引言

《中国教育现代化2035》提出建设智能化校园、推进教育信息化的战略部署。2020年版《普通高中化学课程标准》强调创设真实情境、激发学习兴趣，课堂导入作为课堂起始环节，是落实学科核心素养的重要载体，其设计与实施质量直接影响教学效果。化学课堂导入涵盖导入观念、设计、实施、评价四个维度，但在实际教学中仍面临诸多困境：导入形式单一、素养导向不足、忽视学生主体地位；部分教师过度依赖教材素材，导入流于形式；新手教师则常出现时间把控不当、情境与学生认知脱节等问题，难以有效激发探究动机。生成式人工智能的快速发展为优化课堂导入提供了新路径。以大语言模型为代表的AI技术可快速生成多元情境、层次化问题链与个性化学习资源，能够丰富导入形式、增强情境真实性、提升导入针对性。将生成式AI与高中化学课堂导入深度融合，既是落实教育数字化战略的必然要求，也是提升教学质量、培育学生核心素养的现实需要。基于此，本研究围绕四大核心问题展开：当前高中化学课堂导入存在哪些突出问题？师生对AI赋能课堂导入的需求如何？怎样构建生成式人工智能支持的化学课堂导入模式？该模式在实际教学中的应用效果如何？

一、研究意义

课程导入

课程导入是一节课良好的开端，是教师运用多媒体、故事等进行引入课程的一种形式，课堂导入是符合新课程教学理念的，也为顺利实现学生核心素养展开的；如果开始导入就具有创新力，吸引学生的注意力那么这就对于后续课程的开展有着重要的作用。本研究能够为“人工智能+学科教学”领域，特别是高中化学学科，提供课堂导入环节的理论参考。通过构建生成式AI支持的课堂导入模式框架，丰富高中化学教学方法的理论体系，为后续相关研究提供新的思路。同时，本研究有助于深化对课堂导入环节教学规律的认识，为新课标背景下学生化学核心素养的培养提供理论支撑。

生成式人工智能

生成式人工智能（Generative Artificial Intelligence，简称Gen AI）是基于大规模预训练的语言模型，具有自然对话生成、提供知识和信息、文本生成等特点。与传统的人工智能相比，生成式人工智能可以经过一系列对话，不断整改来优化回答内容；研究表明，如今有越来越多通过人工智能开发的工具、软件等，但人们对其在教学方面产生的影响仍知之甚少。这篇综述旨在运用以人为中心的人工智能框架，评估人工智能是否确实在教育领域引发了新的教学趋势。AI技术的应用，特别是智能推荐和实时反馈，有效促进了学生对化学知识的理解和自主学习能力的提高当前国内外有许多的人工智能模型。

生成式人工智能结合课堂导入的意义

不仅能通过技术赋能构建“技术—学科—教学”融合的新范式，丰富教育技术与化学教学论的交叉理论，还能突破传统导入的资源壁垒，借助个性化情境创设实现“数据驱动”的精准化导入，解决学情适配不足问题；在学生发展层面，其通过可视化、互动性素材促进“宏观辨识与微观探析”等化学核心素养的早期建构，同时培养数字时代所需的信息获取与创造性思维能力；对教师而言，该研究推动其从经验设计向“技术融合者”转型，提升AI工具与学科教学深度整合的专业能力；从教育生态来看，此探索响应智能教育发展趋势，为教育技术政策制定提供参考，助力构建“AI+化学教育”的创新生态，对培养适应智能时代的化学人才及推动教育公平具有前瞻性价值。

二、研究现状与存在问题

当前研究现状

近年来，人工智能技术正成为推动教育变革的重要力量。生成式人工智能（Generative AI）基于大规模预训练语言模型，具有自然对话生成、知识提供、文本创作等特点，可根据教师需求生成多样化的导入素材。“人工智能+教育”的模式正处于发展的前沿在此背景下，探索AI支持的课堂导入模式，既是教育技术发展的必然趋势，也是解决高中化学教学痛点的关键路径。

随着《国家中长期教育改革和发展规划纲要（2010～2020）》的发布与落实，教育教学信息化成为教育改革的重要方向。信息技术的引入为教学提供了丰富的资源和手段，能够有效提升教学效率和质量；根据《义务教育化学课程标准（2022年版）》要求，化学教学不仅要传授化学知识，还要培养学生化学观念、科学思维、科学探究与实践、科学态度与责任四类核心素养，推动化学课堂教学从“知识本位”移至“素养本位”。在传统的化学教学课堂中，受限于教学资源与方法，教师想要达成“知行合一”的教学目标，进而促使学生生成学科素养，存在较大难度。不过，在人工智能技术的有力支撑下，难度便可大幅度减弱。在此空间内，教师能够借助各类虚拟场景开展教学活动，这为课堂知识向现实场景的迁移创造了便利条件，有助于学生将知识内化为自身的核心素养。鉴于此，如何推动人工智能技术与课堂教学实现深度融合是本文研究的核心。

当前课堂导入存在的问题

1. 引入形式单一，缺乏趣味性与创新型。传统的导入形式是由教师口头叙述为主，一句话带过直接带入教学内容，这本是课堂一个重要环节却被忽略，这样的课堂也偏离了教育的核心素养，也没有了导入的实际意义，高中化学零散的知识点本就抽象，这无疑是加重了不好的教学效果，无法吸引学生的注意力，在部分课堂教学中，许多教师常年都用一种导入方式，或是直接忽略导入过程，久而久之，学生也有厌倦心理，降低对化学学习的兴趣。

2. 偏离教学目标。课堂导入应与课程标准、教学目标和教学内容密切地关联，以便顺利进行下一个环节；然而在高中化学教学的课堂上，教师在设计课堂导入时，没有把握教材的整体，这对于新手教师是普遍存在的问题，所以在教学上就很难达成教学目标，教学内容衔接不上，导致学生的学习效果反馈较低。所以，课程导入要紧贴课程标准，即便导入形式新颖，课堂效果好也是失败的。

3. 教师主导课堂，忽略学生是教学的本位。师生互动是指教师和学生之间在课堂教学情境中发生的具有促进性或抑制性的相互作用或影响。良好且正确的师生互动，会优化教学课程；师生互动教师要以学生为主体，可以与学生交流来洞察学生的心理发展水平，与学生做良师益友，这样就可以针对学生培养他们的合作意识和能力；并且许多新手教师不能很好地把握课程导入的时间，往往自己在说，时长过短或者过长，这些都是课堂中“无意义行为”，这些行为忽视了教学活动中，学生的主体性，磨灭学生学习兴趣。

三、教学案例设计与实践

研究对象

本研究选取某高一的两个平行班级作为实验对象（N=112），这两个班级在高中入学分班时成绩与学习基础相当。实验组将用生成式人工智能进行课堂导入的教学；对比组维持传统化学教学模式。实验学校具备开展信息化教学的基本条件，为后续教学应用提供了必要保障。两个班级由同一教师授课，教学进度、教学内容、作业布置保持一致，唯一变量为课堂导入方式。实验前对两个班级进行化学学习兴趣和学习成绩前测，独立样本t检验显示差异不显著（p>0.05），具有可比性。

问卷调查：选取实验班112名学生发放问卷，回收有效问卷112份，有效率100%。

教师访谈：选取12名高中化学教师进行半结构化访谈，其中教龄5年以下4人、5—10年5人、10年以上3人；职称分布为初级4人、中级5人、高级3人。

在开始教学前，研究人员对所有参与学生进行了针对该单元基础知识的前测，目的是确认两个班级的初始知识储备处于相近水平，以此保障后续研究数据的可靠性。前测成绩的独立样本t检验结果显示，实验组与对照组的成绩无显著差异（p=0.743>0.05），表明两个班级的化学基础水平相当。在教学实验完成后，为直接检验本案例的教学效果。

数据分析方法

结果的组织和详细说明如下：可靠性和有效性。为了检验该问卷得到的结果是否一致、稳定，研究人员对样本学生进行了科学论证倾向的调查，并收集了数据进行预测试数据分析。结果列于表1中。

	题项数量	克朗巴哈系数	KMO样本适配度检验
前测数据	20	0.905	0.842
后测数据	20	0.935	0.861

该表显示该问卷前测和后测的Cronbach's alpha系数分别为0.905和0.935。根据心理测量标准，α≥0.8具有良好的信度，说明该问卷具有稳定性和数据可靠性。前测和后测的KMO系数分别为0.842和0.861。KMO值在0.8-0.9之间被认为是好的，表明变量之间高度相关，问卷的有效性很强。分发和收集关于科学论证倾向的Pretest、Post-Test问卷，向实验组分发56份问卷，全部收集。经检查，发现所有收集的问卷均有效。

生成式人工智能支持的高中化学课堂导入模式构建

有效的提示词（Prompt）是生成高质量导入内容的关键。本研究总结“5W1H”提示词设计框架，见表2。

要素	说明	示例
What（内容）	明确导入主题	氯气的性质
Who（对象）	说明学生情况	高一学生，基础一般
Why（目的）	阐述导入目标	激发兴趣，建立与生活的联系
Where（情境）	设定情境类型	生活情境/实验情境/问题情境
When（时间）	限定导入时长	3—5分钟
How（形式）	指定呈现形式	问题链/故事/视频脚本

四、AI支持的课堂导入模式构建

情境生成式导入

适用场景：用生活中的例子来导入，学生运用已有的知识来分析解决问题，这对学生思维培养有着重要的作用。在课程实施时，教师就可以用人工智能来设计。

AI功能：生成与生活、科技、环境相关的真实情境素材。

操作流程：教师向AI输入课题和情境要求；AI生成多个情境方案供教师选择教师调整优化后用于课堂。

案例：《二氧化硫的性质》导入

AI生成情境：2023年某地葡萄酒厂使用二氧化硫保鲜引发争议的新闻教师问题链：葡萄酒中为什么要加二氧化硫？二氧化硫有哪些性质？如何平衡食品保鲜与安全？

问题链式导入

适用场景：逻辑性强的概念原理课。

AI功能：设计层次化问题链，引导学生逐步深入思考。

操作流程：教师向AI说明核心概念和认知起点；AI设计由浅入深的问题序列；教师根据学情调整问题难度。

案例：《化学平衡》导入

问题1：可逆反应进行到一定程度后，反应会停止吗？问题2：如果不停止，为什么各物质浓度不再变化？问题3：如何从微观角度解释这种现象？

实验演示式导入

适用场景：有典型实验的课题；AI功能：生成实验视频脚本、模拟实验动画、预测实验现象。

操作流程：教师向AI描述实验目的和条件；AI生成实验方案和安全提示；结合AI生成的动画进行课堂演示。

案例：《钠的性质》导入

AI生成：钠与水反应的3D动画脚本教师活动：播放动画→提问预测→实物演示→对比分析。

认知冲突式导入

适用场景：学生存在前概念误区的课题。

AI功能：识别常见迷思概念，设计认知冲突情境。

操作流程：教师向AI说明学生常见误区；AI设计引发认知冲突的问题或实验；引导学生修正错误概念。

案例：《原电池》导入文本编辑；认知冲突：铜和锌分别放入稀硫酸中，锌反应铜不反应；但铜锌连接后放入稀硫酸，铜表面产生气泡AI问题：为什么连接后铜也能“反应”？电子从哪里来？

跨学科整合式导入

适用场景：涉及多学科知识的综合性课题。

AI功能：整合物理、生物、地理等学科素材，设计跨学科情境。

操作流程：教师向AI说明跨学科主题；AI生成多学科整合的导入素材；引导学生从多视角分析问题。

案例：《化学反应与能量》

AI整合素材：物理：能量守恒定律；生物：细胞呼吸中的能量转化；社会：新能源开发与利用；教师问题：化学反应中的能量如何转化和利用？

五、教学实践与效果分析

实验实施过程

实验组教学案例

以《氯气的性质》为例，展示AI支持的课堂导入实施过程：

课前准备：提示词：请为“氯气的性质”设计课堂导入，高一学生；目标：激发兴趣、联系生活、引出性质学习。

时长：4分钟，形式：新闻情境+问题链。

AI生成内容：情境素材：2022年某地游泳池氯气泄漏事件的新闻报道问题链：游泳池为什么要用氯气消毒？氯气泄漏为什么会造成危害？氯气有哪些性质决定了它的用途和危害？

课堂实施：播放AI生成的新闻情境视频（1分钟）；呈现问题链，学生思考讨论（2分钟）；学生分享观点，教师引出课题（1分钟）。

对照组教学实施

对照组采用传统导入方式：直接呈现学习目标（1分钟）；教师讲述氯气的发现史（2分钟）；过渡到性质学习（1分钟）。

结果分析

信度与效度分析

信度分析：学习兴趣问卷Cronbach'sα系数为0.879，各维度系数在0.812至0.856之间，大于0.7的临界值，表明问卷具有较好的内部一致性。效度分析：KMO值为0.823，Bartlett球形检验p<0.001，累计方差贡献率为71.2%，表明问卷结构效度良好。

学习兴趣对比

实验前后对两个班级进行学习兴趣问卷调查，结果如下表3。

维度	组别	前测均值±标准差	后测均值±标准差	t值	p值
注意	实验组	3.12±0.67	4.21±0.58	8.92	<0.001
	对照组	3.08±0.71	3.35±0.69	2.13	0.036
关联	实验组	2.98±0.72	4.05±0.61	8.45	<0.001
	对照组	3.02±0.68	3.28±0.73	1.98	0.051
信心	实验组	3.25±0.65	3.98±0.59	6.12	<0.001
	对照组	3.21±0.69	3.42±0.71	1.67	0.098
满意	实验组	3.18±0.63	4.12±0.55	8.23	<0.001
	对照组	3.15±0.67	3.39±0.68	1.89	0.062
总分	实验组	3.13±0.58	4.09±0.52	9.34	<0.001
	对照组	3.12±0.61	3.36±0.63	2.08	0.041

实验组在四个维度及总分上均有显著提升（p<0.001），对照组仅在注意维度有显著提升（p<0.05），其他维度变化不显著。实验组后测得分显著高于对照组（t=5.67, p<0.001）（表4）。

组别	前测成绩	后测成绩	增益分数	t值	p值
实验组	72.3±8.5	85.6±7.2	13.3	9.82	<0.001
对照组	71.8±9.1	78.4±8.9	6.6	4.23	<0.001
组间比较	t=0.31,p=0.758	t=4.56,p<0.001	t=4.12,p<0.001	—	—

实验前两组成绩无显著差异（p>0.05）。实验后实验组成绩显著高于对照组（p<0.001），增益分数实验组显著高于对照组（p<0.001）。

课堂观察结果对8节课进行课堂观察，记录学生参与行为，见表5。

行为类型	实验组（次/课）	对照组（次/课）	提升比例
主动提问	12.3	5.6	119.6%
小组讨论	8.5	4.2	102.4%
举手发言	15.7	8.3	89.2%
注意力集中时长	38.2分钟	29.5分钟	29.5%

教师访谈分析

对12名教师进行半结构化访谈，综合访谈结果可得出三点核心结论：第一，生成式AI在中学化学教学中具备显著应用潜力，可有效赋能教学各环节；第二，AI工具为教学带来便利的同时，存在设备依赖、内容误差、操作门槛等现实问题；第三，教师群体普遍期待开展AI教学应用专项培训，提升工具使用能力，同时希望AI工具可实现更精准的指令响应、提供更贴合化学学科的教学资源。

图1 学生学习兴趣

根据图1的数据，在引入AI辅助课堂导入教学后，超过半数的受访学生（53.5%）反馈其学习兴趣获得提升，其中包含显著提升和适度提升两种情况；41.1%的参与者表示兴趣水平保持稳定；仅5.4%的学生出现兴趣减退现象，且无严重下降案例。这一结果表明AI辅助课堂导入教学在激发学习动机方面具有明显优势，但针对少数兴趣降低的个案仍需深入探究其成因并实施改进措施。进一步分析问卷中相关问题的反馈：关于AI提供的学习资源与交互模式是否增强学习主动性这一问题，8.9%的受访者表示主动性显著增强，48.2%认为有所改善。与传统教学模式相比，55.4%的学生认为AI的介入使化学课程更具吸引力。这些数据充分证明AI的加入不仅能有效维持学习兴趣，更能显著提升学生的课堂投入度与学习积极性。

六、结论与展望

在这个价值多元时代的背景下，新时代的教师应该顺应时代的发展，既要有知识的深度，又要有跨学科，跨技术的广度，人工智能结合教育的这种教学方式能够很好地引导学生回忆生活中的一系列现象，对自己已经有的认知进行自主迁移，促使学生在学习的过程中能够受到积极情感的驱动；所以教学融合信息技术是大势所趋，AI融合教学不仅能有效激发学生的学习兴趣与参与热情，还对提升化学学习成效具有积极作用。面对这一技术带来的机遇与挑战，化学教师需在未来教学中积极探索其应用策略，以此推动化学教学的创新发展，开拓教学实践的新空间。

参考文献：

1. [1] 何海涛. 人工智能在高中化学实验教学中的应用探究[J]. 科教导刊,2022(01):118-120.
2. [2] 虎永攀. 加强高中化学教学培养学生创新能力[J]. 成才之路,2021(30):69-71.
3. [3] 贾乃明. 多媒体辅助教学背景下高中化学教学的实践[J]. 化工管理,2021(09):10-11.
4. [4] 蔡军伟. 运用信息技术提高初中化学课堂导入实效的策略[J]. 广西教育,2023(04):119-121.
5. [5] 林周. 微课在高中化学教学活动中的应用探析[J]. 新教育,2021(28):33-34.
6. [6] 俞叶.生成式人工智能技术在高中化学教学中的实践探索[J]. 中国信息技术教育,2024(23):81-84.
7. [7] 朱思霖. 素养为本的高中化学课堂导入研究[D]. 山东师范大学,2022.
8. [8] Ai Chu, Elisha Ding, Lehong Shi, Haotian Yang, et al. Enhancing teacher AI literacy and integration through different types of cases in teacher professional development[J]. Computers and Education Open,2024(06):100178.