论文：AI通识教育教学的四类策略

AI通识教育教学的四类策略

〔摘要〕本文结合《义务教育信息科技课程标准(2022年版)》的实施需要，以小学人工智能(AI)通识教育培养为目标，在文献分析(梳理筛选18篇CSSCI核心文献)、案例分析(选取6份代表性教学设计)及某市3所小学、12个班级的课堂实践基础上提炼出情境驱动、人机协同、实验探究、跨学科融合四大类教学策略，经实践验证，实验班学生学习兴趣参与度提升35%，技术理解力显著高于对照班。为此提出了切实可行的针对小学AI通识教育的教学实操路径。

〔关键词〕信息科技；AI通识教育；教学策略

《义务教育信息科技课程标准(2022年版)》明确规定小学要开设AI基础课程，发展学生计算思维和数字素养。但小学阶段开展AI通识教育存在较大困难：乡镇学校AI设备配置率不到30%(据教育部2024年统计);教师AI素养合格率仅42%，且城乡间存在巨大鸿沟。如何利用有限的教学资源，在适配的教学策略之下开展AI教育普惠工作成为目前教育界需要解决的重要问题。笔者经过教学案例及课堂实践对比分析，进一步探索出小学阶段AI通识教育策略，为小学阶段提供可供借鉴的AI通识教育实践框架。一、研究背景与意义(一)研究背景近几年来，人工智能在教育中的应用已经受到了广泛关注，包括智能导学系统、虚拟实验室和语音识别、图像分析等，AI也给教育带来了不同的工具与平台。针对这一情况，信息科技学科新课标把“AI初步”作为小学课程的内容，要求学生能够“描述AI的基本特点，体验AI在生活中的应用”。在小学教育阶段开展AI通识教育教学对学生整体素质发展有很大的帮助，可以让小学生了解和掌握基础的科学知识，更好地培养学生逻辑思维能力、问题解决能力与创新能力。但是在实施过程中发现，受小学生自身认知水平及生活经验所限，加上城乡学校之间存在着设备差异、师资水平不同等情况，所以要把高深难懂、复杂抽象的计算机概念转化为小学生易懂的内容是比较困难的一件事。(二)研究意义本研究的理论意义是把不成体系的教学经验变成可供学习参照的系统化教学策略，弥补了目前小学AI通识教育策略体系研究上的空缺。实践意义在于，基于城乡通用的轻量化AI教学策略，降低了对于设备的依赖性；通过本土化的场景设计、低成本化的实验工具设计来满足乡镇学校的AI教学需求，使不具备高端教学设备的乡镇学校也可以开设AI教学课程。(三)研究创新点为建设低资源依赖型教学体系，在不同条件的学校间采用差异化的教学方案，最大限度发挥教学资源的使用效益，并尽可能提高教育教学质量水平。对于城市学校，侧重于加大技术的应用力度，通过设计能够适配于教学场景的人脸识别系统，监测学生的学习专注度；同时，深入每一堂课的教学活动中，让教师在教学过程中充分借助各种技术工具来实现过程的高效化管理和结果的个性化教育。而对于乡村学校来说，则是采用更加简便化的替代解决方案，使用手机上的AI教学工具，并且借助成本低廉的实物模拟实验教具，做到不需要投入过多的资金设备就能给学生提供更为直观的学习体验，弥补乡村学校缺少实验设备和数字化资源的不足。二、研究方法(一)文献综述以“小学AI教育”“教学策略”“计算思维培养”作为关键词，从中国知网(CNKI)、万方数据库中，搜集2019-2024年的CSSCI期刊文献18篇、核心期刊论文32篇，并重点分析其有关教学策略、课程设计、评价体系等方面的成果，为本文提供一定的理论参考及研究方法借鉴。(二)案例分析选取6份小学AI通识教育教学设计，覆盖城乡不同区域(城市学校4份，乡镇学校2份)，包括选自教育部教育技术与资源发展中心(中央电化教育馆)编，北京师范大学出版社出版的《人工智能教育系列(入门)》第一章“人工智能无处不在”第1节“生活中的人工智能”(3年级)、第二章“校园智能讲解员”第2节“让小飞能听会说”(4年级)、第三章“智能学伴”第4节“让小飞评测你的发音”(5年级)、第四章“智能小助理”第1节“设计智能小助理”(5年级)，以及龙岩市实验小学人工智能通识教育6年级校本教材机器学习篇章第一课《初探机器学习--AI垃圾分类小卫士》与第二课《AI机器学习之人脸识别》等。分析维度包括教学目标适配性、内容深浅度、方法可行性及效果可衡量性，总结城乡教学的共性需求与差异化特征。(三)实地观察与访谈选取某市3所小学(城市2所、乡镇1所)共12个班级开展课堂观察，记录教学活动实施情况和学生反应；访谈了教师15名(教龄3\15年)、学生60名(3\6年级各15名)，听取不同人群对AI教学的需求和建议，作为优化策略制定的参考依据。三、小学AI通识教育核心策略及实践验证(一)情境驱动策略，从虚拟场景到真实问题情境驱动策略是创设贴合本地生活的场景，运用与学生生活紧密相关的情境问题导入，让学生参与问题的解决，并在这个过程中体验AI技术的价值所在，从而有效缩小城乡设备差异带来的影响。1.城乡差异化情境设计

城市案例：通过“人脸识别门禁系统”的案例，组织学生观看小区门禁工作流程、思考“AI是如何识别出不同的个体的”，了解基础特征提取的概念，并采用“树莓派+摄像头”等硬件装置，带领学生进行具体的操作实验，对比分析不同光照条件下程序识别的正确率。

乡村案例：结合龙岩市农业特点，设置“AI虫害识别助农”情境：展示本地区常见水稻害虫图片，让学生充当“AI识别员”，模仿机器学习知识将害虫进行分类，并通过这个实践让学生了解机器学习的“特征匹配”概念。2.任务驱动情境教学

设计有关学生生活或者学习的各种真实任务，如设计“垃圾分类模型”，教学过程中采用分层式任务教学模式：基础任务--学生手动把垃圾袋贴上标签(模拟数据标注);进阶任务--针对垃圾分类规则表开展小组合作(设计模拟算法);综合任务用纸箱做一个AI分类垃圾桶的模型(集手工与技术于一体)。学生在解决这些问题的过程中学习如何应用AI的方法和知识，设计由浅入深的多层次任务，从简单到复杂一步步提高任务难度。(二)人机协同策略，技术工具与伦理思辨并重这是通过人机互动、伦理探究的过程来引导学生认识AI的功能边界和人文价值，以此提升学生辩证思维及信息伦理素养的人机协同策略。1.轻量化人机互动

采用平板电脑、智能机器人及相关软件创设人机互动学习环境，比如，在教育部教育技术与资源发展中心(中央电化教育馆)编，北京师范大学出版社出版的《人工智能教育系列(入门)》第三章“智能学伴”第4节“让小飞评测你的发音”(5年级)的“AI语音评测助力说好普通话”教学设计中，学生使用平板电脑进行朗读评测，在看到机器人评分的过程中体验到AI的神奇力量。

还可以设计更多学生与AI设备互动的环节，让学生切身感受AI带来的功能以及效果。比如增加一些有关语音交互和图像识别方面的环节，让学生亲身体验AI技术本身带来的好处，亲身感受AI带来的方便及快捷。2.伦理教育融入

如“AI语音评测助力说好普通话”一节教学案例，通过将人工评价与机器人评分进行比较，让学生了解两种评价方式的区别，从而理解机器评价更加客观准确，而人工评价则更具灵活性。组织学生讨论这两种评价方式的优缺点，既能看到AI技术的优势，又能看到它的局限，有助于发展学生的辩证思维，帮助学生形成正确的技术观。(三)实验探究策略：从实操到原理可视化、反思探究式实验是利用低成本实验和数据图表等方式引导学生探究AI技术的运行机制，养成科学思维的方法。1.猜想与验证

龙岩市实验小学人工智能通识教育6年级校本教材中机器学习篇章第一课《初探机器学习》先让学生猜想“数据量多少对AI识别精度的影响”，然后引导学生通过具体案例操作探究该问题。如小组1使用10张图训练“水果识别”模型，小组2采用同一种模型对30张图片进行训练，将两组结果对比之后可以得出“数据越多越准确”的结论。2.数据可视化工具应用

龙岩市实验小学人工智能通识教育6年级校本教材中机器学习篇章第一课《初探机器学习》的“垃圾分类模型训练”案例中，可以用折线图描述出“数据量(X轴)与识别准确率(Y轴)”之间的关系，用气泡图描述出“是否可回收”“形状”等不同特征对分类结果影响权重的大小差异。3.引导反思

指导学生从所做实验中提炼出经验教训，如上所述：教后可根据学生的实验结果组织实验总结与反思，也可开展组内交流讨论等，探究实验的成败原因，并设计出相应改进方案。(四)跨学科融合策略：学科知识综合迁移的项目式学习所谓跨学科融合的方法就是把AI的知识和其他领域的知识结合起来，在学AI的同时也综合运用各种学科的知识，特别注重STEM(科学、技术、工程、数学)的融合。1.多学科知识融合

语文融合：运用AI语音评测工具来训练普通话，并且通过“平仄发音和AI评分之间的联系”(语言+技术)来进行研究；数学融合：在“垃圾分类”中使用KNN算法，以“可回收物”为中心，计算其他垃圾与中心的距离，距离越近其属性越接近“可回收物”，给不同垃圾赋予距离权重(数学+算法)，最后以坐标位置的形式表示出来；科学融合：根据教育部教育技术与资源发展中心(中央电化教育馆)编，北京师范大学出版社出版的《人工智能教育系列(基础)》第三章“小小创想家”中第2节“小小种植园”案例，设计AI生长监测项目：学生每隔一定时间测量植物的高度，并输入表格，用简单的方式制作生长曲线图，体会利用数据跟踪的意义(科学+数据思维)。2.项目式学习迁移

在教育部教育技术与资源发展中心(中央电化教育馆)编，北京师范大学出版社出版的《人工智能教育系列(基础)》第三章“小小创想家”中第3节“创想智能生活”案例中，设计“智能校园”跨学科项目:(1)确定场地需要安装监控摄像头的数量与位置(数学几何+优化);(2)设计AI测温仪的整体外观，兼顾美观性和实用性(美术);(3)撰写《给AI的一封信》(语文表达+伦理思考)。四、结论与建议经与对照班(3个班)比较(实验班与对照班均是3个班)，本组实验班学生的兴趣参与度提高了35%，通过CTT量表测定的计算思维能力比对照班高了27%;另外，有82%的教师认可“因地制宜，适配本校资源条件”的策略。本土化情境下的乡村学校，使用简单轻量化的工具后，技术理解力得分与城市学校差距<5分。搭建“城乡AI教学资源包”(分别建立本地化情境案例库：城市版、乡村版)，整理低廉的实验用