质反驳视角，显化价值冲突；在“共议决策，评价总结”环节，教师剖析点评异质观点，进行价值引领，学生整合多方观点，形成兼具科学性与可行性的决策方案，人工智能基于全过程数据生成核心素养画像，支持师生开展精准评价。

2.人机协同论证型

人机协同论证型范式适用于涉及复杂价值冲突和多重利益博弈的社会性科学议题教学，旨在突破传统论证教学中存在的观点极化、证据匮乏及逻辑断裂等困境。其依托人工智能的证据支持及逻辑诊断功能等，构建高质量的理性对话场域，强化论证过程的理据充分性与逻辑严密性，推动学生论证思维实现从感性直觉向理性循证的深度跃迁。具体如图5所示（图5略）。

在“呈现议题，厘清知识”环节，教师锚定议题的科学原理与社会背景，确立相应的教学目标，引导学生熟悉相关科学概念，人工智能辅助挖掘议题冲突点，快速锁定核心争议域；在“搜集论据，梳理要素”环节，教师提供证据检索支架，学生通过筛选链接论据提出初步主张，人工智能甄别事实数据，生成体系化的动态证据链；在“阐明立场，磋商论证”环节，教师在鼓励学生表达时需把控好价值走向，学生可基于初步建立的“证据—理由—主张”关联，进行观点阐述与攻防辩驳，人工智能实时监测辩论语流，适时纠正论证谬误；在“循证推理，达成共识”环节，教师引导学生剖析多元观点，推动学生收敛分歧并达成共识，人工智能自动整合多维观点，辅助师生剥离非理性情绪干扰，逼近问题的科学本质；在“综合考量，协商决策”环节，师生基于前序论证进行价值权衡，综合多方因素制定最终方案，人工智能检验方案逻辑一致性，辅助师生做出符合科技向善原则和社会发展需求的决策。

3.人机协同决策型

人机协同决策型范式适用于亟须寻求决策共识并制定最优方案的社会性科学议题教学，旨在突破传统决策教学中存在的决策依据主观、后果预测缺失及方案可行性低等困境。其依托人工智能的推演模拟、风险评估及多维权衡等功能，构建全景式的智慧决策场域，提升决策过程的科学性与前瞻性，推动学生决策思维实现从经验判断向循证决策的深度跃迁。具体如图6所示（图6略）。

在“共商议题，厘清知识”环节，教师介绍议题背景并呈现原理知识，奠定认知基础，学生开展商讨并进行知识初探，明确探究方向，人工智能辅助梳理科学概念，动态表征知识网络；在“明确争议，立场辩护”环节，教师点明不同立场，支持多元观点争辩，让学生明晰立场归属，进行循证辩论，人工智能深度分析议题背后的利益网络，显化争议背后的价值冲突；在“立足证据，产生方案”环节，教师提供决策支架，引导学生生成方案，学生整合证据，尝试初拟解决方案，人工智能通过建模将抽象方案转化为可视化的未来图景，推演预见方案的衍生影响；在“比较优劣，评估方案”环节，教师引导学生识别不同方案间的核心差异，学生进行理性比较与优劣分析，依据科学原则修订方案，人工智能预测长效风险，量化评估各方案的成本与收益；在“价值同向，决策方案”环节，教师发挥价值引领作用，确保决策符合社会伦理，学生在价值共鸣中明确最优决策方案，人工智能检验方案的合理性与规范性，助力形成兼具科学理性与人文关怀的方案。

（二）人工智能赋能社会性科学议题教学的实践案例

本研究依托D小学“中华白海豚保护与大湾区发展”社会性科学议题教学项目，选取第三节“多维博弈论证会”为典型案例，按照“人机协同论证型”范式，针对“中华白海豚生存”与“粤港澳大湾区发展”的现实冲突，聚焦环保组织人士、海洋科学家及桥梁建筑商等利益群体的立场差异，引导学生在多维视角博弈中实现从感性直觉向理性循证的深度跃迁。具体如图7所示（图7略）。

本案例依托国家中小学智慧教育平台、珠江口中华白海豚云上科普馆及智慧教室，深度整合情境仿真服务、角色代理模块、逻辑侦察组件、语义聚类工具及决策推演引擎等，构建数据循证与价值权衡深度交融的智慧论证场域，为学生论证思维进阶提供赋能支撑。

在本案例中，人工智能并非单纯的外部辅助工具，而是作为教学逻辑的底层架构要素，有效实现对社会性科学议题教学的全过程赋能：情境仿真服务通过直观还原“白海豚生存”与“大湾区建设”在空间与资源上的冲突场景，实现核心争议可视化；角色代理模块推送涵盖生态、经济与社会等多因素的动态证据链，进行各类角色立场表征；逻辑侦察组件实时转录论证语流并诊断其逻辑谬误，显化学生思维过程；语义聚类工具对碎片化观点进行全景整合，推动学生分歧向价值平衡点收敛；决策推演引擎对共生方案开展仿真评估，支持学生开展风险预测与方案修正。

依托上述智慧功能组件，本案例开展“师—生—机”三元协同交互的教学实践，其具体过程见表1（表1略）。

通过上述教学实践，该案例展现出较显著的育人成效：学生成功突破二元对立的思维僵局，实现向系统辩证思维的跃迁；通过引导学生协同角色智能体开展循证攻防，有效提升其论证逻辑的严密性，实现科学论证素养的进阶；在人机协同的方案研判中，学生将抽象的社会责任转化为具体的决策行动，有效深化对可持续发展观的认识。

六、结束语

随着国家教育数字化战略行动2.0的启动与“做好科学教育加法”战略的纵深推进，以人工智能赋能社会性科学议题教学，已成为驱动科学教育数字化转型的紧迫诉求。本研究明晰了智能时代社会性科学议题教学的价值、内涵及显著特征，创建了人工智能赋能社会性科学议题教学的逻辑理路，形成了人工智能赋能社会性科学议题教学的设计方法，构建出“人机协同探究型”“人机协同论证型”“人机协同决策型”三种典型范式，并提供相关具体案例。我们期望，在人工智能的深度赋能下，社会性科学议题教学能实现形态重塑与育人增效，有效推动科学教育高质量发展，为培养具备科学家潜质与社会责任感的拔尖创新人才发挥重要作用。

（本文参考文献略）

Artificial Intelligence Empowering Teaching of Socioscientific Issues: Theoretical Logic, Design Methods, and Practical Paradigms

XueYouru WuBing ZhaoHerong

Abstract: With the launch of the National Education Digitalization Strategy Action 2.0 and the in-depth advancement of the “Strengthening Science Education” strategy, teaching socioscientific issues (SSI)—a vital arena for cultivating innovative talent—urgently requires leveraging artificial intelligence to reshape its form and enhance educational effectiveness. Guided by theories of smart education, instructional design, and systems engineering, this study employs literature review and theoretical deduction to explore the theoretical and practical dimensions of AI-empowered socioscientific issues instruction. First, based on the goal of cultivation of top-tier innovative talent, it clarifies the value, essence, and distinctive features of socioscientific issues instruction in the intelligent era, thereby establishing a logical framework for AI-empowered socioscientific issues instruction. Second, it addresses operational challenges in teaching socioscientific issues and develops a design methodology for AI-empowered SSI instruction. Finally, focusing on the practical implementation of SSI instruction, this study constructs three typical paradigms: “human-machine collaborative inquiry”, “human-machine collaborative argumentation” and “human-machine collaborative decision-making”. It also clarifies the specific implementation process of “teacher-student-machine” triadic collaboration. The study provides specific case studies, aiming to offer theoretical guidance and practical references for reshaping the form of SSI instruction in the intelligent era and promoting the high-quality development of AI-empowered science education.

Key words: socioscientific issues instruction; artificial intelligence; science education; human-machine collaboration

初审：普清筠

复审：孙振东

终审：蒋立松