钟柏昌：普及中小学人工智能教育需要注意的六对关系

普及中小学人工智能教育是顺应智能时代发展、培养未来科技人才的重要举措，可谓任务重、时间紧，充满复杂性与挑战性。基于笔者长期以来对人工智能教育的研究，以及近期对中小学校人工智能教育实践的观察与访谈，当前中小学人工智能教育存在如下六个方面的认知困惑与实践困境需要引起大家重视，涉及课程定位、课程目标、课程内容、课程学时、课程结构和教学方式等多个层面的矛盾与平衡。深刻理解并妥善处理其中的关系问题，是人工智能教育健康、可持续发展的前提。 

国家课程与地方课程：标准与特色的协同发展逻辑      

处理好人工智能教育相关国家课程与地方课程关系的核心，在于构建一种基于国家课程方案和课程标准、激发地方课程创生的协同发展逻辑。《义务教育课程方案（2022年版）》确立了信息科技课程的国家课程地位，《义务教育信息科技课程标准（2022年版）》又将人工智能作为信息科技课程的六条逻辑主线之一，由此为人工智能教育成为义务教育的一个部分奠定了学科基础；而教育部办公厅印发《关于加强中小学人工智能教育的通知》，鼓励有条件的地方和学校先行先试，要求“构建系统化课程体系，实施常态化教学与评价”，鼓励将人工智能教育纳入地方课程和校本课程，开启了人工智能教育“在地化”与“校本化”的实践逻辑。概而言之，这些政策文件打造出“一体两翼”的新格局：“一体”是国家课程所保障的核心素养底线与基础知识体系，确保人工智能教育的基础性与公平性，重在“奠基”；“两翼”则是地方课程和校本课程所承载的区域特色适配与学校创新活力激发，重在“赋能”。“一体”不能脱离“两翼”而存在，“两翼”离开了“一体”也难以生存，二者在动态平衡中共同指向学生素养的完整塑造。 

 当然，这一创新格局能否落地，关键在于各地能否在国家课程方案和课程标准的人工智能教育框架下进行系统性转化。例如，上海市在四年级、七年级开设《人工智能基础》地方课程，并与国家课程内容形成衔接与强化，实现了从国家“标准文本”到地方“特色实践”的逻辑贯通；又如，《云南省义务教育人工智能课程教学指南（2025年版）》结合云南省独特资源禀赋，充分挖掘利用生物多样性保护、民族文化传承、智慧农业、绿色能源、旅居康养等地方特色设计本土化教学内容，实现了科技与人文、传统与现代的协同。尽管有许多有益探索，但在实践层面依然存在信息科技课程和人工智能教育的虚化问题：一些地方以人工智能教育压缩信息科技课时，国家课程为地方课程“让路”；一些地方则以人工智能教育之名行信息科技教育之实，导致“新瓶装旧酒”。因此，中小学校必须强化底线意识，一方面要坚持以国家课程为主体，确保信息科技课程开齐开足；另一方面人工智能教育要落实国家课程精神，实现富有张力的个性化发展。需要注意的是，一些地方和学校强调独立开设人工智能课程，却主要占用信息科技学科的课时。人工智能课程如果作为地方课程和校本课程独立开课，那么课时就应该主要从地方课程、校本课程、综合实践活动课程中统筹安排。 

  通识教育与拔尖培养：普及与培优的层次化育人逻辑        

 与其他学科类似，通识教育与拔尖培养这对关系揭示了人工智能教育目标的双重性，其核心要求是构建一个纵向贯通、横向衔接的层次化人工智能教育体系。通识教育遵循“广谱浸润”逻辑，目标是让所有学生形成适应智能时代的基本认知、应用能力与伦理意识，因此离不开课程设计的低门槛、强体验与广覆盖。在基础教育领域，所谓拔尖培养（也称“培优”）主要说的是拔尖人才的早期培养，需要遵循“早期识别与纵深孵化”的发展逻辑，为通识教育向培优教育转换提供内部通道，为潜在创新人才培养设计进阶模式。显然，通识教育与拔尖培养并非割裂关系，而是同一育人体系中的不同层次。 

 目前，在通识教育方面，教育部基础教育教学指导委员会于2025年5月发布《中小学人工智能通识教育指南（2025年版）》，构建了一个分层递进、螺旋上升的人工智能通识教育体系，为人工智能通识教育的普及奠定了良好基础。浙江、天津、安徽等地纷纷出台地方性人工智能通识教育指导意见或课程纲要，广泛开展人工智能通识教育实践。然而，在人工智能人才的拔尖培养及其与通识教育的有效衔接方面，依然缺少充分的研究、系统的实施方案和有效的保障机制，目前仍主要停留在竞赛主导的育人模式，手段单一、效益偏低。为此，在教育对象方面，需要建立完善、科学的甄别机制，并为拔尖人才培养提供项目式深度学习平台和过程性学习评价机制；在教育目标与内容方面，除了人工智能素养的培养，还要强调跨学科创新能力的培养与评价，实现双轮驱动；在进阶路径上，可以通过院校合作、校企合作等方式构建“必修课程奠基—社团活动激趣—竞赛项目锤炼—高阶研学拓展”的连续谱系，为学生提供差异化培养方案；在机制建设方面，可以将人工智能教育有序融入“沃土计划”和“脱颖计划”之中。 

 新一代与老一代课程内容：技术演进的时代分野逻辑        

 中小学人工智能教育并非新事物。2003年版的《普通高中技术课程标准（实验）》中就已设立了“人工智能初步”选修模块，只不过因为技术和理念的更新，当前所强调的人工智能教育与之在内涵上存在明显差异。然而在教育教学实践中，一些地方和学校未能与时俱进，存在比较突出的“新瓶装旧酒”现象，以中小学人工智能通识教育之名开设传统编程课程、机器人课程、无人机课程、开源硬件项目课程等，脱离新一代人工智能的实质，远离智能技术工具、算法、模型、系统等的体验、应用与设计。^[1] 

 造成这一现象的根源，一方面在于未能把握新一代人工智能教育的独特内核与演进逻辑。2022年ChatGPT的诞生是人工智能知识史上的一个新的分水岭，有人提议以2022年为界，将时代划分为前人工智能（Before AI，简称BAI）时代与后人工智能（After AI，简称AAI）时代。如果说BAI时代的核心技术逻辑是“预设规则的自动化”（如编程、机器人、开源硬件等），那么AAI时代的技术逻辑就是“数据驱动的智能生成”。人工智能教育内容更新的根本转向，是从学习控制机器转向理解数据、算法、模型如何协同产生智能。笔者曾提出五条逻辑主线—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—为这一转向提供了演进框架。^[2] 基于内容更新的转向，人工智能教育课程设计必须实现三重核心转向：从“编码实现”转向“工具体验与协同”，让学生在与成熟AI工具的交互中建立直观认知；从“结构搭建”转向“模型构建与优化”，让学生经历从特征提取到智能涌现的完整过程；从“技能训练”转向“思维发展与伦理审视”，深化计算思维与系统性伦理思辨。 

 另一方面，在人工智能教育教学实践中也存在有关企业利益的裹挟。人工智能教育离不开学习软件和训练平台，需要智能硬件和算力的支持，部分学校由于缺乏课程资源和师资还需要引入校外机构提供课后服务项目。因此，作为科技教育的新风口，中小学人工智能教育被诸多科技教育类企业看好，纷纷投入资源和力量开拓市场。叠加前一方面的原因，一些企业所开发的产品、课程资源及服务同样停留在BAI时代，资本力量的裹挟更进一步导致人工智能教育内容的更新举步维艰，这特别需要引起教育行政部门和中小学校长的关注，进一步明确遴选标准、提高甄别能力。 

独立开课与融合开课：虚实并行育人的课程互补逻辑      

独立开课与融合开课的关系问题，关乎人工智能教育能否在学校课程体系中获得实体化地位。换言之，如果处理不好这对关系，很可能就会进入融合陷阱：以融合开课之名削减新一代人工智能教育的实际开课课时。 

 实际上，独立开课与融合开课代表着两种不同的课程实施逻辑。独立开课遵循“系统建构”逻辑，通过专设课时保障知识体系的完整性与学习的连续性，是课程主体地位的重要体现。融合开课在学理层面遵循的是“跨学科赋能”逻辑，旨在通过情境迁移展现人工智能的通用价值，促进知识的深度融合与应用；在实践层面体现的是“间接性满足”逻辑，即通过融合开课才有可能补齐人工智能教育课程实施所需的课时、设备和师资等条件。当前，各地发布的地方性人工智能教育课程纲要大都提倡与信息科技课程、通用技术课程、劳动教育、综合实践活动融合开课，充分体现了上述两个层面的诉求。这有利于快速普及人工智能教育，但在实践中也可能因为信息科技、通用技术教师的惯性经验，很容易导致人工智能教育被淹没在传统技术课程之中而“有名无实”或“名不副实”。 

 破解之道，关键在于确立人工智能教育“独立为基、融合为用”的实施原则，以达成虚实并行育人的目的。独立课程主要包含人工智能教育的基础性、前沿性教育内容，是人工智能教育的主阵地，应该明确独立课时、开课年级和时段、课时来源等。例如，上海市明确义务教育阶段在四年级、七年级开设《人工智能基础》地方课程，每周1课时，每个年级总计不少于30课时；又如，安徽省要求各地在小学三至六年级，初中七、八年级，高中高一、高二年级共8个年级独立开设人工智能通识教育课程，将其纳入学校现有课程体系。就融合开课而言，一方面可以在现有信息科技课程中融入人工智能相关内容，如《普通高中信息科技课程标准日常修订版（2017年版2025年修订）》必修一模块的主体部分已更新为人工智能；另一方面，其他学科课程则可以结合学科特点适配人工智能赋能案例，例如普通高中艺术课程提出“观察机器人绘画、演奏和舞蹈等，尝试借助人工智能进行作曲、写诗、作画”等内容要求，^[3] 均体现了“融合为用”的原则。 

一体化课程设计与多学段同时开课：课程校本化实施的内螺旋逻辑      

作为一个新兴且有较高开课条件要求的教育科目，人工智能课程很难在全国各地齐头并进开设，这是客观事实。在人工智能教育普及达成之前，相当一部分地方都将存在不同年级、不同学段同时开课的情况。同时开课就意味着不同年级、不同学段的学生在学习人工智能课程时普遍缺乏先备知识，即以接近零起点状态接受人工智能教育，这是课程建设与实施中比较特殊的情况。 

 教育部办公厅印发的《关于加强中小学人工智能教育的通知》不仅要求“构建系统化课程体系”，而且提出了螺旋上升的学段目标，要求小学低年级段侧重感知和体验人工智能技术，小学高年级段和初中阶段侧重理解和应用人工智能技术，高中阶段侧重项目创作和前沿应用。显然，这旨在强调中小学人工智能课程的一体化设计。然而，多学段同时开课对落实这一文件精神带来了挑战。 

 多学段同时开课是地方响应国家战略需求的行政部署逻辑，一体化课程设计所蕴含的螺旋上升逻辑是尊重学习规律的课程设计逻辑。化解这对关系的表面张力需要“两手抓”：一方面，各地要尽早开展人工智能教育的普及工作，尽快建立学段间螺旋上升的一体化课程体系；另一方面，要依据学生认知发展的阶段性特征和学习内容的学段差异，对课程内容做校本化实施，构建“起点相似、深度各异、序列递进”的学段内螺旋上升的课程体系。 

 后者意味着各学段虽可能同时启动人工智能课程，但依然可以体现出每个学段内的螺旋上升轨迹。依据核心素养发展的三层架构^[4]和逆向学习思路，这一轨迹在每个学段都应呈现三条演进线索：在知识维度，从事实感知（是什么）到理解应用（如何用）再到原理探索与创新（为何能、如何创）；在思维维度，从具象操作思维到抽象逻辑思维再到复杂系统思维；在实践维度，从工具应用者到模型调优者再到问题解决与系统设计者。课程校本化实施的首要任务，是依据螺旋上升逻辑锚定本学段的核心学习目标与关键实践任务，避免与其他学段内容的简单重复或无序拔高，确保学生在每一个认知阶梯上都获得适切的挑战与支持，实现素养的连贯培养。 

 需要强调的是，要达成上述每个学段内的螺旋上升，离不开适配不同学段学生认知水平的人工智能学习工具：从非代码工具到图形化低代码工具再到文本化低代码工具和全代码工具。例如，借助非代码工具和图形化低代码工具，小学生也可以做人工智能模型的训练与部署，设计和制作能够解决真实问题的智能交互系统；而对于高中生而言，同样的系统可以采用文本化低代码工具甚至全代码工具来实现。 

正向学习与逆向学习：从应用到理论的教学逻辑      

新一代人工智能的发展，得益于连接主义（强调学习能力）的深度学习算法的崛起，并正在走向与符号主义（强调逻辑推理）和行为主义（强调环境互动）的融合，具有鲜明的前沿性和专业性。想要让青少年学生触摸这种专业性极强的前沿科技，如果从人工智能底层的概念、算法、模型、框架开始学起，无疑具有极高的门槛，不利于激发和维持学生的学习兴趣。因此，如何面向中小学生设计合理的学习路径极为重要。 

 过往有关人工智能的教育带有明显的大学专业教育下移的痕迹，侧重底层理论知识的学习，在掌握理论知识的基础上再过渡到具体应用，容易导致中小学教师和学生产生畏难情绪，缺乏获得感。这种重在把理论知识讲深讲透、强调从理论到现象的学习路径被称为“推演法”，笔者在此称之为正向学习方法；与此相对，杨振宁先生主张采用渗透式学习和归纳法，从解决实际问题出发培养学生理解和发现理论知识的能力，^[5] 笔者针对中小学科技教育提出了以逆向工程、纠错教学等为代表的逆向学习方法和聚类教学。^[6] 

 改变从理论到应用的正向学习路径，转向从应用到理论的逆向学习，是破解人工智能教育高门槛难题的关键教学逻辑转向。这一转向的实质就是前置工程性实践，将实践应用作为激发学习兴趣、建立认知经验的起点，而后再导向原理性追问，真正体现“体验—感知—探究—理解”的认知生成逻辑，实现通过工程思维牵引科学思维的目的。具体到人工智能教育，就是面向真实问题解决，从现成的智能工具的体验、运用开始，或者从模型的搭建、训练、应用（工程与技术方法）开始，渐进理解其后的算法思想。 

 总之，中小学人工智能教育已经迈出了“独立行走”的第一步，尽管还有很多问题与不足需要逐步解决，也有很多观念分歧需要求同存异，但只要共同呵护、共同努力，就可以在这个人工智能时代与教育强国建设同频共振、行稳致远。  

参考文献

 [1] 钟柏昌. 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[J]. 中国科技教育，2025（06）：6-8. 

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

[3] 教育部课程教材研究所. 做好中小学课程日常修订，推动基础教育课程高质量发展[J]. 基础教育课程，2025（12）：5-8. 

[4] 钟柏昌，李艺. 核心素养如何落地：从横向分类到水平分层的转向[J]. 华东师范大学学报（教育科学版），2018（1）：55-63+161-162. 

[5] 陈清梅. 论基础物理的渗透式教学[J]. 物理，2006（06）：526-528. 

[6] 钟柏昌，刘晓凡. 人工智能教育教什么和如何教—兼论相关概念的关系与区别[J]. 中国教育科学，2022（03）：22-40.         

本文系2025年度国家社会科学基金教育学重点项目“人工智能教育学研究”（项目编号：ACA250024）的研究成果 

 （作者，钟柏昌，华南师范大学教育信息技术学院学术分委员会主任、教授、博士生导师）