科學探究設計：用 AI 在實驗前打磨假設與變因控制

在科學探究活動裡，學生最弱的地方不是實驗本身，而是實驗之前的設計。假設模糊，什麼要保持相同、什麼要加以改變的變因控制也很鬆散。因此就算做出了結果，也解讀不出它在說什麼。好的實驗，在動手之前就已經在腦中完成了。 AI 很適合當成檢查這個設計階段的夥伴。

開始實驗前該問 AI 的事

如果讓 AI 預測實驗結果，探究的意義就消失了。要問的是設計上的漏洞。

1. 檢查假設：用「我的假設是可以驗證的形式嗎？要怎麼改才更明確？」來打磨假設。
2. 整理變因：用「請幫我區分這個實驗的操縱變因、控制變因與應變變因」來確認變因結構。
3. 預想誤差：用「這個設計裡有什麼因素可能扭曲結果？」先看見陷阱。

讓 AI 預測結果，探究就死了；讓 AI 檢查設計，探究就活了。

這麼做，學生就會 在進入實驗之前自己補強設計上的破綻。

探究報告前置階段的情境

以韓國國中二年級「植物的光合作用」探究為例，依以下順序進行。

• 建立假設：學生寫下「光的強度愈強，氣泡的產生量就愈多」。
• AI 檢查：請它檢查變因的區分，以及是否漏掉控制變因。例）水溫、植物種類是否保持相同。
• 修正設計：補上漏掉的控制變因，修改實驗計畫。
• 實際實驗：接下來 實驗由學生親手進行 並記錄資料。這個階段不使用 AI。
• 檢查解讀：拿出結果解讀的初稿，請它檢查「我的結論有沒有被資料充分支持」。

在採用這套流程的教室裡，因為漏掉控制變因而必須重寫報告的情況大幅減少了。 這是因為學生在設計階段就先把破綻補了起來。不過為了避免 AI 隨意編造實驗數值來填空，要指導學生資料一定只能使用自己實際測量到的數字。

設計檢查時最常被漏掉的，正是測量方法的一致性。如果要數氣泡的產生量，還得訂出「要數幾分鐘」、「氣泡大小不一時要怎麼數」，結果才可信。讓學生另外請 AI 檢查這些測量標準是否夠具體，就能減少實驗開始之後才發現沒有標準而手忙腳亂的情況。好的探究不只事先講好要測量什麼，連怎麼測量都會先約定好。這個約定，正是決定實驗信賴度的關鍵。

重點整理

在科學探究裡，AI 不該是告訴你結果的工具，而該是檢查設計的工具。打磨假設、區分變因、預想誤差來源，探究的品質就會提高。實驗與測量一定要由學生親手完成。不要讓學生問結果，要讓他們問設計的漏洞。 建議在下一次探究活動裡，先插入一個檢查變因的步驟。