人工智能向美而行的大單元實踐研究

【摘 要】在中小學開展人工智能課程已成為時代共識。然而，人工智能課程中仍存在“重技術輕素養、重局部輕系統”等問題，而大單元是指向教學整體性和素養培養的有效方法。為進一步挖掘人工智能大單元課程發現美創造美的育人價值，本研究設計了向美而行的人工智能大單元“AI·美”課程，并開展了為期2個月的教學實踐。結果表明，課程能夠有效促進學生對知識的整體性把握，能夠有效促進學生的計算思維等核心素養的發展，學生對課程的整體學習興趣較高。

【關鍵詞】人工智能；大單元；向美而行

【中圖分類號】G434 【文獻標志碼】A

【論文編號】1671-7384（2024）011-066-03

本研究基于大單元教學，結合以美育人的理念，開展了人工智能向美而行的課程設計與實踐，以探索人工智能課程育人的有效實踐路徑。

人工智能課程實施現狀及問題

開展中小學人工智能教育已成為各國教育的重要戰略布局。美國麻省理工學院提供了面向中小學的“Make Your Doodle Bot！”人工智能課程[1]。芬蘭則將編程作為人工智能教育的主要推進內容，并正式納入中小學課程標準中[2]。新加坡發起了中小學“AI for Kids（AI4K?）工作坊”[3]，提升學生對人工智能的興趣。我國也積極推進人工智能進入中小學課堂，各地紛紛開展中小學人工智能課程[4]。

在課程內容上，聯合國教科文組織（UNESCO）通過調研全球193個教科文組織會員國和1000 多個私營組織的人工智能課程，總結了各國的人工智能課程內容：包含AI基礎（占比約41%）、AI 使用與開發（占比約 25%）和倫理與社會影響（占比約 24%）三個方面[5]。我國教育部教育裝備研究與發展中心聯合北京、武漢、廣州、西安、深圳五地教科院（所）和教育裝備部門，共同構建了“知識積淀”“應用體驗”和“實踐創新”三大課程模塊[6]。

在課程實踐上，劉江岳等設計了面向高中生的人工智能校本課程，包含基礎章節和進階章節，并對其進行了計算思維的效果驗證，有效提升了學生的計算思維能力[7]。張學軍等構建了高中信息技術課程的人工智能應用設計框架，并開發了人工智能應用項目案例資源[8]。

然而，當前中小學人工智能課程的開展仍面臨困境。一方面，人工智能的教學呈現明顯的知識碎片化現象[9]，過于重視局部知識點，忽視全局視角的引導。另一方面，實踐發現，人工智能課程容易就技術而講技術，忽視課程的素養培養和育人價值的挖掘，使得學生對人工智能課程的興趣逐漸降低。

大單元教學提供了系統性和素養培養的思路

一般來說，教學單元分為兩種類型：一種是依據兒童思維結構和過程組織的經驗單元；另一種是依據學科知識的邏輯體系建構的教材單元[10]。傳統的教學單元常以知識點線性開展，課時被細分，學生的結構化知識體系難以建立。大單元以反映學科本質特征的概念為支點[11]，以核心素養為導向，將分散的知識進行結構化和系統化整合，或是對原有教學單元的二次加工，或是完全打破與重組，從而形成學習單元。其中，學習單元是由素養目標、課時、情境、任務、知識點等要素按照某種需求和規范組織起來的有結構的整體[12]。

可以看出，一方面，大單元教學注重培養學生的系統思維；另一方面，大單元教學重視落實學科素養的達成。王鑒指出，大單元教學的價值促成了學生對內容的深度理解，以實現對生活的高通路遷移，從而培養專家思維[13]。

已有研究對人工智能大單元設計進行了探索。李艷等從大概念視角設計了“人工智能基礎”大單元[14]，何聚厚等則設計了指向學科大概念的“人臉識別”大單元[15]。然而，當前人工智能大單元教學主要聚焦人工智能技術本身開展，缺乏科技與人文的融合，使得人工智能課程大多成為技術講解類課程，缺乏對課程育人價值的進一步挖掘和美的滲透。

人工智能向美而行的單元設計與實踐

1.單元設計

（1）單元主題。本單元圍繞“用人工智能發現美”，讓學生真實感受運用人工智能發現身邊美的價值，落實科技育人的課程理念，實現融合科技與人文的雙向奔赴。

（2）單元結構。基于上述主題，本單元對原有教材中的必修1第六章、選修4第三章和第五章的相關內容，按照核心素養導向進行了重構，形成了“AI·美”大單元。

（3）單元學情。在已備知識方面，高一學生在生活中已接觸了許多人工智能產品，對人工智能有一定的生活經驗。在已有素養方面，教師可根據學生的合作意識和合作能力，引領學生以小組為單位開展深度探究。在表達上，高一學生具備較強的表達能力，教師可以給予學生充分表達的機會。在知識難點上，學生對人工智能的理解容易停留在感知層面，教師要設置具有生活情境的真問題，引導學生深入探究人工智能的實現過程。在思維難點上，學生對人工智能背后實現原理的理解存在一定困難，教師要盡量借助可視化實驗平臺，將過程可視化，化抽象為具體，讓學生在具體體驗中實現深度理解。

（4）單元目標。一是能說出人工智能的本質特征，培養信息意識。二是能說出用哪些經典的人工智能（如機器學習中的CNN、RNN、人工神經網絡等）來發現身邊的美。三是能說出用人工智能發現自然美（圖像分類CNN）、詩歌美（RNN）、音樂美（人工神經網絡）的基本步驟，培養計算思維。四是能基于數字平臺運用人工智能進行美的作品的創造，能基于數字平臺開展自主學習與協作探究，進行數字化學習與創新。五是能辯證分析人工智能帶來的影響，增強對美的感受和認知。六是樹立運用人工智能要遵守法律法規和道德規范的意識和責任，承擔信息社會責任。

（5）單元評價。本單元注重對“教—學—評”一體化的設計。首先，圍繞評價目標一條線，所有評價均指向目標達成的情況。其次，評價的內容是多維的，聚焦核心素養。再次，評價的主體是多元的，既有學生個人自評，也有同伴互評、教師評價。最后，評價的過程注重數據驅動，強調對學生數據的即時收集與反饋，從而根據學生的掌握情況適時調整教學，實施精準教學。

（6）單元任務群與問題鏈。本單元圍繞“大單元—任務群—問題鏈”邏輯線，在設計理念上，以“教師主導—學生主體”、數據驅動的“精準教學”、“教—學—評”一體化設計為指導進行大單元設計，每個課時均有對應的任務群和問題鏈。為滿足各課時中的任務實施，本單元借助了類型多樣的數字化平臺與資源，推動學生在信息意識、計算思維、數字化學習與創新以及信息社會責任各維度上的學科核心素養的落實。

2.單元實踐

（1）實踐對象及安排。本單元面向高一年級學生教授，授課時長為7節。

（2）研究問題。本單元主要聚焦如下問題：“AI·美”單元的實施，能否促進學生系統性了解人工智能；能否促進學生核心素養中計算思維的發展；能否吸引學生的學習興趣。

（3）測量工具。為測量學生的計算思維，本研究采用Korkmaz等開發的CTLS量表，華東師范大學白雪梅團隊對該量表進行了漢化，對量表信效度進行了較為全面的檢驗，驗證了其在高中階段的適用性，該量表的Cronbach's α系數為0.83[16]，具備較高的信度。為測量學生的學習興趣，本研究采用Hwang等開發的五點量表[17]，該量表的Cronbach's α系數為0.88，具有較高的信度。

（4）實踐效果。一是學生系統性掌握情況。數據顯示，在“AI·美”大單元下，學生的系統性掌握均值為4.04，標準差為0.77，說明學生能夠較為系統地掌握單元的知識結構。其中，學生在“更全面系統地了解了人工智能創造作品（如圖片、詩歌、音樂）背后的基本過程”和“更全面系統地了解了許多生活中的人工智能應用案例”中的表現相對較好，說明通過單元的學習，學生對知識有更系統的了解。而在“掌握了許多AI創作工具，可以應用到解決生活中其他的問題中”維度上的得分相對較弱，這也說明在掌握AI創作工具上，還需要進一步練習。二是學生計算思維素養得到發展。調查發現，學生通過學習“AI·美”單元，在計算思維維度的平均分為3.59，相比于課前的計算思維平均分（3.25）有較大的發展。當然，如果要進一步判斷是否存在統計學意義上的顯著性差異，還需要通過對比實驗來進行交叉驗證，這也是本研究后續進一步完善的方向。三是學生對大單元的學習興趣明顯提升。調查發現，在“AI·美”大單元下，學生的學習興趣均值為3.928，標準差為0.793，學生的學習興趣總體較高。其中各個維度的滿意度如表1所示。可以看出，學生認為“AI·美”的課程內容是有趣的，是有吸引力的。學生也表達了期待繼續上相關系列課程的想法，這說明“AI·美”課程為學生繼續深入學習人工智能奠定了基礎。當然，調查也發現，課程中的提問設計需進一步增強趣味性。

結 語

本研究面向人工智能課程中存在的“重技術輕素養、重局部輕系統”問題，嘗試基于大單元，結合以美育人的理念，設計了人工智能向美而行的課程，并進行了實踐。結果表明，該課程能夠幫助學生系統地掌握單元的知識結構，并促進學生在計算思維等核心素養方面的發展。當然，調查也發現課程中的問題設計需要進一步增強趣味性。本課程是科技與人文融合的初步嘗試，未來，該課程還需進一步深入探索，以總結形成有效的人工智能大單元教學模式，并組織開展對照實驗，以更全面客觀地驗證模式的有效性。

參考文獻

MIT Media Lab. Doodle Bot. [EB/OL].（2019-10-03）[2024-05-17].https：//mitmedialab.github.io/doodlebot/make.html.

鄧續言. 芬蘭中小學如何開展編程教育[J]. 福建教育，2020（31）： 21-23.

AI Singapore. AI for Kids[EB/OL].（2021-08-12）[2024-09-20].https：//www.aisingapore.org/talentdevelopment/ai4k/.

深圳衛視深視新聞. 深圳小學初中全面普及人工智能課程，全市高校達17所[EB/OL]. （2024-05-16）[2024-09-20].https：//mp.weixin.qq.com/s/T2tJ5X2EzVnPBLXsH6C1MQ.

樓又嘉，李一航，王永固，等. 人工智能基礎教育課程全球圖譜：開發框架與實施方略：UNESCO《K-12人工智能課程圖譜》報告解析[J]. 遠程教育雜志，2022，40（3）： 3-15.

張敏，劉俊波. 中小學人工智能教育課程的設計和實施策略[J]. 教育與裝備研究，2020，36（10）： 6-9.

劉江岳，馬靜. 培養計算思維的高中人工智能校本課程設計[J]. 計算機教育，2023（6）： 213-219.

張學軍，董曉輝. 高中人工智能課程項目案例資源設計與開發[J]. 電化教育研究，2019，40（8）： 87-95.

李佳琦. 在初中階段開展人工智能普及性教育的困境與思考[J]. 中國信息技術教育，2022（11）： 85-87.

[13] 王鑒，張文熙. 大單元教學：內涵、特點與實施策略[J]. 中國教育學刊，2023（10）： 5-9.

伍雪輝. 大單元教學的內生邏輯與實踐立場[J]. 教育研究與實驗，2022（4）： 91-96.

崔允漷. 如何開展指向學科核心素養的大單元設計[J].北京教育（普教版），2019（2）： 11-15.

李艷，孫丹，杜娟，等. 大概念視角下初中“人工智能基礎”單元設計及應用策略探索[J]. 現代遠距離教育，2021（4）： 35-47.

何聚厚，李天宇，何秀青. 中小學人工智能教育大單元設計的意蘊、困境和路徑[J]. 中國電化教育，2022（2）： 30-37.

Korkmaz， ?.， Xuemei， B.A..Adapting computational thinking scale （CTS） for Chinese high school students and their thinking scale skills level[J]. Participatory Educational Research，2019，6（1）：10-26.

Hwang， G. J.， Chang， H.F.A formative assessment-based mobile learning approach to improving the learning attitudes and achievements of students[J]. Computers & Education， 2011，56（4）：1023-1031.