新文化运动时期，鲁迅先生振臂高呼“救救孩子”，而陶行知先生则躬身践行“教学做合一”。他们共同指向一个目标：使国人拥有“科学的头脑和工艺的手”，从而在科学的世界中创造一个科学的中国。百余年后的2026年7月8日，在北京举行的国家科学技术奖励大会、两院院士大会、中国科协第十一次全国代表大会上，习近平总书记指出：“党的十八大以来，党中央把科技创新摆在现代化建设突出位置，系统擘画科技强国建设蓝图，深入推动实施创新驱动发展战略，全面深化科技体制改革，推动科技事业取得历史性成就、发生历史性变革。我国正从全球科技参与者、贡献者向开拓者、引领者加速转变，成为创新力上升最快的国家之一”^[1]。

科学的未来在青年，而青年的科学素养取决于当下的科学教育。当我们欣喜于公民具备科学素质的比例逐年攀升时，作为教育工作者，我们必须保持清醒的头脑：我们现在的科学教育，究竟是在培养能够解决未来问题的创新者，还是在批量生产熟练的“解题工人”？我们现有的评价体系，究竟是丈量了真实的科学素养，还是在构建一种偏离科学本质的科学教育生态环境？

当前，科学教育面临着前所未有的张力。一方面，生成式人工智能技术横空出世，宣告了知识记忆时代的终结，许多科技知识的形态从沉淀已久的“冷知识”迅速转化为即时生成的“热知识”；另一方面，我们的评价体系依然固守着工业时代的逻辑，试图用一张张标准化的试卷，去锁定那些本应灵动跳跃的思维火花。这种错位，就是我们今天要探讨的科学教育核心议题——科学素养与实验能力评价的“破题”之困。

一、科学素养评价的“米勒陷阱”

我们首先回顾一下现行科学素养评价体系的前世今生，分析它在历史进程中逐渐滞后于时代需要的过程。

1. 米勒模型及其在中国的本土化

1979年，美国学者乔恩·D·米勒（Jon D. Miller）构建了公民科学素养的“三维模型”，并在美国开展了大规模的实证调查。这一模型包括：掌握基本的科学术语、理解科学探究的过程和本质、理解科学技术对社会的影响三个维度^[2]。由于模型长期的稳定性和跨国可比性，迅速成为全球科学素养调查的“黄金标准”。2006年，国务院颁布《全民科学素质行动计划纲要》，首次提出了中国版的科学素质定义。中国科学技术大学的课题组将其细化为“科学知识”“科学能力”和“科学意识”三个维度^[3]。表面上看，我们似乎比米勒多了一个“能力”维度，但实际上，由于大规模测评的可操作性限制，我们的测评方法依然主要依赖纸笔测试。

2. 评价悖论的三大表征

这种以“分析方法”为核心，将复杂系统还原为碎片化试题的评价体系，在公民科学素养普遍较低的阶段确实发挥了“扫盲”的作用。但当科学素养水平达到一定高度，尤其是在强调高质量发展的今天，其弊端日益凸显，形成了难以自洽的“评价悖论”。

一是维度的虚假独立性。米勒提出的模型和国内测评都将科学知识、科学方法、科学意识割裂开来。但在真实的认知结构中，这三者是高度耦合的。不存在一个科学知识不及格，却能熟练掌握科学方法、拥有极高科学意识的个体。然而，纸笔测试往往只考查了对知识的记忆，如“什么是控制变量法”的选择题，而非对控制变量这种方法的运用。这就导致了一种荒诞的现象：学生能考出高分，却连烧杯都不会拿，更谈不上具备质疑精神。这种“高分低能”正是维度割裂的产物。

二是纸笔测试的实践盲区。科学始于观察，成于实验。但目前的评价体系中，实验操作能力的考查长期处于边缘地位。即便有些地区引入了实验操作考试，也往往流于形式。我们的考试往往要求学生用相同的方法、相同的仪器，得出相同的结果。这实际上是在考查“照方抓药”的执行力，而非科学探究的能力。真正的科学探究充满了不确定性，需要面对失败、调整方案。过去，动手操作实践是为了证明课本上的理论和结果，然而现在，动手操作活动的目的是重现课本上以及课本以外的理论和结果。因此我们习惯的“求同”而非“求异”的评价，不利于培养创新的种子。

三是高利害引发的知行分离。为了规避个人趋利避害导致的答题失真，大规模测评通常采用“低利害”方式，即测试结果不与个人利益直接挂钩。但在现实中，由于各级政府将具备科学素养公民比例作为政绩考核指标，这种“低利害”考试被人为赋予了“高利害”属性。学校和地方政府为了数据好看，往往会组织学生进行针对性背诵，甚至进行模拟测试。结果是，问卷上显示公民对“环境保护”理解深刻，现实中的公民却依然迷信烧香拜佛。这种群体性的数据失真，不仅是反教育的，更是对科学精神的亵渎。

综上所述，我们正深陷于“米勒陷阱”之中：评价工具的不完备性、评价内容的强相关性以及评价结果的高利害性，交织成了一个死结。如果不打破这个陷阱，科学教育的深化改革将无从谈起。

二、新科技背景下的评价改革时代逻辑

破题需要新的视角。当前，以人工智能为代表的新科技正在重塑世界，也为我们重新审视科学教育提供了契机。我们需要建立一种“新科技观”，并以此作为评价改革的逻辑起点。

1. 从“冷知识”到“热知识”的认知迁移

过去，我们将科学知识视为经过沉淀、反复验证的“冷知识”。但在人工智能时代，知识的半衰期急剧缩短。DeepSeek等大模型的训练数据往往截止到某一时点，世界的知识却在以指数级速度增长。现在的知识往往是“热知识”——它们在产生过程中就被广泛了解甚至应用，其发展方向和应用价值尚不明朗，却已成为必须掌握的工具。

在这种背景下，评价的重点必须转移。记忆“冷知识”是机器的强项，而判断“热知识”的可靠性、适用边界及其伦理风险，才是人类智慧的体现。如果我们的考试还在拼命考查学生对陈旧知识点的记忆，那就是在用战术上的勤奋掩盖战略上的懒惰。

2. 科学的范式从因果到相关

传统科学教育强调因果关系的确定性，遵循“猜想-实验-验证”的线性路径。然而，现代科学，特别是大数据和人工智能驱动的科学发现，更多地依赖于对相关性的挖掘。现代科学中充满了“不确定性”和“混沌”。因此，评价不能再仅仅关注学生是否能得出那个唯一的“标准答案”。我们必须引入对“不确定性”的评价。要考查学生是否理解科学不代表绝对正确，是否具备在信息不完全的情况下做出理性决策的能力，以及是否拥有对新技术，如基因编辑、强人工智能的伦理思辨能力。

3. 学习范式从“输入”到“输出”

波士顿儿童博物馆（Boston Children's Museum）的墙上铭刻着：“我听过了，我忘记了；我看过了，我记住了；我做过了，我理解了。”这句名言在AI时代有了新的含义。高质量的科学教育必须超越浅层的兴趣体验，实现创造性学习。学习的重点应从知识的全面覆盖转向思维方法的可迁移性^[4]，也就是要倡导“输出式学习”。这不仅是指学生能复述知识，更是指他们能将所学知识转化为解决问题的能力，甚至创造出新的知识产品。杰罗姆·西摩·布鲁纳（Jerome Seymour Bruner）强调“发现学习”^[5]，而新时代的“发现”更强调“编程系统”的建立——即学生能够像计算机科学家设计算法一样，构建自己的认知模型，并利用AI工具进行验证和迭代。评价的焦点，必须从“存储了多少信息”转变为“输出了多少价值”。

三、IB科学课程大纲的重构启示

面对新科技的挑战，国际文凭组织（International Baccalaureate Organization, IBO）对其牵头推出的IB（International Baccalaureate，IB）课程进行了调整，特别是近年对物理、化学、生物三门实验科学课程的大纲进行了颠覆性的调整。这一改革并非细枝末节的修补，而是底层逻辑的重构。重视对概念与科学本质的探究，提出了新概念——“路线图”，强调知识和概念的迁移，并重组知识点，揭示知识之间的底层联系^[6]。这一概念不仅强调学科本身知识点之间的联系，还强调不同学科相关知识点之间的联系^[6]，为我们破解评价难题提供了极佳的参照系。

一是摈弃死记硬背，拥抱概念理解。IB新课纲最显著的变化是降低了对零散知识点的记忆要求，转而强调对“大概念”（Big Ideas）的理解。例如，强调“统一与多样”“结构与功能”“变化与守恒”等跨学科概念。

在评价上，这意味着试题将不再是“背诵题”。例如，不会单纯考“熵的定义”，而是会给出一个生态系统或经济系统的案例，让学生运用熵增原理进行分析。这种评价方式直接打击了“刷题”策略，倒逼学生建立网状的知识结构。

二是强化科学探究的“全链条”。IB课程将科学探究的逻辑细化为“观察、规律与趋势、假设、实验、测量、模型、证据、理论、证伪”等环节。评价不再只看实验报告的最终数据，而是贯穿全过程。特别值得注意的是，IB课程将“共享合作”和“科学的全球影响”纳入评价范畴。这要求学生不仅要会做实验，还要会沟通、会合作，并能反思科学技术的社会影响。这种对“科学本质”的全面理解，正是我们现有评价所缺失的。

三是工具箱的数字化与数学化。IB新课纲将科学探究的工具拓展为“数学、实验技术和数字化技术”三大类。它高度重视建模能力，鼓励学生使用数字化传感器采集数据，并运用微积分和软件工具进行处理。这对我们的评价工具提出了新要求。未来的实验操作考试，不应再局限于天平、烧杯，而应引入传感器、编程工具和数据分析软件。评价学生利用新技术解决老问题的能力，也是面向未来的评价。

四是课程内容的吐故纳新。IB课程大胆删除了“顺逆磁性的判断”“生化需氧量”等关联性不强、过于陈旧的概念，转而增加了“熵”“康普顿散射”等对于理解现代物理世界至关重要的内容，并将前沿科学内容全部列为必修。这种“做减法”和“做加法”的勇气，值得我们学习。我们的教材和评价内容往往“增负”容易“减负”难，导致学生不堪重负。评价改革必须与课程改革同步，敢于剔除那些“为了考而教”的无效知识。

四、构建面向未来的科学教育评价新生态

结合我国国情和IB课程的经验，作者认为破解科学素养与实验能力的评价悖论，需要从理念、内容、方式和制度四个层面进行系统性重构。

1. 理念重构——从“筛人”转向“育人”

评价的首要功能是改进教学，激励学习，而非仅仅筛选人才。评价的本质是为了教育增值。我们必须承认，科学素养是一个复杂的多维构念，无法被压缩成一个冰冷的数字。

我们要确立“大概念”的育人导向。在人工智能时代，具体的知识点会被遗忘或替代，但对“系统与平衡”“模块与控制”“虚拟与共生”等大概念的理解，将构成学生适应未来世界的认知基石。评价应聚焦于这些大概念的迁移应用能力，而非具体知识的复现精度。

2. 内容重构——强化“科学实践”与“伦理审辩”

一是实验能力的重新定义：实验不应只是验证理论的手段，更应是探索未知的途径。评价应增加对“探究性实验”的考查权重。允许学生失败，甚至将“如何从失败中学习”作为重要的评分点。

二是引入“热知识”情境：试题应更多地基于真实的、甚至是正在发生的科技事件。考查学生获取信息、甄别信息、运用新知识解决陌生问题的能力。

三是突出科技伦理：在人工智能、生物技术等领域，伦理风险日益加剧。评价中必须增加科技伦理的情境题，考查学生的价值判断能力。例如，让学生辩论自动驾驶汽车的“电车难题”，或基因编辑婴儿的道德边界。

3. 方式重构——建立“多元证据”体系

针对纸笔测试的局限，我们需要构建一个立体的证据体系。

过程性评价（Process Assessment）：借鉴IB课程，强调教师对学生学习表现的持续观察和记录。利用学习管理系统（Learning Management System，LMS）和AI智能体，记录学生的提问质量、讨论参与度、草稿修改痕迹等。

档案袋评价（Portfolio Assessment）：建立学生的“科学成长档案”。档案中应包含学生的实验设计方案、失败的记录、改进后的方案、调研报告、科普文章等。这不仅是评价的依据，更是学生成长的见证。

表现性评价（Performance Assessment）：在实验操作考试中，从“规定动作”转向“自选动作”。给定材料和问题，让学生自行设计实验方案并实施。重点评价其自主性和实践操作的规范性。

技术赋能评价（Technology-empowered Assessment）：开发基于AI的科学探究辅助与评价平台。AI可以扮演“考官”的角色，对学生的探究过程进行实时反馈和智能评分。例如，利用虚拟现实技术模拟危险或微观的实验环境，考查学生的操作技能和决策能力。

4. 制度重构——探索“双阈值”招生与评价机制

这是改革中最艰难、最关键的一环。针对社会对“分数面前人人平等”的诉求，和综合素质评价难以量化的问题，提出“双阈值”评价机制。

第一阈值：保障底线公平。保留中考、高考中的科学科目纸笔测试。这是维护教育公平的基石。设定一个基础分数线，确保学生具备基本的科学读写和逻辑思维能力。这一步解决“筛人”的问题，确保公平。

第二阈值：选拔拔尖创新人才。对于达到第一阈值的学生，尤其是报考顶尖高校理工科专业的学生，启动第二阈值的评价。这一环节不唯分数，而是采用“材料审核+面试答辩”的方式。材料审核：专家组审阅学生的科学档案袋，重点关注其项目的原创性、思维的深度以及坚持探究的精神。面试答辩：这是核心环节。学生需要展示自己的研究成果，并回答专家组的质询。这不仅能考查其真才实学，还能有效识别“包装”和“代工”。

这种机制类似于研究生招生的“申请-考核”制，向下延伸到本科甚至中学招生。它能有效解决“唯分数论”的问题，让真正热爱科学、具备创新潜质的学生脱颖而出。当然，这一制度的推行面临巨大挑战：面试成本高昂、评委主观性难以控制、可能存在新的不公等。对此，我们可以通过建立标准化的面试流程、组建专业的评审专家库、引入监督机制等方式逐步完善。更重要的是，需要全社会的理解与支持，认识到选拔创新人才的成本远高于选拔考试型人才的成本，这是一种必要的教育投资。

五、打造“家校社”一体化的协同育人评价场域

评价改革不能仅依靠学校单兵突进，必须构建家校社协同的科普与评价生态。学校层面，要大力建设创新实验室、创客空间，开设跨学科项目式学习课程。教师的角色要从“讲授者”转变为“引导者”和“评价者”。家庭层面，要倡导建立“家庭科技角”。家长不应只盯着分数，更要鼓励孩子拆装玩具、进行厨房科学实验、观察自然。家庭是孩子好奇心萌芽的地方，家长的肯定和鼓励是最好的评价。社会层面，科技场馆、科普企业应承担起评价补充的功能。上海科技馆正在探索“馆校合作”新模式，将展厅变为第二课堂，开发基于实物的探究课程。我们可以设计“科学实践电子护照”，记录学生在场馆中的探究轨迹，并将其纳入综合素质评价体系。社会力量还应开发更多高质量的科技玩具和科创工具，降低动手创造的门槛，让“玩中学、做中学”成为常态。

特别值得一提的是，人工智能技术将极大地拓展这一场域。借助增强现实、虚拟现实和远程控制技术，偏远地区的孩子也有可能通过网络操控城市的精密仪器，进行科学实验。这种跨越时空的协同，将为科学教育评价提供更广阔、更公平的舞台。

六、结 语

伽利略曾言：“科学的真理不应在古代圣人的蒙着灰尘的书上去找，而应该在实验中和以实验为基础的理论中去找”^[7]。今天，作者想续写这句话：“科学的真理，也不应完全交给黑箱中的算法，而应在人机协同的探究中，由人类主动去发现、去质疑、去创造”。科学素养与实验能力的评价如何破题？答案不在于设计出一套完美的试卷，而在于构建一个能容纳失败、鼓励探索、看见过程的生态系统。我们要勇敢地跳出“米勒陷阱”，摒弃对标准答案的执念，转而去评价那些无法被AI替代的品质：好奇心、想象力、批判性思维和坚毅的品格。这是一个系统工程，需要政策制定者的顶层设计，需要教育工作者的躬身实践，需要科技工作者的鼎力支持，更需要全社会的耐心与包容。让我们共同努力，拆除束缚青少年手脚的“标准答案”，还给他们一个可以自由探索的科学世界。唯有如此，我们才能培养出拥有“科学的头脑”和“工艺的手”的下一代，才能在人工智能的时代洪流中，牢牢掌握科技创新的主动权，最终实现陶行知先生“创造科学的中国”的伟大愿景。

数据可用性声明：本论文是在对现实案例思考的基础上写的，不产生或分析任何数据，因此无论文关联数据。