Google Research 用生成式 UI 让教师创建互动学习模拟

实践的未来：让教师能够用生成式 UI 创建学习互动内容

2026年9月17日

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和每位学生生成有引导的互动式模拟。

数字教育工具已经改变了世界各地学生获取信息的方式，从在线教科书到视频库皆是如此。然而，尽管技术在进步、可及性在提升，数字学习往往仍让人感觉是一种被动的体验。互动式、引人投入的多模态练习形式能够鼓励学生独立思考并探索解题路径，对学习具有巨大潜力，但目前仍基本难以普及。这类内容制作成本高昂、数量有限，而且往往需要教师付出更多精力。我们想看看 AI 能否帮助弥合这一差距。

今天，我们分享最新研究，它正在拓展互动学习的前沿。我们的新研究实验让教育工作者能够创建自定义、互动且有引导的教育模拟。这些学习互动内容针对教师的教学目标和课程量身定制，并动态生成，依托我们对生成式用户界面（GenUI）的一种新颖应用，并针对学习场景进行了优化。

在收到来自可信测试者群体的教师初步积极反馈后，我们还发布了一个示例库，包含 30 多个面向 STEM 学科（包括物理、化学、生物和数学）的英文学习互动内容，重点面向初中和高中。这些内容全部由 AI 生成，并由教师审核。使用 Google Workspace for Education 的学校可以报名参加 Google for Education Pilot Program，提供反馈以改进学习互动内容。该试点是开发更多供公众使用的学习互动内容的早期一步。

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互动内容。

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）1916年主张我们应当“给学生一些事情去做”，到有影响力的心理学家让·皮亚杰（Jean Piaget）的开创性研究揭示学习者如何建构知识，学界早已确立：学生通过主动参与能学得更好。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层的图式建构和长期记忆保持。简而言之，学生通过实践来学习。当学生主动实验、检验假设并解决问题时，他们会构建出更完整的心理模型。

主动学习是我们在研究中重点优化的关键学习科学原则之一。它是 LearnLM 的基础——LearnLM 是 Google 于 2024 年发布、针对教育微调的生成式 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、更具吸引力的数字学习体验。

为实现这一目标，我们转向了生成式 UI，这是一个活跃的研究领域，AI 模型可以动态构建用户界面，而无需事先编写这些界面。

我们探索了如何针对更深入的教育旅程而非快速交互来优化生成式界面。通过精心引导的教学设计和教学法护栏，我们希望赋能教师创建自己的互动环境——贴合其课程，并适应其具体情境输入。

我们首先试图确定什么是优质的互动学习体验。我们借鉴成熟的学习科学，定义了若干关键教学原则，与 LearnLM 开发背后的原则相一致：

这些原则在我们的游戏化学习设计中得以体现。为激发动力，每个学习互动内容都基于学习目标设置了一系列难度递增的挑战（例如，在上述地球科学示例中，第一关聚焦温度，随后逐步推进到关于快速变暖和风暴的更难挑战）。同时配有一套支架式提示、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：

学习互动内容界面设有提示、反馈和工具箱，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校正循环——这意味着这是一个由多项教学护栏驱动的迭代过程。虽然这增加了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遵循质量标准。这些标准包括教学法（例如，各关卡是否正确覆盖了学习目标并逐步变难？）、机制（例如，按钮是否有效？这一关是否可解？）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？）。在自我校正循环中，存在本质上是智能体式的自动评估过程（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，还要尝试对抗性操作，例如将旋钮调到极端值。自我校正循环会重复进行，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。

在我们的整个研究中，一个核心指导原则是技术应当服务于教育工作者及其目标。教师是任何课堂的核心，也最有能力不仅理解哪些 AI 驱动的模拟能吸引学生，还理解它们应在何时、何处融入课程。目前已在库中发布并可用的所有学习互动内容均由教师审核并批准。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，英国的一批 STEM 教师对一组学习互动内容进行了评估。结果显示，总体评分为良好或优秀，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。

我们还在美国对 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定制互动内容，这些内容是为其特定课堂需求生成的。反馈非常积极，互动内容质量的教师平均评分为 10 分中的 8 分。教师们强调了动态生成如何解决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些内容[针对任何课程主题]，然后就能[生成]一个模拟，那将非常棒……我一直无法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：“这就是为什么能够真正设计并构建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支架，指出分层提示和示例解答模拟了他们在个别支持学生时提供的逐步指导，并且关卡进阶与真实的评估和练习题很好地对应。

随着我们扩展内容库，仍有许多需要学习和改进之处，我们将与课堂教师合作推进。

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互动内容。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定制 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。只有在教师验证并批准后，新的学习互动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，我们正更接近这样一个未来：学习实践更加主动、有效，并为每个时刻量身定制。我们感谢教师们与这项持续研究的合作，并期待构建能够惠及世界各地学生的学习互动内容。

向所有为这项工作做出贡献的人致敬：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。