传统科学论证教学对教师要求高，备课耗时费力。生成式人工智能的兴起为此提供了新思路。通过将DeepSeek模型应用于“节约能源”议题，探讨其在创设问题、提供证据、引导论证和辅助反思四个环节的应用，为智能化教学实践提供了可行方案，有效提升了课堂效率与学生思维显化程度。
智能速览
生成式AI能辅助教师设计兼具挑战性与开放性的论证驱动问题。
AI可快速整合真实、有效的跨领域数据，为论证提供高质量证据。
通过生成引导性话语，AI能帮助学生推进论证过程并显化思维。
AI能自动诊断论证谬误，提供结构化反馈以支持形成性评价。
以“节约能源”为例的案例，证实了AI在提升备课效率和论证深度上的价值。
精华内容
生成式人工智能如何具体赋能教学环节？以DeepSeek在“节约能源”议题教学中的应用为例，可以清晰地看到其在四大核心环节的价值与实践路径。
创设情境难题
科学论证教学的首要挑战是设计有论证空间的驱动问题。研究显示，教师可利用DeepSeek-R1模型，围绕“节约能源”等社会性科学议题，生成兼具时代性、开放性和跨学科性的问题。例如，AI设计的“大规模推广锂电池储能电站是否能解决新能源消纳问题？”这类议题，不仅符合课程标准对能源与社会关系的要求，也为学生提供了丰富的辩论空间，有效降低了教师构思难题的备课负担。
高效证据供给
论证质量高度依赖于证据的真实性与有效性。借助DeepSeek，师生能高效获取整合自权威报告、政策文件和最新科研成果的论据。在“锂电池储能电站”议题中，AI为正反方提供了对立且翔实的证据：正方聚焦技术迭代速度与政策驱动效应，反方则强调全周期成本与市场机制缺陷。这种方式引导学生对比抽水蓄能等替代方案，培养其基于证据的系统思维与批判性论证能力。
显化学生思维
在论证过程中，教师需要精准引导以推进学生思维。DeepSeek能够生成多样化的引导性话语，例如避免“高效”等泛化表述，强制要求量化指标（如效率百分比、碳排放克数）。当学生争论陷入僵局时，AI可以提供新的分析视角，或引导学生关注矛盾信息（如成本下降曲线与企业亏损报告），从而打开辩论空间，使学生的思维过程得以显化，便于教师观察与引导。
智能评价反馈
形成性评价是论证教学闭环的关键。DeepSeek能够依据TAP论证框架，对学生的论证结构、证据多元性和反驳精准度进行细致评价。例如，它不仅能指出双方均引用了权威机构报告来增强论据可信度，也能明确点出“正方未考虑低温环境效率衰减”等论证缺陷。这些具体、量化的反馈，为学生下一轮的论证改进提供了明确方向，实现了评价的促进功能。
将生成式人工智能融入论证教学，是教育智能化发展的有益探索。秉持“技术增强而非替代”的原则，未来可进一步探索其在其他科学素养要素中的应用，并培养适应技术变革的智慧型教师，共同推动教学模式的深度变革，这或许是值得所有教育者思考的课题。
