练习的未来：让教师用生成式 UI 打造学习互动内容

我们探索如何借助生成式 UI 与学习设计护栏，让教师能够为每个主题、每位学生生成引导式互动模拟。

快速链接

• 技术报告
• 学习互动内容库
• Google for Education 试点计划 数字教育工具改变了全球学生获取信息的方式，从在线教材到视频库，莫不如此。然而，尽管技术与可及性取得了种种显著飞跃，数字学习往往仍是一种被动的体验。互动性强、引人投入的多模态练习形式，能鼓励学生独立思考、一步步推导出解法，对学习大有潜力，却基本遥不可及。这类内容制作成本高、数量有限，往往还需要教师投入多得多的精力。我们想看看 AI 能否帮助弥合这一差距。今天，我们分享最新的研究，它正在拓展互动学习的边界。我们的新研究实验让教育工作者能够创建定制化、互动式、有引导的教育模拟。这些学习互动内容贴合教师的教学目标与课程，并动态生成，依托的是我们为学习场景优化的生成式用户界面（GenUI）的一项新颖应用。在从可信测试者群体中获得教师的初步正面反馈后，我们还发布了一个示例库，包含 30 多个英文学习互动内容，覆盖物理、化学、生物和数学等 STEM 学科，重点面向初中和高中。这些内容全部由 AI 生成，并经教师审核。使用 Google Workspace for Education 的学校可以通过 Google for Education 试点计划报名提供反馈，帮助改进学习互动内容。这一试点是开发更多可供公众使用的学习互动内容的早期一步。 该库已开放公众使用，涵盖生物、化学、计算机科学、地球科学、数学和物理等多个主题的学习互动内容。

主动学习的依据

学习不是一项观赏性运动。从教育理论奠基人 John Dewey 1916 年主张我们应该“给学生一些事情去做”，到颇具影响力的心理学家 Jean Piaget 的开创性研究揭示学习者如何建构知识，学生通过主动参与学得更好，这一点早已确立。现代认知研究，例如 ICAP 框架，证实互动行为始终比被动听讲或阅读带来更深入的图式建构和更长期的记忆保持。简言之，学生通过动手来学习。当学生主动实验、验证假设、解决问题时，他们构建的心智模型要完整得多。主动学习是我们在研究中着力优化的关键学习科学原则之一。它是 LearnLM 的基础——这是 Google 于 2024 年发布、面向教育微调的生成式 AI 模型系列——并在 2025 年的 Learn Your Way 研究实验中得到探索，该实验用生成式 AI 重新构想了经典教科书。在此前研究的基础上，我们着手探索如何利用生成式模型的最新进展进一步改造内容，帮助教师创建更加主动、更引人投入的数字学习内容。

让生成式 UI 适配教育

为了实现这一点，我们转向了生成式 UI——一个活跃的研究领域，AI 模型在其中动态构建用户界面，而不是要求这些界面预先编码完成。我们探索了如何针对更深入的教育旅程（而非快速交互）优化生成式界面。通过精心引导的教学设计和教学护栏，我们希望赋能教师创建自己的交互环境——贴合_他们_的课程，适应_他们_的情境输入。

教学设计

我们首先试图确定好的交互式学习体验是什么样的。我们借鉴已有的学习科学，定义了若干关键教学原则，与 LearnLM 开发背后的原则一致：

• 与课程及教师认可的学习目标对齐（例如，在地球科学中，比较不同云量如何影响局部温度，并预测风速和风向如何影响天气模式）。
• 促进主动的、基于探究的学习，这需要动机和引导共同作用才能有效。
• 确保每个模拟在事实层面准确无误。 这些原则在我们的游戏化学习设计中得以体现。为激发动机，每个学习交互都设置了一系列难度递增的挑战，基于学习目标（例如，在上述地球科学例子中，第一关聚焦温度，之后进阶到关于快速升温和风暴的更难挑战）。同时配有一套脚手架式的提示、说明和反馈（例如，引导学习者找到相关公式，或解释某个特定术语），为每位学习者提供完成每一关所需的支持。我们定义的生成要求包括：

1. 清晰阐述学习目标： 按设计，教育者处于主导地位，提出他们想要聚焦的主题。然后我们生成一组精确且连贯的学习目标。这些目标可修改，可调整以契合课程目标。它们必须得到教师认可，并作为生成学习交互的基础。
2. 结构化的游戏关卡： 我们基于游戏化学习的要素，将每个复杂主题拆分为若干关卡，每个关卡都有与学习目标对齐的明确目标。学生通过一系列难度递增的挑战来探索主题（参见下方视觉图顶部的关卡递进）。这促进主动实验，并通过将刻意练习与校准过的挑战相配对来维持学习者的动机，随着学生在日益复杂的概念上逐渐熟练，培养出不断增强的胜任感。
3. AI 生成的脚手架： 为了有效引导学习者完成各关卡，我们生成了一套脚手架式指导。如下所示，包括用于激活学生已有知识的引入、包含相关公式和理论的工具箱、多层级的提示、反思特定回答为何有效或无效的定制反馈，以及在学生自行探索之后用于巩固理解的完整解答。这些都与教师和学生一起测试并迭代过。通过提供实时的、情境感知的指导，而非直接揭示答案，我们鼓励批判性思维，帮助学生自己找出解决方案。 学习交互界面提供提示、反馈和工具箱，帮助引导学生完成各个关卡。

带教学护栏的迭代生成

为保证质量，我们在生成过程中引入了自我纠错循环——也就是说，这是一个由一系列教学护栏驱动的迭代过程。这会延长生成最终学习互动内容所需的时间，但激进的强化循环能确保更严格地符合质量标准。这些标准涵盖教学层面（例如，关卡是否准确覆盖了学习目标，并且难度是否逐步提升？）、机制层面（例如，按钮是否正常工作？这一关能否被解开？），以及视觉层面（例如，界面上是否存在可能分散注意力的冗余元素？）。在自我纠错循环内部，还有具备 agentic 性质的自动评估流程（例如，可解性评估会打开一个 Chrome 实例，像用户一样与模拟交互）。目标不仅是检验某个具体解法是否有效，还要尝试对抗性操作，比如把旋钮拧到极端值。自我纠错循环会反复运行，直到生成的结果满足所有必需标准。

流程图展示了学习互动内容创建过程中内置的不同验证阶段。

由 AI 生成，由教师审核

在整个研究过程中，我们的一条核心指导原则是：技术应当服务于教育者及其目标。教师是任何课堂的核心，也最了解哪些 AI 驱动的模拟能吸引学生，以及它们应在何时、以何种方式融入课程。资源库中发布并现已开放使用的所有学习互动内容，都经过教师审核和批准，涵盖开普勒行星运动定律、数据可视化和抛体运动等学校课程主题。此外，英国的一批 STEM 教师还对一组学习互动内容进行了评估。结果显示，总体评分达到良好或优秀，其中物理和化学最适合制作模拟。完整细节和结果见我们的技术报告。

专家教师对 40 个 STEM 学习互动内容的教学标准平均评分。

我们还与美国 12 名教师开展了一项初步研究。每位教师都请求了三个不同的自定义交互内容，这些内容都是针对他们具体的课堂需求量身生成的。反馈非常积极，教师对交互内容质量的评分平均为 8 分（满分 10 分）。教师特别提到，动态生成解决了一个长期存在的课堂难题：无法用静态的现成模拟来实施差异化教学。正如一位高中科学教师所说：“如果我上课时能把[任何课程主题]输入进去，然后[生成]一个模拟，那就太棒了……我一直没法对任何模拟做差异化调整，因为就是这样，你拿到什么就是什么。”教育工作者还指出，生成的设计元素与他们的教学目标高度一致：“这就是为什么能真正动手做出与教学目标和学习目标完美契合的东西令人兴奋”（初中科学教师）。他们还称赞了内置的学生脚手架，指出分层提示和示例解答复现了他们在个别辅导学生时提供的那种逐步引导，而关卡进阶也与真实的评估和练习题目对应得很好。

我们与教师的下一步

随着我们扩充内容库，仍有很多需要学习和改进的地方，我们将在课堂教师的协作下推进这些工作。我们将与 Google for Education 合作，在世界各地的学校和课堂中试点学习交互内容。学校可以通过 Google for Education Pilot Program 报名参加即将开展的试点，让他们的教师有机会针对任何自定义 STEM 概念请求模拟，并根据其课程、学习目标和年级进行定制。新生成的学习交互内容将发送给提出请求的教师进行审核。只有在教师验证并批准后，新的学习交互内容才能加入我们的内容库并供公众使用。此外，我们将开展 UX 研究和实地研究，以评估在课堂中使用学习交互内容时的学习收益和学生参与度。通过为学习优化生成技术，我们离这样一个未来更近了一步：学习练习更加主动、有效，并为每一个时刻量身定制。我们感谢教师在这项持续研究中的合作，并期待打造能够惠及全球学生的学习交互内容。

致谢

感谢所有为这项工作做出贡献的人：Alex Moy、Alisa Kovshov、Anisha Choudhury、Anna Iurchenko、Ayça Cakmakli、Ayelet Shasha Evron、Brit Mennuti、Diana Akrong、Femi Olanubi、Ian Li、Ido Lerer、Julia Wilkowski、Lidan Hackmon、Michal Gordon、Nir Kerem、Preeti Singh、Rena Levitt、Rotem Yulzary、Sarah Smith、Shlomi Ben Shimon、Sophie Allweis、Tracey Lee-Joe、Tzvika Stein、Yaniv Carmel、Yishay Mor 和 Yuri Lev。特别感谢我们的管理层支持者：Niv Efron、Avinatan Hassidim、Maureen Heymans、Amy Keeling、Katherine Chou、Ronit Levavi Morad、Yossi Matias、Chris Phillips 和 Ben Gomes。