收益：
- 能够提出适合级别的问题、示例和材料并独立验证每个解决方案
- 能够设计干扰因素来针对真正的误解并指出类比不成立的地方
- 能够防止过度简化变成物理错误并确认材料的教学价值
教授物理不仅仅是传授公式。学生们并不是带着空虚的头脑来学习物理的，而是带着来自日常经历的直觉——而这些直觉在物理上往往是错误的。诸如“移动的物体需要恒定的力才能停止”或“重的物体下落得更快”等误解是教学的最大障碍。在本单元中，您将学习如何使用人工智能（AI）制作物理课程材料、准备问题和示例以及解决误解；您将学习如何审核每种材料的物理准确性和教学适当性。基本原理：AI生产蓝图；教师确认准确性、水平和教学价值。
AI教学强在哪里，应该在哪里监管？
人工智能;它生成练习题、日常生活示例、类比、适合不同级别的解释以及带有干扰项的多项选择题的速度非常快。但有三点需要仔细监控：（1）物理准确性——人工智能可能会产生错误的数字、单位或概念； （2）类比的极限——每一个类比都会在某个地方崩溃，并可能产生新的幻觉； (3) 干扰因素的质量——多项选择题的错误选择应该旨在捕获真正的误解，而不是随机的。
任务
人工智能的贡献
教师督导
练习题
草稿+生成解决方案
身体准确性、健身水平
日常例子/类比
提供了一个有趣的类比
指出类比不成立的地方
概念解释
建立一个简单的解释
确保不会导致错误
多项选择干扰项
建议选择错误
瞄准真正的妄想
级别适配
简化文本
不要让过于简单化变成错误
循序渐进：可靠的课程材料
1、明确学习目标和层次。哪个概念、哪个年级、哪些先验知识？比如“牛顿第二定律，针对不懂导数的十年级高中生”。
2.向AI索取材料，但验证解决方案。独立地（手动或以代码方式）为其生成的每个问题提供解决方案。当生成问题时，人工智能可能会在解决方案中犯错误——尤其是在符号和单位方面。
3. 有意识地针对错误观念。向人工智能询问能够揭示典型学生误解的问题和干扰因素。一个好的干扰物代表了“粗心的学生”会犯的真正错误。
4. 说明类比的局限性。对于每个类比，添加注释“这个类比在这里有效，但在那里失败。”没有明确限制的类比会产生新的错误。
5. 审查教学价值。这些材料实际上是在教授概念还是只是让您记住公式？物理教学的目的是理解。
提示：当你让人工智能生成解释一个概念的文本时，你还会问“这个解释可能会给学生带来什么新的误解？”问。这个反向相位可以让你预见到由于过度简化或不完整的类比而可能产生的误解。例如，用“管道中的水”类比来解释电流是有用的，但它可能会导致学生认为“电流被消耗并结束”；这个限制应该从一开始就说明。
三个迷你箱子
情况 1 — 解决方案密钥错误。一位老师要求 AI 提供 12 个问题的考试和答案。有两道题，AI在加速运动公式中出现了一个符号错误，答案也错误。老师用 Python 代码手动解决了所有问题，发现了两个错误。如果没有验证，学生的正确答案将会得到错误的分数。
案例 2——崩溃的类比。老师让AI用类比来解释热传导； AI 将热量描述为“流动的液体”。这个类比一开始很有帮助，但学生们认为热量是一种“守恒物质”（热量谬误）。老师通过清楚地解释类比失败的地方来防止错误。
案例 3——提供了一个很好的干扰物。一位老师要求人工智能为一道关于自由落体的多项选择题添加一个干扰项，并让它添加一个代表“重物下落速度更快”这一谬论的干扰项。很大一部分学生在考试中选择了这个选项；因此，教师有机会衡量并直接解决课堂上常见的误解。精心设计的干扰器成为了一种教学工具。
四个可复制模板
1）生成可验证的问题：
为 [主题、年级、允许的方法] 生成 5 个练习题。逐步给出每个问题的完整解决方案，并进行单位跟踪。我将通过手工/代码验证解决方案；标记您不确定的步骤。保持问题的难度级别适合指定的级别。
2）针对误解的干扰因素：
写一道关于[概念]的多项选择题。让每个不正确的选择代表学生对此主题的实际误解。还要解释每个干扰因素针对的是哪些误解。说出正确答案并说明为什么正确。
3）与指定限制类比：
用日常生活的类比来描述[物理概念]。然后，清楚地说明这个类比在哪里有效，在哪里失效，以及它可能导致什么新的误解。级别：[等级]。
4）电平适配+精度检查：
简化以下[目标级别]的物理解释。但不要让简化变成物理上不正确的陈述。标记简化过程中是否有某些内容丢失或扭曲。文本：[此处]
弱提示/强提示
弱项：“写出 10 个有关牛顿定律的问题和答案。”
结果：问题具有不确定的水平、未经验证的解决方案和随机的干扰因素；答案错误的风险很高。
Güçlü：“针对高中十年级，提出 5 道关于牛顿第二定律的问题；一步步给出每道题的解决方案，并带有单位跟踪。做一个问题的多项选择，并设置干扰因素以针对真正的误解，例如‘没有力就没有运动’；写下每个干扰因素代表哪种误解。”
结果：材料适合水平、可验证、针对错误且具有较高的教学价值。
常见错误
- 不验证答案键。生成问题时，AI 可能会在解答中出现符号/单位错误；每个解决方案必须独立提供。
- 没有说明类比的局限性。每个类比都会在某个时刻崩溃；如果不说明限制，就会出现新的错误。
- 使用随机干扰物。不针对真实错误的错误选项既不能教授也不能测量。
- 简单化。过度简化概念可能会使其在物理上不正确。
- 没说水平。如果没有给出目标类别和初步信息，材料要么太简单，要么无法使用。
注意：在向学生提供课程材料之前，请独立验证每个问题的解决方案并检查每个解释的物理准确性。错误的答案或产生误解的类比会给学生带来难以纠正的误解。人工智能制作的材料不能代替有能力的老师的批准；责任在老师。
综上所述
在物理教学中，人工智能是一种强大的绘图工具，可以生成问题、示例、类比和适合级别的解释。但三个控制点至关重要：解决方案的物理准确性、类比的限制以及针对真正的误解的干扰因素。好的教学是为了理解，而不是记忆；人工智能材料只有在经过老师检查其准确性和教学法后才能进入课堂。在下一个也是最后一个单元中，我们将在幻觉、道德、保密性和科学完整性的标题下汇集我们在整个模块中研究的验证学科。
应用任务
选择您教过或学过的物理科目。让 AI 使用模板 1 生成一些已解决的问题，并使用模板 2 生成一个误导性的多项选择题。手动或使用代码验证每个解决方案；检查至少一种解决方案是否有错误。然后要求与第三个模板进行类比并评估其局限性。用 5-6 句话写下：答案是否有错误，比喻哪里不成立？
清单
- [ ]明确了学习目标和年级水平。
- [ ] 我已经独立验证了每个问题的解决方案。
- [ ] 我检查了干扰物是否针对真正的误解。
- [ ] 我指出了我使用的类比不成立的地方。
- [ ] 我已经检查过简化不会变成物理错误。
- [ ] 在没有验证材料准确性的情况下，我不会将材料提供给学生。