类型b：学术报告

作者及机构
本文由Lorena Casal-Otero（西班牙圣地亚哥德孔波斯特拉大学教育学与教学法系）、Alejandro Catala（西班牙圣地亚哥德孔波斯特拉大学电子与计算系及CITUS智能技术研究中心）等6位作者合作完成，发表于《International Journal of STEM Education》2023年第10卷第29期。

主题与背景
论文题为《K-12阶段的AI素养：系统性文献综述》，聚焦全球范围内人工智能（Artificial Intelligence, AI）教育在基础教育（K-12）中的整合现状。研究背景源于AI技术的快速普及与社会经济影响，而教育系统尚未形成统一的AI素养培养框架。作者指出，AI教育不仅是技术学习，还需涵盖伦理反思与社会影响分析，但现有实践缺乏系统性评估与跨学科整合。

主要观点与论据

1. AI素养的全球实践现状
   通过系统性文献综述（Systematic Literature Review, SLR）方法分析179篇文献，发现当前K-12阶段的AI教育分为两类：

   • 学习体验：侧重技术技能（如机器学习算法、机器人编程）或应用工具（如Scratch可视化编程）。例如，Burgsteiner等（2016）通过机器人模拟教授搜索算法，而Vartiainen等（2021）利用数据可视化工具培养数据思维。
     
   • 理论视角：包括课程设计（如美国AI4K12倡议）、教师培训（如德国6模块AI课程）和伦理教育（如中国香港AI4Future项目）。支持证据显示，仅少数国家（如美国、中国、德国）制定了全国性AI课程指南。
     

2. 核心挑战与空白领域

   • 评估缺失：仅5%的研究（如Van Brummelen等2021a）测评了学生对AI概念的理解，多数缺乏标准化评估工具。
     
   • 跨学科不足：80%的实践集中于计算机科学课程，未与数学、社会科学等学科融合。例如，新加坡的AI课程未涉及自动化对就业不平等的讨论。
     
   • 教师能力缺口：文献中仅12%提及教师培训（如Kim等2021的TPACK模型），且多数教师对AI伦理教学准备不足。
     

3. 关键建议与框架
   作者提出AI素养的三大轴心（Long & Magerko 2020）：

   • 认知轴心：理解AI基础概念（如监督学习、神经网络）。
     
   • 技术轴心：掌握工具使用（如TensorFlow Playground）。
     
   • 伦理轴心：批判性评估AI的社会影响（如算法偏见）。
     证据来自案例对比：例如，MIT的AI课程通过项目制学习（Project-Based Learning）整合伦理辩论，而中国中小学则通过“AI+学科”模式（如AI辅助生物分类）实现跨学科教学。
     

4. 性别与包容性议题
   少数研究（如Jagannathan & Komives 2019）指出，女性学生在AI教育中参与度低。解决方案包括设计现实问题导向的活动（如用AI分析气候变化数据），以提升女生兴趣。

意义与价值
1. 学术价值：首次系统性梳理K-12阶段AI教育的全球实践，提出“能力框架-课程设计-教师支持”的三维整合模型。
2. 应用价值：为政策制定者提供课程开发参考（如模块化设计），为教师推荐跨学科教学策略（如结合哲学讨论AI伦理）。
3. 社会意义：强调AI素养的民主价值——通过教育减少技术鸿沟，培养负责任的技术使用者。

亮点
- 方法论创新：采用SLR结合Python脚本的文献计量分析，量化各国研究产出差异（如美国占比35%，中国28%）。
- 批判性视角：指出当前教育过度聚焦技术工具，忽视AI的社会风险（如自动化加剧不平等）。
- 前瞻建议：呼吁建立“AI素养评估标准”并开发教师协作平台（如Co-Design Toolkit）。

其他有价值内容
附录补充了750篇初筛文献的排除标准（如剔除仅关注智能辅导系统ITS的研究），增强方法论透明度。