《中小學數字教育發展藍圖》的公布，標誌香港學校教育正由電子學習邁向更深層次的數字教育轉型。《藍圖》提出「四大重點、十大策略」，強調培育兼具數字素養與人文關懷精神的人才、加強教師培訓、優化智慧校園基建，以及推動跨界別協作，為學校推動人工智能（AI）教育提供了更清晰的方向。然而，數字教育真正的挑戰，從來不只是「使用什麼工具」，而是「如何重新設計學習」。AI不應只是課堂中的新奇展示，也不應只是協助學生更快取得答案的捷徑。它更重要的教育意義，在於讓學生的思考歷程變得可見，讓教師的回饋更精準，讓抽象的科學概念轉化為可以探究、討論和修正的學習經驗。
科學教育的核心，從來不是記誦公式和實驗步驟，而是一種認識世界的方法。它要求學生從現象出發，提出假設，蒐集證據，分析數據，建立模型，並在新證據出現時修正理解。當AI能夠生成一段流暢答案，學生更需要學懂分辨：什麼是看似合理的文字，什麼是經證據支持的科學解釋；什麼是快速得來的結論，什麼是經歷探究後形成的理解。
過去的科學課堂常面對一個難題：教師能看見學生最終完成了實驗，卻未必能完整掌握學生在過程中的思考。學生究竟在哪一個步驟出錯？是器材選擇不當、操作程序有誤，還是概念理解與推理出現偏差？在傳統實驗課中，這些資訊往往只能依靠教師巡視時的即時觀察。當課室裏多組學生同時進行實驗，教師很難全面記錄每位學生由假設、操作、觀察到解釋的學習歷程。
AI的教育價值，正在於使這些原本隱性的學習歷程變得可見。教師可利用AI建構一個支援科學探究的平台，把實驗過程數據化、可視化和可回饋化。以初中電路實驗為例，學生需要完成器材選擇、元件放置、電路接駁及結果驗證等步驟。平台可透過電腦視覺辨識學生操作，檢視器材是否正確、元件位置是否合理，以及接駁程序是否符合要求。
當學生出現偏差時，系統不應直接給予答案，而應透過提示問題引導學生檢視：「電流是否有完整路徑？」「燈泡兩端是否正確連接？」「這個接法與電路圖是否一致？」這種設計的價值，不在於讓學生更快完成實驗，而在於讓錯誤成為學習資源。科學學習本來就不是一條直線，而是在觀察、嘗試、失誤、修正與再驗證之間逐步建立概念。若AI能即時捕捉學生的操作歷程，並把錯誤轉化為可討論的學習契機，實驗課便能由「完成步驟」提升至「理解為何這樣做」。
更重要的是，AI不只是協助學生完成任務，而是協助教師看見學習。平台可記錄學生由提出假設、選擇器材、進行操作、收集數據、解釋結果到反思修正的探究歷程，並整理常見錯誤與概念盲點。教師便能根據這些資料作出更精準的教學判斷：學生是未能把電路圖轉化為實物接駁，還是不理解並聯電路中的電流路徑？是操作不熟練，還是背後的概念模型尚未建立？這些細緻判斷，正是教師專業不可取代之處。
由此可見，AI在科學教育中的角色，不是替代教師講解，也不是替學生完成實驗，而是成為一種「學習歷程的放大鏡」。它協助教師看見學生在哪一個步驟出錯、哪一個概念未理解、哪一種推論仍然薄弱。教師可根據這些訊息作出更專業的判斷：學生是未掌握電路圖與實物連接之間的轉換？還是不理解電流在並聯支路中的流動關係？是操作不熟練，還是概念模型尚未建立？這些判斷，正是教師專業不可取代之處。
另一個值得關注的方向，是AI如何支援數學建模與科學決策。科學教育不應只要求學生知道「正確答案」，更應讓他們學會在複雜情境中作出有根據的判斷。以「智」為數模平台中的外賣配送情境為例，學生需要思考一個看似生活化、實則高度數據化的問題：若要選擇最合適的外賣配送方案，應考慮哪些因素？
在平台中，學生不只是直接計算結果，而是先進行引導式探究。他們需要提出假設，整理已知資料，並辨識影響決策的多個因素，例如配送時間、配送費用、用戶評分、距離、可靠性、環境影響及平台易用程度等。其後，學生要根據不同因素的重要性分配權重，再利用評分公式計算及比較最終結果。這個過程表面上是數學建模，實際上亦是科學思維的訓練：學生要明白模型不是現實本身，而是人們為了理解現實而建立的簡化表示。
AI常常能提供建議，但學生必須懂得追問：建議背後用了哪些資料？哪些因素被重視？哪些因素被忽略？權重設定是否合理？若改變目標，例如由「最快送達」改為「最低碳排放」，模型結果會否改變？在「智」為數模的學習流程中，平台設有AI導師回饋及反思問題，引導學生檢視模型設計、因素選取及決策邏輯。這種學習不只是訓練計算能力，更是在培養學生的數據素養、批判思維與負責任決策能力。
從這兩個例子可見，AI融入科學教育，關鍵不在於工具是否先進，而在於教學法是否清晰。如果教師只是要求學生使用 AI 生成答案，課堂很容易變成另一種形式的資料搬運；學生看似完成任務，實際上可能繞過了最重要的思考過程。相反，若教師以探究式學習、模型建構、形成性評估及科學論證為基礎，AI便能成為促進深度學習的媒介。
成熟的AI科學課堂，應讓學生經歷完整的學習循環：提出問題、建立假設、選擇工具、蒐集證據、分析數據、建構模型、修正想法，最後反思其限制。AI可以在不同階段提供支援，例如協助學生視覺化抽象概念、整理實驗數據、比較不同解釋、提示常見錯誤，甚至生成初步回饋；但每一個關鍵判斷，仍應回到學生的證據意識與教師的專業引導。
這也提醒我們，數字教育不能只追求效率，更要重視倫理與人文關懷。《中小學數字教育發展藍圖》把AI教育置於數字素養培育的重要位置，並同時提供人工智能素養學習架構及應用AI教學指南，反映學校不單要教學生使用AI，更要教學生理解AI的限制、風險與責任。 在科學教育中，這種倫理意識尤其具體。學生可以使用AI整理語句、生成圖表或獲取回饋，但原始觀察、數據判斷、推理過程和結論反思，必須由學生親自參與。否則，科技提升了效率，卻可能削弱了科學教育最珍貴的誠信與求真精神。
因此，在AI時代，教師的角色不是被削弱，而是變得更加專業。教師不再只是知識傳遞者，而是學習設計師、探究引導者、數據詮釋者和倫理守門人。教師需要懂得選擇工具，更需要懂得設計有思考深度的任務；需要善用數據，也需要避免把學生簡化為數據；需要鼓勵學生運用AI，也需要培養他們質疑AI、檢視證據和承擔判斷後果的能力。
真正成熟的數字教育，不是每一堂課都使用AI，而是教師能準確判斷何時使用、為何使用，以及如何使用才有助學生學得更深。科學教育的核心，從來不是讓學生記住更多答案，而是培養他們面對未知時仍能提出問題、尋找證據、修正理解，並以謙遜而嚴謹的態度認識世界。
撰文︰李婷欣老師
中大賽馬會「智」為未來計劃
曾任中學科學教育學習領域統籌、生物科及綜合科學科科主任