中小学人工智能教育大单元设计的意蕴、困境和路径

何聚厚 李天宇 何秀青

摘要：智能时代来临，中小学人工智能教育如何培养未来公民备受关注。人工智能教育在中小学校主要借助信息技术学科来承载，不可回避，技术学科在工业时代教学中产生的“知识块庞杂、工具观单一、生师比悬殊”等问题依旧存在。人工智能教育采用大单元设计的价值在于从“技术本位”到“素养本位”的转变，单元化的认知过程呈现出以学科大概念重构知识图谱、以学科核心素养扭转育人目标、以系统评价服务学生本位的价值意蕴。从策略、目标、活动、知识和评价方面构建单元时，存在着单元化意蕴与传统教学优势之间难以取舍的现实困境，该文探讨了以大单元设计的价值意蕴化解人工智能教育现实困境的实践路径。

关键词：人工智能教育；单元设计；大概念；教学策略；中小学

中图分类号：G434 文献标识码：A

* 本文系国家自然科学基金项目“师范生课堂教学表达能力自主实训与评价模型研究”（项目编号：62177032）、中国教育学会教育科研重点规划课题（2019）“中小学人工智能教学活动设计和课例实施研究”（课题编号：201900302301A）阶段性研究成果。

人工智能教育进入中小学课堂的育人愿景是培养青少年适应未来社会的职业，具备对话技术伦理的知识、能力、思维和责任，为智能时代储备领域人才。当前中小学主要通过信息技术等课程来学习人工智能知识[1]，如果人工智能知识“粗暴”地通过加知识链接、加单元内容等方式填充到现有的信息技术知识结构中，则会增加知识体量，不可避免地使信息技术课程原本课时紧缺、专业师资匮乏[2]、偏重技术跟练[3]等问题“雪上加霜”，误导更多学校简单通过“改头换面”更换课程名称的方式让“人工智能教育”有名无实。人工智能教育“假繁荣”的情景蒙蔽了学科内容冗余、教师教学求效、学生遷移薄弱等现实情况，实际上是暴露出现阶段中小学人工智能教育的知识架构、实验环境和考察手段等原始储备不充分和人们所期盼的育人溯源之间的矛盾没有改变。

人工智能教育大单元设计是指用大单元教学策略组织人工智能知识教学。大单元教学的设计以大概念为视角，遵循学科知识原有的科学逻辑[4]，以回归知识情景的方式促进深度学习真实发生[5]，学生得以获得真实性的学力。单元化的认知过程在知识整构、活动设计和评价方式等方面提供了新思路。本研究尝试对基于大单元设计的人工智能教育深入分析，揭示人工智能大单元设计的价值意蕴、现实困境和实践路径。

大单元设计的基底是以大概念为锚点重构知识[6]，来习得学科核心素养，倒逼学科教学将模块知识整合看、将抽象知识意象看、将薄弱知识系统看。深入大单元的设计，有利于对症解决人工智能教育“知识块庞杂、工具观单一、生师比悬殊”等突出问题，促进人工智能教育回归基础教育素质育人目标的价值意蕴。

（一）化零为整，避免内容“尾大不掉”

人工智能教育涉及知识领域广泛，如人脸识别、语音识别、场景理解等感知技术，信息表示与推理算法模型，进行信息处理的机器学习模型，自然语言理解、情感计算等人机交互模型，以及数学、生物、控制论、信息学等学科领域知识。如果只是在知识层面与现有的信息技术学科相叠加，依然陷于工业时代的育人导向，以岗位需求育人，堆砌零零散散的技术，则不能称之为一门学科，一门充分发展的学科应有着独特且系统的核心概念作为支撑[7]。“学科大概念”是学科育人功能的核心目标，大单元设计以此来构建单元，教师不再是盯着要选用哪一种教学手段来突破某一个“教学难点”，而是跳脱出“穿针引线”般串连知识点的微观思维，通过居于上位的大概念，从全盘且系统的视角挖掘“知识之间”存在的科学关系，相互借力，让学生的“认知难点”不攻自破。

一是以“学科大概念”为刃，精简内容。人工智能知识是学科教育应对智能时代的育人补充，聚焦核心概念“量体裁衣”，一些关联度低、概念性弱的知识将暂时保持“沉默”，精选、重组课程内容，大幅度缩减某一方面的知识内容，形成有机的知识集合，一定程度上缓解“课时紧张”的问题。

二是借其他“学科核心素养”之力，聚合概念。各学科的核心素养是中国学生发展核心素养的具体化，存在着内在联系，实现素养互通、概念迁移。可以充分调用已经形成的科学、物理、生物、历史、数学等学科核心素养去同化算法原理、智能原理等未知的人工智能知识，用活跃的知识突触激活沉默的知识突触，建立贯通的知识图谱，各学科之间的学科大概念互为认知工具，避免“孤立无援”地建立新概念网络的不稳定结构和高建构成本。

（二）真实情境，诱发技术“继往开来”

未来是智能化的时代，人工智能技术已经展现出了深远的影响潜力，已经超过了技术的工具价值，单纯的技术是“不具备生命的”，人较于技术，要么是开发技术的人，要么是应用技术的人，要么是受用于技术的人，前两者一定是社会中的少数群体，而基础教育的本质是通识教育，其目的是理解技术的原理、掌握技术的发展规律，在不断变化的技术环境中获得稳定、可持续的素养。大单元设计注重情景中的技术和技术中的情景，前者是学习真实的技术，后者是获得迁移的素养，借用学习无生命的技术形成可持续的思想。

一是丰富技术的工具观。在技术之上蒙上一层情景的滤镜，将单层次的技术讲授、原理说明同情景关联，成为具有实际价值的问题、课题或话题等。真实的情景能增强知识与知识的黏性，增强知识与生活的黏性，缩小理论与经验的认知鸿沟，防止“大水漫灌”知识后，理论与实践产生断崖，需要再通过练习补充认知。情景设计注重与学生经验的契合[8]，将求索过程与自身经验产生良性互动，易于进入深度思考，即“经验论”被“真实情景”所接受，感知学习知识的意义[9]，技术不是凌驾于生活的理论。同时真实的情景是复杂的，还原了问题的产生背景、因果逻辑和制约条件等科学的关系，学生能够从人文、实用、科学等视角全面认识技术，接纳不同的技术、合理使用技术并了解运用技术的边界，正确认识技术对个人发展和社会变革的影响。

二是普适专业的人才观。中小学阶段的人工智能教育不是培养每个人成为人工智能的开发者，而是培育适应智能时代变化的具备智能素养的未来公民。素养是在人的活动中形成、发展和显现的[10]，单元活动的关键是学生能够主动地“动”起来，活动中的情景与社会主义核心价值观、中华优秀传统文化等有机结合，激发学生的情感共鸣，极大地调动原始积累，利于分析和解释未知[11]，激活知识孤岛，不断涌现出新想法和促进想法的更替，建构真实的能力，形成持久的必备品格和关键能力，最终具备与人、与自然、与机器和谐共生的素养，健康发展理想信念、政治素质、道德品质、生态文明、法治意识和创新责任，具备发现、融合、推动和有限度使用技术的自制力。

（三）评价可视，面向对象“抽丝剥茧”

提高一个模型的识别率不是人工智能教育的核心目标，用“代码通不通”“识别率高不高”判断学生的学习绩效虽然直观，但太单一，“调参数”“拼模型”还是机械的重复行为，练不出素养。大单元的评价从传统“唯分数”的重结果转变为“重状态”，既能追溯到导致低分之前的学习“状况”，还能预测面对“态势”的素养水平，从而调整造成结果的“元凶”单元活动，防止以表面效果代替评价目的的现象，导致核心目标的窄化。

一是单元可读。目前中小学的人工智能课程主要由信息技术教师讲授，师生比例悬殊，教师难以关注到每一位学生的思维活动，在学生活动代码等操作时，教师容易沦为旁观者、检验者和批判者，“游离”在学生之中。技术支撑的评估作为单元活动的“显微镜”捕获学生过程化的行为，统计反应速度、试错次数、完成程度、讨论人数等量化行为，支持教师预测学习绩效和干预单元活动，及时调整单元的问题情景、知识体量、持续时间以及单元之间的逻辑等，有针对性地设计学习支架、协作策略、认知工具等外围环境，减少无效活动占据的时间。

二是素养可辩。大单元设计与人工智能教育的目标不谋而合，都不是评价掌握知识的精熟程度，重点考察学生从一个大单元到另一个大单元的过程中素养的变化情况，确定学生的学科核心素养所处的水平和判断在下一个单元可能发生的变化。素养水平与考试分数不同，考试分数是一个与“学没学过特定知识”高度关联的值，会随受被试的主观因素产生较大的波动，素养水平是经过多次实践培育的结果[12]，是与原有概念多次构念后呈现一定态势的均值，例如学生学习过训练图像识别模型的一般过程，可能没有学习过Photoshop或者Flash，也能理解图层和颜色通道的概念以及成像原理，没有学习过人脸识别、语音识别等智能原理，也知道从自然特征到训练数据的转译过程。

三是方法可溯。大单元设计以单元为周期沉淀一段时间的评价数据，不会因为一次数值的不佳而“自乱阵脚”地调整策略，而是观察学生在一整个单元内的实验过程和单元到单元的能力变化，联系前后造成错误的本质，瞄准共性问题、认知偏差发力。大单元设计不主张人为穷举“陷阱”，学生在“没有教师呵护”的实践中自然会积累很多真实的“陷阱”，真实的陷阱才是现实中会发生的问题，通过同伴之间对真实问题和解决方案的交流，有效地补充、验证、调整已经形成的知识概念。

中小学的人工智能教育与其他学科课程不同，没有独立的课程体系，因此缺少贯通的顶层设计，导致一线教育工作者纠结于辩驳人工智能教育的“样子”。在没有充足的经验积淀下，中小学人工智能教育面对“老方法”与“新理念”时，势必陷入困境，例如單元策略存在立竿见影和静观花开的矛盾，单元目标存在夯实基础与素养导向的矛盾，单元活动存在主题多样与一以贯之的矛盾，单元知识存在科学至上与认知规避的矛盾，单元评价存在引导共性和适配个性的矛盾，疲于追风、忙于效法、困于见效。

（一）受制于教条的“讲—练”思维

知识如教育的血肉，策略赋予教育以灵魂，是只通过看书所不能及的。在传统教育的模式中，学生通过教师提炼知识点、刷题来强化记忆，短时高效，学习针对性强，通过反复练习易于形成以一本书为边界的知识框架，但“坐井观天”容易产生认知依赖、造成短视思维。在大单元的设计中，主张学生的认知活动从问题开始，在学习的过程中需要不断调取旧知或者补充新知，找到解决问题的“蛛丝马迹”，并逐渐推进，自适应生成认知路径，学生回顾后能够看出完整的概念。

较于“投食”的传统教育，大单元设计打破了教材以知识点为内容的框架，将知识融入活动，把学习的时间还给了学生，学生需要适应认知时产生的孤独感和不确定性，出现学习习惯与大单元活动不适配的问题，也是教师“不敢放手”的顾虑所在。

（二）陷入“复盘结论”等于“项目学习”的误区

评价标准指导育人的航向，影响教与学的行为。在以考试分数论合格的先决条件下，出现了“看说明书”代替“实验探究”的现象，陈述性地讲授实验环节与技术要点，教师甚至怕学生误操作，帮助学生“排雷”，学生通过观察、识记、模仿等浅层的活动来复盘结论，补充了认知、增强了理解，但是缺失了排错、分析、矫正等有深度的思考，导致学生提炼和分析不出问题，也设计不出具有科学性的实验。在素养导向的观念中开始关注学生为主体的探究，由此萌生了具有驱动力的“项目书”，通过框架式的表格归纳得出结论，通过列举现象推导出有规律性的知识概念，但随着知识难度的增加，难以通过简单地摆事实、做推断得出概念，导致经验主义或空想主义脱离了理论基础，认知停留在基于已知回答问题，难以激发新知，出现大致了解的模糊概念，致使知识结构不够稳定，没法具化为概念。

“看说明书”学生缺少能动，“填项目书”理论缺少升华，教师容易被学生浅层的复盘所蒙蔽，例如学习了图像分类技术的学生可以类推出识别垃圾类别、不同动物等同质化的技术场景，难以设想对于火情检测、物品翻译、数目统计等识别结果的深度处理或者基于图片的视频流处理的应用。扎实的理论知识没有贯通，知识与情景缺少深层的互动，学生陷入学习过的知识想不到、不会用、用不动的境地。

（三）单元活动的活力不够

学生能“动”起来是获得真实学力的基础，是不可逾越的。参照2017年修订的普通高中信息技术新课标中的设计依据，很多教师适应了创设项目问题来驱动学生探究，激发学生主动思考，但出现了“打一枪换一炮”，丰富的项目情景将知识研磨地过于细碎，学生还来不及进入有价值的深究，项目情景就已经“面目全非”。而大单元设计为了强调活动的完整性出现了过犹而不及的现象，情景覆盖整个学期，甚至是一学年，在“从一而终”的情景中，学生有相对充足的时间进入有深度的思考，但是学生长期处于单调的情景中，问题容易变得“食之乏味”。

从情景持续的时间看，大单元的活动需要多节课才能完成，单元内的知识点是环环相扣的，对学生而言，“持续作战”依赖于学生的兴趣、学习的注意力、解惑的耐力以及问题继续探讨的价值等综合因素，当学生中途“掉线”后，没法“重新连接”恢复认知活动，大单元的设计也就落空了。

（四）知识处理缺少顶层思维

教学最基础是要保证知识的正确性。目前缺少覆盖小学、初中、高中的完整基础教育人工智能教材，教材中的知识处理常见为大学知识的降维讲解，或将知识穿插在项目中讲解[13]，教师很难系统地掌握学科的知识架构和设计意图，即使“照本宣科”能够讲清人工智能的原理，但是缺少依据学情的教学处理，“囫囵吞枣”学生被动的填压知识，同时缺少强化认知的实践设计，“味同嚼蜡”学生难以感受到科学的魅力，鼓励学生通过网络查找资源以辅助理解，网络中的知识也是洋洋洒洒“尽显本真”，不免晦涩难懂，学生未必能理解。以单元为认知单位来处理知识，依然缺少顶层的概念逻辑，不可避免出现“水来土掩”的认知规避，面对当前的知识“一点就透”易于理解，但是随着知识的螺旋式上升，学生会发现自己在重复的学一个知识，只是越来越逼近“真相”，需要不断修正理解，耗费精力。

就“人工智能”讲“人工智能”容易陷入全是知识、零散知识、重复知识或缺少科学的现象，人工智能教育还是独立的模块，没有内化到某一学科之中。

（五）评价失位

评价方式对于学习动机和学习策略都有很大的影响。以“考试”为主导的评价方式对教师个体来说是一种操作性较高的方式，也最常见，按照一定的标准划定“合格”的基准线，通过“标准答案”“答题技巧”等训练来引导共性思考，共性越高得分越高，导致学生误读学习的意义，仅用“唯分数论”的主观视角比较得失，无意识地揣测出题人的意图，学生将学习看“攻心”的过程。大单元设计试图用勾选如“掌握”“没掌握”等选项进行互评、自评等过程化的评价，未能解决“目标与评价不一致”“有评价却没有数据积累”“评价单一缺少维度”等问题，导致育人目标中“情感态度价值观”的失位、虚化，用单维的“小数据”推断学情发展，“脚痛医脚”机械地看待学习反馈，难以追溯问题的本质，真正做到个性引导。

共性与个性发力点的错位，“共性”异化为“一样”，“个性”变质成“自私”，实质是评价方式没有改变的问题。

在人工智能教育尝试采用大单元设计的过程中，暴露出很多逻辑上“扭捏”的困境，究其根本是大单元设计的不彻底。基于大单元设计的人工智能教育抓住大概念视角、单元活动和评估手段等关键环节，着力将新的知识内容与旧的学科框架、学科知识与核心素养、数据表征与自我概念的关系解释清楚。

（一）大概念着眼真实的目标

大概念是认识世界的方法论，核心素养是世界观的表征，即以大概念为锚点的单元活动是培育素养的方法，以期形成稳定的态度与价值观。人工智能教育在进入中小学课堂之前要厘清“为什么教”“教什么”“如何教”的问题，即确定顶层目标的结构、细化活动目标的内容、铺垫认知目标的路径，让目标真实、有效、可达。图1呈现的是针对“人脸识别”大单元目标确立的逻辑关系。

1.大概念整构目标

中国学生发展核心素养是党的教育方针的具体化，各学科为落实根本目标基于本学科凝炼了学科核心素养。同样人工智能教育的育人目标不可脱离学科核心素养的指引，借助现有的信息技术学科核心素养来明晰人工智能教育的价值是能力导向，而非编写代码或推导理论。人工智能知识的集合需要打碎，重新整合到“数据”“算法”“信息系统”“信息社会”等学科大概念体系中，形成概念网络映射下的知识图谱，明确选取人工智能的智能原理、经典算法、技術框架和社会伦理等为核心知识，这样，人工智能知识则不是独立的模块或内容，而是基于信息技术基础的再学习，成为培养学科大概念的又一学习路径，这也是适应时代所需和文化内涵的一种解决问题的方式，指向核心素养。

2.“逆向设计”追踪目标

培养学科大概念是学生知识转化为能力的重要途径[14]，可以帮助学生形成宏观的科学视角和微观的知识脉络。目标的确立应从大概念着眼，大概念的形成不是一堂课就能一蹴而就的，当目标细化到一节课、一个单元时要确定相对较小的概念，最终小概念都指向确定的大概念。如果目标是围绕知识点确定的，则知识的逻辑零散，可以形成星状的小概念，但小概念与小概念的联结变成了一种不确定的状态，很难稳定地形成大概念。反之，逆向从大概念出发确定目标，统筹知识与能力，增强了概念之间触类旁通的关系，保障了最终的方向。

3.“最近发展区”逼近目标

主观经验与客观世界构成统一，在能动中促进更新认知[15]，反复刺激形成稳定的素养。目标是学习中外化的追求，设定很容易达到或者很难达到的目标，学生都容易丧失兴趣。目标的确定应从当前较为活跃的概念入手，立足熟悉的知识基础，具身真实的认知情景，诱发学生的既往经验和活跃概念产生共振，充分激发潜能，形成“跳一跳”就够到的认知场域，通过自我内在的斗争和审辩外在的对话迁移新的知识。从具身情景中再生知识，知识再迁移到具体的情景中，如此反复，不断攀登下一个目标，形成真实的能力、科学的思维，从低阶的能力跃迁到高阶思维，建立深层次的品格与自我概念，充实公民素养。

（二）大单元走向深度的活动

大单元设计中，“大”除了对单元本身的知识体量、活动框架、持续时间等程度的描述外，更是对学生能力的描绘，例如理解概念的高度、分析视野的广度、思辨问题的深度、技术情意的厚度等，简单地灌输知识与技能不能满足时代对于劳动者的期待与需求。通过松快、充足、系统的单元设计集中学生认知的过程，进而促进思考达到“大”的程度，跳脱出就知识讲知识的机械训练，遵循回应问题的过程是习得知识的本来规律，学生有时间走向深入的思考和高阶的思维。

1.摆脱唯知识、唯工具的活动镣铐

知识是认识世界的工具，能够操纵工具的是学生逐渐清晰的概念。知识是专家在探究中凝聚的智慧，有着严谨的推导逻辑，学生学习的过程理应遵循知识产生的过程，不因学段而割裂知识的科学逻辑，将知识碎片化。人工智能具有多学科融合的知识视角[16]，有利于在交叉的智能视野中碰撞出智慧的火花，让学生能从自己的视角理解和解决问题，软硬件的环境是促进认知的载体，它的取舍应随问题的实际需要而“水到渠成”，并非是区分知识的条件。面对学习不同的知识时，知识呈现出不同维度的连续性：在理解智能原理或技术更迭时，知识呈现出连续的时间线，在推导算法原理时思维存在着空间逻辑线，在深度认识技术伦理和安全等讨论时存在着情感线。

教师可以将认知载体根据操作难度、理解难度和知识呈现等将工具划分为多维矩阵，学生学习和教师教学根据认知的需要选择适合的载体，不被软硬件环境束缚住了手脚，跳脱出基于某一种工具的认知局限，尊重情景，淡化传统知识、工具等载体的边界，知识和工具是为认知所用，不应该强制回避或打断。

2.立足问题价值的活动活性

问题产生的探究意识可以跨越知识的边界和穿梭时空之中。真实发生的问题提供了自然而然的社会场景，下页图2以“人脸识别”大单元为例，用问题价值维持单元的活性，学生在社会性的话语体系中分析问题，杜绝了纯符号推理知识的“真空环境”，将学习与生活看成紧密相关的活动，纠正了“唯分数”的学习观。个体的个性裹挟在社会情景中，避免自行其是的异型或盲目的批判，而是具有科学精神的求同存异。教师有意识地前移问题产生的起点，关注“为什么用”而不是“怎么用”，学生能自我回答“为什么学”的内在动因。例如，在训练预测回归模型的时候“如何考量模型已经达到了可接受的误差”，服务于解决这个问题，会形成“数据能否可视化”的必然诉求。

問题能持续发酵是使活动走向“深度”思考的关键，有意义、有深度、有冲突的问题推动学生思维的自我整合，摆脱等待答案的认知惰性，学生分析问题的过程是调动原始积累、明确认知方向的重要时刻，教师切不可代劳，这是学生开始同化知识的开始，也是形成持续学力的关键时期。问题的生存周期成为单元“大小”的判断依据，解决问题的标志不是教师讲完了新知，而是另一个认知层次的开始。依据学情施加外力，通过下一个具有逻辑性的问题追问以引导学生再次进入不平衡的认知状态，学生在试图回应疑惑中保持学习活力。

3.关注单元之间的活动逻辑

一个概念的生成是一个单元作用或多个单元共同作用的结果，多个单元合力构建出大单元，单元与单元之间存在生成式、增强式、递进式和补充式的基础关系，如表1所示。单元之间不一定是课上时间的连续，也可能是空间上的联系，存在学生的不同认知阶段或者学习的不同物理空间，大单元之间通过基础关系可以组合形成更大的单元。

针对生成概念的难度可以选择不同的单元类型组织认知活动，通过问题支架、学习平台、交流社区等多种方式维持探究兴趣，打破课上和课下的时间分割，以探究意识为主导联通线上与线下的学习空间，提供深度学习的场域，持续且深入的逼近问题的结果，做到知识活用。单元之间可以通过问题的不同角度或者不同深度、同一情景下不同思考的角度或不同人的视角、不同情景下的同一角度进行衔接。教师不能漠视学生的发问，要敢于“失控”，学生可以将自发的疑惑搭建得到单元活动，主动的认知欲望才能获得不受“下课铃”限制的探索热情，将枯燥的理论递推转变为不知疲倦的问题涟漪，激起层层浪花，从已知到未知再到已知，从具体到抽象再到具体，概括、归纳形成迁移能力，也是学生步入社会的原始积累。

（三）智能化驱动有效的评估

教师的“教”与学生的“会”绝非“此增彼长”的线性关系，鼓励教师大胆放手，不是放任不管，也不是只看结果。“代码不能正常运行”不能简单地归因于学生没有学会，可能是偶尔的粗心大意，亦或是系统性的理解偏差，或者是忽略的知识短板。分析造成结果的原因不能仅停留在结果的表面，学生的问题一定是由学习行为引起的，将信息技术与课堂深度融合，可以在学习的过程中通过技术反馈问题、解释行为、矫正偏差，实则通过技术掌控了课堂的节奏，减少倒追原因所产生的沉默成本。

1.勾连目标与活动

有效的评估反馈可以厘清理论与实践的矛盾、目标与活动的关系等，实现对学习绩效的预测和对学习活动的干预。评价覆盖认知的全过程，与数字化学习空间深度融合，隐形地收集数据，通过知识可视化的工具来量化学习行为以备分析。例如在思维可视化方面，通过拼接流程图呈现解题思路，通过搭建图形化代码积木了解智能信息处理的一般过程等；在知识可视化方面，用代码绘制图案直观呈现循环逻辑，学生可以用游戏或者虚拟实验室了解神经网络的工作原理，尝试改变每一个参数，让逻辑可视化；在调整认知时序方面，学生可以将不会的问题先收藏起来，滞留理解，同时统计数据用于分析疑难点、易错点；在学习日志方面，记录学生在数字化学习空间中查找问题的浏览序列以了解分析问题的思路，搜索学习笔记的情况、课堂的学习积分与神情，放大学习行为的反馈。

评价工具支撑学生从理论目标到内化素养的过程，教师通过评估了解预设目标、当前状态、预估目标的关系，从而判断活动是否需要继续发展。学生能看见从目标到活动、再到目标的认知过程，了解已知与未知的情况，随着活动显现出变化的认知路径，确认认知建立的状态，从而建立学习自信，形成良性循环，实现从分数的定论评价到积累的过程性评价。

2.平衡个性与共性

传统评价多以考试为主，“标准答案”使不同智能特点的个体“归一化”评价，所涉及的智能类型过于单一，是一种以牺牲隐性学力追求显性学力的畸形评价[17]，限制学生的个性成长。“唯分数”判定学习情况也造成错误的价值观导向，学生陷入“父母的眼里只有成绩”“我只要成绩好了就可以了”“成绩决定命运”“好成绩可以得到一切”等利己的学习观，不利于人格的健全发展。

智能技术驱动的评价转变学生“被评价”的弱势地位，避免教师或者家长仅凭“一张试卷”说教。大单元中的评价是在“识记—检测”简易考察方式的基础上，采集学习过程中产生的数据，将数据先沉淀下来，放缓定论。在共同情景中，学生与学习共同体通过观点分享和思维碰撞，不断丰富个体对概念的认知，学生可以站在不同的视角分析矛盾、辨析观点和清晰目标，形成个性与共性对话的人文土壤，在不失创新的同时形成更全面、系统的视野，又可以促进实用性的创新，对科学技术形成更加多元的认识，即技术的国际视野、人文理解和伦理规约。

3.统一自知与行为

评价可以在实践中增强学习者行为的可读性，将自我认知与数据反馈联系起来，助推主观意识对客观世界的改造，正确对待评价，学会评估评价的结果，既非一味依赖，也非全盘接受，评估可以帮助学生从自我的思维惯性中跳脱，站在他我的视角，起到“点醒梦中人”的作用，增强自我概念和明确学习动机。教师难以在单元活动之中关注到每一位学生解决问题的过程，并对学生进行点对点的客观评价，将技术嵌入课堂后，可以补充教师单一视角和视觉盲区，数据经过积累进而增强学习效应，包括推荐自适应的题目反复刺激、设计个性化的学习策略和路径等。

逼近社会场景的情景是自然且真实的检测工具，集合多方评价，情景中的学习者会通过项目实践、其他学习者放大自身的行为，有些本能反应很难自我察觉，但它们是最不能忽略的个人属性，需要及时矫正，学生通过反思、优化、求证和质疑等多种方式自发地验证行为、肯定自知，在自我质疑中打破原有的认知平衡，尝试重构自知，通过探寻新知建立新的平衡，最终学生将相对松散、开放的认知行为与自我概念统一起来，在“众声”中保持独立思考、明晰自我价值，构成相对独立的自我，形成对技术的底线意识和科学态度。

诸多学者针对中小学人工智能教育研究了基于STEAM教育、创客教育、项目式等教学策略的育人路径，施加跨学科、真实情景、任务驱动、探究合作等方法，以期学生能够获得解决问题的真实学力。教无定法，从育人的策略形态看，呈现出一个中心、一个基本点、一个追求目标的要素，人工智能教育大单元设计瞄准要素，构建了以评价和活动释放学生自我认知的学生中心、以学科大概念聚焦学科科学性的基本点、以真实情景逼近培育核心素养的追求目标的新样态。单元化的备课方式无疑是从专家思维出发，强调知识的整体性、情景的真实性、评估的系统性等，让中小学的人工智能教育有本可依、有策可遵、有跡可循。

参考文献：

[1] 谢忠新，曹杨璐等.中小学人工智能课程内容设计探究[J].中国电化教育，2019，（4）：17-22.

[2] 刘向永，郭鹏飞等.中小学信息技术教师课程价值取向调查与分析[J].现代教育技术，2015，25（3）：36-42.

[3] 刘向永，董玉琦.信息技术课程价值实现的困境与机制[J].电化教育研究，2012，33（1）：85-89.

[4][14] 顿继安，何彩霞.大概念统摄下的单元教学设计[J].基础教育课程，2019，（18）：6-11.

[5] 张艾功.大概念统摄下的语文单元设计与实践[J].教学与管理，2020， （31）：59-61.

[6] 刘徽.“大概念”视角下的单元整体教学构型——兼论素养导向的课堂变革[J].教育研究，2020，41（6）：64-77.

[7] 任友群，李锋等.面向核心素养的信息技术课程设计与开发[J].课程·教材·教法，2016，36（7）：56-61+9.

[8] 吕世虎，杨婷等.数学单元教学设计的内涵、特征以及基本操作步骤[J].当代教育与文化，2016，8（4）：41-46.

[9] Kristina T.Big ideas in education：Quantum mechanics and education paradigms [J].Educational Philosophy and Theory，2021，53（6）：578-587.

[10] 陈佑清.在与活动的关联中理解素养问题——一种把握学生素养问题的方法论[J].教育研究，2019，40（6）：60-69.

[11] 崔允漷.指向学科核心素养的教学即让学科教育“回家”[J].基础教育课程，2019，（Z1）：5-9.

[12] 钟启泉.基于核心素养的课程发展：挑战与课题[J].全球教育展望， 2016，45（1）：3-25.

[13] 詹泽慧，钟柏昌.高中人工智能教育应该教什么和如何教——基于四本《人工智能初步》教材的内容分析[J].电化教育研究，2020，41（6）：68-74+82.

[15] Barad K.Meeting the universe halfway：Quantum physics and the entanglement of matter and meaning [M].Durham，NC：Duke University Press，2007.

[16] 李天宇.基于STEAM教育的中小学人工智能教育研究——以“机器会思考吗”一课为例[J].现代教育技术，2021，31（1）：90-97.

[17] 岳欣云，董宏建.论小学生数学隐性学力的提升[J].课程·教材·教法，2016，36（10）：63-68.

作者简介：

何聚厚：教授，博士，博士生导师，研究方向为人工智能与教师教育。

李天宇：在读硕士，研究方向为人工智能教育、学习分析。

何秀青：讲师，博士，研究方向为信息化教学模式创新。

Study on the Value， Dilemma and Path of the Design of Large Units of Artificial Intelligence Education in Primary and Secondary Schools

He Juhou1， Li Tianyu1，2， He Xiuqing3

（1.Key Laboratory of Modern Teaching Technology， Shaanxi Normal University， Xi’an 710062， Shannxi； 2.Urumqi Bayi High School， Urumqi 830002， Xinjiang； 3.School of Computer Science， Shaanxi Normal University， Xi’an 710119， Shannxi）

Abstract： With the advent of the intelligent era， how artificial intelligence education in primary and secondary schools can cultivate future citizens has attracted much attention. In primary and secondary schools， artificial intelligence education is mainly carried by information technology subjects. It is unavoidable that the knowledge modules are complex， the concept of how to use tool is single， and there is a great disparity between the student-teacher ratio in the teaching of technical disciplines in the industrial age. The value of adopting large-unit design in artificial intelligence education lies in the transition from “technology-based” to “literacy-based”. The unitary cognition process presents the value meaning of reconstructing the knowledge map with the major concept of the subject， reversing the goal of educating people with the core literacy of the subject， and serving the students with systematic evaluation. When constructing units from the aspects of strategies， goals， activities， knowledge and evaluation， there is a real dilemma that is difficult to choose between unitized meaning and traditional teaching advantages. This article explores the practical path to resolve the real dilemma of artificial intelligence education with unitized value connotation.

Keywords： Artificial Intelligence Education； unit design； big ideas； teaching strategies； primary and secondary schools

責任编辑：李雅瑄