中小学人工智能教育现状调研报告

PAGE中小学人工智能教育现状调研报告

目录TOC\o"1-4"\z\u一、研究背景与调研设计 2二、人工智能教育概念与范畴 6三、中小学人工智能教育总体情况 8四、课程设置与教学内容 11五、教学方式与学习活动 13六、师资队伍与专业发展 17七、教学资源与平台建设 19八、基础设施与技术条件 20九、学生参与与学习体验 23十、学习评价与素养测评 25十一、区域发展与校际差异 27十二、学段差异与学科融合 30十三、学校组织与管理机制 33十四、教育成效与影响因素 35十五、主要问题与现实挑战 38十六、优化路径与未来展望 40研究背景与调研设计研究背景当前，全球科技发展趋势持续向智能化、数字化迈进，人工智能技术正向教育领域深度渗透，其技术迭代迅速、应用场景多元，对人才培养提出了全新要求。中小学作为基础教育核心载体，承担着推动学生认知能力、创新思维培育的关键职能，开展人工智能教育已成为落实教育现代化、支撑教育高质量发展的现实需求。然而，当前中小学人工智能教育实践仍存在一定不足，例如教育资源分布不均、教学内容适配性不足、教学实施方式单一、师资专业能力有待提升等问题，制约了学生人工智能素养培育的全面开展。这一背景下，系统梳理当前中小学人工智能教育的整体现状，挖掘存在的核心问题与成因，探究针对性优化路径，具有重要的理论意义与实践价值，为后续教育实践提供系统依据。调研设计原则本调研设计严格遵循科学性与针对性相结合的原则，确保调研工作符合研究目标要求，具备可操作性。1、科学性与系统性原则从整体维度出发，统筹覆盖中小学人工智能教育的各核心维度，包括教育开展全流程、教学资源配置、实施成效、支撑能力等，构建完整的调研框架，全面反映当前中小学人工智能教育的整体现状，避免片面性，为问题剖析与路径设计提供全局支撑。2、针对性原则精准匹配研究核心需求，聚焦当前人工智能教育发展面临的共性痛点，围绕资源供给、教学实施、能力培养等关键环节设计调研内容，确保调研内容紧扣实际问题，有效反映现实状况，为优化策略提供依据。3、适配性与通用性原则内容设计兼顾普遍适用性，避免指向特定区域、主体或特定场景，适用于各类中小学开展人工智能教育现状调研场景，可复制推广，保障调研结果的应用价值。4、全面性与可操作性原则调研维度覆盖教育全链条，同时设置适配实际调研操作的内容模块，涵盖问卷调查、深度访谈、资料梳理、现场观察等多维度方法，兼顾数据获取的可靠性与调研开展的可行性。调研工具与方法为保障调研结果的准确性与全面性，本研究采用多维度、多方法结合的调研工具与方式，具体方案如下：1、调研工具设计搭建标准化调研工具体系，覆盖问题征集、内容评价、能力评估三类核心功能。问题征集环节设置通用的调研问题矩阵，涵盖教育开展现状、教学资源配置、师资支撑、效果反馈等维度，适配不同类型中小学的调研需求；内容评价环节设置标准化评估指标，用于反映教学内容、实施方式、效果评估等方面的现状；能力评估环节设置量化评估量表，用于量化检测学生人工智能素养水平，保障评估结果客观可统计。2、调研方法安排采用多方法协同调研模式，有序推进调研工作：（1）问卷调查法面向中小学教育管理者、一线教师、学生等多主体开展分层抽样问卷调查，每个层级设置差异化问题，确保覆盖不同参与主体的调研需求，用于收集基础现状数据，掌握教育整体开展的基本情况。（2）深度访谈法选取不同类型中小学的教研负责人、教育行政人员、一线教师、学生代表等对象开展深度访谈，针对资源供给、教学实施、成效反馈等核心问题深入获取观点与细节，挖掘问题背后的深层成因，提升调研结果的深度与客观性。（3）资料收集法梳理近3年的相关教育调研成果、官方统计资料、行业报告等，补充非现场调研内容，校验调研结论的准确性，丰富整体调研的维度覆盖。（4）现场观察法对选取的调研对象开展现场观察，记录教学场景、实施过程、互动情况等实际开展状态，直观反映教育实践的真实现状，为结论提供直观佐证。（4）研究流程设计整个调研工作遵循明确流程推进，确保逻辑连贯、有序开展：首先明确调研目标，锚定研究核心需求设定调研核心问题；其次开展前期准备，完成调研工具调试、对象筛选、样本分配等前期工作；随后有序开展各调研方法实施，收集多维度数据；最后开展数据汇总、分析梳理，形成调研结论与优化建议，为后续实践应用提供支撑。人工智能教育概念与范畴人工智能教育的定义界定人工智能教育是面向中小学群体，系统开展人工智能相关知识与技能培育的教育活动，其核心内涵涵盖对人工智能基本概念阐释、技术发展脉络梳理、知识体系构建、实践技能训练等多维度内容。其目标并非单纯传授单一技术的操作方式，而是从认知、理解、应用层面培育学生对人工智能的基本认知，引导学生初步掌握人工智能基础逻辑框架，为后续深入学习积累通用性的认知基础。人工智能教育的核心范畴解析1、基础概念范畴该范畴聚焦人工智能的核心定义、基本属性、应用场景基础认知等核心内容，明确人工智能作为人工智能类技术体系的本质定位，厘清人工智能与同类通用技术的边界差异，帮助中小学学生建立对人工智能概念的直观理解，掌握其作为前沿技术的核心内涵。2、技术逻辑范畴该范畴涉及人工智能发展的底层逻辑、技术演进路径、核心技术分类及发展趋势等内容，梳理人工智能技术迭代的核心脉络，引导学生理解技术发展的基本规律，掌握人工智能技术体系的整体框架，避免对技术认知的碎片化、片面化。3、知识体系范畴该范畴包含人工智能基础理论知识、适用场景分析、常见认知维度等内容，构建覆盖基础认知、原理逻辑、应用场景的通用知识体系，通过系统化知识梳理，帮助学生搭建可迁移的认知框架，支撑后续知识拓展与实践应用。4、实践应用范畴该范畴聚焦人工智能在通用场景的初步应用方向、能力培养要求、实践能力培育标准等内容，明确教学实践中实践应用的目标定位，指导学生在具备基础认知的基础上开展初步的实践尝试，培养适配通用场景的实践能力。人工智能教育范畴的适配逻辑1、从知识层面构建适配性框架针对中小学认知能力特征，选择基础性、逻辑性、通用性适配的内容，构建覆盖基础认知、逻辑梳理、框架构建的可扩展知识体系，确保知识体系既贴合教学实际，又具备通用性，为学生后续学习、实践提供支撑。2、从认知层面明确核心定位明确人工智能教育面向的认知核心，围绕概念理解、逻辑认知、框架建立三大核心方向展开内容规划，帮助学生对人工智能形成整体性认知，避免认知碎片化，为其后续深度学习、实践应用奠定认知基础。3、从实践层面搭建适配场景围绕通用场景的初步应用方向设置实践内容，明确能力培育的核心要求，引导学生开展基础的实践探索，在明确目标的基础上完成能力锻炼，实现认知与实践的协同推进。中小学人工智能教育总体情况普及态势总体平稳，覆盖范围逐步扩大从普遍调研情况来看，当前中小学人工智能教育的普及程度处于稳步发展阶段，覆盖范围正呈现由局部向全面、由少数学科向多学科延伸的态势。整体覆盖层面已覆盖绝大多数公办与民办中小学校，部分区域借助教育创新实践，部分学科的教学应用场景开始向更广泛场景延伸，不同规模、类型学校在推进中的覆盖广度持续提升，但整体推进节奏仍处于常态化探索阶段，尚未形成成熟的规模化覆盖模式。建设基础逐步夯实，支撑体系逐步完善当前中小学人工智能教育的硬件建设基础正在逐步完善，硬件支撑方面，符合课程教学需求的各类智能计算设备、数字化教学平台、适配人工智能教学场景的辅助工具逐步向课堂落地，为教学实施提供基础载体。支撑体系正在逐步完善，教学相关配套支撑逐步形成，涵盖教师培训、教学资源供给、实践场景搭建等多维度支撑，为教学开展提供相应保障，但整体配套体系仍存在内容适配性不足、实践支撑偏差等问题，尚未形成标准化、完善的支撑体系。教学内容适配性不足，课程体系尚待健全当前教学内容适配性整体存在短板，课程体系仍在调整完善阶段，尚未形成覆盖全学段、全素养的统一定位体系。教学内容层面，不同学段（如小学阶段侧重趣味交互、认知启蒙，初中阶段侧重逻辑应用、知识探究，高中阶段侧重算法思维、应用场景拓展）的内容设计差异仍不明显，教学内容与不同学段认知规律、能力培养目标匹配度有待提升，内容供给的体系性、针对性不足，难以匹配学生实际认知需求与发展要求。教学实施方式较为单一，实践导向尚未凸显当前教学实施方式仍以理论讲授、固定教材教学为主，实践导向的落地形式相对不足，实践支撑环节仍存在明显短板。教学实施层面，仍以传统课堂讲授、教材解析为主要模式，缺乏匹配学生兴趣、适配能力培养场景的互动式、实践式教学设计，学生参与程度、真实应用能力培养的支撑不足。实践支撑层面，教学场景的适配性、实践资源的开放程度尚未充分到位，不同场景下的教学实践缺乏标准化的开展路径与配套支撑，难以有效实现能力转化与应用。师资队伍建设存在短板，专业能力仍待提升当前师资队伍建设的整体水平有待提升，师资专业能力适配性不足是核心问题。教师专业能力层面，部分教师人工智能基础认知能力不足，教学能力中适配智能教学场景的能力、素养类内容教学能力仍有差距，对人工智能内容的挖掘、设计、引导能力不足。队伍结构层面，具备人工智能相关专业背景、持相关资质的教师占比偏低，不同学段、不同学科师资的结构不均衡，整体支撑教学的队伍专业素养仍有待提升，难以适配智能化教学的要求。教学应用场景受限，实际落地转化效果偏低当前教学应用场景仍较局限，实际落地转化效果有待提升，场景支撑环节存在明显短板。教学场景层面，目前人工智能教育的教学应用多集中于单一知识点讲解、基础运算类教学场景，应用场景覆盖不同学段、不同学科的场景较为单一，多局限于知识普及层面，缺乏面向能力培养、实践应用的核心场景支撑。应用效果层面，教学内容与实践场景的对接程度不足，学生参与应用、实际能力提升的转化效果不明显，难以形成长效的教学成效。教育评价机制不健全，动态评估体系尚未建立当前教育评价机制体系尚未健全，动态评估机制缺失是核心不足。评价层面，当前以主观考试、简单知识点掌握评价为主的传统评价方式占比较高，缺乏适配智能教学、能力培养的动态评价体系，评价维度覆盖不全面，难以精准反映学生在人工智能应用层面的能力水平，评价的导向性、精准度不足。评估机制层面，教学进展、效果、成效的动态评估、跟踪机制尚未建立，对教学效果、进展的评估缺乏标准化、系统化的路径，难以形成科学的评价反馈机制，不利于教学优化调整。资源供给不足，适配性短板较为明显当前教学资源供给不足，适配性短板较为突出，资源供给层面存在明显不足。资源供给层面，与教学适配的智能教学资源、实践案例、学科内容素材等供给总量不足，内容覆盖的适配性、系统性有待提升，资源供给的覆盖广度、适配精准度不足。资源类型层面，针对不同学段、不同学科、不同能力培养目标的分层资源供给不足，资源的形式多以静态教材、静态案例为主，适配智能化教学、实践教学的动态资源供给不足，难以满足教学开展的多元需求。课程设置与教学内容基础课程模块的开设现状在基础课程模块方面，中小学人工智能教育的课程体系基本覆盖了面向全体学生的入门阶段，主要包含数学基础、逻辑思维及数据处理等核心基础内容。此类课程通常以模块化形式设置，通过系统化的教学安排，帮助学生初步建立对人工智能领域基本概念的理解，并为后续深度学习奠定知识与能力基础。整体而言，基础课程模块的开设覆盖率较为广泛，满足了对学生基础能力的初步培养需求，但在课程内容的深度与广度上仍存在一定提升空间，部分课程对人工智能核心逻辑的应用支撑较为不足。分层次进阶课程体系的构建特征针对认知发展差异，课程体系逐步向分层次进阶方向拓展。低年级课程侧重人工智能基础概念阐释、简单逻辑训练及核心算法初步体验，强调知识的启蒙性与入门适配性，通过直观、具象的教学内容降低认知门槛；中高年级课程则逐步引入深度学习、智能决策、大数据应用等进阶内容，注重与实际应用场景的关联性，强化学生将理论知识转化为实践能力的能力训练。分层课程体系在结构层面呈现清晰的梯度特征，既满足了不同学段学生的能力进阶需求，也初步形成了从基础到进阶的路径逻辑，为后续教学内容深化奠定了结构基础。跨学科融合教学内容的拓展趋势为适配人工智能教育多领域属性的特点，课程内容与跨学科知识体系的融合趋势日益显现。此类融合内容覆盖数学建模、物理学原理、计算机科学基础、信息技术应用等多元学科维度，通过跨学科知识整合，帮助学生从多视角理解人工智能的技术逻辑与应用价值。例如，结合数学建模方法剖析算法设计逻辑，结合物理原理阐释智能设备的运行机制，通过跨学科融合教学，打破传统知识学习的单一维度局限，显著提升了教学内容的综合性与适配性，更贴合人工智能学科体系的多元化属性要求。内容教学方式的形式多样性现状在教学方式层面，课程内容的呈现形式呈现出多样化特征，符合不同学段学生的认知规律与学习需求。除常规的书面讲解、案例演示外，通过动手实践操作、虚拟仿真模拟、场景化任务演练等方式，打破传统理论讲授的局限，强化学生对人工智能应用场景的具象认知。例如，通过虚拟仿真平台开展算法调试实践、借助场景任务完成智能决策模拟等，不仅提升了学习的直观性，也有效增强了学生将知识转化为实践的能力，进一步丰富了课程内容的组织形式，拓展了教学的有效覆盖范围。教学方式与学习活动教学模式总体特征当前中小学人工智能教育在教学方式上呈现多元化但整体尚未形成稳定格局。教学模式以探究式、体验式为核心发展方向，强调通过情境创设引导学生主动探索人工智能知识，推动传统以知识传递为主的教学模式向认知能力培养型转变。部分区域与学校尝试融合互动式、项目式学习，以任务驱动激发学习兴趣，但各教学模式尚未形成统一、成熟的实施框架，不同教学方法在不同学科、不同学习阶段的适用性差异较大，尚未形成系统化、可推广的教学体系。教学方法维度分析1、情境化引导类方法此类方法以构建人工智能应用场景为核心，通过创设模拟、真实可感的场景，降低抽象知识学习难度。例如在程序设计类教学中，通过构建智能垃圾分类、虚拟实验等情境，引导学生将抽象算法逻辑转化为具体任务解决路径；在语音识别类教学中，依托模拟对话场景开展交互体验，帮助学习者理解模型运算逻辑与实际应用关联，此类方法可有效提升学习代入感，但应用多停留在表层体验，对知识内化作用有限。2、互动协作类方法该方法强调通过多方协同完成学习任务，覆盖学生、教师、技术人员等多参与主体。在综合应用类教学中，可组织学生开展分组讨论、算法设计、方案调试等协作活动，推动学习者通过沟通表达、合作校验掌握人工智能相关逻辑与方法；在模拟测评类教学中，通过师生/同学协同完成模拟测评反馈，强化对知识点的理解与运用能力，但该方法的实施依赖于明确的分工安排与参与机制，缺乏统一规范易导致协作效率与效果参差。3、项目驱动类方法此类方法以实际项目为载体贯穿教学全流程，要求将人工智能学习内容嵌入真实项目任务中，引导学生从任务拆解、方案设计到落地实现全流程参与。在智能创造类教学中，通过解决实际科研类、创生类问题驱动学习，推动学习者将抽象知识落地转化为可交付的成果；在实战应用类教学中，以实操项目为核心整合知识运用，强化知识迁移与解决实际问题的能力，但项目设计需匹配学生能力梯度，否则易增加学习负担，影响学习效果。学习活动体系构建特征当前中小学人工智能学习活动体系以任务驱动、成果导向为主，但覆盖维度与层级仍需进一步细化，尚未形成系统化、分级化的活动框架。学习活动多聚焦单一技能掌握或短期实践，缺乏对知识内化、能力迁移、素养培育的全链条设计。部分活动以基础操作练习为主，对复杂逻辑思维、综合应用能力的培养作用不足；部分活动缺乏明确的目标导向与评价路径，学习活动的针对性、规范性不足，难以适配不同阶段学生的认知水平与能力发展需求，不利于学习效果的长期提升。学习活动差异化特征1、分层适配类活动针对学生认知水平差异，学习活动呈现分层设计特征。低年级侧重基础认知与模拟体验类活动，以直观现象理解人工智能基础概念，减少抽象内容；高年级侧重逻辑应用与综合实操类活动，针对复合逻辑设计任务，强化知识综合运用能力。分层活动既符合不同阶段学生能力发展规律，也适配不同学科、不同学习内容的知识要求，但分层标准尚未明确，活动适配性缺乏统一参考依据。2、跨维度融合类活动学习活动呈现跨维度融合特征，围绕认知、能力、素养等多维度整合开展，覆盖知识内化、技能掌握、素养培育等层面。例如结合思维训练类活动培养逻辑分析能力，结合实践应用类活动强化知识运用能力，结合素养培育类活动提升价值观判断能力，但跨维度活动设计缺乏统一框架，不同维度活动之间缺乏有机结合，难以实现能力提升的协同效应。学习活动实施约束条件开展中小学人工智能学习活动需遵循适配性原则与系统性约束，相关要求如下：一是适配性约束，需结合不同年龄段学生的认知水平、学科属性及能力特征设计活动，避免内容超出学生能力边界，同时需匹配不同教学场景需求，避免活动形式单一化。二是系统性约束，需覆盖从知识获取、技能掌握到能力提升、素养培育全链条，活动设计需配套明确目标、路径与评价机制，确保活动设计的有效性与连贯性，保障学习效果长期稳定。三是规范性与适配性约束，需明确活动流程、内容设计、参与机制等标准要求，同时兼顾不同学生的个体差异，避免因设计偏差导致学习效率低下或效果偏差，提升学习活动的适配性与实施实效。师资队伍与专业发展师资队伍建设现状当前中小学人工智能教育师资队伍的建设总体呈现稳中有进、逐步完善的态势。一方面，具备一定信息技术应用能力、熟悉人工智能基础知识的教学人员逐步充实到一线岗位，其占比虽在提升，但仍受限于教师技术素养更新周期较长等因素，整体基础水平仍存在一定差距。另一方面，师资队伍的专业结构存在差异，部分教师对人工智能教育领域的教学方向、适用内容、核心逻辑认知不足，导致在实际教学中难以精准适配教育需求。师资专业素养发展现状师资在专业素养层面的提升呈现碎片化特征。多数教师主要依托已有信息技术培训或短期专项培训，对人工智能教育课程体系构建、前沿技术应用场景、教学方法创新等核心内容的掌握程度有限，普遍缺乏针对人工智能教育规律的系统性认知。在教学实施过程中，往往存在内容设定脱离学生认知实际、适配性不足的问题，难以有效激发学生的学习兴趣，也难以达成人工智能教育需培养的跨学科思维、理性判断能力等目标。师资发展支撑条件现状支撑师资专业发展的条件相对有限。目前缺乏系统性的师资培养专项机制，师资培训多以碎片化、实用化为主，难以覆盖多元场景需求；师资培养过程中的考核评价体系不完善，缺乏针对人工智能教育特性的目标导向考核标准，导致师资能力提升缺乏明确方向，难以实现队伍专业水平的持续迭代。师资队伍发展制约因素制约师资队伍发展的因素主要包括三类。一是投入保障不足，师资培训、能力提升相关的资源投入较少，难以支撑师资队伍的系统性、高质量发展，长期制约师资能力提升的持续性；二是外部支撑不足，缺乏针对性的人工智能教育师资培育的专项指导与配套资源，师资获取专业支持的渠道不充分，限制其专业发展的可达性；三是内部发展动力不足，师资对人工智能教育在课堂教学中的实际价值认知尚浅，缺乏主动提升专业能力的动力与导向，导致队伍发展停留在浅层层面。师资队伍发展优化方向针对上述现状，需从多维度推进师资队伍与专业发展优化。一是强化能力构建，系统开展人工智能教育相关的专项培训，针对性提升师资对人工智能核心知识、教学逻辑、应用场景的掌握程度，明确教学内容与教学方法的适配要求，夯实师资专业基础；二是完善培养体系，构建系统的师资培养机制，明确培养目标与内容标准，优化考核评价体系，强化培养过程的导向性与科学性，推动师资专业能力实现梯度化、系统化提升；三是强化支撑保障，加大师资培养相关投入，完善配套支持资源，打通师资获取专业支撑的渠道，为师资队伍专业发展提供坚实保障；四是引导发展动力，推动师资充分认知人工智能教育在课堂教学中的价值，引导其主动参与专业能力提升，建立专业发展激励导向，激发师资队伍主动发展的动力。教学资源与平台建设教学资源维度现状目前，中小学人工智能教育在教学资源供给层面呈现出多元与基础向并行的特征。一方面，专业教学资源体系初具基础架构，涵盖基础概念讲解、基础操作演示、常见应用场景分析等模块，能够满足学生初步建立对人工智能认知的通用需求，部分场景下的资源内容具备一定的基础适配性。另一方面，高质量、体系化的复合教学资源供给仍存在明显不足，尚未形成覆盖全学段、全知识维度的系统性资源库，资源内容的深度适配性、连贯性较弱，难以满足智能教育场景下不同学习目标、不同知识层级的需求。资源呈现形式呈现碎片化倾向，以文字说明、图文资料、简短演示片段等为主，缺乏结构化、沉浸式、互动性强的综合资源载体，不利于学生深度理解与自主探究。平台建设维度现状当前，中小学人工智能教育平台建设处于从概念搭建向实践落地过渡阶段，平台的功能体系、技术支撑能力等存在阶段性局限。在功能设计层面，现有平台普遍仅聚焦单一功能模块，如基础操作指引、简单互动测试等基础功能，缺乏覆盖智能问答、原型设计、数据分析、场景实践等全场景功能的联动体系，无法满足学生多元探究与实操应用的需求。在技术支撑层面，平台交互能力、适配性存在较大提升空间，多以基础交互逻辑为主，对复杂场景的数据适配、动态交互呈现、个性化学习路径规划等能力不足，难以适配中小学不同学段、不同认知水平学生的差异化学习需求。平台资源与功能之间存在壁垒，资源内容与平台功能缺乏有效联动，多数平台资源需单独匹配平台使用，未能实现资源的便捷调用与无缝衔接。资源与平台建设不足分析从当前整体现状来看，教学资源与平台建设的核心短板主要体现在三个方面：一是资源供给的体系性、针对性不足，缺乏覆盖全学段、全知识维度的通用资源库，适配性较弱，难以满足智能教育场景下多元学习需求；二是平台的功能协同性、技术支撑能力较弱，功能衔接不畅、交互适配性不足，难以支撑学生的实操探究与深化学习，易出现资源内容与平台功能的割裂问题。上述短板直接制约了中小学人工智能教育从基础认知向能力应用升级的落地进程，是当前亟需优化的核心内容。基础设施与技术条件基础硬件设施在基础硬件设施方面，中小学人工智能教育所需的基础设施涵盖多个维度。物理空间层面，覆盖范围内普遍存在符合教学需求的专用实验室场地，该场地需具备明确的空间布局，便于开展人工智能算法仿真、模型训练等核心教学活动。各教室需配备配套的基础硬件设备，包括高性能计算终端设备、标准化数据采集接口、基础安全防护模块等，以确保教学过程中的数据交互与安全防护需求得到满足。部分区域可能同步建设辅助支撑设施，例如标准化实验道具、专用散热系统、安全防护围栏等，为人工智能教学活动的开展提供坚实基础保障。网络与数据基础网络与数据基础是人工智能教学开展的核心支撑条件。网络层面，覆盖范围内普遍依托稳定、兼容的公共网络环境作为基础传输网络，该网络需具备高带宽、低延迟特征，能够保障教学过程中海量数据传输的需求，支持教学场景下算力交互、模型数据调用等操作的顺畅运行。数据层面，各教学场景可依托本地化数据集、通用教学数据集开展初步探索，数据需具备标准化、可靠性特征，以支撑人工智能教育内容开发与教学流程开展，同时需建立合理的数据存储与备份机制，确保教学过程中数据的完整性与可追溯性。资源供给基础资源供给基础为人工智能教育开展提供了充足的要素支撑。教学资源层面，普遍具备覆盖不同层级、不同内容的通用人工智能教学资源体系，涵盖教学课件、标准化实验指导手册、教学模拟题库等，能够适配不同层次学生的认知需求，支撑教学内容体系构建。工具与平台层面，形成覆盖基础工具、辅助工具、综合平台的资源供给体系，包括人工智能教育计算工具、可视化教学工具、评估辅助工具等，助力教学过程中实现内容呈现、操作调试、效果评估等全流程支撑。相关资源需具备明确的供给规范，确保资源的适用性、适配性，以保障教学活动的顺利开展与教学质量的提升。支撑能力基础支撑能力基础为人工智能教育提供了多维度的能力保障。算力支撑层面，具备支撑教学需求的算力基础设施，可灵活调配计算资源适配不同教学场景的需求，满足算法计算、模型训练等核心教学活动对算力的要求。平台支撑层面，形成兼容人工智能教学需求的通用教学平台，具备功能完善、易操作的特征，支持教学流程的推进，助力教学资源的整合与教学活动的统筹开展。相关支撑能力需具备动态优化机制，能够根据教学需求的变化实时调整适配性，保障教学开展对支撑能力的适配性。运维保障基础运维保障基础为基础设施与技术条件的有效落地提供持续性支撑。运维层面，建立系统化的运维管理流程，涵盖日常巡检、故障排查、资源调度等核心环节，保障基础设施与技术的稳定运行，减少运行过程中的干扰，保障教学活动的有序开展。管理层面，明确基础设施与技术条件的管控规则，规范资源配置、运维调度、安全保障等环节的管理要求，确保基础设施与技术条件的落实规范化，提升整体运维效率与服务质量。需建立动态跟踪机制，及时评估基础设施与技术条件的适配情况，优化配置策略，保障教学开展的稳定性与有效性。学生参与与学习体验学生参与的多元维度呈现在普遍的中小学人工智能教育实践中，学生的参与呈现出多元化特征。一方面，学生参与形式多样，涵盖课堂内知识讲授、互动式探究学习、实操演练及项目协作等场景。课堂内不仅包含理论知识讲解与案例分析，还设置游戏化任务、模拟场景演练等互动环节，激发学生主动参与的内在动力；实操演练层面，通过搭建基础实验环境，让学生在实践中接触人工智能技术核心概念；项目协作层面，鼓励学生围绕AI应用场景开展合作探究，在分组任务中相互沟通、共同攻坚，形成多元参与格局。另一方面，参与广度不断拓展，从单一学科知识学习向跨领域融合拓展，学生不仅掌握基础AI工具操作，还逐步融入复杂应用场景的理解与应用，参与范围逐步覆盖知识学习、实践操作、问题解决等多个层面，使参与行为更具综合性。学习体验的内在工作表现学生参与产生的学习体验总体呈现积极且具有成长性特征，但其内在表现与参与深度紧密关联。在认知层面，多数学生获得明确的学习成效，能够快速理解人工智能的基础概念、技术原理与核心逻辑，对人工智能与自身生活场景的关联形成清晰认知，认知水平较传统学科学习有明显提升，能够基于所学理解常见AI应用场景的功能特点与应用需求。在情感层面，参与过程既获得求知喜悦，也伴随一定挑战体验，学生在探索新领域的过程中逐步形成对人工智能技术本身的探索欲与好奇心，对人工智能学习的主动投入度较高，情感体验从被动接受向主动探究逐步转化。在能力层面，参与实践促使学生逐步掌握基础AI工具的操作方法，对技术逻辑的理解更为深入，同时能够运用所学解决简单问题，综合能力得到小幅提升，学习体验具备正向成长属性。学习体验的局限性及优化指向尽管学生参与与学习体验整体呈现积极正向的效果，但仍存在一定的局限性与可优化方向。在参与深度层面，部分学生参与呈现表面化特征，仅停留在基础概念记忆与简单操作层面，对AI技术深层逻辑、复杂应用场景的探究深度不足，参与行为的深度有待进一步拓展。在学习体验提升层面，不同学生体验存在差异，基础阶段参与体验偏向浅层获取，高级阶段参与体验伴随一定挫败感，体验的均衡性与进阶性仍有提升空间。针对上述局限，后续调研可进一步细化学生参与的内容边界、体验的类型分层，探究不同学习阶段、不同认知水平的适配性学习方案，引导学生更深入地体验人工智能知识学习价值，优化学习体验的全面性，保障学生人工智能学习活动的质量与成效。学习评价与素养测评评价体系构建维度学习评价体系的构建需围绕人工智能教育核心目标展开系统性设计，涵盖认知能力、实践应用、思维模式等多维度指标。在认知能力层面，评价重点聚焦算法逻辑理解、数据解析能力及基础模型推理能力，通过考察学生对人工智能原理的掌握程度，评估其是否具备对相关技术的深层认知与判断能力。在实践应用层面，评价需突出综合应用能力，包括在真实情境下使用人工智能工具完成任务、协同协作解决复杂问题的表现，以及将知识转化为实际成果的能力，反映其运用技术解决实际问题的能力。在思维模式层面，重点考察其创新思维、逻辑分析能力及问题解决能力，评估其是否具备针对人工智能应用场景进行独立思考与策略规划的能力，进而形成可衡量的素养测评框架，确保评价内容涵盖人工智能教育对学生综合能力发展的全面引导。评价方法体系选择评价方法的多样性与适配性对保障评价的精准性至关重要，需结合量化考核与质性评估相结合的方式开展实施。量化考核方面，可运用标准化测试、技能达标评估等方式，针对基础知识、实操技能、能力等级等设定量化评分指标，通过客观数据衡量学习成效，便于横向对比不同学段、不同层次学生的AI素养水平。质性评估方面，可结合过程性观察、教学反馈记录、作品研讨等多元形式，深入分析学生在学习中的思维过程、实践思路与成长轨迹，挖掘隐性素养提升细节，弥补量化指标在复杂认知层面的不足，确保评价全面反映学生的真实素养水平。评价实施路径与流程评价实施路径需遵循科学性与规范性原则，形成从计划到落地的全流程机制。计划阶段，需明确评价目标与核心指标，结合调研需求制定针对性评价方案，界定评价范围与权重分配，确保评价方向契合人工智能教育目标。实施阶段，需组织多维度评估活动，包括常规阶段性测评、专项素养考核、应用成果评估等，通过分层分类、分层推进的方式落实评估工作，保障评估覆盖不同学习阶段、不同能力层次的主体。过程优化阶段，需建立动态反馈机制，针对评价中暴露的问题及时调整评估重点，引导学生在评价过程中持续优化学习方式与能力提升路径，实现评价与学习的双向促进作用。评价结果应用与优化调整评价结果的运用对推动人工智能教育提升具有直接指导作用，需建立针对性的应用与优化机制。结果应用层面，可通过结果反馈反馈至教学反馈环节，为不同学段、不同类型学生的教学调整提供依据，推动教学设计优化；可针对评价中识别出的共性短板，开展专项提升训练，针对性强化相关素养培养，促进学生在人工智能素养上的整体进步。优化调整层面，需建立结果动态更新机制，根据评价数据变化趋势与素养发展实际情况，持续调整评价指标体系与测评重点，确保评价内容与培养需求动态适配，为人工智能教育的长期优化提供精准依据。评价过程保障机制保障评价过程规范性与质量性，是确保学习评价体系有效落地的基础，需构建多元支撑保障机制。组织保障方面，需组建由教育专家、AI教育教研人员、教学实践者等多方构成的评估团队，明确各环节职责，确保评价开展的专业性与规范性。资源保障方面，需依托教学资源库、评估工具库、教学资源支撑平台等，为评价提供充足的数据、工具与资源支撑，保障评价活动顺利开展。流程保障方面，需规范评价各环节的操作标准与流程要求，制定实施细则，通过明确流程节点、责任分工、时间安排等，确保评价工作有序推进，保障评价结果的准确性与可靠性。区域发展与校际差异区域维度：资源分布呈现多元化特征当前，中小学人工智能教育的发展格局体现出区域间资源分布的差异性。部分区域依托当地产业基础或教育战略定位，较早推进人工智能相关课程建设，教育资源的集聚度相对较高，教学内容覆盖面广，在技术应用环节的探索更具系统性。其他区域则多处于资源导入阶段，人工智能教育的起步时间相对偏缓，整体课程布局以基础模块搭建为主，技术融合与深度拓展尚未形成稳定的资源体系。这种差异导致不同区域在人工智能教育投入的侧重上存在明显区别，部分区域在课程体系构建、师资力量配置等方面具有优势，而部分区域仍面临资源供需不匹配、发展路径不明确等问题，制约了教育整体质量的提升。校际维度：发展水平呈现梯度化与分化态势校际层面人工智能教育的发展呈现出明显的梯度化与分化特征。部分示范性中小学，依托区域优质教育资源、高校科研支撑及配套产业协同条件，已构建较为完善的人工智能教学体系，在课程设计、技术融合、实践训练等方面处于领先水平，具备较高的应用转化能力。其余多数中小学则普遍处于基础教学阶段，人工智能教育多以常规教学内容渗透为主，教学深度不足，技术应用场景较为局限，在拔尖人才培养、前沿技术应用等方面缺乏有效支撑，部分学校还存在教育内容零散、师资专业性不足等问题，导致整体教育质量存在明显差距。不同校间的差异不仅体现在教学开展的实际效果上，更直接影响着区域内整体教育水平的均衡性。发展特征维度：系统性差异体现在能力构建与资源获取上区域发展与校际差异进一步体现在能力构建与资源获取的核心维度。在能力构建方面，区域层面更强调人工智能教育的系统化布局，通过多维度课程、多层级师资配置的协同，形成可复制的应用能力培养模式；校际层面则更多聚焦于差异化能力的培育，通过针对性课程设计、实践场景匹配等方式，突出个体在技术应用、创新思维培养等方面的特色优势。在资源获取层面，区域间存在资源供给差异，部分区域可获得充足的政策支持、成熟教研资源与产业联动资源，教育资源供给更高效；校际层面资源供给差异更为显著，优质学校的资源整合能力较强，资源获取难度相对较低，而普通中小学在资源获取上多存在限制，进一步拉大区域与校际间的发展差距，影响教育资源分配的公平性。发展制约维度：差异差异体现在能力短板与资源缺口上区域发展与校际差异的制约性主要体现在能力短板与资源缺口层面。区域层面存在的资源缺口多集中于优质资源供给、专业师资配置、长期教学支撑等方面，部分区域因发展初期资源投入不足，难以形成常态化的人工智能教育保障体系，影响教育效果的可持续性。校际层面则面临能力短板与资源缺口叠加的问题，多数普通中小学在教学内容适配性、师资技能水平、实践场景拓展等方面存在明显短板，同时受资源分配限制，难以获取针对性的优质资源支撑，进一步加剧了教育发展的不平衡性，对区域整体人工智能教育水平的提升形成约束。这种差异既反映了不同发展阶段的教育能力边界，也为下一阶段的发展优化提供了方向指引，需要针对不同区域、不同校情制定差异化的发展策略。学段差异与学科融合启蒙阶段：侧重基础认知与意识萌芽在小学低年级阶段，学段差异主要体现在人工智能学习内容的广度与深度尚未达到系统深度要求，核心目标聚焦于基础认知的构建与对人工智能现象的直接感知。学生正处于具象思维向抽象思维过渡的关键期，该阶段的教育设计应以直观展示为基础，通过大量生动的图文、动画及情境案例，帮助孩童初步识别人工智能概念，感知其应用与影响。教学重点在于激发学生对人工智能的初步兴趣，建立对学习该领域内容的期待感，引导其形成较为朴素的人工智能认知框架，不涉及复杂技术原理探讨，重点在于培养对未知事物探究的好奇心与敏感度，为后续学习奠定基础认知储备。进阶阶段：聚焦技能培养与逻辑探索进入初中阶段，学段差异呈现出教学内容的深化需求与能力要求提升的双重特点。此阶段学生具备一定的抽象思维与基础自主学习能力，教学重点转向算法基础认知、技能初步训练与逻辑思维的培养。教学内容需逐步从直观感知向理性分析过渡，涵盖基础数据识别、简易模型分析等初级技能，同时注重引导学生在处理人工智能相关问题时梳理逻辑链条，培养初步的因果推理与判断能力，使其逐步掌握从现象中提取关键信息、利用基础逻辑进行初步分析的能力，实现从感性认识向理性认知的过渡，为后续的高阶应用能力发展打下基础。高阶阶段：融入综合应用与创造力激发高年级阶段学段差异更为显著，教学从单一技能训练转向综合应用与创造思维培育。此阶段学生具备较强的独立思考与综合运用能力，教学核心在于推动人工智能知识的融合应用与创造性思维激发。教学需结合真实应用场景，引导学生在实际情境中运用人工智能工具处理复杂问题，实现多领域知识的融合应用，如结合智能分析解决特定问题、通过算法设计探索创新思路等，注重培养学生的创造性思维与问题解决能力，鼓励学生在综合运用中展现创新意识，形成从知识应用到创意探索的完整能力进阶路径，以适应高阶学习的需求。学科维度差异：认知侧重与能力要求的分化在学科融合层面，学段差异呈现出不同学科的知识侧重与能力要求差异，导致人工智能教育内容的适配程度与目标形成明确分化。数学学科侧重基于算法逻辑与数据结构的认知，教学围绕算法建模、数据梳理、模型分析等内容开展，重点强化学生解决数学相关问题的逻辑推导能力，通过构建数学模型理解人工智能基础逻辑，为技能应用提供逻辑支撑；物理学科侧重基于现象与机理的认知，教学聚焦于现象识别、规律探究与初步建模，引导学生通过观察分析现象、探究规律建立初步认知，结合物理思维理解人工智能的运作基础，为技能实践奠定认知基础；逻辑学科侧重基于思维规则与推演的认知，教学围绕逻辑判断、推理分析、结构梳理等内容展开，重点培养学生在复杂问题中梳理逻辑链条、进行推演论证的能力，借助逻辑思维辅助人工智能相关问题的分析与判断，实现思维能力的跨学科融合培育。内容融合维度：知识模块与能力的进阶映射不同学段在人工智能内容融合上的核心指向与能力提升路径存在明显差异，内容融合内容随学段升级呈现出阶梯式、递进式的拓展特征。启蒙阶段内容融合聚焦基础认知模块，将人工智能概念、基础工具应用场景等与学科基础认知结合，重点强化基础感知，培养对学习方向的初步认知；进阶阶段内容融合逐步拓展技能模块，将算法基础、基础模型分析等与学科核心能力结合，重点提升技能应用能力，实现从认知到技能的直接衔接；高阶阶段内容融合转向综合拓展模块，将综合应用、创新设计、跨领域融合等与高阶能力结合，重点强化综合应用能力，实现从单一能力到综合能力的跃升。整体而言，内容融合内容随学段升级呈阶梯式拓展，对应不同阶段能力进阶的需求，形成与学段发展精准匹配的内容体系。教学方法差异：互动形式与训练方式的适配调整针对学段差异，教学方法的适配调整也呈现差异化特征，不同阶段的教学方法选择需契合学生认知特点与能力水平，以实现教育效果的精准传递。启蒙阶段教学采用沉浸式互动、情境化教学等方式，通过直观体验、趣味互动激发学习兴趣，引导学生建立对人工智能的直观认知，提升参与意愿；进阶阶段教学结合探究式学习、思维导图教学等方法，通过规律探索、逻辑梳理、推导训练，提升学生的逻辑分析与技能掌握能力，引导学生自主梳理知识脉络、完成能力进阶训练；高阶阶段教学侧重综合设计、项目化学习等方法，通过真实场景应用、创新方案探究、综合实践操作，强化综合应用能力与创造力培育，引导学生在实际任务中深化知识融合、形成创新应用能力。整体教学方法的适配调整，精准匹配不同学段能力进阶需求，提升教育实效。学校组织与管理机制组织架构构建学校作为开展中小学人工智能教育实施的核心载体，其组织架构是保障教育有序推进的基础框架。整体架构呈现层级清晰、分工明确的特征，主要由最高决策层、执行管理与教学实施层构成。最高决策层通常涵盖校级领导团队，负责统筹教育全局方向，制定整体发展规划与教育目标，协调跨部门资源调配，明确人工智能教育在校园教学体系中的战略定位，从顶层把握教育推进的核心逻辑与方向要求。执行管理与教学实施层则涵盖教务管理、学科教研、实践指导等职能单元，负责具体教育任务的落地执行，细化人工智能教育在教学、实践、评价等各环节的具体安排，确保各环节活动贴合教学实际要求，保障教育内容、方式与目标的协同推进。层级职责分工学校组织与管理机制需形成多层级、多主体协同的工作分工体系，各层级职责相互关联、权责清晰，有效保障组织运转效率。在决策层面，最高决策层承担核心引领作用，重点把控人工智能教育的发展方向、目标导向与资源配置逻辑，为全校相关教育工作划定核心准则与指引，避免行动偏离教育目标。在管理层面，由各职能部门负责具体管理事务落实，教务管理岗聚焦教学过程的统筹与优化，针对人工智能教学进度安排、内容适配性调整、学生参与过程监管等进行管理，确保教学开展符合教育规范要求，兼顾效率与效果。在执行层面，由教学实施团队承担具体操作任务，包括人工智能教学活动的设计、实施、效果跟踪，同时对接学生实践场景需求，同步推进实践活动的组织与指导，保障教学活动的落地性与实践性。协同联动机制学校组织与管理机制注重多主体协同联动，打破单一管理主体的局限，形成分工明确、协同高效的运行机制，支撑教育全流程推进。内部协同方面，决策层与执行层、管理层、实施层建立常态化协同沟通机制，通过定期会议、联合研讨等方式，及时同步教育需求、问题与进展，避免信息断层与判断偏差，确保各项工作方向统一、推进有序。外部协同方面，与教学、科研、实践等辅助支撑单元建立联动机制，围绕人工智能教育相关研究、实践资源配置、评价标准制定等内容开展对接，整合外部支撑力量，拓展教育实践场景与资源渠道，为教育开展提供保障。通过明确的权责界定，明确各主体责任边界，既保障各环节有序推进，也为资源统筹、问题解决提供依据，确保组织管理举措落地落地。运行机制保障体系针对组织与管理机制运行的需求，需构建多维度保障体系，保障机制的有效落地与持续优化。运行机制层面，通过流程规范、标准体系完善等保障手段，明确各项工作的操作流程与标准要求，涵盖需求梳理、方案制定、实施落地、效果评估等各环节，为机制运行提供明确指引，避免执行混乱。保障体系层面，通过人员能力建设、资源投入保障、动态调整优化等举措，提升组织与管理能力，既保障机制运行稳定性，也支撑机制适配教育需求动态调整，持续提升教育效果，推动中小学人工智能教育高质量发展。教育成效与影响因素教育成效总体呈现逐步抬升态势在中小学人工智能教育的实践中，整体呈现出持续向好的发展趋势。随着教育的逐步推进，学生在人工智能基础认知、初步应用能力及思维模式迭代等方面的提升幅度均较为明显，不再停留在单纯的概念认知层面，更开始出现基础的动手操作、实际场景应用能力形成。这种成效的显现，与持续优化的教学体系引导、多元主体的协同配合，以及均衡覆盖的教育基础密切相关，为后续深入探讨具体影响因子提供了可观察的发展成效基础。核心能力维度实现稳步提升在能力维度层面，中小学人工智能教育成效主要体现在核心能力的提升上。认知维度上，学生对人工智能的基本原理、核心逻辑及与传统信息技术的关联性认知清晰度显著提高，对人工智能发展背景、核心价值的理解更为准确；应用维度上，学生可从基础工具操作到简单场景应用逐步进阶，部分具备学习基础的学科学生在作业完成、活动策划等环节已能实现初步应用，展现一定的实践能力；思维维度上，学生逐步养成基于数据的分析逻辑、创新意识，对人工智能相关问题的应对思路更清晰，具备一定的问题解决导向，推动整体学习效果的深化。教育教学质量与资源适配性逐步优化教育教学质量方面，成效的改善与教学体系的适配性优化直接相关。通过科学的教学设计，教学内容的覆盖度、难易程度的匹配度不断提升，既保障核心知识的精准传递，又适配不同基础学生的学习需求，通过分层指导、引导式教学，进一步激发不同层次学生的学习动力，推动整体教学质量的稳步提升；资源适配性方面，教育资源的供给结构不断向多样化、精准化调整，涵盖优质教学案例、操作指引、拓展性学习素材等，针对不同学习阶段、不同基础学生的资源配置更加精细化，有效保障教学活动的落地效果，进一步夯实教育成效的基础支撑。影响因素呈现多维度交织特征影响上述教育成效的因素主要呈现多维度交织的特征，具体可分为以下几类：1、教学体系适配性因素教学体系的设计与优化是核心影响因素，其合理性直接影响教育成效的深度。教学内容与大纲的匹配程度、教学场景设计的丰富性、分层指导策略的适配性均对成效起到关键作用，体系设计的科学性直接影响学生对人工智能认知的深度与应用的熟练度，若体系设计脱离实际学习需求，易出现内容覆盖不足、分层不足等问题，阻碍教育成效的稳步提升。2、主体协同机制因素教育开展主体的协同性是重要影响因素。教师团队的专业素养、教研协作能力，学生群体的认知基础与学习意愿，教育管理部门的教育规划引导，均会对成效产生影响。协同机制的顺畅运行能够有效统筹教学内容、资源调配、引导支撑，避免教学开展出现盲目性、碎片化问题，为教育成效的落地提供系统性支撑。3、资源供给支撑因素教育资源的配置质量是重要影响因素。涵盖教学材料、实践工具、拓展资源等的内容供给，资源供给的精准性、时效性与适配性，直接决定教学活动的开展效果。若资源供给与教学需求不匹配，易出现内容同质化、适用性不足的问题，影响教育成效的发挥，因此资源优化供给是保障教育成效落地的重要支撑。4、外部环境支撑因素外部支撑条件的优劣也会对教育成效产生影响。教育基础建设的质量、社会参与度、教育场景的覆盖度，都会对教育开展的环境提供支撑，若外部基础薄弱，则教育成效的落地受制约，因此外部条件的完善是教育成效持续提升的重要保障。主要问题与现实挑战教学内容体系滞后，教育适配性不足当前中小学人工智能教育的整体教学体系尚处于探索阶段，教学内容编制多基于通用概念与前沿趋势概览，缺乏针对中小学认知水平、学习特点与当前技术应用场景进行系统性整合。教学内容涵盖的理论知识模块与实际操作流程设计，与真实教学场景的契合度有待提升，难以有效支撑学生从概念认知向技术应用转化，导致学生在学习过程中易出现理解偏差与内容断层，无法快速掌握人工智能技术的核心逻辑与应用方法。师资力量薄弱，专业能力结构不完善中小学人工智能教育师资队伍的配置与专业素养存在明显短板，尤其在人工智能领域具备扎实专业功底、熟练掌握教学工具与适配教学场景的复合型教师严重不足。多数教师难以有效对接人工智能技术的前沿发展动态，教学内容更新速度慢于技术迭代节奏，且在教学实施过程中，普遍存在教学方法单一、对学生个性化需求响应不足等问题，难以满足不同层次学生的学习需求，难以形成适配性强的教学引导与指导能力。教学实施路径有限，育人效果未达预期现有中小学人工智能教育的实施路径较为单一，多以课堂讲授与基础操作实训为主，缺乏多元化、场景化的教学载体与实践活动。在教学方法上，多以被动接受式教学为主，对学生自主学习能力的引导力度不足，教学过程中对学生认知边界的拓展、应用能力的训练支撑有限，难以充分发挥人工智能教育的价值，导致学生在实践应用中难以形成对技术能力的深度认知与系统应用能力，整体教育育人效果未能得到充分释放。教学资源支撑不足，支撑条件受限针对中小学人工智能教育所需的配套资源供给较为匮乏，支持体系整体存在一定短板。教学资源层面，适宜不同年龄段、不同基础的学生设计的适配性教学素材较少，部分技术讲解类内容缺乏适配中小学认知水平的通俗化表达，且缺乏配套的数字化教学工具与互动载体，制约了教学活动的开展深度与效果。教学实施过程中涉及的多类支撑条件有限，包括教学实训场地、软硬件配套设备、跨学科教研支撑体系等均存在不同程度的约束，难以支撑人工智能教育的高效、均衡开展。评价体系缺失，正向引导机制不足当前中小学人工智能教育的评价环节普遍存在缺失，缺乏对应的人工智能能力考核与过程评价体系，难以对学生掌握人工智能技术的能力进行量化评估。在教学评价维度上，对知识掌握程度、应用能力、实践能力等多维度的考核权重设定模糊，缺乏与教育发展、人才培养需求适配的综合性评价标准，且对教学过程中的正向引导不足，难以对学生的学习进展、应用水平形成有效反馈，不利于激发学生主动学习人工智能技术的内生动力，阻碍教育持续向高质量发展推进。技术认知局限，应用能力培育薄弱受自身认知边界与资源约束影响，部分学生在