2026年9月17日
Gal Elidan，研究科学家；Yael Haramaty，产品经理，Google Research
我们探索如何利用生成式 UI 并结合学习设计护栏，让教师能够为每个主题和每位学生生成引导式、交互式模拟。
数字教育工具已经改变了全球学生获取信息的方式，从在线教科书到视频库。然而，尽管技术和可及性取得了显著飞跃，数字学习往往仍可能感觉像是一种被动体验。交互式、引人投入的多模态练习形式能够鼓励学生独立思考并逐步解决问题，具有巨大的学习潜力，但在很大程度上仍难以获得。它们制作成本高昂、数量有限，而且往往需要教师付出更多努力。我们想看看 AI 是否能帮助弥合这一差距。
今天，我们分享最新研究，推动交互式学习的前沿。我们的新研究实验允许教育工作者创建自定义、交互式且引导式的教育模拟。这些学习交互内容根据教师的目标和课程量身定制，并动态生成，利用了我们为学习优化的一种生成式用户界面（GenUI）的新颖应用。
在收到来自可信测试者群体的初步积极教师反馈后，我们还发布了一个示例库，其中包含 30 多个英语学习交互内容，涵盖物理、化学、生物和数学等 STEM 学科，重点面向初中和高中。这些内容均由 AI 生成，并由教师审核。使用 Google Workspace for Education 的学校可以通过 Google for Education Pilot Program 报名提供反馈，以改进学习交互内容。该试点是开发更多供公众使用的学习交互内容的早期一步。
该库可供公众使用，包含涵盖生物、化学、计算机科学、地球科学、数学和物理等多个主题的学习交互内容。
学习不是一项旁观者的运动。从基础教育教学理论家约翰·杜威（John Dewey）的工作——他在 1916 年就主张我们应该“给学生们一些事情去做”——到有影响力的心理学家让·皮亚杰（Jean Piaget）的开创性工作，后者展示了学习者如何建构知识，人们早已充分确认，学生通过主动参与学得更好。现代认知研究，例如 ICAP 框架，证实交互行为始终比被动听讲或阅读带来更深入的图式建构和长期保持。简而言之，学生通过实践学习。当学生主动实验、检验假设并解决问题时，他们会建立更完整的心理模型。
主动学习是我们在研究中优化的关键学习科学原则之一。它是 LearnLM 的基础，这是 Google 于 2024 年发布的专为教育微调的生成式 AI 模型系列，并在 2025 年的 Learn Your Way 研究实验中进行了探索，该实验利用生成式 AI 重新构想了经典教科书。基于这项早期研究，我们着手探索如何利用生成模型的最新进展来进一步转变内容，帮助教师创建更加主动和引人入胜的数字学习体验。
为了实现这一点，我们转向了生成式 UI，这是一个活跃的研究领域，AI 模型动态构建用户界面，而不是要求预先编码这些界面。
我们探索了如何优化生成式界面，以实现更深入的教育旅程，而不是快速交互。通过精心指导的教学设计和教学护栏，我们希望赋能教师创建自己的互动环境——根据他们的课程量身定制，并适应他们的情境输入。
我们首先试图确定什么是好的互动学习体验。我们借鉴了既有的学习科学，定义了一些关键的教学原则，与 LearnLM 开发背后的原则相一致：
这些原则在我们的游戏化学习设计中得以体现。为了激发动力，每个学习互动都基于学习目标设置了一系列逐渐增加的挑战（例如，在上述地球科学示例中，第一关关注温度，然后进展到关于快速变暖和风暴的更难挑战）。这与一套支架式提示、指导和反馈（例如，引导学习者找到相关公式或解释特定术语）相结合，为每个学习者提供完成每一关所需的支持。
我们定义生成要求包括：
学习互动界面包含提示、反馈和工具箱，以帮助引导学生完成各个关卡。
为确保质量控制，我们在生成过程中内置了自我纠正循环——这意味着它是一个迭代过程，由一系列教学法护栏驱动。虽然这增加了生成最终学习互动内容所需的时间，但积极的强化循环确保了更严格地遵循质量标准。这些标准包括教学法（例如，关卡是否正确地覆盖了学习目标并逐渐增加难度？）、机制（例如，按钮是否有效？这个关卡能否被解决？）以及视觉方面（例如，界面上是否存在可能分散注意力的冗余对象？）。在自我纠正循环中，存在本质上是智能体的自动评估过程（例如，可解性评估会打开一个Chrome实例，并像用户一样与模拟进行交互）。目标不仅是测试特定解决方案的有效性，还包括尝试对抗性操作，例如将旋钮调到极端值。自我纠正循环会重复进行，直到生成的成果满足所有必需的标准。
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。
在我们的整个研究过程中，一个核心指导原则是技术应服务于教育工作者及其目标。教师是任何课堂的核心，他们不仅最了解哪些AI驱动的模拟能吸引学生，也最清楚这些模拟何时、何处适合融入课程。图书馆中发布且今日可用的所有学习互动内容均经过教师审查和批准。这些内容包括学校课程中的主题，如开普勒行星运动定律、数据可视化和抛体运动。
此外，英国的一组STEM教师对一系列学习互动内容进行了评估。结果显示，总体评分良好或优秀，其中物理和化学最适合创建模拟。完整细节和结果可在我们的技术报告中查阅。
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名教师进行了初步研究。每位教师都请求了三个不同的定制互动内容，这些内容是根据其特定课堂需求生成的。反馈非常积极，教师对互动内容质量的评分平均为8分（满分10分）。教师们强调了动态生成如何解决了一个长期存在的课堂挑战：无法使用静态的现成模拟进行差异化教学。正如一位高中科学教师所解释的：“如果我在教学时能输入这个[针对任何课程主题]，然后就能生成一个模拟，那将太棒了……我从未能够对任何模拟进行差异化调整，因为情况就是，你得到什么就是什么。”
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：“这就是为什么实际动手设计和构建与教学目标和学习目标完美契合的内容如此令人兴奋”（中学科学教师）。他们还称赞了内置的学生支持，指出分层提示和示例解答模拟了他们在个别辅导学生时提供的逐步指导，并且等级进阶与真实的评估和练习题很好地对应。
随着我们扩展资源库，仍有许多需要学习和改进之处，我们将与课堂教师合作进行。
我们将与 Google for Education 合作，在全球各地的学校和课堂中试点学习互动内容。学校可以通过 Google for Education 试点计划报名参加即将开展的试点，让他们的教师有机会根据其课程、学习目标和年级水平，请求为任何自定义 STEM 概念制作模拟。新生成的学习互动内容将发送给提出请求的教师进行审核。只有在教师验证和批准后，新的学习互动内容才能添加到我们的资源库并供公众使用。
此外，我们将开展用户体验研究和实地研究，以评估在课堂中使用学习互动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，我们离一个学习实践更加主动、有效且为每个时刻量身定制的未来更近了一步。我们感谢教师与这项持续研究的合作，并期待构建能够惠及全球学生的学习互动内容。
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。特别感谢我们的高管支持者：Niv Efron、Avinatan Hassidim、Maureen Heymans、Amy Keeling、Katherine Chou、Ronit Levavi Morad、Yossi Matias、Chris Phillips 和 Ben Gomes。