义务教育阶段人工智能课程化实施的思考与建构
王少峰
人工智能时代正加速到来，不断地冲击着我们的生产、生活、学习等各个领域。2017年7月，国务院印发了《新一代人工智能发展规划》，明确指出人工智能成为国际竞争的新焦点，应逐步开展全民智能教育项目，在中小学阶段设置人工智能相关课程、逐步推广编程教育、建设人工智能学科，培养复合型人才，形成我国人工智能人才高地。
随着《普通高中信息技术课程标准（2017年版）》将人工智能初步纳入选择性必修模块，各地的义务教育教育课程指导纲要及相关教材中，也都加入了相应内容。但与传统的学科知识不同的是，它超越了传统科学技术的范畴，有着非常广阔的基础，涵盖了数学、计算机、神经科学、脑科学与心理学等多个相关学科。例如，清华大学交叉信息研究院的“智班”和南京大学人工智能学院的课程里，多以计算机科学为基础，以数学和算法学习为核心，通过使用有效的分析、建模、设计与实践，来解决现实问题。因此，人工智能只有进行课程化的设计与实施，才能发挥应有的效能。为此，我们做了如下思考。
● 构建完善的内容框架
从近两年国内众多高校开展的人工智能专业的课程设置来看，自动化、计算机、软件工程、数学、统计学、数据科学、智能科学与技术、物联网等各有侧重，甚至说是大相径庭。其实在美国，人工智能专业设置出现之前，很多大学已在计算机系开设机器学习、概率图、自然语言处理、计算机视觉、数据挖掘等人工智能类课程。人工智能和机器学习领域国际权威学者之一吴恩达说：“机器学习是所有计算机科学中最激动人心的领域。”也就是说，上述众多内容，最终指向的是机器学习。
那么，以数学和算法为基础的机器学习的内容，在义务教育阶段具体如何体现？对照英国的Computing课程和美国的《K-12计算机科学框架》，我们的内容设计可从以下几个角度来进行。
1.重视计算思维的基础培养
信息技术学科不是计算思维的唯一培养路径，但它是计算思维培养的重要平台。设计算法、分解问题、现象建模，在信息技术学科的学习中，有着最为重要的体现。
2013年，南安普敦大学的Cynthia Selby博士和John Woollard博士提出计算思维包括算法思维、评估、分解、抽象、概括这五方面的要素。而算法思维可看成是人与机器共通的思维形式，它是由一系列明确定义的有限操作步骤组成，并能够解决某一特定问题，这是信息技术学科所要关注的重点。无论是英国的Computing课程，还是美国的《K-12计算机科学框架》，均把算法思维的培养作为重点。
例如，Computing课程Barefoot版本的低年级的第1课是Crazy Characters（疯狂的角色），目标定位是四个“I can…”：①I can say what an algorithm is（我会说出算法是什么）;②I can write an algorithm（我会写算法）;③I can use an algorithm（我会使用算法）;④I can improve my algorithm（我会改进算法）。而整个课程体系，是以让学生使用计算思维创造性地理解和改变世界为目标。
提高以算法思维为核心的内容设计的比例，合理安排与之相关的学习内容，是国际上信息技术课程改革的趋势，也是我们推进人工智能教育亟须解决的问题。
2.优化人工智能的学习内容
《人工智能标准化白皮书》（2018年版）中提到人工智能的关键技术有机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别、虚拟现实和增强现实。这么多的内容，在义务教育阶段信息技术有限的课时中显然是无法实现的。参照《人工智能基础》（高中版），义务教育阶段的学习应该包括人工智能的发展历史、基本概念和实际应用，重点关注数据、算法和应用之间的关系。
在实际的教学中，南京市的教师已开发出众多与生活密切关联的案例。例如，通过分析在微信群抢红包的概率问题，引发对腾讯红包算法的学习;对经典的数学博弈游戏蒙提霍尔问题或三门问题的Scratch程序实现的学习;通过对图像中数字如何机器辨别的问题，认识决策树这样的分类方法。这些内容关注的是数据、算法和应用之间的关系，为未来的人工智能学习打下基础。
3.重构课程实施的阶段安排
随着技术的发展，人工智能的发展日新月异，同时考虑到学生的身心发展，显然不能只在某个特定的年龄阶段安排人工智能的学习，而是要进行整体的规划并分阶段安排学习内容。在小学低年级，应以应用的体验、感知为主，适当地通过游戏式的算法学习，初步了解算法;在中高年级，在程序设计模块的基础之上，开展体现数据、算法和应用之间关系的初步学习;在初中阶段，进行人工智能算法的应用体验。同时，在各个阶段渗透关于人工智能伦理、道德、经济、法律、情感、心理等多个领域的社会科学、人文科学的内容。
● 重塑多样化的学习方式
人工智能时代的人才培养，绝非是在某一学科领域或针对单一技能展开，而是多学科知识、能力、素质的跨界与综合，与之相对应的学习方式也应该是多样化的。
1.以项目式学习经历系统推进
《普通高中信息技术课程标准（2017年版）》人工智能模块的教學提示中指出，“在学习简单智能系统开发内容时，可以采用小组合作、项目学习等方式组织教学”，这一点在义务教育阶段的同样内容中也是适用的。通过这种方式，学生经历系统开发的全过程，在教师的引导下发现问题，以解决问题为导向开展方案设计、新知学习、实践探索等具有创新特质的学习活动。项目学习很大程度上还原了学习的本质，这种基于真实情境的学习能促进学生对信息问题的敏感性、对知识学习的掌控力、对问题求解的思考力的发展。
2.以研究性学习深化人文科学
人工智能的发展超越了传统科学技术的范畴，模糊了传统意义上的物理界限，它涉及多个领域，需要社会科学、人文科学的全方位介入，深层次参与。人工智能的发展会带来一系列前所未有的问题，如无人驾驶汽车事故责任如何认定、法律该如何追责等，因此，人工智能教育要开展人工智能法律规范、伦理道德、心理干预、社会安全、风险评估等问题研究。而对这些问题的研究，最适合的是以研究性学习的方式开展。通过设定主题、分组研究、形成研究报告，深化对这些问题的认识。
3.以非正式学习培养算法思维
远程教育、在线学习等非正式学习方式是未来泛在学习的主要形式。这种学习应该是主动的学习、适合自己的学习、满足自己需要的学习、可以得到最适合自己的教师帮助的学习。算法思维的基础学习很多应用是在线的形式，如“编程一小时”、Atcoder、Codefroces等趣味程序设计和算法学习网站，积累了大量的人气，对打破时空的学习具有超出预期的效果。如果将课内与课外结合起来，传统学习方式就突破了原有学习空间的局限，延伸至生活中的每一个角落。从本质上说，这种学习将是一种人网融合的新形态教育，更应该在与人工智能密切相关的学习活动中呈现。
● 基于学生发展的课程评价
要想知道人工智能教育课程实施的效果如何，就需要有一套科学的评价机制，传统的评价机制已不能适应人工智能教育课程评价的需求。当前，“课程—教学—评价”不是一个简单的线性关系，而是一个立体的、三位一体的逻辑关系。在这个立体结构的关系中，评价与教学、学习紧密地交缠在一起，教学与评价是相互分享的，评价事后于教学，或者说外在于教学，但评价诞生于教学设计之初。课堂教学也不应是机械地执行教学设计上的内容与程序的过程，而是一个持续做出新的决定的过程，其依据是关于学生学习的信息。从某种角度来说，教学和学习应该是“数据驱动”的，而这些数据就来自于评价。因此，在决定教学生什么之前，应先按照一定的目标开发评价设计，然后进行学习内容的选择和教学活动的安排，在学习活动中引导学生获得对应的目标表现，引导学生真正地获得发展。
与此同时，课程的实施离不开教师，强化师资力量是重要工作之一。当前，人才培养和义务教育阶段的这种强调学科融合类的课程存在矛盾，无法满足当前人工智能人才的培养需求，“划地经营”式的发展模式已逐渐不合时宜，应重新审视专业、学科之间的边界问题，提高教师的跨界视野与思维。
