K-12阶段人工智能课程——政府审核批准的人工智能课程图谱

联合国教科文组织

（联合国教科文组织，法国 巴黎 75352）

吴亚婕 张春华 吴莎莎 孙一丹 编译

一、引言

目前，国际上已经开始使用各种各样的人工智能技术，人们也越来越认识到人工智能在劳动环境中的重要性及其对日常生活的影响。人工智能将“影响所有职业的薪酬水平和教育水平”已成为广泛共识（Microsoft, 2021）。2018年麦肯锡的分析报告指出，到2030年，全球预计70%的企业将至少采用一种人工智能技术。然而，人工智能的应用将扩大国家之间现有的差距（Bughin, Seong, Manyika,Chui, & Joshi, 2018）。目前，在美国，30%的劳动力任务由机器完成（Kelly, 2020）。此外，预计学校和技术职业教育与培训（Technical and Vocational Education and Training, TVET）机构所教授的技能与就业市场所需技能将越来越不匹配，这与高自动化率和人工智能集成有关（Bughin et al., 2018）。人工智能技术的影响并不局限于劳动力，人工智能对文化、多样性、教育、科学知识、通信和信息也有着深远的影响，特别是因为它们涉及和平、可持续性、性别平等以及非洲的具体挑战（COMEST,2019）。

联合国教科文组织的国际政策指南建议，通过不同的情境化方法来探索共同实践领域，例如：在教育中促进包容性并公平地使用人工智能；利用人工智能提升教育和学习效果；利用人工智能促进就业和生活技能的发展；保护教育数据，确保教育数据使用合乎伦理、透明且可审核（UNESCO,2019）。然而，目前关注K-12环境下的人工智能项目相对较少，以至于最近有人建议，决策者应该“为探索人工智能提供有利的政策环境和课程空间”（Miao, Holmes, Huang, & Zhang, 2021, p.34）。

基于此，联合国教科文组织从全球角度调查K-12教育阶段人工智能课程开发和实施情况，重点针对K-12教育中政府审核批准的课程。如果课程是由教科文组织成员国提供的，并是由政府机构开发或在政府机构的指示下开发的，则被归类为“政府课程”。研究结果只针对已经或正在被国家或地方政府批准的课程。在193个联合国教科文组织的成员国中，有29个国家和1个地区完成了本次所有的调查；有20个国家和1个地区的代表表示，至少有一门人工智能课程已由政府开发或已被政府审核批准且正在开发。此外，共有31个非政府组织、学者和行业伙伴对本次调查做出了回应，并表示他们开设了人工智能课程。

本研究分发了两份调查问卷，第一份发给了193个联合国教科文组织成员国的代表，第二份发给了10 000多个私营组织和第三方参与者①。两份调查问卷均是与K-12教育阶段人工智能课程相关的内容。此外，调查组还对成员国的代表、非营利组织领导人和课程开发者、学者和行业专家进行了半结构化的关键知情人访谈，以进一步了解课程及其在学校的部署情况。访谈探究了人工智能课程开发的动机、课程的实施方式和教学法。

二、人工智能课程框架概述

近来，有几项举措旨在摸底或创建K-12年级的人工智能课程框架，其中包括以下三个项目：①人工智能素养：能力和设计要素；②美国 K-12 人工智能教育行动（AI4K12）：K-12人工智能指南；③机器学习教育框架。这并不是一份全面的清单，因为其中包括一些非政府组织、行业与学术组织和个人为支持自己的计划和事业开发的人工智能课程框架。其中一些框架已被政府部门采用，如微软计算机科学框架，将在后面的学习成果中有所体现。上述三个框架旨在为一系列合作伙伴开发人工智能课程提供参考信息，与特定的产品或课程无关。

（一）人工智能素养：能力和设计要素

Long和Magerko（2020）基于已有研究提出了人工智能素养包括一系列能力和设计要素，试图确定新兴主题：①人工智能专家认为非专业技术人员的普通大众应该知道什么；②学习者的普遍认知和误解。人工智能素养包括17项能力（见表1）和15种设计要素，研究描述表明，能力普遍处于知识分类的较低层次，只限于理解、描述和识别。

表1 人工智能素养能力框架（Long & Magerko, 2020）

Long和Magerko（2020）提出的设计要素聚焦教学和学习方法，但也涉及社会和人际因素。总体说来，强调体验式学习与相关材料，表现出对认知需求和儿童发展理论的欣赏以及人工智能在学习者情境中的定位。

人工智能素养15项设计要素具体如下：

①可解释性：包括图形可视化、模拟、代理的决策过程解释或交互式演示，以便帮助学习者理解人工智能。

②具身交互：设计干预措施让个人充当代理或跟随代理，作为理解代理推理过程的方式。这可能涉及到算法的具身模拟和（或）使用人工智能技术进行实际的物理实验。

③情境化数据：鼓励学习者调查数据集的创始人如何收集数据集并分析数据集的局限性是什么。这可能涉及到选择与学习者生活相关、维数低和“杂乱”（即未清洗或分类不整齐）的数据集。

④提升透明度：提升人工智能设计各方面的透明度（如消除黑箱功能，共享创作者意图、资金/数据源等）。

⑤逐步展开：为了防止认知负荷，用户可以选择查看并了解不同的系统组件；每次只解释其中的部分组件或者引入脚手架，随着用户对系统操作的了解越来越多，逐渐撤掉脚手架。

⑥编程机会：为个人编程和（或）教授人工智能代理提供路径。通过视觉/听觉元素和（或）整合策略，比如帕森斯问题和填空代码等方式，将编码所需的先决条件降到最低。

⑦里程碑：考虑人们对人工智能的看法如何受发展过程中里程碑事件（如心智发展理论）、年龄、先前技术经验的影响。

⑧批判性思维：鼓励学习者通过质疑人工智能应用的智能性和可靠性来成为人工智能技术的批判性消费者。

⑨身份、价值和背景：考虑学习者的身份、价值观和背景如何影响他们对人工智能的兴趣和偏见。融入个人身份或文化价值观的学习干预将会激发他们的兴趣和动机。

⑩对家长提供支持：为家庭设计活动时，帮助家长构建孩子的人工智能学习体验。

⑪社交互动：设计人工智能学习体验，促进社会互动和协作。

⑫充分利用学习者的兴趣：设计人工智能读写能力干预时，可以利用当前问题、日常体验或者类似游戏或音乐等常见娱乐活动。

⑬承认偏见：考虑到这样的事实，学习者可能会受大众媒体对人工智能的偏见影响。需要考虑如何在学习干预中尊重、处理和扩展出现的这些想法。

⑭新视角：引入并未在流行媒体中得到很好体现的视角（如宣传较少的人工智能子领域，关于人工智能利弊的平衡讨论）。

⑮降低门槛：考虑如何向没有大量数学和计算机学科知识背景的学习者讲解人工智能概念（如减少必备知识/技能，将人工智能与先验知识联系起来，并解决学习者对自身能力的信任度问题）。

（二）美国 K-12人工智能教育行动：五大理念和K-12人工智能课程指南

美国K-12人工智能教育行动（AI4K12）由国际人工智能促进协会（AAAI）、美国计算机科学教师协会（CSTA）和AI4All于2018年发起，作为一个联合工作组，致力于为在 K-12 阶段开展人工智能教学的国家制定国家指南（AAAI，2018）。该行动构建了基于“五大理念”的人工智能框架：①计算机通过传感器感知世界；②代理存储表示世界的信息并利用它们进行推理；③ 计算机可以从数据中学习；④智能代理需要具备多种知识来与人类自然互动；⑤人工智能对社会的影响既有积极的一面，也有消极的一面。工作组将五大理念融入到课程框架中并分为4个部分，在K-2、3-5、6-8、9-12年级实施。在国家指南中，每个“理念”被细分成学习概念，再细分为概念组件，以“理念1：感知”为例（见上页表2）。指南有时会建议开展一些活动。另外，五大理念是相辅相成的，例如：“理念3”会利用“理念1感知”知识，促进人类和计算机学习差异的讨论。

表2 “五大理念之一：感知”的概念和学习结果（AI4K12, 2020）

（三）机器学习教育框架

相关领域的研究者逐渐将理论综合起来，例如：建构主义与体验式学习已经逐渐形成能力本位框架，聚焦于“头、心、手”，其中“头”代表认知领域（你所知道的），“心”代表情感领域（为什么重要）和“手”代表动作技能领域（你能用它做什么）（Brunner, 1990; Kolb, 2015; Piaget,1972; Williams, 2017）。这种整合也扩大了能力概念，包括社交和情感能力技能（European Parliament and Council of the European Union, 2006; Mulder,2007）。Lao（2020）借鉴了建构主义理论、计算思维、理解计算思维课程学习结果的模型、使用—修改—创建，遵循能力本位教育框架提出了机器学习教育框架（见下页表3）。这个框架中Lao认为理解人工智能偏见和社会影响是所有技能的基本要求。

表3 包含学习任务和定义的机器学习教育框架（Lao, 2020）

Lao（2020）针对框架还提出了评估机器学习项目的量规，这一框架为标准的制定奠定了基础。例如：“知识”类别下对四项学习成果的“最高分”描述是：

①常识：课程完成之后能给机器学习下一个精确的定义并详细描述机器学习的流程步骤，且考虑每个步骤的技术和社会伦理问题。

②机器学习方法的知识：课程完成之后能够准确辨别何时跨领域使用机器学习方法，能够描述这些方法的核心技术概念，在适当的应用程序中轻松地使用、执行它们。Lao列出了他所思考的适合不同学段的方法：

高中及以上：K近邻算法（K-nearest Neighbours）、分类与回归树（CART）/决策树（DT）、回归、卷积神经网络；无监督方法如K-均值聚类（K-means Clustering）、主成分分析、生成式对抗网络（GANs）和嵌入；递归神经网络（RNNs）/长短期记忆（LSTMs）；强化学习；迁移学习；集成学习算法。

中小学：参与应用程序，这些应用程序允许学生使用机器学习完成特定任务，例如：利用神经网络和生成式对抗网络应用程序创作艺术或音乐，或运用强化学习玩游戏等。

③偏见：课程完成之后能够描述机器学习系统如何在机器学习流程的每个步骤中针对特定群体产生不可预测的偏见。学生能够将伦理考量和设计实践批判性地整合到自己的作品中。

④社会影响：课程完成之后认识到机器学习技术的创建者有必要考虑其工作的社会影响。他们能够以全面的、关联的、敏感的方式将伦理、文化视角和概念运用到机器学习人工制品的分析中（即考虑隐私、安全、被滥用的可能性以及利弊平衡；使用利益相关者分析、伦理矩阵和模型卡等工具评估人种志接受度和差异影响）。

三、政府审核批准的人工智能课程分析

（一）人工智能课程的审核批准和开发

本次调查中，有11个国家的14门人工智能课程由政府机构批准并授权在学校使用，5个国家的7门课程仍在开发中。只有塞尔维亚共和国（简称“塞尔维亚”）既有使用的课程，又有仍在开发中的课程。

1. 人工智能课程的开发和支持机制

这些课程大多是由国家公共机构开发，中央政府主导并审核批准，有时会有关键利益相关者参与或与之合作。例如：在大韩民国（简称“韩国”，课程是专家根据政府指令进行的；在中华人民共和国（简称“中国”）、科威特、保加利亚共和国（简称“保加利亚”），开发者还包括教师、学者和专家。另外，沙特阿拉伯和卡塔尔等国的政府还委托私营公司提供课程，其中沙特阿拉伯的代表表示，“每天都在涌现新技术，应用程序功能也在频繁更新，本国的人工智能课程开发选择了与一家优质私营公司合作，该公司在ICT课程建设方面享有盛誉，并融合了最新技术和IT应用”。有些课程采用由政府主导的分权方法，如在比利时，议会授权制定课程标准，随后被学校合作网络采纳，并决定将要使用的技术和教学法等；德意志联邦共和国（简称“德国”）也采取了类似的做法，地方或省级政府将国家授权和标准进一步开发落地为学校可实施的课程。有些课程则是由私营机构推动的非政府人工智能课程。他们为政府开发课程时，这些课程可被学校采用或由当地专家改编。这些课程具有一定程度的灵活性，以便将其纳入各种政府框架和要求，并根据具体的国家情况进行进一步定制。制定和审核批准这些课程的一个重要流程是需在国内和国际上进行验证。

2. 开发人工智能课程的愿景和动机

通过访谈分析出了人工智能课程开发的两个重要依据：

一是提高应对劳动力市场所需的技能和能力，确保学生毕业时具备社会和政治生活中日常互动所需的技能。不过，这些因素在不同国家受到不同程度的重视，例如：有的国家表示，它们根本不关心劳动力市场所需的技能，而另外的一些国家则将此作为首要的考虑因素。为劳动力市场培养技能的目标，反映了对技术部门和更广泛的工作领域不断变化需求的理解。对大多数国家来说（但不是所有国家），这与发展具有国际竞争力的劳动力的愿望有关。

第二个依据与理解人工智能是社会和经济转型的驱动力，以及让学生了解人工智能及其在社会中的功能和用途的愿望有关。几位调查受访者指出，人工智能已经融入一系列日常人际互动中，他们认为公民应该在自己的生活环境中认识人工智能，了解其好处和存在的潜在挑战，并有权倡导安全、有益且透明的人工智能技术。

3. 人工智能课程的试点试验和评估

以下由政府审核批准的人工智能课程已被实施并评估：保加利亚的“计算机建模”“信息技术和信息学”；中国的“信息科学与技术”；美国麻省理工学院的“每日人工智能”；塞尔维亚的“信息学和编程”“现代技术”“方法与技术”；阿拉伯联合酋长国（简称“阿联酋”）的“技术主题框架”。以下非政府主导的人工智能课程的实施情况也已评估：IBM“青年教育技术挑战”，两个版本的英特尔“面向青年人的人工智能”和微软“青年人工智能技能”。另外，还有一些课程根据评估标准进行了修订，包括中国、阿联酋的部分人工智能课程以及美国的IBM、英特尔（两个版本）、微软和麻省理工学院的相关课程。

常用的人工智能课程的评价方法包括以下三种。

①课程的专家评审：如在阿联酋，课程与不同的社会利益相关者包括学者和人工智能专家共享。心理学和教育学专家进行跨学科审查。

②由开发者完成评估：方法包括测试学习者、与教师以及国家和地区的行政部门的代表进行访谈和调查。收集关于学习成果、课程的感知有用性和实施中面临的问题与挑战等信息。

外部评估：有些政府委托外部人员评估课程和（或）课程结果。例如：保加利亚委托了一项外部评估以衡量学习者的数字能力。

这些评论或评估很少公开。采访中发现的一个关键点是，人工智能课程应与数学课程、课堂要求相协调。例如：中国课程审查确定的信息科学与技术课程的水平要求高于数学和科学科目，因此必须修订预期要求。课程还必须适应面广，能够应对城市和农村环境的独特机遇和挑战。

美国麻省理工学院的“每日人工智能”部分试点研究发现，据教师所言，学生们似乎比平时更投入，“什么是人工智能”和“什么不是人工智能”是学生理解的关键。有些教师觉得伦理模块的内容有些奇怪且令人困惑，但另外的教师则表示接受。硬件使用被认为是试点中最难管理的部分，需要教师投入较大精力和关注，尤其是在设备不能正常工作时，尽管这也有助于锻炼学生的学习韧性等重要技能（Williams, Kaputsos, & Breazeal, 2021）。

（二）课程整合与管理

课程通过多种不同的模式整合到现有的教育系统中。同时，人工智能课程既可必修，也可选修，还有的将其中某些模块设置为必修，其他模块设置为选修。

1. 人工智能课程模式

1）独立的人工智能课程

这些课程作为国家或地方课程框架内一个独立学科类别，有自己的时间分配、教材和资源，如中国高中三年设置了“信息科学与技术”科目以便让学生完成人工智能基础学习。

2）嵌入式人工智能课程

包含在国家或地方课程框架的其他学科类别中。人工智能通常成为ICT或计算机科学的一个主题，但也可能是语言、数学、科学或工程的一部分（见图1）。韩国开发了两门人工智能选修课程，一门属于数学科目组，另一门属于技术和家政。课程也可以根据教师的能力和兴趣灵活地嵌入任何学科，美国麻省理工学院的“每日人工智能”就是这样。

图1 按整合类型划分的人工智能课程数量（N=27）（UNESCO, 2021）

3）跨学科人工智能课程

在具有跨学科和关联时间的特定任务中实施人工智能教育。通过涉及多个学科领域、基于项目的学习进而获得人工智能学习成果。葡萄牙的课程框架就是这样的，它以“自主课程领域”为特色，项目必须涉及两个或三个学科的跨学科方法。在阿联酋，人工智能被整合到一系列学科中，包括信息通信技术、科学、数学、语言、社会研究和道德教育。

4）多模态人工智能课程

这类课程有核心要求：在校实施并由传统资源（如引导者指南和教科书）支持，也利用非正式学习机会，如校外资源网络和国家的（或国际）比赛。

5）灵活的人工智能课程

通过一个或多个整合机制，由地区、学区或个别学校自行决定实施此类课程。例如：印度的阿塔尔修补实验室（ATL）人工智能模块课程采用嵌入、跨学科或校外模式（如课外活动）等方式；沙特阿拉伯的数字技能课程作为独立课程或嵌入式课程实施。对于有些课程，嵌入机制则由地区、学校或学区自行决定。

另一个重要观点是人工智能课程以及广义ICT课程不应严重依赖某一特定技术，重要的是跨平台和供应商发展多样化技能。奥地利、中国等一些国家强调对技术的“不可知论”，意味着课程与任何特定品牌、设备或编程语言无关。因此，这些课程旨在确保：①教师培训应坚守理论基础，确保理解可应用于各种技术的基本原则；②如果使用特定的硬件或软件，将向教师和学习者介绍多种选择，并与不同的人工智能工具供应商接触。

2. 课程时数的分配

课程分配的总时间从2小时到924小时不等，分布在一到十二个年级之间。每个年级课程的总课时承诺从1小时到680小时不等。每个年级的时间承诺箱线图显示，分配时间差异很大（见图2）。

图2 人工智能课程每年的时间分配（N=22）（UNESCO, 2021）

卡塔尔的“计算和信息技术（高科技前沿）”课程和比利时的“IT存储库课程”平均每年超过200小时。学习时间平均58小时是中位数21小时的两倍多，这表明一些课程投入学习人工智能的时间相对较少。事实上，22门课程中有5门课程每年学习时间不到5小时，有5门在150小时或以上。达到150小时以上五门课程中有两门课程是行业开发的课程，另有两门是高科技选修课程。那些设置仅为几个小时的人工智能课程都嵌入到其他科目中了。

从小学的低年级到高年级，课程所占比例稳步上升，高中阶段占比最高。小学二年级，人工智能最有可能被整合到其他科目中，并且没有具体的时间分配。只有卡塔尔的计算和信息技术部门专门为二年级分配了100小时的课时。在小学三至六年级，报告的平均学习时间为156小时。中学（七到九年级）整体平均投入时间为109小时，高中（十到十二年级）平均投入时间为153.5小时。

3. 支持人工智能课程的必要条件

实施人工智能课程需要从七个方面对教育系统的资源和人才能力进行一系列调整。据调查，89%的课程通过“开发教师资源”和“教师培训”来支持；56%的课程通过“研究或需求分析”；48%的课程通过“投资学校基础设施升级”；44%的课程由“私营或第三部门的参与”；41%的课程通过“为教室采购额外资源”；最不强调“雇佣额外的学校工作人员来实施课程”，但本研究中有8门人工智能课程采用了这一举措。

4. 案例：印度中等教育中央委员会引入人工智能③

2019年，印度中等教育中央委员会（CBSE）宣布将人工智能设置为其管辖的22 000多所学校的选修科目，目的是确保未来印度公民能理解人工智能，并能够利用人工智能解决本地和全球的问题。该课程侧重“做中学习”，并为学生提供学习人工智能的机会，即通过使用人工智能为社区面临的问题和挑战制定解决方案（CBSE, 2020）。

为了支持该课程，CBSE与包括IBM、英特尔和微软在内的行业供应商合作开发培训和支持材料及内容，一些非政府组织也支持该课程的实施。在准备实施阶段，为八至十二年级开发了教师和导学教师培训课程，以及包括导学教师指南、多学科课程计划和教科书在内的材料。

活动的总体目标是“让人工智能顺利融入学校”。这些活动包括为年轻人提供探索人工智能技术的竞赛、虚拟研讨会以及为期三天的“人工智能”夏令营，学生使用人工智能执行项目设计和原型周期，以解决已确定的社区问题和挑战。通过这些合作活动，超过1万名教师和12万名学生接受了人工智能方面的培训。

在自主选择的学校中，人工智能课程作为选修课程或跨学科课程进行整合。CBSE向所有学校发出参与该课程的邀请，学校管理者向CBSE提交申请。然后，学校选择教师进行培训，计划将人工智能纳入学校时间表，并根据共同主题，围绕人工智能的跨学科整合制定战略，如图3所示的“改善食品资源”（CBSE & Intel, 2019）。

图3 AI跨学科整合至课程中的主题方法（CBSE & Intel, 2019）

在学校层面，行业和（或）执行伙伴使用定制课程和材料开展教师培训。IBM和微软等多家供应商已经开发出符合CBSE课程目标的教科书，也参与课程整合、教学大纲、教学方法、必要资源采购等管理。此外，学校还邀请利益相关者参与进来，尤其是学生和家长，以确保他们理解将人工智能融入课程背后的原理和目标。图4概述了CBSE、学校和利益相关者之间的关系。

图4 AI实施参与者与过程（CBSE & Intel, 2019）

（三）人工智能课程内容

人工智能课程涵盖以下九个主题领域（见下页表4）：算法和编程、数据素养、基于情境的问题解决、人工智能的伦理、人工智能的社会影响、人工智能在其他领域的应用、理解和使用人工智能方法、理解和使用人工智能技术及人工智能技术开发。这九个主题领域被分为三类：人工智能基础；伦理和社会影响；理解、使用和开发人工智能。

表4 人工智能课程域（UNESCO, 2021）

1. 人工智能课程各分类的时间分配

大多数人工智能课程的人工智能基础，平均占课程时间的41%，剩下的课程时间几乎平均分配在伦理与社会影响（平均占课时的24%），以及理解、使用和开发人工智能（平均占25%），还有10%未说明。从下页图5可以看出，大多数课程较少关注“伦理和社会影响”，但美国麻省理工学院的“每日人工智能”和塞尔维亚的ICT课程是最关注这一部分的。亚美尼亚共和国（简称“亚美尼亚”）的“ICT课程”将70%时间用于理解、使用和开发人工智能，但未给人工智能基础分配教学时间。

下页图5所示的23门课程中，21门包括“算法和编程”主题，但亚美尼亚的“ICT课程”和IBM的“青年教育技术挑战”课程除外。人工智能基础的算法和编程、数据素养和基于情境的问题解决三个主题的时间分配占比分别是18%、12%和11%。其中有6门课程分配给算法和编程主题10%或更少的教学时间，保加利亚的“计算机建模”“信息技术和信息学”课程将65%的教学时间用于这一主题。

图5 按主题域分配课程时间 (N=23)（UNESCO, 2021）

“伦理和社会影响”中“人工智能在其他领域的应用”主题同儿童、成人与人工智能日常互动关联密切。伦理和社会影响分类课程内容平均占24%，12%的时间用于人工智能在其他领域的应用，7%用于人工智能伦理，5%的时间用于社会影响，但投入的时间从0小时到185小时跨度很大。必须指出的是，卡塔尔的两门课程中，“人工智能在其他领域的应用”主题是作为数学、语言和科学的一部分。另外，并不是所有课程全部都涉及伦理和社会影响分类的三个主题，其中只有12门课程包含社会影响主题，似乎课程开发人员认为这三个主题的概念和学习成果可以用较少的时间来实现。

“理解、使用和开发人工智能”占了课程的25%，其中理解和使用人工智能的方法（如机器学习、深度学习、决策树和神经网络）只占2%；理解和使用人工智能工具（如计算机视觉、分类器、NLP和GAN生成器）占14%；用于人工智能编程和新工具或技术创造的人工智能技术开发占9%。与基于情境的问题解决、人工智能社会影响的研究结果类似，只有6门课程有人工智能技术开发主题，时间分配占比从2%到14%，只有中国的“信息科学与技术”、英特尔的“面向青年人的人工智能”、微软的“青年人工智能技能”、卡塔尔的“计算和信息技术（高科技前沿）”4门课程超过10小时，其中3门课程要求每年至少学习150小时。

来自这些国家的一些受访者认为，在初等教育中是让学生接触并了解人工智能及其在工作和日常生活里的应用，但开发人工智能更适合在高等教育阶段进行专业学习。受访者强调AI开发课程需要大量的学科知识，其中数学是首选。葡萄牙将大部分“计算思维”人工智能学习成果融入到数学学科中，而中国则根据每年的数学课程要求来设计ICT课程。有趣的是，比起人工智能技术，人们更喜欢人工智能方法，因为有一些人工智能工具是专门设计用来帮助学习者通过主动或体验式学习来分解并理解人工智能方法的，如Teachable Machine和MachineLearningForKids。

2. 案例：奥地利人工智能课程内容

奥地利的“数据科学和人工智能”课程包括数字基础知识（如使用操作系统存储和打印文件）、设计演示文稿、使用电子表格和文字处理软件。它还涵盖了数字媒体类型设计和社会问题反思以及数字媒体使用安全。

其中高中学生的学习内容包括学习编程语言、算法和仿真。他们学习数据素养的基本原则，包括收集数据、构建电子表格、分析和可视化。他们应用标准来评估数据源和数字内容的可信度和可靠性。学生要了解从事信息通信技术（包括人工智能）的职业以及新兴技术的社会应用；创建数字媒体，学习云计算以及如何连接网络计算机。学生还要理解与此类技术使用相关的伦理难题，并成为讨论这些问题的积极参与者。最后，学生的任务是使用技术发表公开声明，并理解这是如何反映民主进程的。

该课程是学校学分的必修科目，共144学时。学习时间是这样分配的：72学时（50%）用于人工智能基础（25%用于算法和编程，10%用于解决文本问题，15%用于数据素养）；伦理和社会影响50学时（35%），其中15%用于人工智能在其他领域的应用，伦理和社会影响各占10%；15%用于理解、使用和开发人工智能，平均分配7小时用于每个子主题。

（四）人工智能课程学习结果

1. 学习结果分类框架

通过对学习框架和计划的分析，提炼出课程的学习成果。值得注意的是，本部分并没有提出什么应该或不应该包含在K-12人工智能课程中，只是呈现了当前实践所包含的内容。经合组织将“能力”定义为知识、技能、价值观和态度的组合，其目的是强调在特定背景下处理复杂事件（OECD, 2016）。价值观的发展越来越受重视，本报告是找出隐含或明确地融入人工智能课程的价值观和态度。经合组织提出从四个方面分析课程隐性和显性的价值：个人，一个人如何定义和追求个人目标；社交，人际关系；社会化，文化或社会的共同优先事项，可能被写入法律；人类，或反映了超越国家和文化边界的共同优先事项的价值观（OECD, 2019）。

更为重要的是不要忽视认知、动作技能和情感领域之间的相互关系，为了便于参考，本报告将重点聚焦三个部分的课程学习结果：知识（见表5）、技能（见下页表6）、价值观和态度（见下页表7）。

表5 知识结果描述（部分）（UNESCO, 2021）

表6 技能结果描述（部分）（UNESCO, 2021）

表7 价值和态度结果描述（部分）（UNESCO, 2021）

（续表）

2. 案例：韩国人工智能学习成果的进展

韩国于2020年公布了小学和中学的人工智能课程标准（见图6），目前正在开发人工智能国家课程。地方政府和学校可以根据标准规定的时间和框架灵活地修改课程。2020年高中开始开设人工智能课程，未来将有2 367所学校开设此课程。韩国人工智能课程包括三个领域：理解人工智能，包括人工智能与社会及智能代理；人工智能原理及其应用，包含数据、识别、分类、探索和推理、机器学习和深度学习等子领域；人工智能的社会影响，包括人工智能影响和人工智能伦理。

图6 韩国课程标准④

（五）课程实施

1. 教师培训与支持

首先是提升教师现有技能。使用政府审核批准课程的培训战略，旨在提高现有工作人员的技能。一些国家比如中国、葡萄牙充分利用国家教师学科培训举措或项目，在学科培训中嵌入人工智能。非政府组织倾向于采用其他的教师培训方法，美国麻省理工学院的“每日人工智能”课程中，来自美国三个地区的教师参加了培训，其中包括在非政府组织合作伙伴主办的夏令营中的综合研讨和30小时的应用实践。行业合作伙伴通过远程或混合学习方法提供培训课程。例如：IBM与麦考瑞大学教育学院合作在Coursera上推出了16小时的人工智能教师教育课程。该课程涵盖了人工智能的历史、人工智能与人类智能的比较、开发和使用人工智能时的伦理等主题，并由一些供应商提供认证。

其次是将人工智能整合至初任教师教育中。在奥地利，教师培训的主要策略是在高等教育机构的初任教师教育中嵌入人工智能主题，内容涵盖一般的人工智能主题，以及使用人工智能支持教学过程。

最后是支持在职教师。除了制定标准外，国家和地方政府还通过开发资源来支持人工智能课程开展。例如：塞尔维亚借助在线工具开展人工智能课程，包括为各类人工智能课程开发的视频、演示和互动任务。国家或地方也会在实施前提供课本和评估指南等资源，以支持人工智能课程。美国麻省理工学院“每日人工智能”课程为教师提供材料，包括他们可以使用或调整的幻灯片、讲演要点和完整的课程计划。IBM、英特尔和微软等行业合作伙伴通过全球开放在线资源为教师提供学习路径和内容。这些合作伙伴还为应用的国家创建了适应情境需求的教师资源，包括促进者手册和人工智能教科书。

2. 学习工具与环境

除了利用现有的基础设施项目来提供硬件和互联网连接，课程还利用一系列其他资源，包括互动任务在内的在线工具、已有环境和工具、免费产品等（见表8）。如果AI课程涉及编码或编程内容，通常使用入门编程语言和工具，如PictoBlocks或Scratch。课程普遍介绍Python编程语言，特别是高中课程，一些课程也介绍HTML和Java。人工智能课程中包含了广泛的人工智能技术，如Alexa、GAN图像生成器、谷歌助理（Google Assistant）、Pix2Pix、PoseNet、机器人套件（Robotics Kits）和仿真软件（Simulation Software），让学生探索人工智能在不同学科领域的各种应用方式。学生利用免费软件（如MachineLearningForKids和Teachable Machine）参与创造人工智能。这些工具允许儿童探索和构建ML模型来执行任务（如对象分类）。随着学生进入高年级，还可以在一些课程中使用ML库和Scikit-learn这样的工具。

表8 人工智能课程学习工具和环境

美国麻省理工学院“每日人工智能”课程利用了离线环境开展人工智能教育，另外还鼓励探索在线工具和资源，包括离线游戏。例如：在小组活动中学生们将GAN中的信息流表演出来；学生们为不同类型的意大利面构建一个决策树分类系统。

3. 可采用的教学法

结果显示，大部分课程（89%）都依赖于讲课或指导，同时也依赖于小组工作和项目学习。基于项目的学习是许多国家和行业课程的一个突出的特点。然而，项目类型及其所投入的时间因课程和方法而异。项目定义为有时间限制的活动，学生由设计思维的循环步骤引导负责创新AI项目。另一方面，有14门课程（52%）建议采用基于活动的学习。促进学习的评估、能力本位教育、结构主义、建构主义、体验学习和以学生为中心的教学法也是被认可或建议的方法。

此外，除了三门课程以外的所有课程都建议混合和（或）远程学习，这表明课程传递严重依赖远程专业知识。大多数允许远程学习的课程都是由公共部门或在政府监督下开发的，只有两门使用远程学习的课程是由私营部门提供的。

4. 案例：中国高中信息科学与技术课程的实施

2017年，中国教育部发布《普通高中信息技术课程标准（2017年版）》。高中信息技术课程已在中国22.5万所学校实施，覆盖超过1.8亿学生。课程分为10个模块：2个必修课程，6个选择性必修课程（有学分），2个选修课程（无学分）。必修课程为54课时，选修课程为72课时，总共126课时。人工智能学习内容被分别安排在“数据与计算”和“信息系统与社会”必修课程、“人工智能初步”与“数据管理和分析”选择性必修课程、“算法初步”选修课程中。

课程采用了多种教学方法，包括直接教学、混合和远程学习、小组合作、项目学习和活动学习。为得到有效实施，通过国家级教师培训方案对所有学科教师进行培训，培训重点关注信息科学与技术，包括人工智能。中国教育部每年在寒暑假期间举行两次培训，所有教师每三年培训一次。

四、关键发现和建议

报告提出了9个关键发现和13个建议，涉及课程设置的四个主要阶段：课程审核批准和开发、课程整合和管理、课程内容和学习成果、课程实施。

（一）课程审核批准和开发

关键发现1：政府支持的人工智能课程开发和运用数量较少。

有11个国家开发和实施了14门人工智能课程。尽管各国正在制定政策文件将人工智能纳入课程中，但迄今为止，尚未形成人工智能在K-12课程中的广泛整合。

建议1.1：在国家人工智能政策或战略文件中要求进行K-12课程改革，先前所采取的举措能在多大程度上帮助我们深刻理解所属政治机制、人工智能课程开发和实施的促进因素或阻碍因素，这仍需要进一步研究来确定。

关键发现2：一个强有力的政府承诺和验证机制是必要的，它能管理课程开发过程中的利益冲突。

人工智能领域有广泛的利益相关者，其中许多人在课程开发或交付方面非常活跃。人工智能课程开发团队包括政府官员、行业专家、学者，在某些情况下，还有教师。如果没有强有力的协调和均衡投入，课程中可能会出现目标冲突。相反，强有力的协调和验证机制能统一相关公共部门和第三方合作伙伴的努力，进而实现国家人工智能教育目标。

建议2.1：在接受政府公开管理的情况下，需要以均衡、多学科和协作的方式开发人工智能课程。无论开发状况如何，每个国家需国内外的行业、学科专家和教育从业者提出专业意见，也须考虑如何才能更好地验证这些专业化意见，使其去商业化并保障学生利益。

建议2.2：让教师参与课程开发以确保课程在实践中具有可操作性。教师可以就不同年级学生的知识和能力、不同情境中技术整合的协调挑战，以及吸引学生参与的最佳方法等方面提供实用建议。教师也是向学生解释复杂概念的专家，不仅可以为课程开发提供有价值的信息，还可以提供支持及培训材料。

关键发现3：需要人工智能课程质量和有效性的证据。

公开发表的人工智能课程评价研究论文仍然很少，也没有发现此类课程对学生人工智能能力的发展和人工智能领域人力资源能力建设的影响。尽管AI课程的部分评估或试点涵盖教师和学习者的外部反馈，但大部分还是只依赖于专家审查。

建议3.1：应进行试点研究，并寻求教师、学生及学术和（或）行业专家的意见。我们应该严格评估人工智能课程的实施及其对学生的影响，提供课程质量和有效性的证据。

（二）课程整合与管理

关键发现4：资源开发和教师培训是课程整合的关键。

近90%的课程实施是由资源开发和（或）教师培训支持。不过，略多于一半为需求分析，旨在为资源或培训方案提供信息。

建议4.1：开展基于证据的资源开发和教师培训，首先收集项目有关信息，比如部门内现有人员的能力，以及整合和实施人工智能课程所需的培训与支持。接着是让教师参与资源开发，并在资源发布给教师和学生之前进行试点测试。然后为向在职教师介绍人工智能概念和教学方法做好充分准备，并将概念与方法整合到高等教育机构的初级教师培训中。最后应将人工智能活动视为教师培训机会。

关键发现5：政府审核批准的人工智能课程往往是选修的，或整合至学校现有的课程中。

大多数国家选择在一个或多个学科中，又或者选修课或跨学科来实施人工智能教育。在上述所有情况中，有必要确定哪些内容需要从现有课程中删除或压缩以便有效整合人工智能内容。课程开发人员还必须考虑人工智能只是作为分配几小时的子主题，还是作为校外自学“专题”，比如基于个人兴趣。

建议5.1：为不同年级现有主题或话题开发学习地图，这能有效支持跨主题实施人工智能学习，而无须占用任何一门学科的大量教学时间。

建议5.2：考虑多模式人工智能课程，包括校外活动，如竞赛辅导和参赛的课外机会。

（三）课程内容和学习结果

关键发现6：人工智能课程的目标和学习成果应聚焦于人工智能时代工作和生活所需的主要价值观和技能。

人们普遍认为，人工智能课程对于确保学生在人工智能时代具备工作和生活必备技能将起到重要作用。不管怎样，人工智能课程开发已着手确定系列目标和重点领域，从初识人工智能到人工智能专业知识。迄今为止，已建课程体现了对任务复杂性的递进和对不同年级学生学习成果类型的理解。人工智能课程目标的设定影响了课程的时间投入、课程内容和嵌入机制。分配给理解人工智能技术、学习特定领域人工智能技术和开发人工智能的时间有限，不足以培养创造创新人工智能工具所需的创造力和技能。此外，如果没有足够的人工智能技术和工具知识，有关伦理的讨论不足以引导学生深入理解并有能力在整个人工智能生命周期中应用这些原则。

建议6.1：人工智能课程应与国际和各国发展目标及战略一致。应特别考虑发展人工智能时代工作和生活所需的技能，并在特定情境中进一步定义这些技能，为创造创新人工智能工具提供更多机会，并将伦理融入使用人工智能解决现实生活问题的情境中。

建议6.2：考虑到课程的最终目标、课程开发初衷和国家政策规定，与课程专家、计算机科学家和教育从业者协商，开发、采用或修改不同年级的学习活动和成果。我们也应该考虑不同主题领域之间的依赖关系。

关键发现7：通过面对面和在线活动获得人工智能学习成果。

所调查课程中包含的课程表明，技术获取并非理解人工智能及其对社会影响的先决条件，尽管它是覆盖实际应用、培养数据素养和人工智能开发的需要。教师和学生能通过课程获得系列免费资源、人工智能学习工具和技术。

建议7.1：在资源匮乏的环境下，课程可以侧重于理解人工智能、识别人工智能在日常生活中的应用、反思社会影响、通过纸上原型或产品再设计练习来提升设计思维等。

（四）课程实施

关键发现8：通常认为基于项目的学习适用于人工智能课程教学。

在这项研究中，三分之一的课程采用基于项目学习的教学策略。这种学习方式的好处是通过问题解决来发展实践技能。

建议8.1：人工智能课程开发者应考虑利用创新教学方法，创造跨学科的机会，让学生与社区共同解决现实生活挑战，作为培养批判性思维、创业精神、沟通和团队合作技能的一种方式。

关键发现9：人工智能课程不应该与特定的技术或品牌联系在一起。

虽然需要为课程实施开发适当的学习环境，但人工智能教育不应局限于特定的品牌或产品。学生需要掌握在不同领域和情境中应用人工智能的基础知识、可迁移技能和价值取向。由于新技术、新品牌的发展和变化速度，依赖于产品的课程可能很快就不合时宜了，当学生面对新情境或现实生活中的问题时，绑定品牌的知识可能无法迁移。

建议9.1：课程开发应关注学习结果以及AI原理和程序的应用，而不是使用特定平台、设备或产品的能力。如果有可能，课程应该涉及各种不同技术。

建议9.2：在必要时，投资基础设施以便利用各种人工智能技术和学习工具。确保制定师资培训和学校支持机制，比如质量保证或绩效评价，以确保该基础设施可用于相关的学习成果。

五、总结评论

无论是发达国家还是发展中国家，将人工智能引入生活和工作已经从根本上改变了人们在社会中的互动方式。这也引发了一些重大问题，比如人权表达和保护、人工智能伤害的法律责任，以及人工智能开发和使用的哲学取向。人工智能将继续改变生活和工作的本质，因此对人工智能的基本理解是：它是“受教育公民”这一概念的重要组成部分，无论他们是否会成为人工智能专家。

考虑到人工智能能力的重要性、人工智能领域的发展方向及其与其他领域的整合，只有少数国家试图将人工智能培训正式纳入K-12教育中，这或许令人很惊讶。已做相关投入的政府这样做的原因是基于对人工智能技能对本国当前和未来经济以及公民充分参与社会生活至关重要的认可。理解什么是人工智能、它是如何工作以及它可以做什么，能让学生有能力更好地理解他们的世界、维护自己和他人的权利、利用技术和数据造福公众。

呼吁各国政府通过创建包涵有序的学习成果、与国家政策目标一致且符合国际人权、道德标准的人工智能课程，确保所有公民都享有学习人工智能的机会。我们还鼓励他们深入了解人工智能工具背后的算法和数据，来培养他们在人工智能方面的创造力和对伦理道德的理解。各国政府还应在人工智能课程开发和实施中采用人文主义的方法，以保障人民基本权利，包括数据隐私以及促进包容、公平和性别平等。同样重要的是，确保提供足够的非专业资源和基于需求的教师培训。

版权说明：

本文根据联合国教科文组织于 2022 年出版的《K-12 AI curricula: A mapping of government-endorsed AI curricula》（© UNESCO 2022）编译而成。对于本文的任何使用，请在遵守原英文版版权声明的前提下进行。

This document is available in Open Access under the Attribution-ShareAlike 3.0 IGO (CC-BY-SA 3.0 IGO) licence (http://creativecommons.org/licenses/by-sa/3.0/igo). By using the content of this document, the users accept to be bound by the terms of use of the UNESCO Open AccessRepository (http://www.unesco.org/open-access/terms-use-ccbysa-en).

The designations employed and the presentation of material throughout this document do not imply the expression of any opinionwhatsoever on the part of UNESCO concerning the legal status of any country, territory, city or area or of its authorities, or concerning thedelimitation of its frontiers or boundaries.

The ideas and opinions expressed in this document are those of the authors; they are not necessarily those of UNESCO and do not commit the Organization.

注释

① 这些参与者是通过教科文组织在2011年至2020年举办的9次移动学习周期间积累的教育ICT领域关键组织名单获得的。

② 描述了人工智能变得比人类更聪明的那一点，并可能伴随着对人工智能会有意伤害人类的担忧。

③ Sourced from: CBSE Artificial Intelligence (Ministry of Education, India, 2020); Artificial Intelligence Curriculum, Class 9 Facilitator Handbook (CBSE and Intel, 2019) and interviews with and presentations from representatives of IBM, Intel, the 1M1B Foundation and Microsoft. Note that this information may not represent the official views of the Government of India.

④Source from: Interview and written submissions from Professor Ki-Sang Song.