现在,没有哪个技术领域比人工智能AI更热门的了。在人工智能研究领域,中国学者在数量上已经超越美国同行。2010 年至 2014 年间,中国相关的专利申请几乎是之前五年的三倍。中国总人口数是美国的4倍,拥有超过 7 亿的智能手机用户,比其他国家都多。
阿里巴巴、百度、腾讯、滴滴出行、ofo 小黄车等知名企业,以及许多由风险投资所支持的初创企业,都在利用大量的数据来训练人工智能系统,从人脸识别到信息聊天机器人。毫无意外,其中当然也包括备受关注的教育行业。
本文将从多个方面入手,分析中美高中信息技术课程的异同之处。
中国:人工智能纳入信息技术课程标准
近年来,中国政府也开始将人工智能教育推向 K12 学校。 根据教育部 2018 年 1 月 16 日发布的最新版普通高中课程标准,在信息技术课程标准(简称“新课标”)中强调 了4 项核心知识, 相互支持共同构建数字素养教育。 具体包括:
- 信息素养——学生能够获取解决问题所需的信息,分析信息和数据,用批判性思维技能做出合理的判断,并分享信息进行协作。
- 计算思维——学生能够使用计算方法来定义问题和抽象特征,构建模型和处理数据。目标是通过适当的算法来解决问题,并建立可转移的技能。
- 数字学习与创新——学生可以利用数字资源和工具来管理他们的学习过程,创造性地解决问题,解决学习任务,并建立创新的作品。他们必须建立独立学习、协作、知识共享和创造的技能。
- 数字公民——学生必须在现实世界和虚拟世界中负责任地行事,并且知道如何保护自己和他人的权利和安全。此外,他们必须关心新技术所带来的潜在社会和环境问题,并积极地了解他们以采取适当的行动。
学生们被期望能掌握技术,能够反思新技术,甚至进一步成为技术设计者和制造者。课程设置围绕着数据素养、算法、信息系统及其社会影响等重要理念来构建。并建议嵌入真实世界的问题和情境来培养学生在数据分析、问题解决和计算思维方面的技能。
在课程方面,共分为必修课程、选择性必修课程、选修课程三类。
·必修课程
必修课程是所有高中学生都必须修习的核心课程,面向学生全面发展,全修全考,也是选择性必修和选修课程学习的基础,旨在提升学生们的信息素养基础。包括“数据与计算”和“信息系统与社会”两个模块。
学生修完必修课程后,可参加高中信息技术学业水平等级性考试。
·选择性必修课程
选择性必修课程旨在为学生将来进入高校继续开展与信息技术相关方向的学习及研究打下基础,促进学生个性发展和满足升学考试需要,选修选考。
课程共分为六个模块,其中三个模块是为学生升学需要而设计的课程:数据与数据结构、网络基础、数据管理与分析。
学生修完这三个模块后,可参加高中信息技术学业水平等级性考试。
另三个模块是为学生个性化发展而设计的课程,学生可根据自身的发展需要进行选修:人工智能基础、三维 (3D) 设计与创意、开源硬件项目设计
·选修课程
选修课程是为了满足学生的兴趣爱好、学业发展、职业选择而设计的自主选修课程,学而不考或学而备考,为学生就业和高校招生录取提供参考,也可形成学校办学特色。包括“算法基础”“移动应用设计”两个模块。
优先建立信息社会的信息通识素养
在给所有高中生的必修核心课程(模块1与模块2)中,网络、软件、硬件、算法、基础编程,甚至人工智能应用的基本原理都被纳入课程标准。这与美国的大学先修计算机科学原理 (AP CSP) 的学习框架相当类似,是属于普适全民的通识课程,上课时数也相当。优先建立信息社会的通才素养,再培养专才(有兴趣才深入学习编程或3D设计等),与国际思维同步——直接学编程或3D打印,是落入“术”的训练,而非素养的建立,掌握不到科技的完整轮廓。
高中阶段所学习的知识对学生的终身发展起到重要的作用。知识性内容与基本概念、基本原理的相关性越高,实现迁移的可能性就越大,其时效性就越长久,对学生终身学习和发展的价值就越大。
——出自新课标(三)教材编写建议
计算机和数字信息系统几乎在现代生活所有方面都已渗透并造成影响。自动化、机器人和人工智能将取代越来越多人类的工作。我们每天在网络上所接触到的,其实很多背后都有人工智能和算法的存在,只是一般人可能看不出来。数字智能与公民素养、阅读、写作一样重要,编程只是其中的一小部分。
但中国更加积极,它把这些核心基础设定为每个学生都必需要学习的,而AP CSP只是美国高中的一门选修课程,或许这是中国系统有效率的地方,美国系统的教育决策权以州自治权为主,在全国层级想普及一个新政需要相当的时间。
不过,美国早就将计算思维(Computational Thinking)的训练融入各个学科之中,美国的计算机科学教师协会(CSTA)与国际教育科技协会(ISTE) 在计算思维领域扎根研究多年,也发表了在各学科融入计算思维教育的建议进程、框架、与实例。因篇幅巨大,在此不一一列举,有兴趣的读者可来信索取。
从新课标可看出中国政府更加偏重 “数据和信息”,期望下一代对于人工智能的基础、大数据与相关技术能有更多的认识与了解。并不是要中小学生马上开始学习机器学习(Machine Learning) 或深度学习 (Deep Learning) 技术,而是通过人工智能应用的真实例子与成就来启发学生。
中国与美国的课标细节比较
以模块1:数据与计算为例来比较中美课标,以下是中国的课标:
这部分主要对应到美国 AP CSP 学习标准 7 Big Ideas 中的 Big Idea 3: Data and Information,这是它的开头:
AP CSP 将课标结构分成三层,从Enduring Understanding(EU) 细化出Learning Objectives(LO) ,指出学生应该具备的能力,每个LO 再对应到要具备该能力所需要的知识点支撑 – Essential Knowledge(EK)。
整个 Big Idea 3 共有3个 EU,6个LO,42个EK。
客观论述,国内课标描述比较粗略,AP CSP 标准定义到非常细致具体的知识点与技能。AP CSP 课标整体涵盖范围也比国内标准更完整,它围绕着七大理念:创意 (Creativity)、抽象 (Abstraction)、数据和信息 (Data and Information)、算法 (Algorithm)、编程 (Programming)、互联网 (The Internet) 和全球影响 (Global Impact)。
纵观整套新课标,宣告与高考综合改革相衔接,选择性必修课程与选修课程都是学生根据兴趣发展的空间,是中国开始将高校入学考试多元化的第一步,重点就看如何落实执行。欧美的高中则已经提供多年相当多元的课程、与支撑多元学习发展的生态系统。
美国 AP CSP 课程示范
无论是必修还是选修课,首要的关键在于课程设计与师资培养。国内教育工作者若想要参考美国教学设计思维,可连到取自 AP CSP 课程大数据相关章节其中一小节的内容,例如, 数据处理与解读。(免费注册使用,有项目实作丰富资源)
大数据(Big Data) 爆炸成长与计算机技术的突飞猛进,是今天人工智能成就的基础,人类不可能手动处理现在的数据量,必须依靠计算机。本节学习目标包括:
- 学会使用一些计算机基础软件来处理数据,是现代公民必备的数字技能。
- 数据可视化可以帮助人类有效从数据中萃取出信息,学生将学习如何处理数据的基础知识,并动手练习。
- 数据处理的方法与可视化的方式可能影响甚至误导认知,学生必需学会判断,避免被误导,因为图表在生活中到处都有。
这一节课是在美国课堂中相当典型的项目式学习 (Project-Based Learning, PBL) 教学设计,从“钩子&驱动型问题(Hook & Driving Question)”开始。问题的“钩子”将问题引入真实世界,引起学习者兴趣。
接着提供丰富的现实世界实例(这节是实际的数据可视化案例,包括互动图表)与分析解读,建立从数据中判读型态、发掘型态(pattern)、回答问题等能力,并能识别图表如何误导读者,学生动手与图表互动,并与小组讨论后回答问题。然后,学生学习使用工具,处理数据与建立图表。
最后,学生选择感兴趣的数据集,动手操作数据分析与可视化,以探究现实世界的现象,建立假设,再进行验证与推论,总结项目报告,上传到课程平台。
善用国外资源与合作,开启教育新篇章
现在,中国政府正在开启崭新的一页,推动面向未来的教育,不仅仅是现代化的课程内容,而且也要求教学法上的转变,死记硬背或重复练习的学习方式将成为过去。
根据最新的教育标准,课程和评估设计被要求必须具备基于现实世界项目式学习 (Project-Based Learning) 与创造性问题解决 (Creative Problem-Solving)的设计。学生应该利用技术和数据处理技能来解决问题,包括他们自己的学习或独立研究。
这些走向都在追赶国际趋势,但是,推动新课标之初,亟缺落实标准的课程内容与师资,建议可向外取经,善用欧美已经设计,发展累积的丰富优质多元内容,中外合作共建课程。
教材的内容应体现时代性,鼓励教材编写者将能够体现信息技术最新研究成果和发展趋势,以及有独特价值的创新内容、应用和案例写入教材,特别是能反映我国信息技术和信息社会发展新面貌的内容。
——出自新课标(三)教材编写建议
中国拥有大量数据的优势,政府政策与民间投资在人工智能领域的积极性都领先全球,中国政府为人工智能时代培养有能力和负责任的现代数字公民的决心是值得关注的。我们的CS4Good 主张学习贴近现实案例与情境,并启发学生创建对社会与社区有用的项目实践。如果您有这样的项目想法,欢迎与我们交流。
转载文章,版权归作者所有,转载请联系作者。作者:芥末堆,来源:https://www.jiemodui.com/