专题 | 以信息科技课程之名行人工智能课程之实行不通

以信息科技课程之名行人工智能课程之实行不通

——浅谈信息科技课程与人工智能课程的异同

文_钟柏昌1（1. 华南师范大学教育信息技术学院）

《义务教育信息科技课程标准（2022年版）》的发布，历史性地确立了信息科技课程的国家课程地位。2024年11月，教育部发布《关于加强中小学人工智能教育的通知》，掀起了全国各地普及开设人工智能课程的热潮。然而，许多科技教师、科技教育工作者对信息科技课程与人工智能课程的关系理解不清，甚至存在误解，有必要专门进行梳理，供大家参考。

国家课程政策的定位

从国家课程政策角度而言，信息科技课程与人工智能课程是国家课程与地方课程的关系，也是包含与被包含的关系。《义务教育信息科技课程标准（2022年版）》将人工智能视为组织课程内容的6条逻辑主线（数据、算法、网络、信息处理、信息安全、人工智能）之一，并设立了专门的“人工智能与智慧社会”模块，在“法理”上将人工智能课程视作信息科技课程的一个组成部分。从这个意义上说，信息科技课程与人工智能课程无疑是包含与被包含的关系。个人认为，在未来10年内，在国家课程体系中都不大可能设置与信息科技课程并行的人工智能国家课程，其将长期作为地方课程而存在。

课程体系的分化

在课程体系层面，信息科技课程与人工智能课程存在显著差异。《关于加强中小学人工智能教育的通知》所列第一条重点任务就是“构建系统化课程体系”，并被广泛宣传，业已成为共识。这一要求表明，人工智能课程超越了信息科技课程中所包含的人工智能内容，亟须构建课程体系，不可直接沿用既有信息科技课程中的相关内容，否则文件所列第一条任务就是无稽之谈。笔者构建的人工智能课程5大逻辑主线（工具智能化、问题模型化、模型优化、思维可视化、道德情感内化）[1]也充分表明，人工智能课程具有非常丰富的课程内容，远非现有信息科技课程所能覆盖。

事实上，信息科技课程中的“在线学习与生活”“互联网应用与创新”“物联网应用与创新”等模块内容与人工智能均缺乏直接联系，即便是“数据与编码”和“身边的算法”模块，与人工智能中的数据和算法也存在本质差异。如果要追溯信息科技课程的母体——计算机学科，其课程内容与人工智能专业课程也有高度差异。例如，南京大学开设的人工智能专业与计算机学科的课程重叠率极低，是一个有别于计算机学科的新体系[2]。此外，根据教育部最近发布的《普通高等学校本科专业目录（2025年）》，在已有培养中小学信息科技教师的“教育技术学”专业的基础上，新增“人工智能教育”专业，专门面向基础教育培养人工智能专业师资，表明信息科技教育与人工智能教育已经走向了不同的发展道路。

育人目标的进化

在育人目标上，人工智能课程强调对学生人工智能素养的培养，也不同于信息科技课程划定的4大核心素养。尤其在最为关键的计算思维的定位上，如果说信息科技课程关注的是“计算思维1.0”，那么人工智能课程的核心应当是“计算思维2.0”。

《义务教育信息科技课程标准（2022年版）》中界定“计算思维是指个体运用计算机科学领域的思想方法，在问题解决过程中涉及的抽象、分解、建模、算法设计等思维活动”。显然，这一界定没有考虑到新一代人工智能的发展。例如，算法是否还应该作为人工智能课程的一个重要组成部分？如果说深度学习乃至机器学习之前的人工智能算法与传统编程算法还有相似性的话，那么新一代人工智能研究者所谓的算法已经完全超越了算法本身的含义，而是为匹配大数据、高算力计算的需要而开发的能够智能化解决问题的模型。

模型是算法学习数据的结果，是经过抽象和封装后的“黑箱”，也是群体协作的产物。这些“算法”（模型）往往是通用的，如ResNet适合解决绝大多数的图像分类问题，YOLO适合解决绝大多数的目标识别问题等。据此，从新一代人工智能角度出发，要求单个学习者设计开发人工智能模型中的底层算法不仅有难度，而且没有实际意义——大部分真实问题的解决需要的不是算法上的创新，而是有效数据的收集和整理。因此，必须将人工智能模型中涉及的算法进行封装降维，才能满足解决实际问题的需求和适应不同水平的学习者。就中小学人工智能教育而言，更难以让学生设计底层的算法，否则将一叶障目，湮没在枯燥算法的学习中，而失去了利用高性能模型（如SOTA模型）解决实际问题的成就感。相反，引导学生学会针对实际问题搭建、引用、优化特定的模型才是更为合理的选择。例如，学生只需要搭建一个线性回归模型就可以解决某个预测任务。这里所说的线性回归模型包括一元线性回归、多元线性回归等，更底层的（传统编程意义上的）算法则包括最小二乘法、梯度下降、随机梯度下降等优化线性回归的（数学）算法。

进一步说，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]。换言之，新课程标准强调的“具备计算思维的学生，能对问题进行抽象、分解、建模，并通过设计算法形成解决方案”，并不适用于人工智能教育。正是因为新一代人工智能特别强调模型的训练，以及数据集的准备和加工，因此模型的训练与推理应用理应作为计算思维的新生部分[4]。也正是在这个意义上，人工智能课程与信息科技课程不仅存在算法概念上的差异，而且在数据、算力上也存在差异，不应混同：信息科技课程的数据都是小数据，一般直接使用就可以，而人工智能课程需要面对大数据，需要经历数据的清洗、加工、标注、分割、转换等操作；信息科技课程配置有CPU的计算机房就够用了，而人工智能课程往往还需要GPU等为模型训练提供算力支撑。

教学实践的复杂化

在教学实践层面，信息科技课程与人工智能课程的关系更为复杂，不仅有国家课程政策传导的依存关系，更有相对独立的关系。例如，在诸多地方性指导意见中，人工智能课程的课时主要来源于信息科技、科学、综合实践活动、劳动、通用技术、课后服务等，并不完全占用信息科技课程的课时，甚至二者存在相互抢课时的矛盾。在实施条件上，人工智能课程要完整实现5大逻辑主线的展开，离不开算力的支撑，这是高中信息技术课程与义务教育信息科技课程实施过程中所未曾出现的新问题。如果说配置CPU的计算机房是信息科技课程的标配，那么（云端或本地的）算力服务资源就是人工智能课程的基座。

课程重要性差异化

在课程的重要性上，信息科技课程与人工智能课程也存在差别。《关于加强中小学人工智能教育的通知》明确提出“在各级基础教育教学成果评选中，单设人工智能教育类别”，而非放在信息科技教育类别，暗示人工智能教育具有重要的独立地位。文件同时要求探索将人工智能素养纳入学生综合素养评价体系，并纳入国家义务教育质量监测，与此相对，信息科技课程及其素养目标并未列入国家义务教育质量监测体系。实际上，在中美人工智能领域激烈角力的背景下，人工智能教育的重要性已经获得社会各界的广泛共识，人工智能课程所获得的关注度和支持度是信息科技课程无法比拟的。

人工智能课堂（北京市第二中学经开区学校高宇供图）

人工智能教育与人工智能教育应用

借此机会，澄清两个相关概念——人工智能教育与人工智能教育应用（或人工智能+教育、教育人工智能）的差别。前者特指面向学生人工智能素养培养的以人工智能课程为主要载体的育人活动，人工智能作为一门独立的学科课程而存在；后者特指关注人工智能如何赋能教育的育人活动，旨在为传统教育注入新动能和新优势，人工智能扮演工具、资源、环境等角色，甚至与其他学科课程融为一体，例如科学智能（AI4S）改变了科学的本质。人工智能课程是以课堂教学为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阵地，信息科技（人工智能）学科教师是开展人工智能教育的主力；而人工智能教育应用的主体是各学科教师和管理者，对推动人工智能教育具有重要的助力作用（如软硬件建设的改进等）。

当然，尽管当前针对信息科技课程与人工智能课程、人工智能教育与人工智能教育应用存在理解上的误差，但无须过度担忧。究其根本原因，主要在于人工智能教育尚处在发展初期，人们的认知需要一个消化、迭代的过程。同时也因为覆盖面的差异，存在为了争取更多政策和经费支持而不得不采用模糊边界的权宜之计。有理由相信，随着人工智能课程的不断成熟，人工智能教育持续普及，此类概念问题亦将慢慢消失。展望未来，为了实现信息科技课程与人工智能课程的融合，或许会诞生新的课程名称，或直接被人工智能课程所取代，但就目前而言，信息科技课程不能覆盖人工智能课程的核心目标和基本内容，二者不可等同，以信息科技课程之名行人工智能课程之实是走不通的。

参考文献

[1] 钟柏昌．新一代人工智能教育的五条逻辑主线．人民教育，2024（24）：12-16．

[2] 周志华．创办一流大学人工智能教育的思考[J]．中国高等教育，2018（9）：52-53．

[3] 钟柏昌．新一代人工智能发展与信息科技教育面临的挑战——兼谈计算思维2.0．中小学信息技术教育，2024（9）：16-17．

[4] 钟柏昌，刘晓凡，杨明欢．何谓人工智能素养：本质、构成与评价体系[J]．华东师范大学学报（教育科学版），2024，42（1）：71-84．■

微店订阅流程

step 1

step 2

点击图片直接跳小程序

来源 | 《中国科技教育》2025-06

编辑 | 孟想

审校 | 若惜、朱志安