專題 | 以信息科技課程之名行人工智能課程之實行不通

以信息科技課程之名行人工智能課程之實行不通

——淺談信息科技課程與人工智能課程的異同

文_鐘柏昌1（1. 華南師范大學教育信息技術學院）

《義務教育信息科技課程標準（2022年版）》的發布，歷史性地確立了信息科技課程的國家課程地位。2024年11月，教育部發布《關于加強中小學人工智能教育的通知》，掀起了全國各地普及開設人工智能課程的熱潮。然而，許多科技教師、科技教育工作者對信息科技課程與人工智能課程的關系理解不清，甚至存在誤解，有必要專門進行梳理，供大家參考。

國家課程政策的定位

從國家課程政策角度而言，信息科技課程與人工智能課程是國家課程與地方課程的關系，也是包含與被包含的關系。《義務教育信息科技課程標準（2022年版）》將人工智能視為組織課程內容的6條邏輯主線（數據、算法、網絡、信息處理、信息安全、人工智能）之一，并設立了專門的“人工智能與智慧社會”模塊，在“法理”上將人工智能課程視作信息科技課程的一個組成部分。從這個意義上說，信息科技課程與人工智能課程無疑是包含與被包含的關系。個人認為，在未來10年內，在國家課程體系中都不大可能設置與信息科技課程并行的人工智能國家課程，其將長期作為地方課程而存在。

課程體系的分化

在課程體系層面，信息科技課程與人工智能課程存在顯著差異。《關于加強中小學人工智能教育的通知》所列第一條重點任務就是“構建系統化課程體系”，并被廣泛宣傳，業已成為共識。這一要求表明，人工智能課程超越了信息科技課程中所包含的人工智能內容，亟須構建課程體系，不可直接沿用既有信息科技課程中的相關內容，否則文件所列第一條任務就是無稽之談。筆者構建的人工智能課程5大邏輯主線（工具智能化、問題模型化、模型優化、思維可視化、道德情感內化）[1]也充分表明，人工智能課程具有非常豐富的課程內容，遠非現有信息科技課程所能覆蓋。

事實上，信息科技課程中的“在線學習與生活”“互聯網應用與創新”“物聯網應用與創新”等模塊內容與人工智能均缺乏直接聯系，即便是“數據與編碼”和“身邊的算法”模塊，與人工智能中的數據和算法也存在本質差異。如果要追溯信息科技課程的母體——計算機學科，其課程內容與人工智能專業課程也有高度差異。例如，南京大學開設的人工智能專業與計算機學科的課程重疊率極低，是一個有別于計算機學科的新體系[2]。此外，根據教育部最近發布的《普通高等學校本科專業目錄（2025年）》，在已有培養中小學信息科技教師的“教育技術學”專業的基礎上，新增“人工智能教育”專業，專門面向基礎教育培養人工智能專業師資，表明信息科技教育與人工智能教育已經走向了不同的發展道路。

育人目標的進化

在育人目標上，人工智能課程強調對學生人工智能素養的培養，也不同于信息科技課程劃定的4大核心素養。尤其在最為關鍵的計算思維的定位上，如果說信息科技課程關注的是“計算思維1.0”，那么人工智能課程的核心應當是“計算思維2.0”。

《義務教育信息科技課程標準（2022年版）》中界定“計算思維是指個體運用計算機科學領域的思想方法，在問題解決過程中涉及的抽象、分解、建模、算法設計等思維活動”。顯然，這一界定沒有考慮到新一代人工智能的發展。例如，算法是否還應該作為人工智能課程的一個重要組成部分？如果說深度學習乃至機器學習之前的人工智能算法與傳統編程算法還有相似性的話，那么新一代人工智能研究者所謂的算法已經完全超越了算法本身的含義，而是為匹配大數據、高算力計算的需要而開發的能夠智能化解決問題的模型。

模型是算法學習數據的結果，是經過抽象和封裝后的“黑箱”，也是群體協作的產物。這些“算法”（模型）往往是通用的，如ResNet適合解決絕大多數的圖像分類問題，YOLO適合解決絕大多數的目標識別問題等。據此，從新一代人工智能角度出發，要求單個學習者設計開發人工智能模型中的底層算法不僅有難度，而且沒有實際意義——大部分真實問題的解決需要的不是算法上的創新，而是有效數據的收集和整理。因此，必須將人工智能模型中涉及的算法進行封裝降維，才能滿足解決實際問題的需求和適應不同水平的學習者。就中小學人工智能教育而言，更難以讓學生設計底層的算法，否則將一葉障目，湮沒在枯燥算法的學習中，而失去了利用高性能模型（如SOTA模型）解決實際問題的成就感。相反，引導學生學會針對實際問題搭建、引用、優化特定的模型才是更為合理的選擇。例如，學生只需要搭建一個線性回歸模型就可以解決某個預測任務。這里所說的線性回歸模型包括一元線性回歸、多元線性回歸等，更底層的（傳統編程意義上的）算法則包括最小二乘法、梯度下降、隨機梯度下降等優化線性回歸的（數學）算法。

進一步說，新一代人工智能教育，核心不再是算法的教育，而是模型的教育[3]。換言之，新課程標準強調的“具備計算思維的學生，能對問題進行抽象、分解、建模，并通過設計算法形成解決方案”，并不適用于人工智能教育。正是因為新一代人工智能特別強調模型的訓練，以及數據集的準備和加工，因此模型的訓練與推理應用理應作為計算思維的新生部分[4]。也正是在這個意義上，人工智能課程與信息科技課程不僅存在算法概念上的差異，而且在數據、算力上也存在差異，不應混同：信息科技課程的數據都是小數據，一般直接使用就可以，而人工智能課程需要面對大數據，需要經歷數據的清洗、加工、標注、分割、轉換等操作；信息科技課程配置有CPU的計算機房就夠用了，而人工智能課程往往還需要GPU等為模型訓練提供算力支撐。

教學實踐的復雜化

在教學實踐層面，信息科技課程與人工智能課程的關系更為復雜，不僅有國家課程政策傳導的依存關系，更有相對獨立的關系。例如，在諸多地方性指導意見中，人工智能課程的課時主要來源于信息科技、科學、綜合實踐活動、勞動、通用技術、課后服務等，并不完全占用信息科技課程的課時，甚至二者存在相互搶課時的矛盾。在實施條件上，人工智能課程要完整實現5大邏輯主線的展開，離不開算力的支撐，這是高中信息技術課程與義務教育信息科技課程實施過程中所未曾出現的新問題。如果說配置CPU的計算機房是信息科技課程的標配，那么（云端或本地的）算力服務資源就是人工智能課程的基座。

課程重要性差異化

在課程的重要性上，信息科技課程與人工智能課程也存在差別。《關于加強中小學人工智能教育的通知》明確提出“在各級基礎教育教學成果評選中，單設人工智能教育類別”，而非放在信息科技教育類別，暗示人工智能教育具有重要的獨立地位。文件同時要求探索將人工智能素養納入學生綜合素養評價體系，并納入國家義務教育質量監測，與此相對，信息科技課程及其素養目標并未列入國家義務教育質量監測體系。實際上，在中美人工智能領域激烈角力的背景下，人工智能教育的重要性已經獲得社會各界的廣泛共識，人工智能課程所獲得的關注度和支持度是信息科技課程無法比擬的。

人工智能課堂（北京市第二中學經開區學校高宇供圖）

人工智能教育與人工智能教育應用

借此機會，澄清兩個相關概念——人工智能教育與人工智能教育應用（或人工智能+教育、教育人工智能）的差別。前者特指面向學生人工智能素養培養的以人工智能課程為主要載體的育人活動，人工智能作為一門獨立的學科課程而存在；后者特指關注人工智能如何賦能教育的育人活動，旨在為傳統教育注入新動能和新優勢，人工智能扮演工具、資源、環境等角色，甚至與其他學科課程融為一體，例如科學智能（AI4S）改變了科學的本質。人工智能課程是以課堂教學為主要方式的制度化的人工智能教育，也是人工智能教育的主陣地，信息科技（人工智能）學科教師是開展人工智能教育的主力；而人工智能教育應用的主體是各學科教師和管理者，對推動人工智能教育具有重要的助力作用（如軟硬件建設的改進等）。

當然，盡管當前針對信息科技課程與人工智能課程、人工智能教育與人工智能教育應用存在理解上的誤差，但無須過度擔憂。究其根本原因，主要在于人工智能教育尚處在發展初期，人們的認知需要一個消化、迭代的過程。同時也因為覆蓋面的差異，存在為了爭取更多政策和經費支持而不得不采用模糊邊界的權宜之計。有理由相信，隨著人工智能課程的不斷成熟，人工智能教育持續普及，此類概念問題亦將慢慢消失。展望未來，為了實現信息科技課程與人工智能課程的融合，或許會誕生新的課程名稱，或直接被人工智能課程所取代，但就目前而言，信息科技課程不能覆蓋人工智能課程的核心目標和基本內容，二者不可等同，以信息科技課程之名行人工智能課程之實是走不通的。

參考文獻

[1] 鐘柏昌．新一代人工智能教育的五條邏輯主線．人民教育，2024（24）：12-16．

[2] 周志華．創辦一流大學人工智能教育的思考[J]．中國高等教育，2018（9）：52-53．

[3] 鐘柏昌．新一代人工智能發展與信息科技教育面臨的挑戰——兼談計算思維2.0．中小學信息技術教育，2024（9）：16-17．

[4] 鐘柏昌，劉曉凡，楊明歡．何謂人工智能素養：本質、構成與評價體系[J]．華東師范大學學報（教育科學版），2024，42（1）：71-84．■

微店訂閱流程

step 1

step 2

點擊圖片直接跳小程序

來源 | 《中國科技教育》2025-06

編輯 | 孟想

審校 | 若惜、朱志安