生成式 AI 作为“思考伙伴”：赋能高中地理探究性学习的模式构建与案例研究

引言

高中地理核心素养要求学生有区域认知、综合思维等能力，探究性学习是培养这些能力的主要途径。但是传统探究模式遇到了瓶颈：探究议题很难被学生们准确抓住，地理数据来源很多，不容易整合，个性化的思维指导也跟不上趟。生成式 ai 因为它的对话交互能力，数据处理能力以及知识生成能力，成为了突破瓶颈的一大工具。

一、概述

在生成式 AI 赋能高中地理探究性学习的模式中，其核心价值在于构建一个动态、互动且富有启发性的学习环境。该模式强调生成式 AI作为“思考伙伴”的角色，不仅辅助学生探索地理知识，还促进师生之间以及学生之间的深度交流与合作。具体而言，模式要素涵盖了 AI 技术的融入方式、师生角色的重新定位以及学习资源的优化配置。实施流程上，则注重从问题提出、数据收集与分析、到结论形成与反思的全过程，确保生成式AI 能够在每个关键环节发挥其独特优势。

二、AI 赋能高中地理探究性学习的模式构建

（一）模式要素

模式以“培育地理核心素养”为目的，囊括四大元素：主体是高中学生，主事者是地理老师，助人者是生成式AI（ChatGPT，豆包等），载体是地理探究课题（区域发展，气候变化等。

（二）实施流程

1. 议题生成阶段教师确定一个探究的方向比如黄土高原水土流失治理然后由 AI 根据教材内容以及学生的认知情况生成阶梯性议题基础层水土流失产生的原因提升层不同的治理方案进行对比从而帮助学生精准的锚定自己的探究问题。

2. 资料搜集与整合：学生说出要求之后，AI 就快速整合许多处的地理资料，像是气象统计，卫星图片，文献报告等，并把它转化成好懂的说法，还会标示清楚数据的出处来源，让人觉得可信些。

3. 分析论证阶段：AI 给出可视化呈现工具，像是地形剖面图，降水变化折线图，来帮助学生们分析地理要素之间的联系，碰到思维卡点，通过追问“这种治理举措给局部气候带来哪些改变”，促使更深层次的思维展开。

4. 成果深化阶段：AI 助力学生对探究报告做出优化，譬如规范地理用语和改善逻辑框架，并且会生成一些展示素材比如数据可视化课件，然后还会模仿做题老师提问来进一步深化成果质量。

（三）教师角色定位

教师要控制探究的方向，设计符合学情的主题；检查 AI 生成的内容是否准确，不能误导学生；利用过程性评价（探究日志、小组讨论）检测学习的效果，做到“AI 赋能不越位，教师引导不缺位”。

三、案例研究：以“城市化对某市水文环境的影响”探究为例

（一）案例背景

选择高二地理“城市化与地理环境”这个单元，将一个城市的2010～2023 年的城市化发展情况作为研究对象，由 32 名学生分成 8组进行探究，加入豆包AI 作为自己的思考伙伴。

（二）实施过程

1. 议题：围绕学生初拟“城市化和水环境”模糊议题，生成“城市化率与地表径流变化的关系”“不透水面的扩张对水质的影响”“城市化进程中的不透水面扩展”“不透水面与降雨的关系”等问题子议题，小组根据兴趣自主选择。

2. 数据获得：学生提“要某市历年城市化率以及降水量数据”，AI 整合市统计局、气象局公开数据，产生表格并且写明“2018 年数据缺少，倡议结合邻近年份预估”。

3. 分析建模：AI 把数据转变成“城市化率和径流系数变化图”，几学生看出二者正相关，AI 接着问“除了降水，哪些因素会加重这种联系”，促使他们去考量不透水面占有比例，草地减小之类。

4. 成果优化：AI 帮助各组改善报告，更正“‘水质恶化’的表述不清，建议改成“COD 浓度从 2010 年的 25mg/L 增长到 2023 年的 48mg/L^; ”等等”，并制作演示所用数据动画。

（三）效果反馈

课后调查 87.5% 的学生感觉 AI 帮学生快速度过搜集资料的难题，75% 的学生说 AI 追问他让自己的思考更全面，教师觉得学生探究报告里的地理数据使用率和逻辑严密程度比传统模式高 40% 。

四、挑战与优化策略

（一）主要挑战

其一，技术依附危险，有的学生过分依赖 AI 产出的内容，缺少自身的思索和评判，探究的过程停留在表层，不能产生深切的地理认识。其二，数据准确性隐患，AI 整合的多来源的地理数据也许会有偏差或者有时效问题，如果老师审查不严格就会让学生成果依据这些错误数据做探讨，如此探究成果就不那么合理。第三，师生互动弱化：AI 进入后，老师也许会将更多的注意力放在技术操作上，少了一些跟学生的面对面交流和个性化的引导，降低了传统探究模式里师生之间互动所带来的情感交流和思维启发。

（二）优化策略

创建“老师 -AI”双审核制度，预加载本最新地理数据，安排“AI帮忙 + 自主寻找”的分层任务，基础层AI 帮助找，提升层要独自探究，采用校园专用版本的 AI 工具，规范 AI 的数据用法。对于 AI 生成内容中“地理数据滞后”的问题，教师需要定期搜集更新本地地理数据，比如某市最新城市化率，水质监测报告等，把数据输入 AI 系统里，保证AI 给出的信息是正确的。关于“区域特殊性忽略”，教师要引导学生在利用 AI 的时候，结合区域的地理特性来剖析，不能简单地套用统一的结论。针对学生过度依靠 AI，老师可以设计分层的任务。基础层：学生在 AI 的帮助下，完成资料搜集、数据整合等基础性的工作；而在提高层上，要求学生自己去分析地理现象，并提出自己的见解，AI 只是起到辅助作用，给与必要的支持。这样就可以一点一点的培养学生的自主分析能力。关于数据交互隐私问题，学校可以采用校园私有部署AI 工具方式，校园的数据存储、运算不外泄到校外网络。并且要建立严格的数据使用规定，清楚地规定出学生和教师在使用 AI 的过程中可以使用哪些数据以及应该承担怎样的责任，保证数据安全。

结语

生成式 AI 用议题推动，靠数据支撑，让思维得到启发，在高中地理探究性学习中发挥出效能，创建出来的“四阶段加三维协同”的模式比较契合教学情况。它最大的价值是以“思考伙伴”的角色，补全了学生的探究能力短板，但同时又留给他们足够的自主思考的空间。

参考文献

[1] 尹其超 . 高中探究性地理活动教学的有效性策略研究 [D]. 华中师范大学 ，2015.

[2] 邹红军 ， 柳海民 . 杜威的“探究认识论”与探究学习 [J]. 全球教育展望 ，2018，47（05）：56-70.