全球人工智能素养:教育体系如何为学生迎接AI原生未来做好准备

探索阿联酋、欧洲、中国、新加坡、韩国和美国如何推进人工智能素养(AI Literacy),以及 Mexty 如何帮助学校将这些理念转化为结构化、互动式且可衡量的学习体验。
全球人工智能素养:教育体系如何为学生迎接AI原生未来做好准备
人工智能正日益融入日常学习、工作、沟通和决策之中。
对于教育体系而言,这带来的挑战远不止教学生如何使用ChatGPT或写出更好的提示词。
人工智能素养越来越意味着:理解AI系统如何运作、数据如何影响其输出、模型为何可能出错或产生偏见、信息应如何核实、何时可以信任AI,以及何时必须由人类判断保持主导。
世界各国正开始回答同一个根本问题:
学生在离开学校之前,应该理解哪些关于AI的知识?
各国的答案并不相同。
一些教育体系正在建立专门的人工智能素养课程;另一些则将AI融入数字公民教育、计算机课程或现有学科。有些体系强调教师准备和合乎伦理的使用方式,另一些则更重视实验、项目式学习或AI辅助教育。
尽管这些路径各不相同,一个共同方向正在形成。
人工智能素养正成为成长于AI原生世界的学生所必备的一项基础能力。
阿联酋:将人工智能素养建设为国家能力
阿联酋是采取高度系统化路径的国家之一。
人工智能素养正通过国家框架、酋长国层面的举措、教师发展、评估以及学生实践体验来推进。
在阿布扎比,ADEK的计划覆盖幼儿园(KG)至12年级,并延伸至170多所私立学校。学生从适龄的逻辑与批判性思维体验逐步发展到与AI系统互动、评估输出、设计AI驱动的解决方案,并思考如何负责任地使用AI。教师专业发展和评估也被纳入其中。
迪拜正在推行一种互补模式:人工智能素养越来越多地与课程中的不同领域相结合,而不是仅限于计算机课程。
因此,阿联酋更广泛的做法将多个维度结合起来:
课程 → 教师能力 →
治理 → 评估 → AI实践体验
这一点很重要,因为仅仅能够使用AI工具并不能形成真正的人工智能素养。
学生可能会熟练使用AI,却并不了解答案是如何产生的、信息是否可靠,或何时应该质疑其输出。
阿联酋的做法正越来越致力于弥合这一差距。
欧洲:界定具备人工智能素养的学生应该掌握什么
欧洲正朝着高度以能力为基础的人工智能素养观念发展。
原文所述的经合组织(OECD)与欧盟委员会框架,将人工智能素养定义为知识、技能和态度的结合,使学习者能够理解AI系统、批判性评估其输出,并以合乎伦理且富有创造力的方式使用AI。
这代表着一个重要转变。
人工智能素养已不再只是算法或机器学习等技术概念。
学生越来越需要学习如何:
·
与AI互动;
·
利用AI进行创作;
·
批判性评估AI生成的信息;
·
识别风险;
·
理解偏见;
·
保护数据;
·
负责任地使用AI;
·
理解AI对社会更广泛的影响。
这种以能力为基础的模式也改变了学校对评估的思考方式。
仅仅知道“幻觉”的定义是不够的。
学习者最终应能够识别AI幻觉、进行调查,并在信任答案之前判断需要哪些证据。
中国:按年龄循序渐进地引入AI
中国体现了另一个重要原则:人工智能素养应循序渐进地发展,而不是到了中学阶段才突然引入。
原文所述模式覆盖不同教育阶段。
低龄学习者从故事和简单活动开始。
高年级小学生逐步转向问题解决。
初中学生开始探索技术概念。
高中学习者进一步接触跨学科AI应用和更先进的发展内容。
这一进阶过程可概括为:
发现 → 理解 →
应用 → 设计
其中更广泛的启示十分重要。
六岁的孩子并不需要理解大型语言模型。
但他们可以先理解机器会遵循指令。
之后,他们可以探索模式。
再了解数据。
再了解AI如何学习。
再学习如何质疑AI的输出。
最后,年龄较大的学生可以研究设计、责任与治理。
因此,人工智能素养最适合作为一个持续的学习旅程,而不是一次性的课程。
新加坡:将人工智能素养与数字公民教育相结合
新加坡的做法凸显了另一个日益重要的联系:人工智能素养与数字公民教育密切相关。
学生接触AI并不只是在聊天机器人中。
他们早已通过以下方式体验AI:
·
推荐系统;
·
搜索引擎;
·
社交平台;
·
个性化服务;
·
自动化决策系统。
因此,人工智能素养也成为信息判断能力的问题。
学生需要问:
这些信息来自哪里?
可靠吗?
可能遗漏了什么?
这些信息是否可能具有误导性?
原文描述了人工智能素养与更广泛的数字素养、网络健康以及负责任的技术使用之间的融合。
在生成式AI时代,这种做法尤其重要,因为流畅自然的语言很容易营造出权威可信的印象。
学生需要理解:
一个听起来令人信服的答案,并不一定是经过核实的答案。
韩国:学习AI,也利用AI学习
韩国为这一讨论带来了另一个维度。
其做法体现了两者之间的区别:学习AI,以及利用AI学习。
AI赋能的学习系统可以支持个性化、反馈和学生学习进程。
但使用这些系统并不自动意味着学生理解AI如何运作,或知道何时应该质疑其建议。
原文在AI赋能的数字学习和教师准备背景下强调了这一区别。
这为学校带来了一个重要的设计原则。
AI不应只是让学习变得更快。
学生还需要有机会停下来思考并提出问题:
系统为什么给出这个建议?
哪些信息影响了这个建议?
我应该接受它吗?
什么时候教师仍应对最终决定负责?
利用AI学习与学习如何评估AI,需要同步发展。
美国:通过学校和学区开展实验探索
美国采取了更为分散化的模式。
美国并未实施统一的全国K–12人工智能素养课程,而是由学校、学区、大学、非营利组织和技术提供商尝试不同的方法。
原文重点介绍了MIT
RAISE和Common Sense Education等项目,这些项目将AI概念与循序渐进的学习、数字公民教育和负责任的技术使用结合起来。
这些实验探索带来了另一个有价值的启示:
人工智能素养不能仅靠讲解来学习。
学生需要与AI系统互动。
他们需要比较不同结果。
他们需要发现不同模型可能给出不同意见。
他们需要观察上下文如何改变答案。
他们需要调查错误。
他们还需要练习判断一个答案是否值得信任。
不同路径,共同原则
各国模式虽有差异,但若干原则正逐渐趋同。
人工智能素养越来越包括:
·
理解数据和算法;
·
使用生成式AI;
·
识别AI幻觉;
·
发现偏见;
·
保护隐私;
·
核实信息;
·
理解伦理影响;
·
保持人类判断;
·
考虑社会影响。
同时,也出现了从被动教学向主动学习的明显转变。
不应只是告诉学生AI会犯错。
他们应学会识别并核实这些错误。
不应只是告诉学生提示词会影响结果。
他们应尝试不同的上下文并比较输出。
他们不应只是使用AI。
他们应学会质疑AI。
这一进阶路径越来越呈现为:
理解AI → 使用AI
→ 质疑AI → 评估AI → 利用AI创作 → 负责任地治理AI
这对学校意味着什么
对学校而言,挑战并不只是选择一个AI工具。
而是围绕AI建立一个连贯一致的教育环境。
这要求学校将以下环节连接起来:
课程 → 教师 →
学习活动 → AI实验 → 可信知识 → 评估 → 治理
如果缺少这种结构,AI教育很快就会变得碎片化。
某一年,学生可能参加机器人活动。
第二年,他们开始使用ChatGPT。
之后,他们又完成一个提示词工程工作坊。
每项活动可能都有价值,但它们组合在一起并不一定构成一套人工智能素养课程。
系统化的方法需要循序渐进的学习路径。
从全球原则到课堂实施:借助Mexty
这正是Mexty能够提供实施层的地方。
Mexty被设计为安全的AI原生学习基础设施,使学校能够将人工智能素养组织成循序渐进的学习体验,而不是一组彼此孤立的资源。
学校可以连接:
学习路径 → 课程 →
互动活动 → AI素养实验室 → 可信知识 → 评估 → 数据分析
Mexty的作用并不是取代国家框架、教师或课程提供方。
它的作用是提供基础设施,使人工智能素养能够被调整、交付、体验和评估。原文将这一作用描述为:帮助学校构建学习路径、创建互动内容、管理评估,并为实际的AI实验提供可控环境。
从结构化学习路径开始
学校不应该每次都从空白页面开始。
对于阿联酋学校,Mexty提供从幼儿园(KG)到12年级的现成人工智能素养学习路径。
每个年级都可以预先包含:
·
课程;
·
相关互动活动;
·
AI素养实验室实验;
·
评估;
·
项目。
随后,教师可以对现有结构进行调整。
例如,学校可以打开7年级人工智能素养学习路径,并:
·
编辑现有内容;
·
添加自己的文字、图片和视频;
·
纳入学校政策;
·
丰富示例;
·
调整课程难度;
·
添加教师资源;
·
修改互动活动;
·
定制最终评估。
学校从一个已有结构出发,同时保留教学自主权。
[探索阿联酋学校人工智能素养
→](/ai-literacy/uae-schools)
[探索可编辑的KG–12模板
→](/ai-literacy/uae-schools/templates)
将AI概念转化为互动体验
许多AI概念很难通过被动学习真正掌握。
例如,仅仅告诉学生AI模型可能产生幻觉,与让他们调查一个包含无依据说法的答案,是完全不同的学习体验。
Mexty互动学习平台使教师能够把概念转化为活动。
学生可以:
·
对AI生成的信息进行分类;
·
识别可疑说法;
·
比较两个输出;
·
在分支情境中作出决定;
·
分析图片;
·
评估自己的信心水平;
·
说明作出某项决定的理由。
例如:
学生根据每条AI生成的回答进行分类:它看起来是否可信、是否需要进一步核实,或者在没有人工审核的情况下是否不安全。
此时,学生必须真正运用判断力,而不只是回忆一个定义。
Mexty还可以作为教师的AI课程创建工具,让教育者先生成初始活动,再由教师手动审核、编辑和完善。
探索互动活动
→
让学生通过AI素养实验室开展实验
在全球不同的人工智能素养路径中,最突出的共同主题之一就是实践实验。
Mexty的AI素养实验室直接支持这一点。
比较不同模型
学生向两个AI模型提出同一个问题。
他们分析:
·
差异;
·
证据;
·
假设;
·
缺失的信息;
·
置信度;
·
可能存在的偏见。
目的并不是宣布某一个模型在所有情况下都更好。
而是让学生理解AI输出需要被评估。
改变上下文
提问:学校是否应该允许学生使用AI完成家庭作业?
然后:以教师的身份回答。
再:以学生的身份回答。
学生分析不同视角如何改变答案。
调查AI幻觉
学生识别一项缺乏依据的说法,并判断需要哪些证据才能加以核实。
比较通用AI与基于可信来源的AI
学生比较:模型的一般知识与基于可信来源的知识。
这些实验帮助学生亲身体验全球人工智能素养框架日益强调的各种问题。
[探索AI素养实验室
→](/ai-literacy/lab)
教学生使用可信来源
信息核实正在成为最重要的人工智能素养能力之一。
Mexty知识库允许学校添加经批准的材料,例如:
·
课程文件;
·
学校政策;
·
官方指南;
·
教师创建的资源;
·
经过验证的参考资料。
教师随后可以在设计学习体验时,将这些文件作为可信来源。
学生可能首先得到一个通用的AI回答。
然后,可以使用学校批准的来源来探究同一个问题。
学习任务就变成:
发生了什么变化?
哪些说法真正有来源支持?
你应该相信哪个答案?为什么?
这使人工智能素养与来源评估和数字公民教育直接连接起来。
探索知识库与可信事实来源
→
评估的不只是知识
全球向能力导向型人工智能素养发展的趋势,也对评估方式产生影响。
学生不应只知道术语。
他们还应证明自己能够运用判断力。
Mexty评估可以组合:
·
测验;
·
视觉识别;
·
热点题;
·
分类;
·
分支情境;
·
比较活动;
·
题库;
·
信心检查。
例如,向学生展示一条AI生成的建议。
学生必须决定是接受该建议、进一步核实,还是升级给人工审核,然后说明自己对这一决定有多大信心。
这比一道简单的选择题能够提供更丰富的学习证据。
探索Mexty评估 →
教师能力仍然至关重要
在各国的相关举措中,教师准备反复被证明是一个关键因素。
教师不需要成为AI工程师。
但他们需要具备足够的理解,才能引导学生思考以下问题:
·
为什么AI会产生幻觉?
·
上下文如何影响输出?
·
什么样的来源才值得信任?
·
偏见可能如何出现?
·
哪些数据不应被分享?
·
学生什么时候应该使用AI?
·
什么时候必须由人类判断保持主导?
Mexty可以通过专门面向教师的人工智能素养学习路径和实践实验室体验来提供支持。
教师可以亲自体验学生之后会使用的相同活动,审视其教学方法,并根据自己的课堂进行调整。
[探索人工智能素养教师培训
→](/ai-literacy/teacher-training)
阿联酋可以融合不同模式中最有价值的经验
国际比较表明,没有任何一种单一方法能够解决所有问题。
循序渐进很重要。
能力培养很重要。
数字公民教育很重要。
实践实验很重要。
教师准备很重要。
评估很重要。
治理很重要。
阿联酋正越来越多地将这些要素整合在一起,使学校有机会把人工智能素养建设为连贯一致的K–12能力体系,而不是一系列彼此孤立的技术项目。
Mexty可以支持学校把这一战略方向转化为实际实施。
通过安全的AI原生学习基础设施,学校可以结合:
现成学习路径
可编辑课程
互动学习活动
AI素养实验室
可信知识
评估
教师培训
数据分析与学习者证据
目标并不是培养只会操作当下AI工具的学生。
这些工具会不断变化。
更持久的能力在于懂得:
AI如何运作、何时使用AI、何时质疑AI、如何核实AI、如何负责任地利用AI进行创作,以及何时必须优先由人类作出判断。
| 如果你喜欢这篇文章,你一定也会喜欢我们接下来的内容。 员工人工智能素养:为什么仅仅采用人工智能不足以推动企业转型 |
