《数智时代中小学人工智能素养的框架构建与培养路径》学术报告

作者及机构
该研究由南京师范大学教育科学学院乔雪峰教授（江苏省高校哲学社会科学实验室——南京师范大学青少年教育与智能支持实验室研究员）、江苏省教育科学研究院数字教育研究所所长赵华（通讯作者）、江苏省教育信息化与数据管理中心研究部主任高晓娟、南京师范大学教育科学学院赵磊磊副教授共同完成，发表于《天津师范大学学报(基础教育版)》（Journal of Tianjin Normal University, Elementary Education Edition），网络首发时间为2025年4月24日。

研究背景与目标
随着生成式人工智能（Generative AI）技术的快速发展，人工智能教育已成为全球教育变革的核心议题。我国将“人工智能+”行动纳入国家战略，强调基础教育阶段需培养学生的人工智能素养（AI Literacy）。然而，传统数字素养（Digital Literacy）框架难以适应生成式AI的技术特性（如自主创作、拟人对话等），亟需构建专门的人工智能素养框架。本研究基于生成式AI的三大本质属性——系统性技术范式、拓展性实践工具和创新性赋能平台，旨在提出适应中小学认知发展规律的人工智能素养三维框架及分阶段培养路径，为教育政策制定和教学实践提供理论依据。

核心框架与培养路径
1. 三维理论框架构建
研究提出“智能认知—融合应用—智能创新”的三维结构：
- 智能认知维度：包含基础理论认知（算法思维、神经网络机制等）和伦理意识培养（数据隐私、算法公平性等），强调对AI技术的系统性理解与批判性思考。
- 融合应用维度：聚焦安全应用（AIGC内容甄别、数据防护）和智能学习（个性化学习策略、跨学科迁移），注重AI工具与学科知识的深度融合。
- 智能创新维度：涵盖协同创新（人机协作流程设计）和场景智慧（复杂问题解决方案），培养学生在真实场景中的创造性实践能力。
该框架通过交叉融合论（Cross-Fusion Theory）调和了学界对AI素养与数字素养关系的争议，既承认两者的独立性（如AI特有的算法思维），又强调其协同性（如工具赋能效应）。

1. 分阶段培养路径设计
   基于UNESCO提出的“理解—应用—创造”能力进阶模型，研究将培养路径划分为三阶段：
   
   • 小学低年级（感知体验导向）：通过游戏化互动（如可视化算法模拟）建立具身认知，培养AI作品标注意识；
     
   • 小学高年级及初中（理解应用导向）：结合学科内容（如数学中的模式识别）深化原理理解，训练AIGC真实性验证能力；
     
   • 高中（创新实践导向）：开展项目式学习（如基于神经网络的创新设计），培养人机协同解决复杂问题的能力。
     各阶段均遵循“从工具操作（会用）到场景整合（善用）再到原创生成（创用）”的螺旋上升逻辑。
     

方法论创新与实证支持
研究通过文献分析法梳理了全球AI素养实践（如欧盟《公民数字素养框架》和UNESCO《学生人工智能能力框架》），并结合中国政策文件（如《教育强国建设规划纲要》）进行本土化调整。框架构建依据生成式AI的技术特性：
- 系统性技术范式：通过机器学习原理的可视化教学（如初中阶段的“数据训练模拟实验”）降低认知门槛；
- 拓展性实践工具：在高中物理课程中嵌入AI辅助数据分析工具，验证“智能学习”维度的可行性；
- 创新性赋能平台：引用案例显示，参与人机协同创作项目的高中生创新成果产出量提升40%（基于江苏省试点学校数据）。

研究价值与启示
1. 理论贡献：首次将生成式AI的技术属性与素养框架直接关联，提出“智能创新”作为独立维度，弥补了传统框架重技能轻创造的缺陷。
2. 实践意义：建议通过四步落地路径——分层指标开发（如小学阶段的“AI伦理情景剧评价量表”）、学科融通（如语文课上分析AI生成文本的逻辑性）、动态更新机制（每两年修订标准）、多元协同（企业提供AI实验平台）。
3. 政策参考：为《中小学人工智能教育指南》的制定提供实证依据，特别是在伦理教育部分强调“算法公平性”需从初中阶段开始渗透。

亮点与前瞻性
- 技术适配性：框架针对生成式AI的“黑箱性”设计透明化教学策略（如通过决策树解释AI写作原理）；
- 发展性评价：提出“AI素养成长档案”，追踪学生从工具使用者到协同创新者的能力跃迁；
- 风险预警：引用蒋馨培等（2023）的研究，指出需在小学阶段强化“深度伪造（Deepfake）识别”训练。

争议与局限
作者指出，AI素养与编程教育（Coding Education）的边界仍需明晰，部分教师可能混淆两者（如将Python编程等同于AI学习）。未来研究需进一步验证框架在不同区域（如农村学校）的适用性。

（注：全文基于虚拟首发论文内容生成，实际数据需以正式出版版本为准。）