4月21日上午，浙江师范大学堪萨斯大学联合教育学院客座教授加文·富尔默（Gavin W. Fulmer）在中国教育学会科学教育分会2025年学术年会中作题为“Exploring Issues of Validation in Machine Learning Systems for STEM（机器学习系统应用于STEM教育的有效性问题初探）”的专家报告。
加文教授指出，在将技术应用于教育教学和教育研究时，需要整合来自模型与真实世界的双重解释，从更广阔的视角评估机器学习系统的有效性。他以用于开放式文本评分的机器学习系统为例，阐释了算法模型的训练过程，即根据学习目标制定任务和评分标准→收集响应数据+人工评分→开发算法→算法有效性验证→有效，则释出算法模型，并用于新的响应数据的加工处理和结论输出；无效，则退回开发算法的节点。
随后，加文教授讲解了机器学习如何帮助教师规划科学课程，包括构建科学知识与技能的进阶图谱、部署课时评价任务和单元总结性测验、训练表征“技能—任务”和“技能—技能”映射关系的算法模型、存储经过训练的模型、评估“技能—任务”和“技能—技能”的逻辑关系是否合理等基本环节，从而辅助教师判断学生的技能熟练度，并推荐个性化的学习资源。
最后，根据美国商务部国家标准与技术研究院（NIST）发布的Testing—Evaluation—Verification—Validation（TEVV）人工智能全生命周期风险评估框架，加文教授深刻分析了AI应用于科学教育的案例中潜在的算法模型透明度、数据质量和可用性、教育意义等问题。他指出，在STEM教育中评估机器学习系统的效度，并非纯粹技术或统计学问题，作为科学教育理论研究者，需要从师生真实的科学实践中构建更清晰的科学教育理论框架来指导机器学习模型的开发；作为科学教育实践者，需要通过设计高质量的评价任务来收集高质量的训练数据；作为机器学习和科学教育的跨学科研究人员，则应提高机器学习系统对科学教育实际问题的解释机制透明度、解释力、符实性。
加文教授的报告不仅解析机器学习系统应用于STEM教育的原理，体现科学教育的跨学科特性，凸显提高职前职后科学教师和理论研究者人工智能素养的迫切需求；还从效度的角度对AI与教育的融合进行冷思考，启示我们用审慎的态度推进技术与人文在AI4Science事业中的合作。
据悉，中国教育学会科学教育分会第三届理事会成立大会暨2025年学术年会于4月18日至21日在上海市七宝中学举行。中国教育学会科学教育分会第三届理事会成立，来自全国的科学教育工作者共计430余人参会。
浙江师范大学科学教育强调“引进来”与“走出去”，依托于浙江师范大学堪萨斯大学联合教育学院，开设了科学教育“双学位”硕士项目，积极引进国际高层次科学教育专家来交流与教学，助力国际化高层次科学教师培养。同时，依托于中非研究与中非教育的平台，践行中国良好科学教育经验走出去，助力中非科学教育合作。
