重构人工智能教育课程

杨绪辉 沈书生

摘要：社会建构主义在指导人工智能教育课程构建的弊端，使研究者不得不将视野投向了“知识与课程”研究的新领域——社会实在理论，其对社会建构主义的超越，对于指导人工智能教育课程的构建具有启发意义。首先，该研究解读了社会建构主义课程观，揭示其实质是课程各领域边界削弱的共建主义，使学习者培养指向了一般化的知识和技能；其次，诠释了人工智能教育课程的社会建构色彩，发现存在着阻碍学业进步、学习者难以获得适应未来社会的能力和极易引发教育的社会公平问题等方面的弊端；再次，论述了社会实在知识观的先进性，并对其课程观进行了详细的解析；最后，根据社会实在课程观的思想，对人工智能教育课程的目标设定、内容组织、实施过程和评价方式进行了全面的梳理。

关键词：人工智能教育；知识观；课程观；社会建构主义；社会实在理论

中图分类号：G434 文献标识码：A

本文系2019年度江苏省社会科学基金课题青年项目“人工智能时代智慧学习的结构审视与设计研究”（项目编号：19YJC007）、2018年度江苏高校哲学社会科学研究基金一般项目“课程视角下的创客教育探究”（项目编号：2018SJA1607）研究成果。

人工智能时代已经悄然来临，在中小学阶段开设相关课程普及人工智能教育，既是青少年在智能时代生存发展的根本保障，也是我国增强科技创新能力的基本前提。为了落实国家相关政策要求，研究团队谨慎地对人工智能教育课程构建的问题进行了考究。在对现有的人工智能类课程文本分析之后，发现在处理“知识与课程”问题上普遍存在、且需高度警惕的一种课程建设趋向——社会建构主义。这种追求课程包容、学科整合以及生活经验融合的课程思想，极易削弱人工智能课程的独特性和教育价值，致使学习者培养指向一般化的学习结果。为了突破课程构建瓶颈，研究团队将视野投向了知识与课程研究的新领域——社会实在理论，其所蕴含的对于学科知识的尊重、课程价值的守护以及生活经验的超越等观点，对于指导人工智能教育课程构建、彰显人工智能教育价值具有启发意义。

一、解读社会建构主义课程观

社会建构主义课程观的思想起源于皮亚杰的发生认识论学说。在人类对外界事物的认识或者知识命题上，皮亚杰对康德的“先验范畴”进行了批判与继承，创造性提出了物理范畴和逻辑数学范畴两个概念。皮亚杰认为，物理范畴的先验规定性是感觉经验被统整为知识的基础，是认识主体与外部世界连通的桥梁；而逻辑数学范畴不直接与外部世界进行交互，其借助“逻辑的动态运行”过程来统整那些感觉经验，继而完成知识发生的过程[1]。进一步来说，物理范畴的内容要素指向的是知识，逻辑数学范畴的运算过程指向的是思维，两者是同一知识发生活动中状态和过程的两个方面[2]。由于思维是以逻辑的形式显现，那么思维必然具备一定的结构，而知识的改变和沉淀又发生在思維的动态运动中，那么思维结构的形态决定了知识结构的形态。因此，关于“知识何以可能”的问题上，皮亚杰认为是知识和思维发生的发展过程，也是知识结构螺旋上升的建构过程。

皮亚杰的发生认识论彻底动摇了基础主义认识论经久不衰的地位。基础主义认识论认为现实是知识构成的基础，知识来源于人们直接的感觉经验，亦或需要深入到像几何公理那样的真理去寻找。而发生认识论则认为：我们不是发现了这个世界或者知识，而是在“主体人”已有知识结构的基础上，通过与思维的交相辉映从某种意义上创造了它们，这样就将知识从逻辑经验主义中解救出来，人文科学也被还原为令人尊敬的意识形态。当快速发展的知识社会学与发生认识论相遇，社会建构主义思想开始形成，最终将知识的建构从个体层面全面拓展到了集体主义层面。社会建构主义认为应该从发生学角度，在“知识大厦”建构的过程中了解知识本身[3]。即真理显现过程是社会知识结构从低级向高级状态发展的过程，共建思维的参与其中及其结构的优化，不可或缺。由此可见，社会建构主义的实质是各领域边界削弱的共建主义，目的是让人们能够适应现代的生活现实。

课程是受社会建构主义影响最为深刻的领域之一，人们在考察课程知识的社会特征及其缔构和生成等过程中将边界削弱的思想发挥到了极致。从课程目标来看，社会建构主义课程观削弱了学术能力与生活能力的边界，提倡培养学习者面向真实生活的一般化知识和技能，例如：教会学习者如何学习、培养其批判性思维，或者将解决现实生活的问题作为目标；从课程内容来看，削弱了不同学科、学校知识与日常知识的边界，注重跨学科的整合，鼓励个体经验和社会经验进入课程学习内容，其以主题式、生活化的课程资源开发为代表；从课程实施来看，削弱了教与学之间的边界，强调师生知识传递和分享的平等性，譬如提倡辅助式教学、小组合作式学习和师生在课堂中的交流和互动；从课程评价来看，削弱了不同学习者学习成就的边界[4]，倡导对学生的发展进行价值判断，其典型是在学校大力推行形成性和鉴赏性等评价方式。

社会建构主义之于课程，可以看到开放、自由和去权威的时代主流观念，其为社会与人们进行教育知识的主动学习和创造，培养个性化、满足社会需要的学习者提供了理论支撑，从而在推动课程与教学的改革中起到至关重要的作用。当前随着新课改的不断深化，课程的社会建构思想在我国教育领域可谓根深蒂固。对于尚处在个性塑造阶段的中小学人工智能教育而言，相关课程建设不可避免地会沾染上社会建构的色彩。接下来追问的是，当前人工智能教育课程构建在哪些层面受到了社会建构主义课程观的沾染，继而会带来怎样的影响。

二、人工智能教育课程的社会建构色彩及其审视

人工智能教育课程正在经历初创的青涩期。鉴于以往社会建构主义课程观在信息技术等课程改革中取得的成效，人工智能教育课程的构建者们无不在沿袭着这种经验，而将其作为课程构建的思想既有积极的作用，也有负面的影响。

（一）人工智能教育课程的社会建构色彩

为了具体描绘人工智能教育课程的社会建构色彩，增强上述观点的可信程度，我们摘选了六所具有代表性中小学校的人工智能教育课程文本进行分析，如表1所示。研究界定的课程文本为以文字、视频等符号记载，以印刷品、多媒体形式保存下来的课程载体，包括课程大纲、教案、教科书和教学视频等课程素材。

从表1可知，在课程目标层面，虽然所有学校的课程文本显示要培育创新思维，但是实际效果只是发展了学习者的问题意识，欠缺解决高层次问题的能力。技术类课程共同追求的信息素养、数字素养或计算思维的培养在六所学校也被提起，另有四所学校关注了社会责任、数字公民等社会层面的内容。可见，人工智能教育课程的意图是让学习者知道如何做事，使其能够获得更好的生存与发展的能力；在课程内容层面，两所小学样本将人工智能知识进行了生活化处理，几乎没有涉及知识概念及其背景的课程内容；两所样本初中以技术的社会需求为出发点，将工具的应用作为课程内容构建的线索；两所样本高中以主题活动作为纲领，强调与其他学科知识的整合，将人工智能内容融入到相应的设计任务。当前人工智能教育课程的内容组织体现知识的可行而非真理性、社会而非学术性的特征。

在课程实施层面，六所样本学校主要采用了搜索学习、项目学习和创客学习三种方式。所谓搜索学习是指为了理解某个问题或者某种情境，学习者在利用网络工具以及配套的纸质资源进行答案检索的过程中，继而获得知识的学习方式。由于其强调知识的社会创生性质，本质上来看亦属于社会建构主义课程观范畴。在项目学习和创客学习中，教师是典型的辅助者角色，主要依靠的是学习者已有的生活经验，以及相互之间的交流协作，通过知识结构的不断建构和完善来达成任务。这不仅诠释了知识的情境性与共建主义特征，也极大削弱了教与学、主导者与被主导者之间的边界；在课程评价层面，五所样本学校拥有相应的评价措施，然而无论是主题汇报，还是作品竞赛等形式均是以小组为单位来开展评价，都不主张对不同学习者的学业成就进行考量，体现了立足过程、促进发展的评价思想。

（二）人工智能教育课程的社会建构取向审视

作为当前教育领域被公认的先进课程思想，人工智能教育课程的社会建构取向的优点是显而易见的。社会建构主义强调的知识技能化，能够让学习者深刻体会人工智能的魅力，从而有助于人工智能教育的快速普及；强调将知识看作是社会群体互动、协商的产物，有利于激发学习者学习兴趣和强调其主体的地位。此外，这种去权威化的课程组织与评价方式，有助于培养和谐的师生关系和满足个性化学习需求。然而，人工智能教育课程的社会建构取向又存在难以规避的弊端。

首先，社会建构主义课程观的危害在于阻碍了学习者的学业进步。中小学生的学业进步包含了两个层面的意蕴：一是，习得专门“语法”，增强概念的聚合性，即学科知识的积累，指向的是未来专业的发展能力；二是，增强情境理解，提升知识的技能性，即生活知识的积累，指向的是未来世界的生存能力。正如美国教育学家穆勒[5]所言：教育的进路需要在知识的概念性和情境性方面遵从连贯的原则，两者分别由获得学科知识的机会和特定行业技能的机会规定。毫无疑问，社会建构主义课程观关注了知识情境的连续性，而破坏了知识概念及其连续性。

从知识的概念性来说，社会建构主义课程观提倡的削弱日常知识与学校知识的边界，实质上是过于强调人类经验的重要性，这将鼓励大量高度情境化的生活经验和行业经验在没有经过结构化加工的前提下，就可以直接进入课堂。这不仅造成了学习者对于人工智能知识学习的随意性，也极大降低专门化“语言”与概念群的重要性。更为严重的是，社会建构主义课程观提倡的教与学、教师地位与学生地位边界的削弱，意味着教师主导作用的隐退和辅助教学形式的盛行，继而使得学习者丧失被引导获得专门性知识概念的机会，因而最终将导致其无法把握人工智能领域的核心概念，更不用说进一步在头脑中构建该领域的概念集合。

从知识概念的连续性来讲，社会建构主义课程观不重视学科内部知识的统整，而是强调新的知识关系，例如不同学科知识之间的連通、学校知识与生活经验的融合，以及知识专门化与社会分工的联系等，外在表现为以工具软件、主题活动、应用场景等为主线的课程内容组织形式。因此，这种课程观容易致使人工智能教育领域中的概念支离破碎，难为学习者建立完整且连续性的知识概念体系。此外，社会建构主义提倡的形成性和鉴赏性等评价方式，使学习者每次学业的评估呈现出碎片化特征，也不利于其联结不同时期的学习内容，完成知识体系的构建。由此推断，虽然学习者在中小学阶段接受了人工智能教育，但是由于没有取得实质意义上的学业进步，因此在未来专业培养时期仍需回到原点学习。

其次，社会建构主义课程观难以培养学习者获取适应智能社会的能力。社会建构主义直指学习者面向未来社会生存能力的培养，但是在信息技术类课程中，尤其是面向人工智能教育课程却并非如此。社会建构主义提倡的知识技能化立场，使得人工智能素养培养的最终落脚点在某些智能工具的应用层面。一方面，工具属性只是课程的部分价值，技术素养也并非人工智能素养的全部[6]，因此，当人类社会全面进入智能时代，我们培养的学习者仍欠缺较好的生存能力；另一方面，当前人工智能发展迅速，智能工具迭代更新周期快。凸显知识技能化的人工智能教育课程构建，将会重走以往信息技术课程内容陈旧、脱离时代的老路，从而导致学习者习得诸多无用的经验，更无法保障其对于未来社会的适应能力。

最后，社会建构主义课程观极易引发人工智能教育的社会公平问题。正如英国教育学家表克·扬所言[7]，相较于精英主义和客观主义的传统教育，在某些特定情况下社会建构主义所引发的教育与社会的公平问题更加隐蔽，危险程度更加严重。对于人工智能课程而言，能够引发该问题的导火线在于当前专有师资的短缺[8]。如上所述，社会建构课程观阻碍学习者学业进步的根源在于知识概念的消隐及其连续性的破裂，而当社会普遍意识到人工智能教育在该层面上存在的问题时，处于资源充足或者优势地位的地区和学校可以通过吸引专有师资来抵消其带来的负面影响，但是处于资源贫瘠或者劣势地位的地区和学校，只能寄希望于其他课程的兼职教师来提升教育质量。只不过，非专有教师可能经常在无意识的情况下丢失重要的概念，而社会建构主义课程观主张的非引导式教学又难以让学生重拾这些概念，或者说较好掩盖了概念丢失的问题。这在导致不同地区和学校教育质量两级分化的同时，也会将人工智能教育推向社会公平问题的风口浪尖。

在这需要说明的是，社会建构主义课程观为何没有引发其他课程的如此担忧，研究团队认为除了与人工智能教育课程性质的不同之外，还有就是上游学科能够为其提供的丰富给养。中小学成熟课程基本是在改造上游学科基础上得到的，因此它们具有丰富的学科思想底蕴[9]。在这些概念充足的课程中，社会建构主义不易造成课程知识与生活经验之间的失衡。此外，这些课程的上游学科早已为社会和学校储备了大量优质的专有师资，亦可抵消来自社会建构主义课程观带来的负面影响。对于上游学科发展远不成熟的人工智能教育课程而言，究竟如何构建才能发挥其应有的教育价值。此时，社会实在的知识与课程观进入研究视野。

三、何为社会实在的知识观与课程观

社会建构主义将知识与课程的社会性追捧到了前所未有的高度。尽管包括曼海姆、舍乐在内的学者早就对社会建构主义在各领域的全面渗透进行了批判，提倡概念化的教学方式，但观点过于零碎，始终未能构建一种更为先进的理论与之抗衡。英国教育学者麦克·扬反思自己在南非和英国的教育实践后，在深感社会建构主义的危害同时，致力于解决知识客观性与社会性之间的矛盾，并创造性提出了社会实在理论。从上世纪九十年代至今，随着社会实在理论的内涵不断扩充，逻辑也在逐步清晰，现已成为课程领域一种颇具价值的分析路径与理论视角[10]。

在规避社会建构主义知识观的问题时，诸多学者提出了知识具有“客观与社会二重性”的观点，继而将认识论陷入了两难的困境。而社会实在理论通过对前学的继承和再认识，强调了知识客观的社会性，继而成功超越了这种知识的二重性。具体来说，四个基本要素[11]体现了社会实在理论对于知识的看法。首先，批判性（Critical）要素。知识是人类在某一时期构建起来的相对客观的认识，它是身处传统的，但也是开放的、可以被修正的；其次，实在性（Realist）要素。世界独立于我们的感知而存在，那么将其作为对象的知识就是表达了我们未能感知到这个世界的某些实在属性；同时，世界的各种样态又在制约着我们认识的范围和深度，因此不同领域知识的差异也是一种实在的体现；再次，浮现性（Emergence）要素。知识不能简单地从指向的社会目的或者涉及的利益进行化约，因为知识虽然能够在一定的历史背景下被社会性的生产出来，但是实在性决定了其必然具有一种能够超越特定群体的利益和具体社会情境的客观性；最后，物质性（Materiality）要素。知识的生产与获取不是可以随意完成的，需要依赖特定的规则方法和组织形式，例如组建学术共同体、专有知识的社群，等等。

与社会建构主义提倡的知识边界削弱相比，可以看出社会实在理论在有意维持着知识的边界，并将边界的力量看作是知识生产与获得、人类文明与进步基础。进一步来说，“厘清知识的分化问题”成为了社会实在理论关注的基础问题。在诸多对知识差异的考量中，以下内容对社会实在课程观的形成产生了重要影响。第一，日常知识与学术知识的分化。日常知识出自情境化场所的选择，与人们的生活背景和获得它的具体情境相关联；学术知识源于专门化的知识生产社群，将各类“思想的对象”综合在一起，是学习者扩展思维和改造世界最可靠的方式。因此，学校课程需要建立在日常知识与学术知识分化的基础上；第二，不同学科知识之间的分化。学科拥有专门化的属性，不同学科的话语形态和结构形式具有较大的差异，它们彼此之间难以化约。同时，各个学科拥有各自的历史和专家共同体，这些是知识发展和传递的立足点。因此，学科间的必要分化应该成为思考课程的前提；第三，课程知识与教学知识的分化。学校的本质是专门化的场所，课程知识应该让学习者获得领域内最可靠知识以及进步的机会。由于日常知识贴近学习者的生活实际，有助于化解枯燥且艰辛的理论学习，因此它可以作为教學过程中的知识资源，即充当课程知识传递的脚手架，而非教育教学的落脚点。

此外，社会实在知识观在坚守知识边界的同时，也看到了知识身处历史和社会中的局限性，提倡知识传递和获取中有条件的边界跨越，并且认为正是这种边界的非随意性使得人类社会得以维持稳定的“社会-认识论”结构。例如，日常知识进入课程学习的范围，除了与当时传递的学术知识意图不违和之外，还需要经历再情景化的过程。所谓再情景化是指将日常知识从特定情境中抽离出来形成去情境化的知识，当其再度回到学习者的实践中能够适应于全新的情境，这种做法的根源在于社会实在理论认为知识同样具有社会性，其产生与获取过程应是相互独立的；在学科边界的跨越方面，社会实在理论认为共享研究对象的某些学科，可以由离散状态逐步发展为稳定社群，从而培植出它们新的内部形态和社会关系，等等。由此可见，在社会实在理论的视野下，知识的社会性与客观性在此合而为一，并催生了一种符合时代需要、且具有全新理念的课程观，如表2所示。

社会实在理论在将知识观迁移到课程观的过程中，逐渐发展了“强有力的知识”（Powerful Knowledge）这个核心概念，从而在学校课程中唤醒了知识（Voice of Knowledge）的声音，应对了社会建构主义给课程带来的不良后果。所谓强有力的知识是指当前学科内部存在的某些理论化、体系化和专门化的知识，它们能够体现当前所涉领域最好的知识状态，应该在学校课程中成为学习者首要的学习目标。因为在社会实在课程观看来，一般的理论知识或日常知识虽然能够解决生活和知识生产中的细节问题，但是体系化和专门化的缺失，导致学习者难以利用所知细节编织出问题全貌，因此缺乏足够的解释力，会给知识的跨情境应用以及知识的生产带来阻碍。然而，强有力知识可以在多个学科内部共享以及彼此连接，形成稳定的知识网络。它们不仅是情境一般化的基础，即人们超越特定情境和案例进行更好生存的基础，也是学习者高级思维培养，推动知识生产的有力保障。

围绕学习者强有力知识的获得，社会实在课程观认为课程内容应该是概念进阶、学科本位的组织方式。理论的发展依赖于概念的重构，也就是说概念及其内涵的更替发生在学科重大历史转型时期，学科概念不仅是学科理论发展积淀，也代表了领域内某方面最被认同的理论知识。更为重要的是学科之间的联结其实是通过概念结点形成的关系网络，因此概念进阶的学习通常是整体性的，涉及到一个概念集群，足以充当课程中强有力的知识；在课程实施方面，应是基于身份认同的教学方式，由于概念学习的专门化特征，社会实在课程观强调师生之间教育学关系的维持，即不管是师生之间的对话协商，亦或知识情景化的教学过程，教师引导学习者学习专门知识的角色不能打破；在课程评价层面，强调个人贡献和系统化成果的评价，无论采用哪种评价方式，都应该发出学科知识评估的强信号，着力考察学习者个性化知识体系的完善程度，以帮助其实现知识创新的目标。

四、人工智能教育课程如何走向社会实在

通过对社会建构主义的批判和超越，社会实在理论试图将西方教育从虚无主义的情绪中解救出来，把“失去已久”的知识带回来。正在遭受社会建构主义困扰的人工智能教育课程同样面临着知识尊严和价值缺失的问题，社会实在课程观恰好为我们拓宽了课程研究、建设的空间与方向，为上述问题的修正带来了契机。

根据社会实在课程观的思想，人工智能教育课程构建应该以强有力的知识为中心，为学习者创设一种潜心学习的氛围，使其获得充分、深度的学习体验和教育收获，具体而言：人工智能教育课程的学习充满挑战性，教师的工作对于推进学习者进步而言充满着诱惑力，使其生成虽身处困境但不愿放弃的动力；以当前人工智能领域专家最认可的知识为基礎，持续不断地给学习者提供相关理解和解释世界的原始资料，使其建立与其他领域以及现实生活的关联；提供给学习者进行知识加工与储存的观念与技巧，帮助其建立人工智能领域的知识体系；构建支持知识学习到高阶思维发展的完整过程，培养学习者在专家视角下利用人工智能技术解决问题的意识和能力，使其获得参加任何技能竞赛都无法达到的满足感。

人工智能教育课程如何为学习者构建强有力的知识，或者说课程内容的组织如何体现“概念进阶、学科本位”思想。首先，人工智能领域中大概念的挖掘是至关重要的一步。大概念指的不是基础概念，而是聚合概念，即位于科目或单元的中心位置，能够集中体现学科结构和性质的那些概念。大概念就如同是一个抽屉，提供了归纳各种小概念的有序结构或合理框架[12]，无论是对于课程整体的架构，还是单元内容的组织，都能够起到提纲挈领的作用。例如，“知识表示、知识推理和知识应用”就是人工智能领域的三个大概念，诠释了智能机器“广义问题求解”的核心思想和活动过程。每个大概念都可以聚合各自研究分支中的基本原理和方法，体现出已知人工智能领域中最为本质的东西。更为重要的是，这三个大概念的相互联结又为学习者提供一个非常好的认知框架，其组成的概念集群可以形成连贯的知识线索，从而增强人工智能课程理论架构的系统性和条理性。大概念的提取可以通过概念派生、词频统计、专家咨询和学科素养分析等方式[13]。

其次，大概念需要经过多次投射最终形成人工智能教育课程的内容。人工智能是一门典型的交叉型学科，大概念所汇聚的概念集群往往分布在不同的学科领域。这些原始概念组成的课程内容没有清晰的学科边界，因此仍然不能被社会实在课程观所接受。为了厘清学科之间的边界，研究团队提倡采用从抽象逐步到具体的概念投射方式，如图1所示。以这种概念投射的方式组织课程内容有着诸多优势：（1）尽管概念投射是不断具体化的过程，但并没有参杂任何的生活概念，从而保证了课程知识的跨情境应用[14]；（2）将基本概念归纳到不同的枝节，有助于课程坚守学科知识的边界，避免不同领域概念学习的混淆；（3）各层次指定了一组特定概念和具体内容，使得不同阶段概念学习的数量在可控范围；（4）下层概念的学习有助于对上层更为抽象概念的理解，符合由具体到抽象的学习规律[15]；（5）概念的分层体系可作为课程学段分野的依据。例如，根据学生思维发展程度，小学、初中和高中课程可以分别涉及“案例”“分支”和“领域”中的有关概念，更高层级概念的理解和应用可以作为学习者完成学业时达到学习成就。

在课程实施方面，社会实在课程观不反对将学习者的生活经验带入课堂，亦或将知识进行适当的技能化处理，因为它们是抽象概念具象化的有效介质，也是学习者与现实世界发生关联的结点，但关键在于要坚守课程与教学、学校知识与日常知识的边界，前者的本质是引导学习者走向强有力的知识，后者的目的是将艰辛的学习过程变得富有趣味和吸引力。据此，结合人工智能教育课程属性，研究团队提出了实施的五个关键要素：聚焦、体验、引领、概括和反思。聚焦是指要将课程各个环节的设计指向核心概念的掌握，并使学习者领悟课程学习的意图；体验是借助各种类型的学习活动建立学习行为和保持学习状态；引领是教师要在学习活动中发出学科知识的强信号，引导学习者努力的方向；概括和反思的目的是让学习者厘清学科知识和生活知识之间的边界，并帮助其建立指向大概念理解的知识体系。人工智能教育课程实施的五个关键要素使概念学习的可代入性及其效果明显增强，有效避免了课程过分迁就生活化，甚至滑向技能训练的问题。

至于人工智能教育课程的评价，主张采用学习式评价（Assessment as Learning）和学习性评价（Assessment for Learning）[16]相结合的方式。前者是引导学习者对评价内容进行学习，意图是让其在学习过程中学会评价；后者是贯穿整个学习过程的内部评价方式，目的是为学习者学习的推进收集证据。鉴于当前中小学各类课程争先上位的态势，人工智能教育课程难以获得总结性考核机会，而原有各种形成性评价又难以实现对于个人贡献和系统成果的精准考核，我们主张采用的两种评价可以很好的嵌套在一起，兼顾目标和过程两种取向。学习式评价为学习性评价起到了目标校准的角色，使收集的证据能够准确指向课程学习的目标。此外，其可以促进学习者像评估员一样思考，在评价过程中实现对概念理解的反刍。学习性评价则通过作品的收集过程推动了概念具象化的呈现，同时有助于学习者将学习过程中收集的各种概念片断整理为系统化的概念集群。

五、结语

社会建构主义课程观与以往崇尚知识传输的课程观念形成鲜明对比，一直被公认为先进的课程构建思想。正因为如此，人工智能教育课程极易沾染社会建构主义色彩，结果导致了这种缺乏学科底蕴课程的弊端被展露无疑。无可否认的是，人工智能教育课程具有很强的技术属性和情境属性，但并不意味就要屈尊课程知识本身的尊严与价值，背离人工智能教育的本质。社会实在理论及其课程观对于客观世界及其包含知识领域的“实在性”重视，使其全面超越社会建构主义，从而能够给予人工智能教育课程扎实的客观基础，将知识从原有课程中拯救出来。

参考文献：

[1] 白倩，冯友梅等.重识与重估：皮亚杰发生建构论及其视野中的学习理论[J].华东师范大学学报（教育科学版），2020，38（3）：106-116.

[2] 景玉慧，沈书生等.认识论语境下的知识模型讨论[J].电化教育研究，2020，41（1）：37-44.

[3][10] 许甜.从社会建构主义到社会实在论：麦克·扬教育思想的转向研究[M].北京：清华大学出版社，2018.

[4] 许甜.知识与课程的“三种未来”——英国教育学家麦克·扬的课程观述评[J].北京教育学院学报，2017，31（5）：19-28.

[5] 文雯，许甜等.把教育带回来——麦克·扬对社会建构主义的超越与启示[J].教育研究，2016，37（3）：155-159.

[6][9] 李艺，钟柏昌.重构信息技术课程——从经验选择走向思想投射[J].电化教育研究，2015，36（10）：5-11，19.

[7] Young M，Muller J.Three Educational Scenarios for the future： lessons from the sociology of knowledge [J].European Journal of Education，2010，45（1）：11-27.

[8] 方圆媛，黄旭光.中小学人工智能教育：学什么，怎么教——来自“美国K-12人工智能教育行動”的启示[J].中国电化教育，2020，（10）：32-39.

[11] 张新亮，石艳.麦克·扬的社会实在论思想初探[J].外国教育研究，2018，45（12）：33-43.

[12] 李刚，吕立杰.大概念课程设计：指向学科核心素养落实的课程架构[J].教育发展研究，2018，38（Z2）：35-42.

[13] 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.

[14] 玛雅·比亚利克，查尔斯·菲德尔等.人工智能时代的知识：核心概念与基本内容[J].开放教育研究，2018，24（3）：27-37.

[15] 于勇，徐鹏等.我国中小学人工智能教育课程体系现状及建议——来自日本中小学人工智能教育课程体系的启示[J].中国电化教育，2020，（8）：93-99.

[16] Stern J S.Tools for Teaching Conceptual Understanding，Elementary Harnessing Natural Curiosity for Learning that Transfers [M]. Corwin：SAGE Publications，2017.127-128.

作者简介：

杨绪辉：副教授，博士，研究方向为信息化教学设计、智慧学习环境建设。

沈书生：教授，博士，博士生导师，研究方向为信息化教学设计、教师教育技术能力建设。

Reconstruction of Artificial Intelligence Education Curriculum

—From Social Constructivism to Social Realism

Yang Xuhui1， Shen Shusheng2

（1.College of Education Science， Huaiyin Normal University， Huaian 223300， Jiangsu； 2.College of Education Science， Nanjing Normal University， Nanjing 210024， Jiangsu）

Abstract： The shortcomings of social constructivism in guiding the construction of artificial intelligence courses have forced researchers to turn their vision to the social reality theory which was a new field of education and curriculum research. Its transcendence over social constructivism which is useful for guiding artificial intelligence education has important enlightening significance. Firstly， the study interpreted the social constructivism curriculum view， revealed that its essence was the coconstructivism which weakened the boundaries of the various fields of the curriculum， and made the cultivation of learners point to the result of general knowledge and skills facing real life； Secondly， it explained the social construction color of artificial intelligence education courses， and found that it had disadvantages such as hindering academic progress， difficult for learners to acquire the ability to adapt to the future society， and social justice issues that could easily cause education； Thirdly， it discussed the advanced nature of the social actual knowledge view， and made a detailed analysis of the curriculum view it presents； Finally， according to the social reality curriculum concept， the goal setting， content organization， implementation process and evaluation methods of artificial intelligence education courses were comprehensively sorted out.

Keywords： Artificial Intelligence education curriculum； knowledge view； curriculum view； social constructivism； social realism

收稿日期：2021年3月25日

责任编辑：李雅瑄