人工智能向美而行的大单元实践研究

【摘 要】在中小学开展人工智能课程已成为时代共识。然而，人工智能课程中仍存在“重技术轻素养、重局部轻系统”等问题，而大单元是指向教学整体性和素养培养的有效方法。为进一步挖掘人工智能大单元课程发现美创造美的育人价值，本研究设计了向美而行的人工智能大单元“AI·美”课程，并开展了为期2个月的教学实践。结果表明，课程能够有效促进学生对知识的整体性把握，能够有效促进学生的计算思维等核心素养的发展，学生对课程的整体学习兴趣较高。

【关键词】人工智能；大单元；向美而行

【中图分类号】G434 【文献标志码】A

【论文编号】1671-7384（2024）011-066-03

本研究基于大单元教学，结合以美育人的理念，开展了人工智能向美而行的课程设计与实践，以探索人工智能课程育人的有效实践路径。

人工智能课程实施现状及问题

开展中小学人工智能教育已成为各国教育的重要战略布局。美国麻省理工学院提供了面向中小学的“Make Your Doodle Bot！”人工智能课程[1]。芬兰则将编程作为人工智能教育的主要推进内容，并正式纳入中小学课程标准中[2]。新加坡发起了中小学“AI for Kids（AI4K™）工作坊”[3]，提升学生对人工智能的兴趣。我国也积极推进人工智能进入中小学课堂，各地纷纷开展中小学人工智能课程[4]。

在课程内容上，联合国教科文组织（UNESCO）通过调研全球193个教科文组织会员国和1000 多个私营组织的人工智能课程，总结了各国的人工智能课程内容：包含AI基础（占比约41%）、AI 使用与开发（占比约 25%）和伦理与社会影响（占比约 24%）三个方面[5]。我国教育部教育装备研究与发展中心联合北京、武汉、广州、西安、深圳五地教科院（所）和教育装备部门，共同构建了“知识积淀”“应用体验”和“实践创新”三大课程模块[6]。

在课程实践上，刘江岳等设计了面向高中生的人工智能校本课程，包含基础章节和进阶章节，并对其进行了计算思维的效果验证，有效提升了学生的计算思维能力[7]。张学军等构建了高中信息技术课程的人工智能应用设计框架，并开发了人工智能应用项目案例资源[8]。

然而，当前中小学人工智能课程的开展仍面临困境。一方面，人工智能的教学呈现明显的知识碎片化现象[9]，过于重视局部知识点，忽视全局视角的引导。另一方面，实践发现，人工智能课程容易就技术而讲技术，忽视课程的素养培养和育人价值的挖掘，使得学生对人工智能课程的兴趣逐渐降低。

大单元教学提供了系统性和素养培养的思路

一般来说，教学单元分为两种类型：一种是依据儿童思维结构和过程组织的经验单元；另一种是依据学科知识的逻辑体系建构的教材单元[10]。传统的教学单元常以知识点线性开展，课时被细分，学生的结构化知识体系难以建立。大单元以反映学科本质特征的概念为支点[11]，以核心素养为导向，将分散的知识进行结构化和系统化整合，或是对原有教学单元的二次加工，或是完全打破与重组，从而形成学习单元。其中，学习单元是由素养目标、课时、情境、任务、知识点等要素按照某种需求和规范组织起来的有结构的整体[12]。

可以看出，一方面，大单元教学注重培养学生的系统思维；另一方面，大单元教学重视落实学科素养的达成。王鉴指出，大单元教学的价值促成了学生对内容的深度理解，以实现对生活的高通路迁移，从而培养专家思维[13]。

已有研究对人工智能大单元设计进行了探索。李艳等从大概念视角设计了“人工智能基础”大单元[14]，何聚厚等则设计了指向学科大概念的“人脸识别”大单元[15]。然而，当前人工智能大单元教学主要聚焦人工智能技术本身开展，缺乏科技与人文的融合，使得人工智能课程大多成为技术讲解类课程，缺乏对课程育人价值的进一步挖掘和美的渗透。

人工智能向美而行的单元设计与实践

1.单元设计

（1）单元主题。本单元围绕“用人工智能发现美”，让学生真实感受运用人工智能发现身边美的价值，落实科技育人的课程理念，实现融合科技与人文的双向奔赴。

（2）单元结构。基于上述主题，本单元对原有教材中的必修1第六章、选修4第三章和第五章的相关内容，按照核心素养导向进行了重构，形成了“AI·美”大单元。

（3）单元学情。在已备知识方面，高一学生在生活中已接触了许多人工智能产品，对人工智能有一定的生活经验。在已有素养方面，教师可根据学生的合作意识和合作能力，引领学生以小组为单位开展深度探究。在表达上，高一学生具备较强的表达能力，教师可以给予学生充分表达的机会。在知识难点上，学生对人工智能的理解容易停留在感知层面，教师要设置具有生活情境的真问题，引导学生深入探究人工智能的实现过程。在思维难点上，学生对人工智能背后实现原理的理解存在一定困难，教师要尽量借助可视化实验平台，将过程可视化，化抽象为具体，让学生在具体体验中实现深度理解。

（4）单元目标。一是能说出人工智能的本质特征，培养信息意识。二是能说出用哪些经典的人工智能（如机器学习中的CNN、RNN、人工神经网络等）来发现身边的美。三是能说出用人工智能发现自然美（图像分类CNN）、诗歌美（RNN）、音乐美（人工神经网络）的基本步骤，培养计算思维。四是能基于数字平台运用人工智能进行美的作品的创造，能基于数字平台开展自主学习与协作探究，进行数字化学习与创新。五是能辩证分析人工智能带来的影响，增强对美的感受和认知。六是树立运用人工智能要遵守法律法规和道德规范的意识和责任，承担信息社会责任。

（5）单元评价。本单元注重对“教—学—评”一体化的设计。首先，围绕评价目标一条线，所有评价均指向目标达成的情况。其次，评价的内容是多维的，聚焦核心素养。再次，评价的主体是多元的，既有学生个人自评，也有同伴互评、教师评价。最后，评价的过程注重数据驱动，强调对学生数据的即时收集与反馈，从而根据学生的掌握情况适时调整教学，实施精准教学。

（6）单元任务群与问题链。本单元围绕“大单元—任务群—问题链”逻辑线，在设计理念上，以“教师主导—学生主体”、数据驱动的“精准教学”、“教—学—评”一体化设计为指导进行大单元设计，每个课时均有对应的任务群和问题链。为满足各课时中的任务实施，本单元借助了类型多样的数字化平台与资源，推动学生在信息意识、计算思维、数字化学习与创新以及信息社会责任各维度上的学科核心素养的落实。

2.单元实践

（1）实践对象及安排。本单元面向高一年级学生教授，授课时长为7节。

（2）研究问题。本单元主要聚焦如下问题：“AI·美”单元的实施，能否促进学生系统性了解人工智能；能否促进学生核心素养中计算思维的发展；能否吸引学生的学习兴趣。

（3）测量工具。为测量学生的计算思维，本研究采用Korkmaz等开发的CTLS量表，华东师范大学白雪梅团队对该量表进行了汉化，对量表信效度进行了较为全面的检验，验证了其在高中阶段的适用性，该量表的Cronbach's α系数为0.83[16]，具备较高的信度。为测量学生的学习兴趣，本研究采用Hwang等开发的五点量表[17]，该量表的Cronbach's α系数为0.88，具有较高的信度。

（4）实践效果。一是学生系统性掌握情况。数据显示，在“AI·美”大单元下，学生的系统性掌握均值为4.04，标准差为0.77，说明学生能够较为系统地掌握单元的知识结构。其中，学生在“更全面系统地了解了人工智能创造作品（如图片、诗歌、音乐）背后的基本过程”和“更全面系统地了解了许多生活中的人工智能应用案例”中的表现相对较好，说明通过单元的学习，学生对知识有更系统的了解。而在“掌握了许多AI创作工具，可以应用到解决生活中其他的问题中”维度上的得分相对较弱，这也说明在掌握AI创作工具上，还需要进一步练习。二是学生计算思维素养得到发展。调查发现，学生通过学习“AI·美”单元，在计算思维维度的平均分为3.59，相比于课前的计算思维平均分（3.25）有较大的发展。当然，如果要进一步判断是否存在统计学意义上的显著性差异，还需要通过对比实验来进行交叉验证，这也是本研究后续进一步完善的方向。三是学生对大单元的学习兴趣明显提升。调查发现，在“AI·美”大单元下，学生的学习兴趣均值为3.928，标准差为0.793，学生的学习兴趣总体较高。其中各个维度的满意度如表1所示。可以看出，学生认为“AI·美”的课程内容是有趣的，是有吸引力的。学生也表达了期待继续上相关系列课程的想法，这说明“AI·美”课程为学生继续深入学习人工智能奠定了基础。当然，调查也发现，课程中的提问设计需进一步增强趣味性。

结 语

本研究面向人工智能课程中存在的“重技术轻素养、重局部轻系统”问题，尝试基于大单元，结合以美育人的理念，设计了人工智能向美而行的课程，并进行了实践。结果表明，该课程能够帮助学生系统地掌握单元的知识结构，并促进学生在计算思维等核心素养方面的发展。当然，调查也发现课程中的问题设计需要进一步增强趣味性。本课程是科技与人文融合的初步尝试，未来，该课程还需进一步深入探索，以总结形成有效的人工智能大单元教学模式，并组织开展对照实验，以更全面客观地验证模式的有效性。

参考文献

MIT Media Lab. Doodle Bot. [EB/OL].（2019-10-03）[2024-05-17].https：//mitmedialab.github.io/doodlebot/make.html.

邓续言. 芬兰中小学如何开展编程教育[J]. 福建教育，2020（31）： 21-23.

AI Singapore. AI for Kids[EB/OL].（2021-08-12）[2024-09-20].https：//www.aisingapore.org/talentdevelopment/ai4k/.

深圳卫视深视新闻. 深圳小学初中全面普及人工智能课程，全市高校达17所[EB/OL]. （2024-05-16）[2024-09-20].https：//mp.weixin.qq.com/s/T2tJ5X2EzVnPBLXsH6C1MQ.

楼又嘉，李一航，王永固，等. 人工智能基础教育课程全球图谱：开发框架与实施方略：UNESCO《K-12人工智能课程图谱》报告解析[J]. 远程教育杂志，2022，40（3）： 3-15.

张敏，刘俊波. 中小学人工智能教育课程的设计和实施策略[J]. 教育与装备研究，2020，36（10）： 6-9.

刘江岳，马静. 培养计算思维的高中人工智能校本课程设计[J]. 计算机教育，2023（6）： 213-219.

张学军，董晓辉. 高中人工智能课程项目案例资源设计与开发[J]. 电化教育研究，2019，40（8）： 87-95.

李佳琦. 在初中阶段开展人工智能普及性教育的困境与思考[J]. 中国信息技术教育，2022（11）： 85-87.

[13] 王鉴，张文熙. 大单元教学：内涵、特点与实施策略[J]. 中国教育学刊，2023（10）： 5-9.

伍雪辉. 大单元教学的内生逻辑与实践立场[J]. 教育研究与实验，2022（4）： 91-96.

崔允漷. 如何开展指向学科核心素养的大单元设计[J].北京教育（普教版），2019（2）： 11-15.

李艳，孙丹，杜娟，等. 大概念视角下初中“人工智能基础”单元设计及应用策略探索[J]. 现代远距离教育，2021（4）： 35-47.

何聚厚，李天宇，何秀青. 中小学人工智能教育大单元设计的意蕴、困境和路径[J]. 中国电化教育，2022（2）： 30-37.

Korkmaz， Ö.， Xuemei， B.A..Adapting computational thinking scale （CTS） for Chinese high school students and their thinking scale skills level[J]. Participatory Educational Research，2019，6（1）：10-26.

Hwang， G. J.， Chang， H.F.A formative assessment-based mobile learning approach to improving the learning attitudes and achievements of students[J]. Computers & Education， 2011，56（4）：1023-1031.