“以问促学”视域下生成式人工智能在高中生物个性化学习中的应用研究

摘要：在“以问促学”理论指导下，本文将探寻生成式人工智能在高中生物个性化学习中的应用路径。结合传统课堂教学中问题驱动不足、学生认知差异显著等现实问题，本文借助生成式人工智能的对话交互与动态生成功能，构建出学生提问、技术引导、知识构建、个性反馈的学习模式。研究结果表明，该模式可以激发学生的主动质疑，为学生提供适配性学习资源，让每个学生都能在适合自己发展的道路上成长。

关键词：以问促学；生成式人工智能；高中生物；个性化学习

引言：高中生物知识具有微观抽象、系统性强等各类特点，容易因为学生的认知差异而产生理解障碍问题。传统师生问答模式未能激发每位学生的提问与探究，导致学生的个性化学习需求未能被满足。“以问促学”强调以真实问题为导向，让生成式人工智能凭借自然语言交互、内容生成能力等，为学生创设出动态、自适应的学习环境。如何将生成式人工智能融入高中生物教学，仍然是教师需要考虑的问题。

一、生成概念知识图谱，促进分子与结构的理解

“以问促学”注重让学生在主动提问中建构个性化知识网络，达成预期学习目标。细胞的分子组成与细胞结构之间存在紧密联系，而这部分知识相对抽象，容易导致学生割裂理解。生成式人工智能可以结合学生提问中的关键词，动态生成个性化的概念关联图谱，以可视化的方式向学生呈现出知识点之间的层次关系。当学生提问某一分子结构时，生成式人工智能会自动关联相关概念，引导学生追问“如果没有这种分子，结构会发生怎么样的变化？”系统将会记录学生的关联路径与卡顿节点，为教师提供概念诊断数据^[1]。这种关联支架可以帮助学生从碎片化记忆走向整体性理解，培养学生的系统性思维。

以浙科版高一生物必修一《细胞膜控制细胞与周围环境的联系》一课为例，在学习过程中，一名学生向生成式人工智能提问：“磷脂为什么能形成膜？”生成式人工智能将会回答磷脂的亲水疏水特征，生成相关的概念图，方便学生掌握知识。在后续学习中，生成式人工智能向学生追问：“如果磷脂尾部变短，膜的流动性会变得怎么样？请你结合检测生物组织中的油脂的观察结果推测。”学生回忆油脂检测中脂肪酸的性质，回答出流动性可能增加。另一名学生提出问题：“糖类与细胞膜有关吗？”生成式人工智能自动关联出糖蛋白概念，让学生查阅资料后回答出细胞识别。在教学中，教师可以借助生成式人工智能的后台导出学生的学习数据，识别学生在学习中存在的薄弱点，优化教学策略。该案例可以表明，生成式人工智能生成的概念关联图可以帮助学生打通分析与结构之间的认知隔阂，实现从点状记忆到网状理解的转变。

二、模拟显示观察场域，弥补时空资源限制

有关细胞结构的教学依赖显微观察，受限于设备数量、切片标本以及课堂时间，未能让学生借助反复观察的方式，理解不同细胞类型的差异。生成式人工智能可以构建虚拟显微观察环境，根据学生的提问结果，生成高仿真描述性观察指南。生成式人工智能支持学生调整观察参数，为学生及时提供反馈结果，便于学生调整学习策略^[2]。当学生提出变量假设时，生成式人工智能可以模拟不同条件下的变化情况，让学生进行自主验证。这种虚拟观察的方式可以降低实验门槛，允许学生在安全环境下进行探究活动，培养学生基于证据的推理能力。

以浙教版高一生物必修一《观察叶绿体和细胞质流动》活动为例，某校因为显微镜数量不足，使得学生参与实验操作的时间受到限制。为了丰富学生的体验，教师为学生引入生成式人工智能观察工具，学生在输入“我要看菠菜叶下表皮”，生成式人工智能可以生成详细描述“低倍镜下可以见到椭圆形叶绿体，细胞质将会沿着细胞壁呈现环形流动。”学生可以向生成式人工智能追问：“如果提高温度，流动速度将会加快吗？”生成式人工智能可以模拟细胞质在不同温度下流动的速度，让学生从直观角度观察理解。这一案例可以说明，生成式人工智能赋能的虚拟观察活动，可以缓解实验资源紧张的问题，还能赋予学生自主设定变量、反复验证假设的机会，提升观察类活动的教学效果。

三、搭建驱动实验平台，支持探究式学习

酶的专一性、高效性以及影响因素是细胞代谢中的核心探究内容，但是真实实验中的变量控制较为复杂，学生时常按照教师给定的实验步骤进行操作，缺乏自主探究的机会。生成式人工智能可以为学生搭建虚拟实验平台，根据学生输入的变量参数，为学生生成相应反应速率数据。生成式人工智能可以要求学生提交预测结果，最终将模拟数据返回对比^[3]。当数据与预测不符时，生成式人工智能可以让学生排查变量设定与干扰因素。这种循序渐进的学习过程，可以让每个学生都能按照自己的节奏完成整个科学探究历程。

以浙科版高一生物必修一《探究影响酶促反应的因素—PH对过氧化氢酶的影响》活动为例，一名学生向生成式人工智能提出自己的想法：“PH=7时反应最快，PH=3和PH=11没有反应。”生成式人工智能可以模拟生成实验数据，PH=7时气泡产生速率为50个/分钟，PH=3时为5个/分钟，PH=11时为8个/分钟。学生发现PH=11时的数据与预测结果不符。生成式人工智能向学生提出问题：“请检查过氧化氢在碱性条件下是否会变性？”学生可以在生成式人工智能的引导下，调整学习策略，理解酶的特异性。该案例显示，生成式人工智能赋能的虚拟实验平台可以让学生经历完整假设检验过程，在数据与预测的冲突中培养科学推理能力，达成预期学习目标。

结束语：

综上所述，在“以问促学”的视域下，生成式人工智能技术在高中生物个性化学习中的应用，可以为高中生物教学带来新的生机与活力。在教学实践中，教师可以充分借助此类技术的优势，结合学生的学习风格、知识掌握程度等，让每个学生在适合自身发展的道路上成长。在未来教学中，教师要不断学习前沿教育理念，基于生成式人工智能技术开展高质量课堂教学活动，助力学生的成长与发展，让学生以自信的态度去面对未来学习生活中的各类挑战。

参考文献：

[1]刘标.AI赋能高中生物教学：构建智能化课堂模式的探索与实践[J].高考, 2025,(29):60-62.

[2]张鹏飞.核心素养导向的高中生物智慧课堂教学模式构建与实践——以《目的基因的筛选与获取（PCR的基本原理）》一课为例[J].教育信息技术,2025, (Z2):53-56.

[3]梁惠萍，车丽金.教育信息化2.0视角下高中生物核心素养培育——现实困境与优化路径[J].岭南师范学院学报,2021,42(06):73-78.