AI教育图像研究:利用生成式AI创建和评估教学插图

多客科技

作者：微信文章
自 ChatGPT 于 2022 年底面世后，教育学界将“生成式人工智能”(GenAI) 视为教学创新的突破口。生成式 AI 尤其擅长文本类教学材料（课程单元、测验、评价量表等）的快速生成；教师普遍反映其可节省备课时间、提升个性化与互动性。

大量工作集中在文本生成；但当任务涉及视觉表征（图示、模型、流程图）时，可用案例不多。截至 2025 年，仅零星研究尝试让 ChatGPT 或 DALL‑E 等工具绘制科学场景，并普遍发现图像存在失真、概念错误或刻板偏见。

这意味着：生成式 AI 创建视觉材料仍属“早期”，远未像生成教案、学案那样“普及”。



正因为“普及度高的多是文本，视觉领域仍是空白地带”，《Creating and evaluating instructional materials with generative artificial intelligence: visual representations in astronomy education》（利用生成式人工智能创建和评估教学材料：天文学教育中的视觉表征）选择把视觉表征作为突破口，填补生成式 AI 在科学可视化方面的研究缺口。



最近ChatGPT得图像生成功能着实火了一把，网络上充斥着AI生成的宫崎骏风格漫画，可是这种生图能力如何为教育所用，仍有待研究。文章指出了 ChatGPT-4o 在评估视觉辅助工具方面的优势，教师可以借鉴这一特点，将其作为提升教学质量的手段。

利用 ChatGPT-4o 对教学材料中的视觉辅助工具进行评估，教师能够及时发现材料中的不足之处，如不准确或具有误导性的内容，并加以改进，从而为学生提供更优质、更精准的教学资源。

天文学是典型的 STEM 融合学科，需要借助图像和模型等可视化工具辅助理解抽象的空间现象（如月相变化）。学生通常从地球视角理解天体运动，而教材中图像设计的不合理容易造成误解。 评估天文类图示的六条“图像标识特征”标准——真实/示意元素 (R/S)、显著元素 (SEL)、符号使用 (SYM)、文字说明 (VER)、关联图像 (INT)、构图结构 (CST)。


六条“图像标识特征”标准
为了探索 ChatGPT‑4o 在“月相”这一典型主题上的作用，研究提出两个问题：
RQ1：能否生成科学准确且具教学价值的“月相变化”可视化图像？RQ2：能否根据预设评估标准，评价已有“月相图像”的教育质量？
为回答 RQ1，研究者向 ChatGPT‑4o 提供5年级月相教学目标与图示需求，让其分别生成三幅月相图；为回答 RQ2，则选取两幅开源月相图，逐条标准请 ChatGPT‑4o 进行评价并打分（不足/部分/完整）。



研究者、大学天文教师及小学科学教师独立按同一标准对所有图示打分，再与 ChatGPT‑4o 评分比对，计算一致度；并通过同伴审阅、厚描写等措施确保信度与效度。最终得到结论如下：

生成能力：ChatGPT‑4o 产出的三幅月相图在六项标准上全部为“不足”（完成度 0%），主要问题包括缺乏太阳或光照方向、未标示月球公转箭头、相位标注错误等。

评价能力：在评估现有图示时，ChatGPT‑4o 与研究者评分高度一致（两幅图整体一致率 75%），能给出合理依据并指出符号、文字说明和空间构图的缺陷，但对细微的观察者视角转换等更复杂要素仍略显局限。