基于人工智能的化學實驗現(xiàn)象評價與反饋系統(tǒng)開發(fā)

摘要： 基于人工智能技術開發(fā)了一款化學實驗現(xiàn)象評價與反饋系統(tǒng)，設計理念兼顧部分和整體、性能和效率。主要開發(fā)流程包括評價標準制定、數(shù)據(jù)集構建、系統(tǒng)總體設計、核心算法開發(fā)、系統(tǒng)應用、系統(tǒng)評價與升級等步驟。以“酸堿滴定實驗”為例介紹系統(tǒng)的使用方法，顯示出系統(tǒng)具有評價及時化、結果精準化、反饋

個性化等優(yōu)勢，有助于提高實驗教學的效果。

關鍵詞： 人工智能； 實驗現(xiàn)象評價與反饋系統(tǒng)； 評價與反饋； 軟件開發(fā)； 酸堿滴定

文章編號： 1005-6629（2024）06-0063-05 中圖分類號： G633．8 文獻標識碼： B

1 問題的提出

實驗教學是化學課程的重要內(nèi)容。傳統(tǒng)的實驗教學由一名教師指導全班學生進行分組實驗，無法同時顧及每個學生小組的實驗過程和結果，難以及時地對每個小組進行評價和指導，導致當堂評價缺失、“以評促教”的機制不夠完善。作為補償，教師大多通過對學生課后撰寫的實驗報告進行評價，但其真實性、可信度不足，而且學生失去了及時糾正錯誤、重做實驗的學習機會［1］。

為此，許多文獻和政策文件都提倡利用現(xiàn)代信息技術改進實驗教學，促進“教-學-評”一體化。教育部《關于加強和改進中小學實驗教學的意見》指出，要“促進傳統(tǒng)實驗教學與現(xiàn)代新興科技的有機融合，提高實驗教學的質(zhì)量和效果”。近些年，人工智能技術的發(fā)展正加速教育變革。史加祥認為，基于人工智能可以全方位、全過程地采集學生的學習數(shù)據(jù)，了解學生建構科學知識、實施科學探究的表現(xiàn)，因此將導致科學課堂評價的變革［2］。吳俊明也指出“人工智能給化學教學論的革新和發(fā)展帶來了新的機遇，要積極地做一點探索，做一點工作，而不是消極地等待”［3］。

現(xiàn)階段，有關人工智能的教育應用研究大多停留在理論探討，僅有少數(shù)實踐研究案例。例如：謝暉等基于人工智能評價學生在虛擬仿真實驗課程中的學習，其評價依據(jù)主要是虛擬仿真模塊操作時長、使用次數(shù)、訪問學習網(wǎng)站次數(shù)、實驗后復習次數(shù)等特征指標［4］?？拙S梁等利用人工智能建構可信同伴互評模型，促進學生之間的互評［5］。李海峰等探討了生成式人工智能時代的學生作業(yè)設計與評價，倡導開展作業(yè)真實性算法評估［6］。這些基于人工智能改進教學的實踐又大多是泛學科的，鮮有結合學科特征和特殊應用場景。

因此，本文針對化學學科的特點和實驗教學的應用場景，利用人工智能技術，原創(chuàng)開發(fā)化學實驗現(xiàn)象評價與反饋系統(tǒng)，以期提高實驗教學的效果。同時，探討開發(fā)此類系統(tǒng)的一般設計理念、思路和流程，為開發(fā)教育應用的技術人員提供參考。

2 系統(tǒng)的設計理念和思路

化學實驗現(xiàn)象評價與反饋系統(tǒng)是指通過計算機程序?qū)瘜W實驗現(xiàn)象的數(shù)據(jù)采集和自動分析，對學生實驗效果做出客觀評分，并給予存在問題、原因分析、改進建議等反饋的學習輔助工具。本系統(tǒng)的設計理念兼顧部分和整體、性能和效率。

2.1 兼顧部分和整體

本系統(tǒng)的“評價”以實驗的部分環(huán)節(jié)——實驗現(xiàn)象為評價對象，但“反饋”是針對整個實驗的反饋，不再局限于實驗現(xiàn)象這一個環(huán)節(jié)。例如，對于“氫氧化鈉滴定鹽酸（以酚酞為指示劑）”實驗，評價對象是“滴定終點溶液粉紅色的深淺”的現(xiàn)象，然后可以據(jù)此對學生在整個滴定操作過程中可能存在的失誤做出提示和反饋。

2.1.1 以實驗現(xiàn)象為評價對象

化學實驗現(xiàn)象是指實驗者從化學科學實驗中，可以通過感官直接感受到的事物，主要包括視覺現(xiàn)象（光）、聽覺現(xiàn)象（聲）、觸覺現(xiàn)象（熱）等。在中學階段，常見的視覺現(xiàn)象有顏色變化、生成氣體、生成沉淀、燃燒發(fā)光等；常見的聽覺現(xiàn)象有發(fā)出尖銳的爆鳴聲、輕微“噗”的一聲、安靜地燃燒等；常見的觸覺現(xiàn)象有溫度升高、溫度降低等。

化學實驗現(xiàn)象是實驗中的關鍵環(huán)節(jié)，獲得實驗現(xiàn)象不僅是實驗操作的主要目的，也是得出實驗結論的基礎和依據(jù)。同時，化學實驗現(xiàn)象也反映出了大量的信息，經(jīng)驗豐富的實驗者可以根據(jù)出現(xiàn)某種現(xiàn)象推測實驗中存在的錯誤。因此，本系統(tǒng)以化學實驗現(xiàn)象為評價對象，利用人工智能對現(xiàn)象中的典型特征做出智能分析。

2.1.2 以整個實驗為指導范圍

本系統(tǒng)的“反饋”是針對整個實驗的指導反饋。首先，針對實驗現(xiàn)象本身做出反饋，例如在“氫氧化鈉滴定稀鹽酸（以酚酞為指示劑）”實驗中，如果學生正確地達到了淺粉色，則提示學生成功達到了滴定終點；如果學生做出了深粉色，則提示顏色過深；如果溶液仍為無色，則提示溶液未變粉色；其次，針對實驗現(xiàn)象所反映出的錯誤操作或?qū)嶒炚`差做出反饋。例如，如果滴定后錐形瓶內(nèi)變成深粉色，則系統(tǒng)分析可能的錯誤原因：學生在達到滴定終點后繼續(xù)滴加了氫氧化鈉；如果滴定后溶液仍為無色，則系統(tǒng)分析可能的錯誤原因：學生滴加的氫氧化鈉不夠，還未到達滴定終點；最后，系統(tǒng)自動提出改進意見。溶液為深粉色時，建議重做實驗，謹慎操作；溶液為無色時，建議在原實驗裝置的基礎上繼續(xù)滴加氫氧化鈉，直到溶液變?yōu)闇\粉色。

2.2 兼顧性能和效率

2.2.1 利用人工智能實現(xiàn)高性能

本系統(tǒng)需要具有替代或輔助教師評價的智能功能，例如評價“酸堿滴定是否達到滴定終點”“銀鏡反應生成的銀鍍層是否美觀”“氫氣燃燒是否發(fā)出爆鳴聲”等，對準確度等性能的要求較高。人工智能（Artificial Intelligence）是指構造具有一定智能的人工系統(tǒng)，讓計算機完成以往需要人的智力才能勝任的工作。本系統(tǒng)采用人工智能模擬教師“評價實驗效果”和“反饋實驗學習”的智能行為。具體的實現(xiàn)方法如表1所示。

2.2.2 利用分布式計算實現(xiàn)高效率

利用人工智能雖然能帶來優(yōu)異的性能，但需要消耗大量的算力，如果放在應用端進行計算，容易造成系統(tǒng)卡頓、硬件發(fā)熱、運算速度慢等問題。因此，本系統(tǒng)采用分布式計算的方法，實現(xiàn)性能和效率的兼顧。

如圖1所示，本系統(tǒng)分為總處理器的一個總節(jié)點和應用端的多個子節(jié)點。總節(jié)點使用大量學生實際操作的實驗現(xiàn)象進行深度學習，得到訓練好的評價模型。子節(jié)點直接使用總節(jié)點提供的模型進行快速的特征識別和檢測，同時把新的數(shù)據(jù)傳輸給總節(jié)點進行加強訓練，改進總節(jié)點的模型。通過這樣的設計，一方面用高性能的總節(jié)點處理器確保評價模型的準確性，另一方面減少子節(jié)點的運算壓力，實現(xiàn)學生端的快速、實時評價。

3 系統(tǒng)的開發(fā)流程

3.1 前期素材準備

首先，制定評價指標。評價指標要反映實驗現(xiàn)象中易于被觀察、采集和識別的典型特征。例如，“氫氧化鈉滴定鹽酸（以酚酞為指示劑）”實驗以滴定后錐形瓶內(nèi)溶液的顏色為評價指標，程序可以識別溶液在一定區(qū)域內(nèi)的平均RGB值，然后根據(jù)RGB中R值的比重進行0～10賦分。又如，在評價銀鏡反應生成的銀鏡是否美觀時，以相同光源環(huán)境中銀鏡的反射光強度、黑斑數(shù)量、泛白區(qū)域面積等作為評價指標，通過人工智能識別瑕疵點。

其次，制定評分標準。對于只有一個評價指標的實驗，該指標的得分即為最終得分。對于有p個評價指標X1、 X2、 …Xp的實驗，分別賦予各自的權重系數(shù)β1、 β2、 …βp，按照計算公式：F=β1X1+β2X2+…+βpXp得到最終的加權得分F。此外，亦可以直接制定定性的賦分標準，例如氫氣的制備實驗中，可以對檢驗氫氣時發(fā)出輕微的“噗”的一聲（成功制備了純凈的氫氣）賦10分，發(fā)出尖銳的爆鳴聲（成功制備了氫氣但不純）賦6分，沒有發(fā)出聲音（沒有制備出氫氣或濃度很低）賦0分。

然后，構建數(shù)據(jù)集?；瘜W實驗現(xiàn)象數(shù)據(jù)集是用于訓練人工智能評價模型的原材料，數(shù)據(jù)集樣本量越大，評價模型的準確度越高。數(shù)據(jù)集應囊括大量通過實際實驗獲得的現(xiàn)象數(shù)據(jù)，可由學生完成實驗后，拍攝照片或視頻上傳。經(jīng)過數(shù)據(jù)清洗、數(shù)據(jù)標注后，才能構建成為數(shù)據(jù)集。值得一提的是，系統(tǒng)在使用過程中也會收集到大量的實際實驗數(shù)據(jù)，進一步豐富數(shù)據(jù)集。

3.2 核心功能開發(fā)與后期完善升級

涉及軟件的核心功能開發(fā)和后期完善升級的流程圖見圖2，主要分為“系統(tǒng)總體設計”“核心算法開發(fā)”“系統(tǒng)應用”和“系統(tǒng)評價與升級”四大步驟。

第一步，系統(tǒng)總體設計。制定系統(tǒng)的總體“大框架”，根據(jù)評價指標和標準明確設計需求，分配總節(jié)點和子節(jié)點模塊的任務，設計用戶界面和交互功能。

第二步，核心算法開發(fā)。在總節(jié)點建構初始的評價模型，用前期準備好的化學實驗現(xiàn)象數(shù)據(jù)集對初始模型進行深度學習，得到訓練好的評價模型。把評價模型導入到子節(jié)點中，子節(jié)點可以用該模型對實驗現(xiàn)象圖像或聲音中的典型特征作快速的識別分析和評價。同時，子節(jié)點的數(shù)據(jù)會傳輸回總節(jié)點，用于總節(jié)點人工智能模型的強化學習，使評價準確度進一步提升。

第三步，系統(tǒng)應用。把初步開發(fā)完成的系統(tǒng)應用于化學實驗課堂，學生用安裝了系統(tǒng)軟件的手機或平板電腦拍攝實驗圖像或視頻，由系統(tǒng)自動評分并及時反饋。學生可以根據(jù)提示發(fā)現(xiàn)實驗中的錯誤，當堂改進實驗，重新提交，并獲得新的得分。

第四步，系統(tǒng)評價與升級?；诩夹g接受模型編制問卷，了解學生的感知易用性、感知有用性、對系統(tǒng)的態(tài)度、行為意向等信息，針對系統(tǒng)存在的突出問題予以改進。在正式投入使用后也采用類似的方法升級系統(tǒng)。

4 系統(tǒng)的使用案例

筆者在江蘇省某重點中學的“酸堿滴定”實驗課上使用了本系統(tǒng)。20名學生分為5組進行實驗，每組配備一套滴定儀器和一部手機，手機上預先安裝了軟件系統(tǒng)，并選擇本節(jié)課的“氫氧化鈉滴定稀鹽酸（酚酞為指示劑）”實驗。

上課時，首先由教師講解并演示滴定實驗的操作要點，然后學生分組完成實驗。在學生自認為到達滴定終點后，用系統(tǒng)內(nèi)的拍攝功能拍攝錐形瓶照片。系統(tǒng)利用人工智能自動識別錐形瓶瓶底的溶液區(qū)域，自動排除因錐形瓶玻璃反光帶來的光線干擾。

隨后，系統(tǒng)利用人工智能自動評分，立刻給出0～10之間的得分（詳見表2）。針對粉色過深、未出現(xiàn)粉色的錯誤情況，給出錯誤原因的分析和改進建議。學生可以選擇直接上傳結果，也可以根據(jù)反饋意見改進或重做實驗后，重新提交新的實驗結果，得到新的得分。

5 系統(tǒng)的教學價值

5.1 及時化的評價：提高課堂效率

傳統(tǒng)的化學實驗課上，一名教師一次只能對一個學生小組的實驗結果做出評價和指導，其他學生小組往往需要等待較長時間，造成課堂時間的浪費。本系統(tǒng)可以實時地對學生實驗現(xiàn)象給出評價，讓學生立刻認識到存在的錯誤，馬上重做或完善實驗，實現(xiàn)“以評促學”。同時，教師不必到每個實驗桌前依次統(tǒng)計，就可以立刻得到全班實驗數(shù)據(jù)，包括實驗完成率、得分率、存在的主要問題等，當堂加強對薄弱點的補償教學，實現(xiàn)“以評促教”。

5.2 精準化的結果：化抽象為直觀

常規(guī)的實驗現(xiàn)象評價由教師通過肉眼觀察實驗結果并做出主觀判斷，精準度不高且表述比較抽象。例如在滴定實驗中，教師可能會告知學生“滴定完的溶液顏色太深了，應該要淡一點”，但學生不知道“淡一點”是要淡到何種程度。本系統(tǒng)一方面采用人工智能進行客觀評分，可以給出更加精準的定量結果，其公平性、可信度更高；另一方面采用由淺到深的溶液顏色梯度（比色卡）與0～10分相對應，幫助學生更準確、直觀地感知滴定終點的正確顏色。

5.3 個性化的反饋：尊重學生差異

本系統(tǒng)的應用改變了傳統(tǒng)課堂上教師統(tǒng)一講解的教學方式。一是實現(xiàn)指導內(nèi)容的個性化，系統(tǒng)根據(jù)學生差異化的實驗結果，給予有針對性的反饋：指導不及格（低于6分）的學生重做實驗，鼓勵得分良好（6～8分）的學生繼續(xù)改進，給高分（9～10分）的學生增加思考題。二是實現(xiàn)進度安排的個性化，較早完成實驗的學生可以提前檢查錯誤、改進或重做實驗，而不必等待其他同學把實驗做完后再由教師集體講解。

總之，本研究通過開發(fā)一款化學實驗現(xiàn)象評價與反饋系統(tǒng)，做出了信息技術與化學教學融合的嘗試［7］。未來的研究者可以利用本系統(tǒng)所具備的優(yōu)勢，做出更多智慧實驗教學設計，實現(xiàn)化學學習方式的深刻變革。也可以借鑒本研究提出的設計理念、設計思路和開發(fā)流程，開發(fā)更多實驗智能評價與反饋的軟件。

參考文獻：

［1］王麗麗， 丁邦平， 王萍. 中小學科學實驗教學的演變與改革： 國際經(jīng)驗及其啟示［J］. 課程·教材·教法， 2022， 42（11）： 153～159.

［2］史加祥. 人工智能時代背景下小學科學教育的變革與堅守［J］. 課程·教材·教法， 2020， 40（4）： 120～125.

［3］吳俊明. 芻議人工智能化學教學研發(fā)的教學論基礎［J］. 化學教學， 2017， （11）： 3～10.

［4］謝暉， 詹勇華， 曾琦等. 基于人工智能技術的生命科學類虛擬仿真實驗課程學習評價研究［J］. 高校生物學教學研究（電子版）， 2021， 11（1）： 35～41.

［5］孔維梁， 于曉利， 韓淑云等. 人工智能賦能的可信同伴互評模型構建與驗證［J］. 現(xiàn)代遠程教育研究， 2023， 35（3）： 93～101， 112.

［6］李海峰， 王煒. 生成式人工智能時代的學生作業(yè)設計與評價［J］. 開放教育研究， 2023， 29（3）： 31～39.

［7］項佳敏， 錢華， 馬宏佳等. 信息技術與化學學科教學深度融合的案例研究——以數(shù)字化實驗為例［J］. 化學教學， 2020， （9）： 21～27.

江蘇省中小學教學研究重點課題“基于人工智能的科學實驗現(xiàn)象評價與反饋系統(tǒng)開發(fā)應用研究”（編號：2023JY15-ZA47）的研究成果。

通訊聯(lián)系人，E-mail：jsjylyz@foxmail.com。