義務教育階段人工智能課程化實施的思考與建構

王少峰

人工智能時代正加速到來，不斷地沖擊著我們的生產、生活、學習等各個領域。2017年7月，國務院印發了《新一代人工智能發展規劃》，明確指出人工智能成為國際競爭的新焦點，應逐步開展全民智能教育項目，在中小學階段設置人工智能相關課程、逐步推廣編程教育、建設人工智能學科，培養復合型人才，形成我國人工智能人才高地。

隨著《普通高中信息技術課程標準（2017年版）》將人工智能初步納入選擇性必修模塊，各地的義務教育教育課程指導綱要及相關教材中，也都加入了相應內容。但與傳統的學科知識不同的是，它超越了傳統科學技術的范疇，有著非常廣闊的基礎，涵蓋了數學、計算機、神經科學、腦科學與心理學等多個相關學科。例如，清華大學交叉信息研究院的“智班”和南京大學人工智能學院的課程里，多以計算機科學為基礎，以數學和算法學習為核心，通過使用有效的分析、建模、設計與實踐，來解決現實問題。因此，人工智能只有進行課程化的設計與實施，才能發揮應有的效能。為此，我們做了如下思考。

● 構建完善的內容框架

從近兩年國內眾多高校開展的人工智能專業的課程設置來看，自動化、計算機、軟件工程、數學、統計學、數據科學、智能科學與技術、物聯網等各有側重，甚至說是大相徑庭。其實在美國，人工智能專業設置出現之前，很多大學已在計算機系開設機器學習、概率圖、自然語言處理、計算機視覺、數據挖掘等人工智能類課程。人工智能和機器學習領域國際權威學者之一吳恩達說：“機器學習是所有計算機科學中最激動人心的領域。”也就是說，上述眾多內容，最終指向的是機器學習。

那么，以數學和算法為基礎的機器學習的內容，在義務教育階段具體如何體現？對照英國的Computing課程和美國的《K-12計算機科學框架》，我們的內容設計可從以下幾個角度來進行。

1.重視計算思維的基礎培養

信息技術學科不是計算思維的唯一培養路徑，但它是計算思維培養的重要平臺。設計算法、分解問題、現象建模，在信息技術學科的學習中，有著最為重要的體現。

2013年，南安普敦大學的Cynthia Selby博士和John Woollard博士提出計算思維包括算法思維、評估、分解、抽象、概括這五方面的要素。而算法思維可看成是人與機器共通的思維形式，它是由一系列明確定義的有限操作步驟組成，并能夠解決某一特定問題，這是信息技術學科所要關注的重點。無論是英國的Computing課程，還是美國的《K-12計算機科學框架》，均把算法思維的培養作為重點。

例如，Computing課程Barefoot版本的低年級的第1課是Crazy Characters（瘋狂的角色），目標定位是四個“I can…”：①I can say what an algorithm is（我會說出算法是什么）;②I can write an algorithm（我會寫算法）;③I can use an algorithm（我會使用算法）;④I can improve my algorithm（我會改進算法）。而整個課程體系，是以讓學生使用計算思維創造性地理解和改變世界為目標。

提高以算法思維為核心的內容設計的比例，合理安排與之相關的學習內容，是國際上信息技術課程改革的趨勢，也是我們推進人工智能教育亟須解決的問題。

2.優化人工智能的學習內容

《人工智能標準化白皮書》（2018年版）中提到人工智能的關鍵技術有機器學習、知識圖譜、自然語言處理、人機交互、計算機視覺、生物特征識別、虛擬現實和增強現實。這么多的內容，在義務教育階段信息技術有限的課時中顯然是無法實現的。參照《人工智能基礎》（高中版），義務教育階段的學習應該包括人工智能的發展歷史、基本概念和實際應用，重點關注數據、算法和應用之間的關系。

在實際的教學中，南京市的教師已開發出眾多與生活密切關聯的案例。例如，通過分析在微信群搶紅包的概率問題，引發對騰訊紅包算法的學習;對經典的數學博弈游戲蒙提霍爾問題或三門問題的Scratch程序實現的學習;通過對圖像中數字如何機器辨別的問題，認識決策樹這樣的分類方法。這些內容關注的是數據、算法和應用之間的關系，為未來的人工智能學習打下基礎。

3.重構課程實施的階段安排

隨著技術的發展，人工智能的發展日新月異，同時考慮到學生的身心發展，顯然不能只在某個特定的年齡階段安排人工智能的學習，而是要進行整體的規劃并分階段安排學習內容。在小學低年級，應以應用的體驗、感知為主，適當地通過游戲式的算法學習，初步了解算法;在中高年級，在程序設計模塊的基礎之上，開展體現數據、算法和應用之間關系的初步學習;在初中階段，進行人工智能算法的應用體驗。同時，在各個階段滲透關于人工智能倫理、道德、經濟、法律、情感、心理等多個領域的社會科學、人文科學的內容。

● 重塑多樣化的學習方式

人工智能時代的人才培養，絕非是在某一學科領域或針對單一技能展開，而是多學科知識、能力、素質的跨界與綜合，與之相對應的學習方式也應該是多樣化的。

1.以項目式學習經歷系統推進

《普通高中信息技術課程標準（2017年版）》人工智能模塊的教學提示中指出，“在學習簡單智能系統開發內容時，可以采用小組合作、項目學習等方式組織教學”，這一點在義務教育階段的同樣內容中也是適用的。通過這種方式，學生經歷系統開發的全過程，在教師的引導下發現問題，以解決問題為導向開展方案設計、新知學習、實踐探索等具有創新特質的學習活動。項目學習很大程度上還原了學習的本質，這種基于真實情境的學習能促進學生對信息問題的敏感性、對知識學習的掌控力、對問題求解的思考力的發展。

2.以研究性學習深化人文科學

人工智能的發展超越了傳統科學技術的范疇，模糊了傳統意義上的物理界限，它涉及多個領域，需要社會科學、人文科學的全方位介入，深層次參與。人工智能的發展會帶來一系列前所未有的問題，如無人駕駛汽車事故責任如何認定、法律該如何追責等，因此，人工智能教育要開展人工智能法律規范、倫理道德、心理干預、社會安全、風險評估等問題研究。而對這些問題的研究，最適合的是以研究性學習的方式開展。通過設定主題、分組研究、形成研究報告，深化對這些問題的認識。

3.以非正式學習培養算法思維

遠程教育、在線學習等非正式學習方式是未來泛在學習的主要形式。這種學習應該是主動的學習、適合自己的學習、滿足自己需要的學習、可以得到最適合自己的教師幫助的學習。算法思維的基礎學習很多應用是在線的形式，如“編程一小時”、Atcoder、Codefroces等趣味程序設計和算法學習網站，積累了大量的人氣，對打破時空的學習具有超出預期的效果。如果將課內與課外結合起來，傳統學習方式就突破了原有學習空間的局限，延伸至生活中的每一個角落。從本質上說，這種學習將是一種人網融合的新形態教育，更應該在與人工智能密切相關的學習活動中呈現。

● 基于學生發展的課程評價

要想知道人工智能教育課程實施的效果如何，就需要有一套科學的評價機制，傳統的評價機制已不能適應人工智能教育課程評價的需求。當前，“課程—教學—評價”不是一個簡單的線性關系，而是一個立體的、三位一體的邏輯關系。在這個立體結構的關系中，評價與教學、學習緊密地交纏在一起，教學與評價是相互分享的，評價事后于教學，或者說外在于教學，但評價誕生于教學設計之初。課堂教學也不應是機械地執行教學設計上的內容與程序的過程，而是一個持續做出新的決定的過程，其依據是關于學生學習的信息。從某種角度來說，教學和學習應該是“數據驅動”的，而這些數據就來自于評價。因此，在決定教學生什么之前，應先按照一定的目標開發評價設計，然后進行學習內容的選擇和教學活動的安排，在學習活動中引導學生獲得對應的目標表現，引導學生真正地獲得發展。

與此同時，課程的實施離不開教師，強化師資力量是重要工作之一。當前，人才培養和義務教育階段的這種強調學科融合類的課程存在矛盾，無法滿足當前人工智能人才的培養需求，“劃地經營”式的發展模式已逐漸不合時宜，應重新審視專業、學科之間的邊界問題，提高教師的跨界視野與思維。