毛永娜、刘继峰等：人工智能驱动的天文科学教育体系构建与实践探索
编者按
人工智能无疑已经成为近年来的第一科技热词。无论是2024年诺贝尔物理学奖、化学奖均授予人工智能领域的科学家，还是近日国产人工智能产品DeepSeek的异军突起，人工智能已经深度融入科学和社会各领域，深刻改变着我们的学习与工作方式。在此背景下，科学教育迎来新的挑战与机遇。
《中小学科学教育》2025年第2期特推出“人工智能时代的科学教育与人才培养”专刊。本期专刊旨在探讨人工智能如何赋能科学教育，挖掘人工智能在培养学生创新思维与实践能力等方面的潜力，为培养适应未来社会发展的创新人才提供思路与方法。专刊重磅推出杨玉良、房喻、徐宗本三位院士的引领性思考，同时有来自北京大学、中国科学院国家天文台等机构的研究者以及中国人民大学附属中学等中小学校的实践者，分享人工智能赋能科学教育的理论研究和实践探索，共同推动科学教育在人工智能时代的创新发展。
作者
刘继峰：中国科学院国家天文台台长、研究员，中国青少年科技教育工作者协会天文科学教育专业委员会主任；毛永娜：中国科学院国家天文台高级工程师，中国青少年科技教育工作者协会天文科学教育专业委员会秘书长；向娥：中国科学院国家天文台工程师；李瑀旸，中国科学院大学天文与空间科学学院博士研究生；王存是：中国科学院大学天文与空间科学学院助理研究员。
摘要：当前我国天文科学教育存在资源相对匮乏、师资力量不足、实践活动单一等突出问题，人工智能技术能够对此提供系统性的解决方案。通过基于“Star Whisper”和“AstroOne”的AI学习社区探索研究，构建了包含知识汇聚与分享、智能观测支持、科研启发与思维塑造的多维赋能体系。实践表明，该模式能够有效地汇集科学家的前沿科学思想和科学教育热情，降低地区间天文科学教育力量的差异，为破解天文科学教育的设施困境和师资困境提供可复制的实施路径，助力实现教育公平。
关键词：人工智能；天文学；天文科学教育；AI学习社区
本文目录结构
一、我国天文科学教育的现实挑战
（一）资源供给存在的绝对性短缺
（二）天文科学教育体系性不足和衔接障碍
二、人工智能赋能的天文科学教育解决方案
（一）知识服务范式的改变
（二）智能观测体系的构建
（三）天文AI学习社区
（四）高等天文学学习社区实践
三、未来思考与展望
（一）人工智能助力天文科学教育实践验证
（二）深化技术应用与生态建设
天文学是一门既古老又前沿的学科，是“数、理、化、天、地、生”六大基础学科之一，致力于研究从行星、恒星到星系乃至整个宇宙的组成、结构和演化规律。天文学不仅是人类科学认知的启蒙源头，历史上曾多次颠覆人类对世界的基本理解，也是科技创新的前沿阵地，持续催化尖端技术的实践与应用。这种双重属性根植于人类漫长的认知演化史，从新石器时代的天文遗址，到射电天文研究与无线通信技术（Wi-Fi）发明，人类通过星象观测构建时空框架、通过对天体和宇宙本源的思索推动科学发展与技术进步，印证了宇宙探索与文明发展的深层联结。
天文学研究涉及实验室难以企及的极端物态和百亿年时空跨度，推动基础科学边界的拓展。它既是理解黑洞、暗物质等前沿命题的核心场域，也是先进技术的试验场。这种面向未知的探索特质，不仅延续着人类对星空的本真追问，也通过多学科交叉创新，为培养科技创新人才提供了独特的认知范式和实践场景。天文学的独特教育价值还源于其天然的跨学科特性与认知吸引力。当前，科学教育已然超出了知识传授的范畴，更加强调兴趣培养、能力提升、思维塑造等方面。作为时空尺度最宏大的自然科学，天文学融合了物理学、化学、数学等多学科体系，其空间的广袤性和时间的悠久性，能自然地激发青少年的好奇心和探索欲。相较于传统学科，天文学未受中小学课程体系的范式束缚，能使学生在脱离题海压力的环境中体会探索的乐趣。天文学巨大的未知领域为保持学习兴趣提供了持续动力，其可观测验证的特点满足了具身认知需求，架起了从直觉认知到科学实证的桥梁。因此，天文学成为开展科学教育的最佳实验场之一。
一我国天文科学教育的现实挑战
（一）资源供给存在的绝对性短缺
天文科学教育的发展，离不开权威的知识资源体系，包括课程、教材、科普图书等软件资源，充足的观测与实践设施等硬件资源以及在校师资和权威的科学家群体等人才资源。相较于发达国家，我国在上述三个方面均存在绝对性短缺。
在软件资源方面，近年来国内一批有志于天文科学教育和科学普及的专家学者，通过创作和翻译等方式产出了一批优秀的天文科普图书和课程，例如中国虚拟天文台主编的“互动式天文教学指导丛书”系列、国家天文台苟利军等共同翻译的“宇宙全书”系列等。但这些资源和内容多数以“散装”的形态分布于不同的书籍、媒体中，使用起来相对不便。
相比于图书和课程自下而上的蓬勃发展，天文科学教育的设施设备和师资力量更显短缺。以2022年中国科学技术协会青少年科技中心牵头主办的“科创筑梦”青少年FAST（five-hundred-meter aperture spherical radio telescope，五百米口径球面射电望远镜，即“中国天眼”）观测方案征集活动为例，FAST贡献出1%的观测时间，约87.6小时，用于青少年科学教育实践。该活动收到了3000余份观测提案，组委会筛选出300项杰出观测方案，对青少年的天文科学知识普及、科学思维塑造、科学家精神传承等产生了一定的积极影响。然而，即使专业天文设施贡献出了巨大的时间和经费，面对我国25万余所中小学校的庞大体量，有机会参与此类科学教育实践活动的学生比例仍旧不足1%。
在师资方面，以中国天文学会会员数作为依据，我国现有职业天文学家3000余名，相较于美国3亿人口拥有2万名职业天文学家的现状，我国专业人才密度仅为美国的1/40。相对于中小学校的数量，权威科学家群体更显稀少，天文科学教育资源供给面临绝对性短缺。
（二）天文科学教育体系性不足和衔接障碍
在资源相对缺乏的同时，我国天文科学教育还存在体系性不足和衔接障碍等困境，尤其是设备配置与使用、师资建设、前沿科学转化等方面，难以满足学生核心素养的发展与进阶需求，按照学生核心素养发展规律设计和实施的高质量科学课程内容存在不足。
在教学设施方面，用于科学教育和通识教育的专业观测设备总体保有量不足，且很多设备未能有效融入教育场景。根据研究团队的走访调研，许多中小学校即使配备了天文观测设备，但由于缺乏配套课程、技术支持、前沿科研活动指导等，这些设备经常处于闲置状态或仅用于天文摄影等浅层兴趣活动，未能转化为科学探究工具和开展持续性的科学观测实践。
在教学实施方面，天文科学教学实施面临专业支撑不足的困境。一方面，中小学校的天文兴趣小组多由物理、地理等学科教师兼职指导，教学内容多限于知识传授，很难触及学科前沿领域和科学探究实践过程；另一方面，职业天文学家群体受限于科研任务与人员规模，难以为基础教育提供持续的专业指导，导致课堂教学与学科前沿之间出现知识代差。
更为艰难的挑战在于科研与基础教育的机制性割裂。天文领域的前沿研究成果向教学资源转化缺乏有效通道，重大科学发现、新型观测技术、创新研究方法等核心内容难以及时融入基础教育体系。这种割裂在偏远地区尤为突出，学生接触前沿科学成果的渠道有限，难以建立对天文学科发展的系统性认知。科研机构产生的海量观测数据、专业级分析工具、科学家实践经验等优质资源，尚未形成向基础教育领域开放共享的常态化机制。
二人工智能赋能的天文科学教育解决方案
（一）知识服务范式的改变
天文学作为一个数据量极大的学科，其研究涉及大量观测与仿真数据，例如郭守敬望远镜（LAMOST）等大科学装置，其DR11数据集包含光谱总数2512万余条，是目前国际上其他巡天望远镜发布光谱数之和的2.2倍。因此，天文学海量数据应用与分析需要先进的计算机技术。在早期的研究中，郭守敬望远镜数据团队即开展了机器学习、深度学习等人工智能（artificial intelligence，AI）技术在天文学中的应用探索，很好地促进了天文信息学的发展和LAMOST的科学产出。随着技术的积累和进步，尤其是青年力量的参与，中国科学院国家天文台自主开发了天文学“星语大模型”（Star Whisper），并与浙江省的之江实验室合作推出了面向天文学科的科学基座大模型“天一大模型”（AstroOne）。两个模型及其衍生的智能体应用，正在改变天文领域的知识共享，以及科学研究与知识传播的模式。
在科研领域，AstroOne拥有700亿参数，320亿词元文本语料，经过了1万道天文学测评数据集的测评，是当前天文知识能力最强的大语言模型。诸多智能体已具备辅助职业天文学家开展快速射电暴定位、天体光谱处理与分类、时域天文数据处理与分析等多种类型研究任务的能力，如金乌太阳模型、SpecCLIP光谱大模型、FALCO时域光变大模型、NADC智能体等。Star Whisper在天文知识与天文教育应用方面也表现优异，2023年在工业和信息化部下属的中国信息通信研究院的大模型排行榜中获得综合排名第二名的成绩，目前已在天文学研究生科研辅助与教育培养中开展应用实践。
通过使用天文大语言模型AstroOne和Star Whisper，我们构建的动态知识图谱将能够突破传统教材的静态局限。例如，当学生探究黑洞吸积盘时，系统可以在呈现标准物理模型的同时，关联专业天文设施的历史观测数据、数值模拟可视化工具以及相关学术争议讨论等资源。同时，人工智能技术的发展还提供了建设“伴随式智能导师”的可能。人工智能系统目前可通过持续对话记录学生的思维轨迹，构建包含知识掌握度、探究倾向、创新潜力等维度的个性化成长档案，助推天文教育从标准化灌输向个性化探究转型。
（二）智能观测体系的构建
天文学是一门观测驱动的学科，天文发现离不开优秀的观测设施和高水平观测数据。同时，天文观测又涉及许多专业性极强的内容。在传统天文研究中，观测方法、观测质量、观测数据处理与分析等均需要花费大量的时间和精力来学习和优化，这也成为天文科学走入中小学科学教育的障碍之一。
人工智能的发展为智能化的天文观测提供了技术支撑和实现路径。中国科学院国家天文台正在推动的智能观测体系聚焦两大核心任务，即具身智能望远镜系统和历史观测数据教育再应用。
具身智能望远镜系统是通过自然语言交互重构设备使用范式。基于学校自有观测设备或各天文台站公众天文观测设备，学生可以根据自然语言描述自身兴趣驱动或科创研究目标生成观测计划，并利用自然语言指令完成望远镜开机自检、目标定位、自动调焦等专业操作。如图1所示，图中的中间一列指令为传统自动望远镜控制流程。
同时，学生还可以通过调用望远镜所接入的天文学相关智能体开展数据处理分析，并在文献分析等智能体的帮助下参与科学发现，完成科学实践活动。在该系统下，学校自有教育用天文观测设备也可以接入专业天文观测网络开展多设备联合观测，甚至可以自动参与到前沿科研观测中，为学生提供参与前沿科学研究的机会（见图2）。
天文观测设备用于教育的一个成功例子是美国北卡罗来纳大学（University of North Carolina）打造的“Skynet”机器人观测网络，包含位于全球不同观测台址的多台光学望远镜与射电望远镜，通过全自动望远镜设计达到了易用性的目的，兼具科研与教育用途，并开发了包括中学生天文教育项目和大学本科实验室课程等，形成了很好的科学与教育的闭环。基于此，智能观测体系的构建，将能够在自动化望远镜的基础上更好地在保证易用、可靠的同时兼具专业科研和科学教育的目的，从而达成科学与教育相互融合、促进的良好学科生态。
历史观测数据教育再应用是针对天文学公开的专业天文数据库，通过建立标准化的应用场景和引入天文AI智能体，打造易于操作和理解的数据应用范例，使学生能够通过专业天文数据理解天文概念、开展动手实践，甚至参与天文发现。专业数据用于教育在各大型观测设施公众科学项目中均有涉及，例如由牛津大学（University of Oxford）等发起的星系动物园（Galaxy Zoo）公众科学项目，利用在线平台向公众展示来自斯隆数字巡天（Sloan Digital Sky Survey）等望远镜的星系图像，参与者经过简单培训即可开展星系形态分类标注，如旋涡、椭圆或不规则形态。
这种天文科学研究的“众包”模式不仅高效处理了海量数据，还成功催生了涵盖多个学科领域的公民科学平台，成为公众参与科研的典范。在人工智能驱动下，参与者可进一步利用自然语言与专业数据集互动，大大增强了可互动的数据集类型，如光学红外光谱数据、射电频率数据等，降低了数据使用门槛，能够真正实现科学教育惠及更广大受众的目标。
（三）天文AI学习社区
基于天文科学教育的总体设想和人工智能技术，搭建一个信息化平台是达成人工智能赋能的天文科学教育解决方案的关键。
我们为天文科学教育的实施而参与搭建的天文AI学习社区目前正在实验内测与部署，即将投入试用。该平台设置有AI参与的讨论互动、科学家与AI导师共同参与的圆桌课题、AI问答社区等功能，将AI引入传统学习平台的各个功能模块。通过该平台，将原有的“科学家—教师—学生”的三层次天文科学教育体系进阶为“科学家+AI导师”—“教师+AI助手+学生”的扁平化结构，稀缺科学家资源由AI导师补充、教师的繁忙工作由AI助手协助，最终实现学生和科学家的直接对接，从而更好地满足需求量庞大的学生群体。
在天文AI学习社区，学生可以通过基础能力培养层，与人工智能互动交流了解天文前沿知识，并且可以参与到天文大讨论和天文实践活动中。通过科研实践参与层，加入到“圆桌科研项目”中，在学有余力或兴趣驱动下参与前沿科研课题，参与天文发现。通过成果转化反馈层，在人工智能助力和科学家指导下，与科学家共同完成前沿科研成果或天文发现发表、展示等，达成“教育反哺科研”机制和“成就驱动自驱力”的教育目标（见图3）。人工智能的参与解决了天文科学教师缺乏的困境，使天文科学教育能够真正助力于《教育强国建设规划纲要（2024—2035年）》提出的科学素养培育的“沃土计划”。在此基础上，天文AI学习社区平台还提供了真正科学前沿课题集，面向具有创新潜质的青少年提供进入“脱颖计划”的机会。
（四）高等天文学学习社区实践
在最初提出天文科学教育发展思路时，中国科学院国家天文台即通过在研究生教学中引入“以学生为中心的问题驱动式教学+学者引导+互动讨论教学”的思路来实现有限时间内塑造天文科研能力和思维方式的目标。
高等天文学学习社区的实践，推动了从单向的知识传输向双向互动的课堂转变。学生能够参与到前沿科学问题的解决中，不仅帮助学生深化对科学问题的理解，还通过探索性的方式，培养学生独立思考和解决问题的能力。通过这一实践案例，既验证了学习社区对于天文学研究生教学改革的积极意义，也提出了巨大资源需求的挑战。在高等天文学学习社区中，应对240个天文问题及数十名学生需要近50位专家提供指导和辅助。
中国科学院国家天文台正在开展AI导师引入后的学习社区实践，建设高等天文学数字化学习社区，引入并验证教育资源众筹和知识聚合等问题解决方案，并对比AI导师引入前后的教学效果以及资源耗费情况，对人工智能助力天文专业教育教学进行半定量化的评估。
三未来思考与展望
（一）人工智能助力天文科学教育实践验证
为了验证人工智能的引入对天文科学教育的推动作用，中国科学院国家天文台将在2025年暑假前开展覆盖不少于10所中小学、500名学生的天文科学教育实践验证活动。通过该实践验证活动，评估引入人工智能后天文科学教育所能够达成的资源覆盖、成果产出、数据共享等成效。尤其是面向偏远地区的中小学校，评估能否助力其初步具备开展天文科学教育的能力。开展实践验证活动的另一个重要目标是对天文AI学习社区开展优化和提升。根据天文科学教育实际需求，梳理体系化开展天文科学教育所需的技术、设施、平台、基地等资源。期望通过实践应用，在中小学校的共同参与下，全面推动天文科学教育发展，实现建设良好学科生态的目标。
（二）深化技术应用与生态建设
将人工智能更深入地植入学习社区平台的每个功能模块，实现AI助手在知识学习、研究助手、讨论引导、资源共享等多维度的服务。进一步强化科学家在指导学生开展科研的同时提升模型能力，并且引导鼓励学生“在回路”，达到人机闭环、人机互助。实现并持续优化具身智能望远镜系统、历史观测数据教育再应用等智能观测体系，降低天文科学教育门槛，引导更多的青少年了解并参与到天文科学研究中来，在全面培养青少年创新能力的同时，助力实现“由公众完成诸多天文科学研究和天文发现，职业天文学家更专注于原创思想提出和科学问题指引”的学科局面，形成科学研究与教育相互促进的生态建设。
通过在天文科学教育体系中引入人工智能技术，改变知识服务范式、构建智能观测体系，并建成天文AI学习社区，期望破解天文科学教育存在的资源、师资、内容等瓶颈问题。下一步我们将进一步从资源覆盖、成果产出、数据共享等方面对该模式和方案进行评估和优化，为降低教育资源地区差异、促进教育公平提供可复制的技术路径，最终服务于学科生态建设和创新人才培养。
参考文献
[1] 刘继峰, 毛永娜, 李向东, 等. 新时代下的天文科学教育[J]. 中国科技教育, 2024(11): 10-13.
[2] 孙媛媛.“追逐宇宙之梦, 探索星辰大海”青少年FAST观测方案征集活动专访武向平院士[J]. 中国国家天文, 2022(5): 40-41.
[3] 郑永和, 杨宣洋, 陶丹, 等.中国科学教育研究: 历史沿革、发展逻辑与未来展望[J].华东师范大学学报(教育科学版), 2024(11): 95-110.
[4] WANG C S, HU X J, ZHANG Y, et al. Star Whisper telescope: Agent-based observation assistant system to approach AI astrophysicist, 2024. DOI:10.48550/arXiv.2412.06412.
[5] REICHART D, HAISLIP J, KOUPRIANOV V, et al. Next-level, robotic telescope-based observing experiences to boost STEM enrollments and majors on a national scale: year 1 report, 2022. DOI:10.48550/ arXiv.2202.09257.
[6] LINTOTT C, SCHAWINSKI K, SLOSAR A, et al. Galaxy Zoo: Morphologies derived from visual inspection of galaxies from the Sloan Digital Sky Survey[J]. Monthly Notices of the Royal Astronomical Society, 2008(3): 1179-1189.
[7] 中共中央 国务院印发《教育强国建设规划纲要(2024—2035年)》[EB/OL]. (2025-01-19)[202502-01]. http://www.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202501/t20250119_1176193.html.
[8] 何文涛, 周睿, 周跃良, 等.数字化转型背景下基于知识建模图的数字教育资源众筹机制研究[J]. 教育发展研究, 2023(21): 39-48.
引文格式
毛永娜, 向娥, 李瑀旸, 等. 人工智能驱动的天文科学教育体系构建与实践探索[J]. 中小学科学教育, 2025(2): 41-46.
来源 | 《中小学科学教育》2025-02
