在全球科技迅猛发展的背景下，STEM（科学、技术、工程和数学）教育越来越受到重视，特别是随着生成式人工智能融入高校教学、科研，人工智能不仅成为推动知识更新的重要驱动力，也成为促进STEM教育创新发展的重要工具。教育部教育数字化专家咨询委员会主任委员、武汉理工大学校长杨宗凯在中国教育报记者专访中，阐释了人工智能赋能STEM教育的内涵、发展水平、现实挑战与未来展望。

　　推进人工智能教育也要加强STEM教育

　　记者：当前，我国高校积极推动人工智能教育，STEM教育也涉及技术、工程，人工智能教育与STEM教育侧重点有哪些不同？

　　杨宗凯：首先需要明确两者概念范畴不同，人工智能教育聚焦于人工智能这一特定领域，强调对人工智能相关知识与技能的认知与探索，旨在让学习者理解掌握人工智能的基本概念、原理、技术及其应用。STEM教育是科学（Science）、技术（Technology）、工程（Engineering）和数学（Mathematics）四门学科的整合教育，强调打破学科界限、实现跨学科融合，旨在让学习者习得运用不同学科知识解决实际问题的方法与技能。

　　因概念范畴的不同，两者在教育目标、教学内容上也有所不同。就教育目标，人工智能教育的学习内容具有较强的技术专属性，致力于提升学习者人工智能素养，为更好适应智能时代的学习、工作、生活做好各方面准备。STEM教育中，教学多以实际问题为导向，更加强调培养学生在不同学科领域的基础知识与技能，以及将这些知识技能迁移应用于实际情境的能力。

　　记者：人工智能教育与STEM教育有哪些内在联系？

　　杨宗凯：智能时代，教育由过去的以知识为重转变为以能力为重，更加强调科技创新人才的培养，人工智能教育与STEM教育在此进程中形成双向赋能、协同演进的耦合关系。一方面，STEM教育通过整合科学、技术、工程与数学四大核心领域，构建起系统性跨学科的知识体系，着力培育学生的创新思维与实践应用能力，为人工智能教育提供不可或缺的学科理论支撑与方法论基础。另一方面，人工智能教育作为STEM教育在智能技术前沿领域的深化与拓展，凭借其技术赋能优势，驱动STEM教育在教学模式、课程体系、学习方式等方面革新升级。两者通过优势互补，助力高校培育兼具核心技术专长与跨学科素养的复合型人才。

　　人工智能支持STEM教育发展面临着诸多挑战

　　记者：在AI技术的支持下，全球STEM教育呈现出哪些创新发展？国内有怎样的发展趋势？

　　杨宗凯：全球数字化浪潮中，人工智能在创新学习场景和创新应用模式这两方面，重构STEM教育的互动逻辑与实践范式。

　　在创新学习场景方面，人工智能为STEM教育构建丰富立体的学习空间，包含以智能虚拟助手和智能NPC（非玩家角色）激发兴趣的游戏化学习、依托人工智能搭建“人际+人机”的协同式学习、以智能助手为辅助解决真实问题的问题驱动型、以智能工具支撑综合实践的项目探究型等新场景。在创新应用模式方面，首先是辅助教师智能化、差异化教学。通过生成可视化学生学习画像与预测性分析报告，智能定位薄弱知识点，为学生推荐个性化学习路径。其次是智能学习助手化身知识导师、学习伙伴，以个性化交互激发学生的学习兴趣与探索欲望，并依据实时反馈动态调整学习节奏，打造新型个性化学习模式。

　　当前，我国高校积极推动人工智能与STEM教育的深度融合。一是利用智能技术，打造以“无边界学习”为核心亮点的未来课堂，实现场景驱动的具身学习。二是推动传统工科专业向“新工科”转变，积极布局垂直学科大模型的创新应用，如武汉理工大学推出“材料+”大模型，通过结合人才培养的核心场景构建智能体应用，有效提升学校人才培养质量。三是依托AI For Science（人工智能用于科学）工具突破传统研究边界，推动知识创新从经验驱动转向数据与智能驱动，加速前沿科学领域的探索进程。

　　记者：从高校的实践看，在推进AI赋能STEM教育中存在哪些问题？

　　杨宗凯：我重点谈下教育教学方面。一是教育理念亟须转变。高校需引导教师充分认识到人工智能赋能STEM教育是从教学目标、内容组织到实施方式的系统性革新，推动教育理念从“知识传授中心”向“能力建构中心”跃迁。

　　二是教师角色面临转换。教师应以学生诉求为核心，从“知识传授者”转向“学习引导者”，借助人工智能等技术手段实施个性化教学与差异化指导，设计探究性、启发性任务激发学生深度思考，为学生提供灵活、个性的发展路径。

　　三是数据缺乏有效管理。当前，实践中教学平台、科研服务等多源异构数据间形成了明显的“数据孤岛”，人工智能难以获取完整连续的数据链，无法充分利用数据优化教学。同时，数据安全防护体系与合规使用机制的缺失，致使用户隐私保护与数据高效利用的关系难以平衡，进一步制约人工智能对教学、科研等场景的深度赋能。

　　四是人工智能安全问题。人工智能本身存在透明度不足与可解释性差的风险，其复杂的算法逻辑与黑箱决策机制，使得师生难以明晰技术运行原理与应用边界，容易引发技术取代教师主导地位、削弱学生自主思考能力等担忧。同时，人工智能生成的知识与内容其科学性和正确性有待进一步验证，需确保知识传授的准确性与权威性。

　　协同推进人工智能赋能STEM教育实践

　　记者：推动AI赋能STEM教育，国内高校需要在哪些方面重点发力？

　　杨宗凯：结合当前国内高校“人工智能+教育”发展形式，可以重点从环境、师资、学科、机制等方面发力，协同推进更完善的人工智能赋能STEM教育实践。

　　一是强化教学智能化水平。高校应着力打造智能化教学环境，通过升级数字化基础设施、部署自适应学习系统、构建学习行为分析平台，建立基于数据分析的精准教学决策机制，将学习行为数据转化为教学策略优化依据，实现教学目标设定、过程实施、效果评价、问题诊断与反思改进的闭环管理，形成覆盖教学全链条的智能化支持体系。

　　二是提升教师数字素养。推动人工智能赋能STEM教育，要充分发挥教师的桥梁和纽带作用。应强化教师基础数字技能与人工智能素养培训，强化教师运用智能技术进行学情分析、资源整合与教学设计的能力；着力培养教师的跨学科整合思维与实践能力，鼓励其参与“人工智能+STEM”的课程开发、教学案例分享及跨学科项目研究。

　　三是推动学科转型升级。面对STEM人才紧缺的现实，国内高校应制定“人工智能+X”学科建设规划，推动人工智能与数学、物理、工程等传统学科深度交叉融合，重构课程体系与培养方案；设立“人工智能+STEM”创新实验室，创设开放包容的探索性实践平台，引导学生掌握前沿技术、培育学科核心素养，实现人才培养与产业需求的精准对接。

　　四是深化国际合作交流。积极参与联合国人工智能教育、STEM教育合作项目，依托国际STEM教育研究所等平台，建立常态化的国内外教育合作机制，促进平台共建、课程共享、师资互访与学生交流；开展人工智能与STEM教育融合的本土化实践研究，构建具有中国特色的STEM教育理论体系，推广中国人工智能赋能STEM教育实践经验。