GenUI赋能教师打造交互式学习资源：生成式界面的未来实践
从在线教科书到视频库，数字教育工具已经改变了全世界学生获取信息的方式。然而，尽管技术和可及性都有了长足进步，数字学习往往仍是被动的体验。互动性强、吸引力高、多模态的练习形式能引导学生独立思考、逐步解决问题，对学习有巨大潜力，却一直难以普及——它们制作成本高、数量有限，而且需要教师投入大量精力。我们想探索 AI 能否填补这一空白。
今天，我们分享最新的研究成果，进一步拓展互动学习的前沿。这项新的研究实验让教育者能够创建定制的、互动的、有引导的学习模拟。这些学习互动模块（learning interactives）根据教师的教学目标和课程内容量身定制，动态生成，采用了我们为学习场景优化过的生成式用户界面（GenUI）的新型应用。
在获得可信测试教师群体的初步积极反馈后，我们还发布了一个示例库，包含 30 多个英语 STEM 科目的学习互动模块，涵盖物理、化学、生物和数学，主要面向初高中阶段。这些模块均由 AI 生成，并经教师审核。使用 Google Workspace for Education 的学校可以通过 Google for Education Pilot Program 注册，提供反馈以帮助改进学习互动模块。这次试点是面向公众开放更多学习互动模块的第一步。
该示例库现已公开，包含生物、化学、计算机科学、地球科学、数学和物理等多类主题的学习互动模块。
主动学习的意义
学习绝非旁观者的游戏。从奠基性教育理论家 John Dewey 在 1916 年提出的“让学生有事可做”，到具有深远影响的心理学家 Jean Piaget 开创性的研究揭示了学习者如何建构知识，学界早已明确：学生通过主动参与学得更好。现代认知研究，例如ICAP 框架，证实互动行为比被动听讲或阅读能带来更深层次的图式（schema）建构和长期记忆保持。简而言之，学生在做中学。当学生主动实验、验证假设并解决问题时，他们能建立起更完整的心理模型。
主动学习是我们研究优化的核心学习科学原则之一。它也是 2024 年发布的、专为教育场景微调的 Google 生成式 AI 模型家族 LearnLM 的基石，并在 2025 年的一项Learn Your Way研究实验中得到探索，该实验利用生成式 AI 重新构想了传统教科书。在早期研究的基础上，我们着手探索如何利用生成式模型的最新进展进一步转化内容，帮助教师创建更具互动性和吸引力的数字化学习内容。
将生成式 UI 应用于教育
为实现这一目标，我们将目光投向了生成式 UI。这是当前研究的活跃领域，AI 模型在其中动态构建用户界面，无需预先编写代码。
我们探索了如何优化生成式界面，以支持更深入的学习旅程，而非仅限于快速交互。通过精心设计的教学方法和教学法护栏，我们希望赋能教师创建专属的互动环境，使其既契合课程大纲，又适应具体的情境输入。
教学设计
我们首先旨在明确优质的互动学习体验应具备哪些特征。我们借鉴成熟的学习科学，定义了一系列关键的教学原则，这些原则与 LearnLM 背后的开发理念保持一致：
- 与课程大纲及教师认可的学习目标对齐（例如，在地球科学中，比较不同云层覆盖度对当地气温的影响，并预测风速和风向如何改变天气模式）。
- 促进主动的探究式学习，这既需要动机，也需要适当的引导才能生效。
- 确保每个模拟都是事实准确的。
这些原则在我们的游戏化学习设计中得到了体现。为激发学习动机，每个互动环节都包含一系列难度递进的挑战，这些挑战基于学习目标设计（例如，在上述地球科学例子中，第一关专注於温度，随后逐步过渡到关于快速变暖和风暴的更难挑战）。此外，我们还提供了一套分层式的提示、说明和反馈（例如，引导学习者查看相关公式，或解释特定术语），以根据每位学习者的个体需求提供支持，助其完成每一关卡。
我们将生成要求定义为：
- 清晰阐述学习目标：在设计上，教师主导并建议其希望关注的主题。随后，我们生成一组精确且连贯的学习目标。这些目标可修改，并能根据课程目标进行定制。它们必须由教师批准，并作为生成互动学习材料的基础。
- 结构化游戏关卡：我们借鉴游戏化学习的元素，把每个复杂的知识点拆解成一系列关卡，每个关卡都有与学习目标一致清晰目标。学生通过一系列难度递增的挑战来探索该主题（见下方图示顶部的关卡进度）。这种设计将刻意练习与难度适配的挑战相结合，促进主动探索，持续激发学习动力，让学生在逐步掌握更复杂概念的过程中不断增强胜任感。
- AI 生成的学习支架：为了有效引导学习者闯过各个关卡，我们会生成一整套支架式引导内容，如下图所示，包括用于激活学生已有知识的引导介绍、包含相关公式和理论的工具箱、多级提示、针对具体答案为何正确或错误的反思式反馈，以及在学生自主探索之后帮助巩固理解的解答示例。这些内容都经过与教师和学生的反复测试和迭代。我们提供的是实时、感知情境的引导，而不是直接公布答案，以此培养学生的批判性思维，帮助他们自己找出解决方案。
学习互动界面配有提示、反馈和工具箱，帮助引导学生完成各个关卡。
带教学护栏的迭代生成
为确保质量把控，我们在生成流程中嵌入了自纠错循环，即通过一系列教学法护栏驱动迭代过程。尽管这会延长生成最终学习交互内容的时间，但高强度的强化循环能确保产出更严格地符合质量标准。这些标准涵盖教学法层面（例如，难度阶梯是否准确覆盖学习目标并逐步提升？）、交互机制（例如，按钮是否正常工作？该关卡是否有解？）以及视觉呈现（例如，界面上是否存在易分心的冗余元素？）。自纠错循环中包含具有自主代理性质的自动评估过程（例如，可解性评估会启动 Chrome 实例，模拟用户操作与仿真环境互动）。其目标不仅是验证特定解法的有效性，还包括尝试对抗性操作，如将参数旋钮调至极端值。自纠错循环会反复运行，直至生成结果满足所有既定标准。
流程图展示了构建学习交互内容过程中的不同验证阶段。
由 AI 生成，经教师审核
在我们的研究过程中，一条核心指导原则始终贯穿其中：技术应服务于教育工作者及其目标。教师是课堂的核心，最懂得如何理解哪些 AI 驱动的仿真能吸引学生兴趣，以及它们何时、何地融入课程体系最为合适。学习交互内容库中发布的所有项目，以及目前可用的内容，均经过教师的严格审核与批准。这些主题涵盖了学校课程中的多个领域，例如开普勒行星运动定律、数据可视化以及抛体运动。
此外，我们邀请英国 STEM 教师对一组学习交互工具进行了评估。结果显示，总体评分良好甚至优秀，其中物理和化学在模拟创建方面最具潜力。完整详情与结果见我们的技术报告。
专家教师对 40 个 STEM 学习交互工具的教研标准平均评分。
我们还在美国开展了一项初步研究，邀请了 12 名教师参与。每位教师都要求生成三个不同的定制交互工具，以精准满足其特定课堂需求。反馈非常积极，教师对交互工具质量给出的平均评分高达 8 分（满分 10 分）。教师强调，动态生成机制解决了一个长期困扰课堂的难题：静态的现成模拟无法实现教学差异化。一位高中科学教师解释道：“如果我正在上课，输入任意课程主题后就能生成相应的模拟，那将是极其出色的体验……过去我从未真正能对这些模拟进行差异化处理，只能拿到什么就用什么。”
教师还指出，生成的设计元素与其教学目标高度契合：“这正是令人兴奋的地方——能够亲手打造与设计完美契合教学目标和学习成果的内容”（初中科学教师）。他们同时赞扬了内置的学生支架功能，认为分层提示与逐步解析示范了教师在提供一对一辅导时常用的指导方式，且难度递进设置与真实评估及练习题高度对应。
与教师合作的下一步计划
随着工具库的扩展，仍有大量空间待学习与优化，我们将继续与一线教师密切合作。
我们正与 Google for Education 合作，在全球的学校和课堂试点学习互动工具。学校可以通过 Google for Education Pilot Program 报名参加即将开展的试点，让教师有机会针对课程、学习目标和年级水平，为任意定制化 STEM 概念请求生成仿真模拟。新生成的学习互动工具会先发给提出请求的教师审阅，只有经过教师验证和批准后，才会加入我们的工具库并向公众开放。
此外，我们还将开展 UX 研究和实地调研，评估在课堂中使用学习互动工具带来的学习成效和学生参与度。
通过针对学习场景优化生成式技术，我们离一个练习更主动、更高效、并能因时因人定制的未来又近了一步。感谢各位教师对这项持续研究的支持，我们期待打造出能让全球学生受益的学习互动工具。
致谢
感谢所有为这项工作做出贡献的人：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。