美國K-12階段人工智能課程大概念與課例設計解讀*

歐陽嘉煜 王 宇 汪 瓊

美國K-12階段人工智能課程大概念與課例設計解讀*

歐陽嘉煜1王 宇2汪 瓊3[通訊作者]

（1．北京理工大學 人文與社會科學學院，北京 100081；2．國家開放大學 教育教學部，北京 100039；3．北京大學 教育學院，北京 100871）

隨著在K-12階段開設人工智能課程成為推動人工智能教育的重要舉措，如何在K-12教育體系中加入人工智能方面的教學內容成為國際關注的焦點。為了進一步明確不同學段人工智能課程教什么、怎么教的問題，文章首先解讀了AI4K12工作組提出的人工智能教育的五個大概念，分別是：感知、表征與推理、機器學習、人機交互和社會影響。然后文章對應上述五個大概念，根據AI4K12工作組劃分的四個學段（K-2、Grade 3-5、Grade 6-8、Grade 9-12），以課例分析的方式考察了從課程大概念到具體教學活動的設計過程。最后文章提出我國人工智能課程設計的建議，包括設計不插電的教學活動促進學生對底層概念的理解、嘗試設計與其他學科交叉的課程活動、把握從單一主題向多主題融合過渡的課程設計主線，以期為我國人工智能課程設計和相關課程標準制定提供參考。

人工智能；人工智能教育；K-12；大概念；課程設計

引言

隨著人工智能在全球范圍內日益受到關注，在K-12階段的教育體系中是否要加入人工智能方面的內容以及如何增加這方面的內容，成為教育界熱議的話題之一。為此，我國發布了《普通高中信息技術課程標準（2017年版）》，首次將“人工智能初步”納入信息技術選修課的新模塊[1]；之后，《義務教育信息科技課程標準（2022年版）》又進一步將“人工智能與智慧社會”明確列為7～9年級的課程內容[2]。為響應政策，國內相繼出版了多套《人工智能初步》教材，加速了人工智能相關內容在學校情境中的落地與實施進程，很多中小學校也陸續開設了人工智能相關的選修課程。然而，雖然人工智能課程已經在不同學校落地，但與其他學科課程不同的是，目前還沒有專門針對人工智能課程的國家性課程標準文件來具體指導各學段人工智能教學內容的設計與實施工作，可參考的更多是信息科技課程（或稱之為計算機科學課程）的課程標準文件，如美國計算機科學教師協會（Computer Science Teachers Association，CSTA）于2017年發布的《K-12計算機科學標準》、英格蘭教育部于2017年發布的《英格蘭國家課程之計算機課程》、我國于2018年發布的《普通高中信息技術課程標準（2017年版）》等。

就目前來看，人工智能相關內容在學校落地的方式主要有兩種：一是作為信息技術課程中的一個模塊，是對已有信息技術課程內容新的補充；二是將人工智能作為課程設計和實施的情境載體，在人工智能情境下打造信息技術課程的新組織模式，學生依然需要在課程學習中掌握計算機科學的底層概念、原理技術等隸屬于信息技術課程的教學內容。但不論是將人工智能作為信息技術課程的一個內容模塊，還是作為信息技術課程的情境載體，最重要的還是要確定人工智能的核心概念是什么？如何將其落實在具體的教學活動設計中？

為了回應這一現實需求，美國人工智能協會（the Association for the Advancement of Artificial Intelligence，AAAI）和計算機科學教師協會（Computer Science Teachers Association，CSTA）于2018年共同發起成立了AI4K12工作組，旨在制定針對K-12階段人工智能課程的國家性標準文件，同時為一線教師建立互動溝通的專業學習共同體，推動人工智能在實際教學中的設計和實施進程。該工作組聯合世界上多個國家的學者、一線教師和企業工作者組成團隊核心成員，其中不乏各國計算機教育領域的代表人物。多元化的成員構成方式，使AI4K12工作組的觀點能在一定程度上體現各國學者對人工智能的認識，具有一定的代表性；并且，AI4K12工作組的工作內容涉及課程框架制定、課程樣例研發等多方面，相對成熟完善[3]，具有一定的借鑒意義。因此，本研究認為對AI4K12相關工作的追蹤能夠幫助我們更好地了解國際上對人工智能核心概念的認識，以及如何將人工智能落實到K-12教育體系中的設計思路。基于此，本研究首先解讀AI4K12工作組提出的人工智能教育應該覆蓋的五個大概念；然后以課例分析和點評的方式，考察從大概念到具體教學活動的設計過程；最后基于上述研究總結課例分析結果提出我國人工智能課程設計的建議，以期為中小學人工智能課程的設計提供思路與方法指導。

一 人工智能五個大概念的提出

大概念（Big Ideas）一詞的說法援引自威金斯（Grant Wiggins）和麥克泰（Jay McTighe）所著的一書，他們在書中使用“Big Ideas”一詞來表示人們理解教育的關鍵點，其可以是觀念、主題或者一個問題，如理解讀者/觀眾的重要性便可以作為文學課程中的一個大概念。他們認為對于一門學科或者一門課程而言，確定大概念一方面能夠幫助教師和課程開發者等圍繞此概念設計、制定相應的課程內容與教學活動，另一方面也能夠使學生的學習更加高效，幫助其形成學科觀念，因為學生能夠從大概念中洞悉具有真實應用情境且具有層次性的學習內容，并回答這樣一個問題：“從學科大背景出發，我所學習的知識是如何聯系在一起的？”[4]正因如此，AI4K12工作組認為確立人工智能的大概念是后續課程標準制定、課程研發等工作展開的基礎。這與我國教育部于2018年1月發布的普通高中課程標準的出發點一致：強調以學科大概念統整學科內容，以大概念為核心促進學科核心素養的落實[5]。

在最初確立人工智能的大概念時，AI4K12指導委員會參考CSTA在制定計算機科學課程標準時規定的數量，認為五個是相對合適的，這樣既能夠滿足對AI領域知識深度和廣度的要求，也能夠滿足綱要性文件簡潔性的需求[6]。之后，AI4K12指導委員會提出了兩種討論方案：第一種方案提出的五個大概念分別是代理、算法、知識表征與建模、人與社會、人工智能與心智模型，第二種方案提出的五個大概念分別是感知、推理、機器學習、語言、機器人。隨后，指導委員會以郵件的方式征求工作組所有成員（包括總指導委員會、K-12教師工作組、學術/行業工作組和咨詢委員會）的建議，但在當時，AI4K12工作組成員其實對這兩種方案并不滿意1資料源自與AI4K12工作組主席Dave Touretzky教授的郵件交流。。他們認為，目前的劃分方式或者說措辭帶有濃厚的人工智能技術色彩，對于人工智能相關專業人士而言或許是易于理解的，但對于一線教師和學生來說，顯然有距離感，也不利于K-12教師工作組后續在此基礎上開發各學段的課程標準。因此，AI4K12工作組成員基于上述兩種方案，圍繞“你能捕捉到哪些是孩子需要了解的人工智能五個大概念嗎？”這個核心問題，以每月一次的大工作組會議、每周或半月一次的子工作組會議和個人思考貢獻的方式對五個大概念進行研討，并在每個大概念下從具體應用示例出發，逐步擴充到子概念及對應說明和學生需要達成的目標。此外，AI4K12工作組強調，要確保每個大概念都能落實到K-12各學段中，而非某一大概念只在一部分學段出現。基于上述工作模式和理念，經過近一年時間的研討，AI4K12工作組于2019年7月正式發布人工智能的五個大概念（如表1所示），分別是感知、表征與推理、機器學習、人機交互和社會影響[7]。同年11月～12月，AI4K12工作組將這五個大概念框架發送至美國人工智能協會專家成員進行意見問詢，最終得到64份反饋意見，其中84.4%的學者認為該框架抓住了人工智能的本質，由此可見，該框架也得到了人工智能領域專家的認可[8]。

表1 人工智能的五個大概念

注：表格內容編譯自Touretzky等于2019年發表的（見論文集）一文。

AI4K12工作組強調，從感知、表征與推理，到機器學習、人機交互，再到社會影響，這五個大概念之間并非毫無聯系，而是具有內部順序性和邏輯性。從操作邏輯流的角度來看，從感知輸入到表征推理再到交互這一過程符合AI技術實際應用的操作過程；從主題范圍演變的角度來看，大概念也是從聚焦、具體的主題（如“感知”下的語音識別、視覺識別）向廣泛、抽象主題（如“社會影響”下為人工智能帶來的經濟影響做準備）合理過渡的過程；從兒童與人工智能技術接觸的場景來看，通常兒童第一次有意識地接觸人工智能技術，往往也是從與計算機視覺應用互動開始（如人臉識別應用Face ID），因此從感知開始是符合兒童的認知規律和實際生活場景的[9]。需要說明的是，上述五個大概念之間并沒有優先級或重要性之分，也并不意味著在后續人工智能課程的設計中要以上述順序進行內容引入，在多數情況下，復雜的課程模塊內容應該對五個大概念都有所涉及。這五個大概念是人工智能課程內容的核心要素，大到整門課程的設計，小到一節課或一個教學活動的設計都應該對應或者覆蓋上述五個大概念。

二 各學段人工智能課程課例分析

在確立人工智能課程的五個大概念后，AI4K12工作組依據CSTA發布的《K-12計算機科學標準》對K-12各學段進行分級：幼兒園～2年級（K-2）、3年級～5年級（Grade 3-5）、6年級～8年級（Grade 6-8）、9年級～12年級（Grade 9-12），這基本對應我國從幼兒園至低小、高小、初中和高中的學段劃分。本研究認為，要在各學段落地實施一門課程，分級是一項很有必要的工作，這一方面能夠讓授課教師對課程內容和方式有較為清晰的規劃，另一方面也能讓學生明確了解相應的學習內容。但分級的意義并不僅僅在于對人工智能領域知識點的簡單劃分，更重要的是闡明以何種教學/學習形式讓不同年齡段的學生理解何種程度的知識。因此，分析一些具有特色和代表性的課例，對后續設計各學段人工智能課程能夠起到舉一反三的作用。

為了更好地體現不同學段課例在教學設計上的連貫性及其與AIK12五個大概念之間的對應聯系，本研究選取的四個課例中，前三個均出自AI4K12工作組成員研發的ReadyAI課程資源庫，具有一定的質量保障。但由于目前ReadyAI暫未上線9～12學段的課程，因此本研究團隊選取AI4K12學術工作組成員Abelson教授領導的MIT App Inventor項目組研發的課程對第四個課例進行分析。總體來看，這四門課例都能夠在一定程度上體現目前美國人工智能課程的發展現狀。因此下文將通過對這四個課例的分析，進一步考察從大概念到具體教學活動的設計過程，嘗試發現對我國人工智能課程設計的可借鑒之處。

需要說明的是，本研究強調理想的人工智能課程并不是一門純技術課程，課程重點不在于教會學生如何使用編程工具去開發人工智能產品，而在于讓學生學會從現象看到本質，理解人工智能產品背后的基本原理，學會和生活中的人工智能產品相處，更好地了解人工智能對社會和生活的雙面影響。本研究也呼吁要培養適應智能時代思考和生活方式的人才，強調人人均應具有人工智能素養以適應未來更高效科學的人機協同，而非僅僅掌握人工智能相關技術的人才，上述思想在后續課例中也會有所體現。

1 K-2階段“表征與推理”課例分析

在一些人工智能課程或教育項目中，針對K-2階段學生的教學活動多以體驗AI應用為主，如與智能手機的語音助手對話、與百度智能音箱進行人機交互等。對低齡兒童而言，體驗新技術是新奇的，也是必要的，因為智能時代AI技術無處不在，幫助學生適應智能化時代的生活方式也是人工智能課程需要達成的目標之一。但這也對教學活動的設計提出了新挑戰：如何讓K-2階段學生在體驗AI應用的同時，理解AI技術的基本原理呢？為回應這一問題，本研究選取一節以理解AI技術基本原理為出發點的課例（課程時長為30～45分鐘）進行分析。從教學內容和目標來看，該課例主要對應“表征和推理”這一大概念，即讓學生能夠模擬計算機對物品進行分類的過程，說明子類別是如何形成的，并在此基礎上理解創造決策樹的過程。

圖1 K-2階段“表征與推理”課例活動流程

為促進學生對人工智能底層概念的理解，同時考慮到K-2階段學生使用計算機設備的不便，該課程整體采用不插電教學活動設計方式，即師生均未使用任何計算機設備。為幫助學生更好地體會計算機制定決策的過程，教師設計了難度遞增的三階段教學活動，活動流程如圖1所示。

①導入活動，約5～10分鐘。教師首先提出一系列與本節教學內容有關的引導問題，包括：思考AI應用如何識別出貓和狗的圖片？如何將全班同學劃分成不同的小組？各組有什么特征？學生通過回答這些問題，可建立對物品分類的初步感知并形成對特征、類別、子類別等概念的直觀認識。這些問題與學生的日常生活高度相關，因此學生可以從具體、真實且熟悉的現象中反思人工智能的相關知識，同時也進一步強化和突出了“人工智能是如何模擬人”這一命題。從教學設計上看，這些具有引導作用的問題是學習的有效支架，教師如何設計這些問題并確保其符合該年齡段學生的認知特點，同時兼顧到學生好奇心和興趣的激發非常重要。

②體現學科交叉和情境化學習設計特點的學生活動，約15～20分鐘。活動中學生以小組或個人形式在大白紙上對不同字母進行涂色，顏色自選；之后分別對大白紙進行展示并思考如何對這些字母進行分組，并在不斷分組的過程中再次學習特征、類別、子類別的概念。這部分教學活動主要有兩大特色之處：從內容設計角度來看，字母識別符合K-2階段學生的認知水平，也是語言學習的基礎，呈現出學科交叉的特點；從教學設計角度來看，教師采用情境化學習的理念，將學生放置在真實的體驗活動中，學生通過親自動手互動逐步了解計算機分類制定決策的過程，這一設計思路和目前學習科學領域常提到的具身認知也有一定契合之處，強調以身體參與的方式促進大腦認知加工。

③理解決策樹的創建過程，約10～15分鐘。最后一個階段，教師和學生需要完成從人工智能表征與推理的手動模擬體驗到抽象思維鍛煉的過渡。字母涂色分類活動后，教師要求學生采用小組討論的方式思考計算機是如何基于特征進行分類的。教師在這一階段會繼續提出一系列問題，并配以相應的板書，以決策樹的方式將分類過程符號化，進一步對計算機推理過程進行表征，幫助學生理解決策樹的創建過程。這部分活動的重點在于引導學生將人工模擬的過程和結果映射到計算機工作處理的方式，體會計算機的思考過程，畢竟人工智能課程的基本出發點還是要幫助學生理解計算機思考和處理問題的方式。可見在設計不插電活動時，如何在不借助計算機設備的情況下將活動設計和計算機底層概念學習融合是教師首要思考的問題。

整體來看，K-2階段“表征與推理”這一課例在教學設計上具有以下特點：①課例整體采用不插電的設計，不局限于具體的軟硬件設備，通過一系列的活動設計來幫助學生更好地理解人工智能背后的核心概念和底層邏輯。②根據學生認知水平設計層層遞進的學習活動，基本可概括為“導入—活動—總結”的三階段模式，即第一階段作為導入環節，以思維上的提問和引導為主，從生活中的現象反思教學問題；第二階段以動手體驗環節為主，通過活動進一步幫助學生建立直觀和系統認識；第三階段則為總結環節，進一步強化課程核心概念。如此設計，一方面符合該年齡段兒童從直觀、具象到抽象、復雜、系統化的認知順序，另一方面也符合活動多樣化的設計要求，更能激發學生的學習動機，也使其從不同類型的活動中加深對知識的理解和感悟。③提供豐富的學習支持，包括多種物料的準備，如印有字母的大白紙、多色彩筆；難度適宜且貼合教學目標的問題，如從如何區分貓與狗這一簡單問題，過渡到如何根據不同特征將全班同學進行多次分組這一復雜問題，都需要教師提前思考和設計。

2 Grade 3-5階段“表征與推理”課例分析

Grade3-5階段同樣選取圍繞“表征與推理”這一大概念設計的課例（課程時長在30～45分鐘），以期在分析該階段課例的同時，能將其與K-2階段課例進行縱向比較，體現教學設計的連貫性。相較于K-2階段“表征與推理”課例，Grade3-5階段“表征與推理”課例進一步深化教學目標設定，要求學生在理解決策樹的基礎上根據分類過程自行創建決策樹，進而理解計算機如何使用表征進行推理。在教學活動設計上，教師繼續沿用了與K-2階段相同的不插電活動設計和“導入—活動—總結”的三階段模式，來促進學生對底層概念的理解，活動流程如圖2所示。

圖2 Grade 3-5階段“表征與推理”課例活動流程

①導入活動，約5～10分鐘。第一階段活動中教師首先闡明教學目標，再播放一個與決策樹相關的視頻進行內容引入，同時拋出問題：計算機是如何制定決策和解決問題的？觀看視頻是教學中常采用的一種內容導入方式，其優勢在于能夠豐富課堂的多媒體形式，并對學生具有一定的吸引力。但也有兩點需要注意：一是視頻時長的控制，視頻的內容總是為教學服務，所以應該盡可能在有效時間內呈現最重要的信息，同時時間過長也容易讓學生在觀看視頻時產生疲勞感；二是配套問題的設計，看視頻并不是目的，更重要的是啟發學生從視頻內容中思考教學內容相關的問題，所以在觀看視頻前教師可拋出一些難度適宜的問題，這也相當于給學生樹立一個靶子，學生在觀看視頻的過程中需要時刻關注如何“中靶”，這樣就吸引了他們的注意力。

②解決分類決策任務，約15～20分鐘。這一階段的活動設計沿用了和K-2階段課例設計中類似的分類活動，但考慮到學生認知復雜度的提高，分類物品從簡單的字母換成了特征更多的動物。更重要的是，教師對學生的要求除了完成物品分類，還需要學生根據模版將分類過程繪制成決策樹。除此之外，教師還設置了真實情境中的決策任務：給出多個需要解決的真實問題供選擇，如為20人的小聚會點哪種披薩合適？應該購買哪家的飲品？進而啟發學生思考在制定決策的過程中會提出哪些問題以及如何進行推理。培養學生根據所學知識去解決真實問題的能力是該部分活動的特色之處，也是教師在設計人工智能課程活動時需要考慮的地方。

③課程總結，約10分鐘。最后一部分活動的重點還是以小組討論方式探討計算機是如何完成上述活動過程的，并引出最基本的神經網絡模型作為后續課程的起點。

整體來看，Grade 3-5階段課例與K-2階段課例有許多共同之處，如不插電活動設計、“導入—活動—總結”三階段模式、分類活動和豐富物料的支持。但考慮到學生認知水平的提高，教師在設計上也做了一定的調整，如分類活動的復雜度更高、需要學生自己動手建決策樹、進行知識遷移解決真實生活中的問題等。上述兩節圍繞相同大概念的不同學段的課例設計也體現出本研究所希望闡明的分級意義：探索出以何種不同的方式將大概念落實到不同學段的教學活動設計中。

3 Grade 6-8階段“可教的機器人”課例分析

與K-2和Grade 3-5階段的課例相比，Grade 6-8階段的課例設計呈現多主題融合的特征，而非僅圍繞一個大概念進行。本節所分析的“可教的機器人”這一課例（課程時長約為40分鐘）主要融合了三個大概念，分別是表征與推理、機器學習和社會影響。教師期待學生通過該節課的學習可以描述一個分類模型的輸入與輸出、解釋人工智能如何通過識別模式來進行數據分類、使用置信區間這一術語表達機器學習算法的數據輸出性能并知道人工智能如何影響社會。在整體活動設計上，該課例沿用導入—活動—總結的三階段模式，活動流程如圖3所示。但在具體活動形式上既包含不插電活動設計，也包含插電活動設計。

圖3 Grade 6-8階段“可教的機器人”課例活動流程

①導入活動，約5分鐘。教師通過啟發學生思考生活中真實的分類場景，引出有監督學習的概念。相較于K-2和K3～K5階段課例，該課例引入活動更為快速直接，可能的原因是：經過前序學習，學生對該部分知識已有積累，且認知水平隨年級而遞增，無須過多鋪陳。

②不插電與插電交替的學生活動，約30分鐘。第二階段教師設計了三類不同層次和難度的活動，每個活動約10分鐘。第一個活動是插電活動設計，學生兩兩成組，體驗Google AI實驗室開發的圖像識別程序Teachable Machine：首先讓計算機分別實時捕捉兩位組員的圖像，學生點擊模型訓練按鈕后，計算機可根據攝像頭前實時出現的圖像自動判別是哪一位學生。此活動一方面可以激發學生的好奇心，促使其進一步探究背后原理；另一方面通過體驗成熟的應用，學生可以直觀地建立對分類模型中輸入和輸出概念的認識。第二個活動是不插電活動設計，學生觀察兩組魚類（有毒素為一組，無毒素為另一組）圖片特征，同時手動對圖片進行分類比較，并繪制相應的決策樹，再回答：如何判別有毒素的魚和無毒素的魚？最后一個活動是插電活動設計，教師將第二個活動中魚類圖片的電子素材發給學生（包括訓練數據和測試數據），學生在計算機上使用Google實驗室已有的分類器對其進行數據訓練，使計算機自動判別魚是否有毒素，即達到和手動分類相同的效果。在此過程中，學生可能會發現計算機有時候會“出錯”，而這正是和學生解釋計算機如何工作以及引出置信區間這一概念的好機會——相較于直接告訴學生置信區間的概念，讓學生從實際應用中發現問題，教師再解釋原因的方式更讓人印象深刻。

③課程總結，約10分鐘。這一活動的目的有兩個：一是教師需要對課程中的一些核心概念進行再次總結，如置信區間、有監督學習；二是學生需要討論思考圖像識別技術在實際生活中的應用場景，以及在未來可能有什么應用，這樣就可以充分激發其創造力和想象力。

此課例的亮點在第二階段，該階段類型豐富，涵蓋了插電和不插電活動兩種；從應用體驗到手動模擬，再到計算機測試分類模型，難度不斷上升。此階段的課例既能使學生體驗已有應用、了解技術原理，還能助其在計算機上完成手動模擬過程并進行比較，實現認知的多次強化。

4 Grade 9-12階段“圖像識別App設計與開發”課例分析

Grade 9-12階段“圖像識別App設計與開發”課例也是多主題融合的設計，包括感知、表征與推理、機器學習和社會影響四個大概念，課程時長共計90分鐘，活動流程如圖4所示。

圖4 Grade 9-12階段“圖像識別App設計與開發”課例活動流程

第一節課（45分鐘），以學生體驗和討論為主。前10分鐘教師帶著學生一起討論機器學習是什么以及應用場景。中間25分鐘學生體驗已有的圖像識別應用，同時教師通過提問引導學生思考：在這個應用中機器學習是如何發揮作用的？最后10分鐘討論環節，教師拋出幾個問題供學生研討：這類程序在生活中有何應用？數據如何收集？在什么情境下這些數據是可用的？圖像識別對你的生活有何影響？這些問題也體現出本次課程在大概念上的復合性。

第二節課（45分鐘），以學生動手實操為主。教師將自主權完全交給學生，前35分鐘學生基于App Inventor平臺自主開發一個圖像識別的App，并進行測試。這部分活動的重點是教師不講授任何知識點，也不講解平臺操作，只給學生發放任務卡和手冊，并提醒學生App Inventor平臺中有可用的教程，之后學生根據手冊和教程自己摸索，完成任務卡中的要求。最后10分鐘學生需要對自己研發的App進行優缺點分析，并討論生活實際應用場景和隱私安全方面的問題。

該課例在設計上值得思考的地方在于學生所能獲得的絕對自主權，盡管學生可能對平臺操作不熟練、對編程語言不熟悉，但教師依然沒有為學生詳細講解這些操作細節，其職責完全由一本學生自主翻閱學習的手冊替代，教師需要做的是巡場、觀察和適時指導。這也是本研究認為人工智能課程中涉及到學生動手操作的活動時，教師角色需要轉變的地方。

三 對我國人工智能課程設計的建議

AI4K12工作組提出的五個大概念為我國人工智能課程設計提供了參考，對跨越不同學段的課例進行對比分析為上述大概念在真實課程中的落地提供了操作性檢驗的支持。根據五個大概念和課例分析結果，本研究提出我國人工智能課程設計的建議，以期為我國人工智能課程的設計和實施提供參考。

1 打破純應用導向的課程活動設計壁壘：不插電的人工智能

在許多人工智能課程或教育項目中，課程設計主要采取了純面向應用的視角，往往忽視了對復雜算法或技術如神經網絡背后原理的探討[10]。人工智能技術的底層概念在純應用情境中的理解難度，使人工智能技術在學生眼中仍然是一個黑箱的存在，這也違背了開設人工智能課程的初衷。為了幫助各個階段的學生積極地理解人工智能背后的原理和概念，不插電活動的設計在人工智能課程中扮演了非常重要的角色，這從上述課例分析的結果中也可見一斑：K-2、Grade 3-5和Grade 6-8階段課例均采用了不插電的活動設計。此外，從可復制、可推廣的角度來看，不插電活動設計的另一優勢在于，能支持教師在沒有足夠軟硬件設備的情況下開展人工智能相關內容的教學，而無須過多擔憂成本問題。因此，學校在推廣人工智能課程以及教師在設計人工智能課程的教學活動時可以適當考慮不插電的活動設計。

2 跨越人工智能課程邊界：多學科交叉的課程設計

從上述課例分析結果來看，以“AI+X”的方式設計多學科交叉活動也是一大特點，如在上文提到的為K-2階段學生設計的“表征與推理”課例中，字母分類的活動其實就是一種“AI+語文”的活動設計思路，學生一方面可通過真實的互動體驗認識多個字母，從而為今后的拼音學習奠定基礎；另一方面可從中了解計算機是如何制定分類決策這一人工智能領域的核心概念的。此外，就目前來看，信息技術課程的課時本身就不足，增加人工智能相關內容后是否會加劇這種不平衡也是課程落地時需要考慮的問題。多學科交叉的課程設計優勢之一便在于，可以將部分人工智能的教學內容分散到學科課程中，且實現這一設計思路的有力保障在于學科教師和人工智能課程教師的知識結構可以互補：學科教師所具有的優勢在于能夠設計出具有學科特色的教學情境，人工智能課程的優勢在于扎實的技術使用能力，兩者配合能夠設計出更具情境化的教學活動。從學校層面來說，這也有利于學校開設具有多學科交叉設計特色的校本課程。

3 關注課程設計的主題變化：從單一主題到多主題融合

內容主題粒度是不同學段人工智能課程在具體設計時需考慮的。從上述課例分析的結果來看，低學段課程（幼兒園至小學）多采用單一主題設計，如一節課或者一個大教學活動只圍繞表征與推理這一個主題；高學段課程（初高中）則采用多主題融合設計，如在一節課或者一個大教學活動中包含感知、表征與推理、人機交互三大主題，這一設計也符合不同學段學生的認知發展水平。對于剛接觸人工智能課程的低年齡段學生而言，他們自身還沒有建立該領域下復雜的認知圖式，此階段最重要也是最基礎的工作之一便是建立知識節點，教師也需要花更多的時間幫助學生建立事實與抽象概念之間的聯系。此后，隨著課程內容的不斷深入、學生認知水平不斷的提高，多主題融合設計的課程有助于學生將獨立知識節點進行聯結，形成相應的認知網絡。這也是我們從教學內容和目標角度出發，在設計各學段人工智能課程時把握的主線。

四 結語

在沒有正式課程標準文件指導的情況下，人工智能課程的設計充滿彈性和可變性，課程核心概念把握的差異、教學設計理念的不同等都影響著人工智能課程具體的設計與實施。為此，本研究根據美國K-12階段人工智能課程大概念的劃分，對應不同學段考察了從大概念到課程設計的落地過程，并針對我國人工智能課程設計提出加入不插電活動設計、嘗試跨學科活動設計和關注不同學段學習主題變化的建議。未來研究也需要進一步關注如何培養學生的人工智能素養，幫助學生在理解人工智能底層原理的基礎上更好地利用人工智能應對未來的人機協同挑戰。

[1]教育部.普通高中信息技術課程標準(2017年版)[M].北京:人民教育出版社,2018:26-28.

[2]教育部.義務教育信息科技課程標準(2022年版)[M].北京:北京師范大學出版社,2022:39-42.

[3]方圓媛,黃旭光.中小學人工智能教育:學什么,怎么教——來自“美國K-12人工智能教育行動”的啟示[J].中國電化教育,2020,(10):32-39.

[4]Wiggins G P, McTighe J. Understanding by design[M]. Danvers: ASCD, 2005:65-66.

[5]李剛,呂立杰.國外圍繞大概念進行課程設計模式探析及其啟示[J].比較教育研究,2018,(9):35-43.

[6]Touretzky D, Gardner-McCune C, Martin F, et al. Envisioning AI for K-12: What should every child know about AI?[A]. Proceedings of the AAAI Conference on Artificial Intelligence[C]. Chicago: IEEE, 2019:9795-9799.

[7][9]Touretzky D, Gardner-McCune C, Martin F, et al. K-12 guidelines for artificial intelligence: What students should know[Z]. Philadelpha: Proc. of the ISTE Conference, 2019:14-35.

[8]Touretzky D, Gardner-McCune. K-12 AI Education in 2020[Z]. New York: EAAI 2020, 2020:11-13.

[10]Lindner A, Seegerer S, Romeike R. Unplugged activities in the context of AI[A]. International Conference on Informatics in Schools: Situation, Evolution, and Perspectives[C]. Larnaca: Springer Cham, 2019:123-135.

Analysis of Big Ideas and Curriculum Design of the American Artificial Intelligence Curriculum in K-12

OUYANG Jia-yu1WANG Yu2WANG Qiong3[Corresponding Author]

As the development of an artificial intelligence curriculum in K-12 become important measures to promote artificial intelligence education, the method to involve artificial intelligence education into the K-12 stage has become a matter of international concern. In order to further clarify what to teach and how to teach in different grades, this paper interprets the five big ideas raised by the AI4K12 working group jointly established by the American Artificial Intelligence Association and the Computer Science Teachers Association as follows: perception, representation and reasoning, machine learning, natural interaction, and social impact. Then, according to the above-mentioned five big ideas and the four stages divided by the AI4K12 working group (K-2, Grade 3-5, Grade 6-8, and Grade 9-12), this thesis examines the design process from the five big ideas of the curriculum to the specific teaching activities by way of curriculum analysis. Lastly, three points for the design of China’s artificial intelligence curriculum were summarized as follows: the first is to design unplugged activities to help with students’ understanding of basic concepts of artificial intelligence; the second is to design interdisciplinary curriculum activities; the third is to grasp the main line of the transition of the curriculum design from single theme to multi-theme, in order to provide a reference for the development of AI curriculum and curriculum standards formulation in China.

artificial intelligence; artificial intelligence education; K-12; big ideas; curriculum design

G40-057

A

1009—8097（2022）12—0013—10

10.3969/j.issn.1009-8097.2022.12.002

本文為教育部—中國移動科研基金2018年度項目“中小學編程教育與人工智能工程素養研究”（項目編號：MCM20180611），北京理工大學青年教師學術啟動計劃、華東師范大學-云思智學教育數字化戰略實驗室開放基金“在線情境下中小學教師教研的結構化干預策略研究”（項目編號：2022AIEDF202209012），國家開放大學2021年度青年科研項目“慕課十年發展（2012-2021）綜合分析與未來趨勢研究”（項目編號：Q21A0014）的階段性研究成果。

歐陽嘉煜，助理教授，博士，研究方向為教師專業發展、教師專業學習共同體、人工智能教育，郵箱為ouyangjiayu@bit.edu.cn。

2022年7月20日

編輯：小時