在STEM科学课堂，生成式AI可以快速生成实验方案、绘制物理模型、输出生物机理，但同时也容易编造虚假实验数据、歪曲科学论证。联合国教科文组织教育信息技术研究所（UNESCO IITE）于2026年9月25日举办线上研讨会《Exploring approaches to integrating MIL and AI in teacher professional development》并发布配套政策简报。
本次研讨专门面向理科 / STEM教师群体，探讨如何将媒体信息素养（MIL）与生成式AI融合进理科教师专业发展，聚焦科学课堂AI公平性与科学证据辨别能力建设。
简报提出：面向STEM教师的AI培训，绝不能止步于工具教学，必须深度嵌入科学素养与批判性证据评估能力培养，避免数字鸿沟进一步拉大不同地区STEM学习质量差距。
本次研讨会隶属于UNESCO IFAP信息素养工作组，汇聚全球多国科学教育、教师发展、数字教育专家，重点回应STEM课堂中AI生成内容真假混杂、科学证据易被算法扭曲、不同区域师生获取AI资源不均衡等现实难题。
传统教师AI培训大多聚焦软件操作、提示词技巧、课件生成等技术层面，缺少科学思维维度的设计。
研讨会提出，STEM领域的教师培训主线应当是科学素养与证据评估能力，AI仅作为开展 STEM 探究的载体。教师需要设计探究型课堂任务，引导学生主动核验AI输出的实验结论、仿真数据与理论模型，不能直接采信AI给出的答案。
在STEM场景下，媒体信息素养（MIL）不再只是通用信息辨别能力，特指针对AI生成科学信息的溯源、可信度检验、证据批判性评估能力，是科学探究能力的延伸。
研讨专家组指出，不同区域STEM教师获取AI工具、网络资源、数字化研修机会存在明显差距。
发达地区学校可借助 AI 开展虚拟实验、科学建模项目；资源薄弱地区不仅硬件、网络条件受限，教师本身缺少辨别AI科学谬误的能力。如果资源薄弱地区只推广高端AI工具，会进一步扩大STEM教育的不平等。
政策简报建议开发轻量化、低带宽、本地化的MIL+AI教师培训资源，降低使用门槛，保障不同地区理科教师都能获得适配本土课堂、可落地的AI教学策略。
研讨会强调，理科教师必须具备识别AI输出偏差、科学事实错误的能力，包括AI虚构实验现象、简化科学争议、生成错误公式等STEM课堂高频问题。在教学设计中教师需要明确人机分工边界：AI可以承担资料整理、初步实验方案构思、科学可视化建模等辅助性工作；而科学论证、证据检验、探究推理等高阶STEM核心探究活动，必须由学生自主完成。教师需要在课堂上引导学生区分AI辅助生成内容与经过实证检验的科学证据。
本次线上研讨会分享了哈萨克斯坦等国家的一线实践案例，案例聚焦中小学理科教师，探索如何将MIL理念和AI应用技能整合进常态化教师培训。
项目尝试本土化微证书培训模式，将AI证据评估、STEM课堂人机协同教学设计拆分为模块化学习单元。这些实践案例为广大发展中国家构建STEM理科教师数字化研修体系提供可参考的实践路径。
教研与教师评价层面
STEM教师数字化能力的评价体系需要更新。当前很多学校的教师数字能力考核，重点考察AI工具操作熟练度。这份简报提示，未来评价框架应当增加科学信息批判性评估维度，把核验AI科学内容、设计人机协同探究任务、识别AI科学错误等能力纳入理科教师数字素养培训与考核。师范院校、区域教研机构在设计理科教师研修课程时，应当重构课程重心，将MIL与科学证据评估作为必修模块，而不是简单增设AI工具使用选修课。
STEM课堂教学层面
一线理科教师需要重新定位AI在课堂中的角色。AI可以辅助STEM科学建模、虚拟仿真实验、文献检索，但绝对不能替代证据探究。在物理、生物、化学等理科课堂，教师可以设计专门任务并让学生对比AI给出的模型与教材 / 真实实验数据，寻找AI漏洞。
STEM课堂的核心育人目标仍然是教会学生溯源信息、检验证据、理性论证，AI是训练这项批判性科学思维的媒介，而不是直接提供标准答案的知识库。教师还要引导学生建立科学信息审慎意识，养成对AI输出科学内容主动核验的习惯。
教育政策与资源开发层面
在推进AI赋能STEM科学教育的政策落地过程中，不能一味追逐前沿商用AI工具，需要配套普惠性教师培训资源。
政策制定者应当重视数字鸿沟对STEM教育带来的次生影响，兼顾城乡、不同经济水平地区学校的现实条件，支持开发轻量化、低网络要求、适配本土理科课程的MIL+AI教学资源。在推广AI教育项目前，政策制定者优先开展理科教师能力建设，避免技术资源进一步放大STEM教育不公平现象。