人工智能基础教育课程全球图谱：开发框架与实施方略——UNESCO《K-12人工智能课程图谱》报告解析

楼又嘉 李一航 王永固[通讯作者] 王 怡 马家荣 胡梦芳

（浙江工业大学 教育科学与技术学院，浙江杭州 310023）

[摘 要] 近年来，人工智能（AI）已成为国家竞争力的关键影响因素之一。但政府、学校和教师在定义和设计人工智能课程方面，仍缺乏理论支撑和实践经验。2022年2月，联合国教科文组织（UNESCO）发布了《K-12 人工智能课程图谱：政府认可的人工智能课程》报告，进一步界定了人工智能课程的核心概念和相关研究框架，描述并呈现了人工智能基础教育课程的开发框架，包括课程开发与认可、课程整合与管理、课程内容架构、课程学习成果、课程实施工作等内容，绘就了人工智能基础教育课程全球图谱。该报告对我国人工智能基础教育课程的开发与实施，具有四方面的启示：在课程管理上，需要政府主导、政策驱动和多方协同；在课程整合上，应采取独立式与嵌入式、跨学科与多元化的灵活组合方式；在课程实施上，充分应用场景化课程内容、创新型教学方法和普适性学习工具；在课程评价上，注重国家战略引领、智能素养导向和实证结果取向。

[关键词] 基础教育；人工智能课程;全球图谱；开发框架；实施方略

一、报告发布的背景及现实意义

人工智能（Artificial Intelligence，AI）作为引领未来的战略性技术，是全球公认的新一轮科技革命和产业创新核心驱动力，其发展水平成为国家竞争力的关键影响因素之一。2019年，国际人工智能与教育大会发布《北京共识》（UNESCO，2019），提出各国需制定相关政策，推动人工智能与教育、教学和学习的系统性融合，探索并利用人工智能促进教育的创新发展，以实现教育公平。2020年，联合国教科文组织发布《人工智能伦理建议书》（UNESCO，2020），首次提出人工智能伦理规范框架，明确规定人工智能技术应用的10 大原则和11 个行动领域。2021年，联合国教科文组织又发布《人工智能与教育：政策制定者指南》（Miao et al.，2021），阐述人工智能关键定义、未来发展方向、机遇、风险以及对教学的影响，旨在提醒各国政策制定者为人工智能时代到来做好准备。显然，人工智能作为新学科领域，政府、学校和教师在定义和设计人工智能课程方面，仍缺乏有效的理论支撑和实践经验。鉴于此，UNESCO 通过调研全球193 个教科文组织会员国、1000 多个私营组织的人工智能课程实施情况，于2022年2月发布了《K-12 人工智能课程图谱：政府认可的人工智能课程》（以下也简称《报告》）。《报告》从五个维度分析了全球人工智能课程的开发与实施现状，包括开发与认可、整合与管理、内容框架、学习成果和实施工作，提出了9 个研究结论和14 个建议。

目前，我国正在推进“数字中国”国家战略，需要借鉴全球K-12 人工智能课程改革模式与实践经验，构建适合我国基础教育发展需求的人工智能课程与教学体系，培养掌握前沿性、革命性和颠覆性技术的大量创新型人才，为现代化强国建设赢得人才先机。因此，本文旨在通过解读该报告中的核心概念、参考框架和课程开发思路，提出符合国情的人工智能课程实施方略，以倡导政府、课程专家、行业组织、企业、学校和教师等各方协同与协力工作，进一步构建适应我国AI 发展目标愿景、政策体系、学校教育与道德标准的人工智能基础教育课程。

二、AI 课程设计要素及相关基础研究框架

（一）AI 素养：能力及其设计要素

AI 素养设计框架由Long 和Magerko （2020）提出，包含AI 素养的17 项能力和15 项设计要素，如图1 所示。其中，17 项能力集中于难度较低的学习内容，要求学生能够记住、理解和描述人工智能的相关知识；15 项设计要素包括经验学习与相关材料、认知需求认同与儿童发展理论、学习者在AI 中的定位三个方面，为人工智能课程开发奠定理论基础。

图1 AI 素养设计框架

在AI 素养设计框架中，每项能力和设计要素均有详细的学习成果描述。比如，在能力领域中，“了解人工智能伦理”是指学生能够描述AI 伦理所涉及的范围（如，隐私、就业、错误信息、奇点、伦理决策、多样性、偏见、透明度和问责制等）；在设计要素领域中，“可解释性” 是指设计要考虑图形可视化和交互式演示，以帮助学习者更好地理解人工智能。

（二）AI4K12：五个大概念及设计指导

AI4K12 是美国 “K-12 人工智能教育行动”（AI for K-12 Initiative）的简写，由美国人工智能发展协会 （AAAI）、 美国计算机科学教师协会 （CSTA）和AI4All 联合发起。该教育行动倡导并制定K-12 阶段人工智能教学的国家指南，将AI 课程框架分为感知、表示与推理、机器学习、人机交互和社会影响五个大概念（如图2）。目前，已经发布前四个大概念的课程指导，并将大概念细分为学习概念，学习概念再细分为概念组件，在此基础上又界定了K-2、3-5年级、6-8年级和9-12年级的分学段目标（AAAI，2018）。

图2 AI4K12 框架及设计思路

（三）机器学习教育框架

机器学习教育框架由Lao（2020）提出，它基于计算思维、UMC（Use-Modify-Create）分层递进等理论，涵盖最低要求的六门机器学习课程。该框架根据人工智能知识与技术的内在规律，构建了六门阶梯式课程的教学目标。其中，“机器学习系统偏见”和“人工智能社会影响”是其中最基本的要求。“机器学习系统偏见”要求学生能够了解系统偏见、产生偏见的原因和具体过程以及如何避免偏见；“人工智能社会影响” 则要求学生能够将伦理和文化差异融入到机器学习的过程中，了解机器学习系统对社会和生态产生的积极或消极影响。

三、全球AI 课程开发现状、框架及实施案例

联合国教科文组织（UNESCO）专门向全球193个教科文组织会员国与1000 多个私营组织发放问卷，调查K-12 阶段各国政府或组织认可的人工智能课程的开发和实施情况，调查结果如表1 所示。基于上述调查结果，UNESCO 从五个维度分析了各成员国政府等所认可的人工智能课程开发框架和模式，包括课程开发与认可、课程整合与管理、课程内容、课程学习成果和课程实施。

表1 全球各国或组织开设人工智能课程情况

（一）课程开发与认可机制

多个国家的政府设定了人工智能课程的愿景目标，选择适合其国情的开发与认可机制，并采用相对应的课程评估方法，提升课程的教学质量。其中，卡塔尔政府的人工智能课程开发与认可机制，成为各成员国的典范。

1.AI 课程开发的愿景目标

愿景目标是人工智能课程开发的逻辑起点。政府开设人工智能课程有两个主要目标：一是提高劳动力市场的所需技能，二是满足学习者未来生活和工作的技能需求。前者反映了人工智能已作为全球产业强国重点布局的创新制高点，人工智能人才培养成为国家提升国际竞争力的人才战略；后者体现了人工智能成为未来社会和经济转型的重要驱动力，公民应掌握人工智能的基础知识和必备技能，从而为智能时代到来做好生活和就业准备。

2.AI 课程开发与认可机制

AI 课程开发与认可机制主要有四种：中央集权机制、政府委托承办机制、地方分权机制和私营自主机制。（1）中央集权机制是指由中央教育行政部门或其代理机构作为课程开发的主体，通过国家权力机构负责课程统一的研究、编制和推广，例如，中国和韩国等。（2）政府委托承办机制是指由政府主导，将课程开发工作委托至有资格、有能力的第三方开发，再推广至全国范围实施，例如，沙特阿拉伯和卡塔尔。（3）地方分权机制是指政府将权力下放，由地方权利机构作为课程开发的主体，比如，比利时和德国。（4）私营自主机制是指由私营组织和机构开发的非政府课程，在被学校采用后，由当地的专家进行完善和修改，再纳入到政府的课程体系中，比如，IBM和麻省理工学院制定的课程资源。以上四种机制各具特点，成为全球AI 课程得以正常运转的动力系统。

3.AI 课程先行试验与评估

课程评估是提升课程教学质量的主要手段。调查显示，已经开展评估且获得政府认可的人工智能课程有五个典型，分别是保加利亚的计算机建模与信息技术课程、中国的信息技术课程、麻省理工学院的日常课程、塞尔维亚的信息学与编程、现代技术课程以及阿联酋技术学科中的人工智能课程；非政府的人工智能课程有三个典型，分别是IBM EdTech 青年挑战赛、 英特尔的全球人工智能准备计划和微软的AI 青年技能。

在以上的国家和组织中，所采用的课程评估方法有专家审查、 开发人员评测和第三方组织评估。（1）专家审查是召集与课程相关的专家对AI 课程进行评价，比如阿拉伯联合酋长国，由学者、人工智能专家、 心理学和教育学专家共同对人工智能课程进行跨学科评价。（2）开发人员测评是通过对学习者、教师和相关教育部门进行访谈和调查，了解学习成果、课程效果和课程实施中存在的问题，进而形成课程评价结果。（3）第三方组织评估是由政府委托外部机构对课程进行评估，比如，保加利亚委托第三方进行课程外部测评，以衡量学习者的数字化能力。

4.案例：卡塔尔国家课程开发基础与原则

卡塔尔《2030 国家愿景》认为，技术是现代知识经济的关键影响因素。为此，在国家课程框架（QNCF）中，将IT 作为K-12 阶段学校课程的主要内容，以培养学生的逻辑思维、数学思维、语言和沟通能力、读写能力和创造能力。为实现以上目标，卡塔尔政府组织行业专家、国家教育部、高等教育部ICT专家团队以及小学、预科和中学课程管理者，共同制定了计算机与信息技术国家课程标准，开设了覆盖所有年级的计算与信息技术必修课和高中阶段选修课。必修课包含算法、编程、人工智能伦理、人工智能工具和技术；高中阶段在其基础上，再加入人工智能产品开发等选修内容。

为保证教育质量，卡塔尔组织了三所高等教育机构的计算机科学专家和课程开发专家，进行课程评估，重点关注四个方面：（1）课程目标与国家课程框架保持一致。课程目标包括知识、技能和态度三个维度。其中，知识维度强调人工智能原理与实践，即编程、机器人和人工智能等；技能维度包括数据素养培养、 人工智能创造和生产能力以及人工智能伦理安全等；态度维度强调核心素养的提升，包括学习者协作、沟通、批判性思维、解决问题和决策能力等。（2）课程内容体现螺旋式发展。人工智能的概念和重点知识在不同年级中重复出现，难度依次递增，在每次迭代过程中加大深度。同时，学生技能的发展具有连贯性和有效性，最大程度地避免重复学习和技能断档。（3）课程实施以学生为中心，以实际项目为载体。在课程实施的过程中，始终秉持“以学生为中心”的教学理念，以实际项目为载体。在真实项目的情境中，学习者通过对真实问题的抽象化、AI 程序自动化和分析，以解决现实问题，并从一年级开始逐步养成计算思维。（4）课程学习工具普适化。课程学习使用的编程语言、硬件和平台要做到独立和普适，不依赖于特定的供应商、品牌或者编程语言种类，能够覆盖学习者在现实生活和工作中常用的工具和技术。

（二）课程整合与管理模式

多个国家政府采用五种整合形式开设AI 课程，并依据课程成果分配课程学时，分析人工智能课程开设的影响因素与必要条件。其中，印度对AI 课程的整合与管理模式，值得其他国家参考和借鉴。

1.AI 课程整合形式

调查发现，政府认可的AI 课程有五种整合形式：独立式、嵌入式、跨学科、多元化和灵活组合式，每种整合模式的整合过程如下：（1）独立式AI 课程是指在国家或地方课程框架内开发一个独立的科目类别，这些课程有自己的时间分配、教科书和课程资源，如中国10-12年级的《信息技术》课程。（2）嵌入式AI 课程是指在国家或地方课程框架原有的学科内容中纳入人工智能元素，使其成为原有学科中的一部分；或者根据教师的能力和兴趣，嵌入到任何可能的科目中，比如，韩国《数学学科中的人工智能》和麻省理工学院的日常课程。（3）跨学科AI 课程是指基于项目的开展，涉及多个学科领域的人工智能教学，例如，葡萄牙的人工智能课程框架涉及两到三个学科项目，阿联酋的人工智能被纳入ICT、科学、数学、语言、社会研究和道德教育等一系列课程中。（4）多元化AI 课程是指既有教师指导、教科书等传统资源的支持，也融入社团、科技竞赛、校外资源等非正式学习，例如，IBM-CBSE 为10-12年级的学生设计的人工智能课程，结合竞赛和行业指导，帮助学生实现从引导学习到独立学习的逐步过渡。（5）灵活组合式AI 课程是指根据国家、 地区和学校的实际情况，通过一个或多个整合机制实施课程，它不局限于课程开展形式，可以是必修课也可以是选修课。比如，印度的ATL 人工智能模块课程和沙特阿拉伯的数字技能课程，既有独立、嵌入、跨学科，也可通过课外活动等非正式学习进行授课。

2.AI 课程时间分配

UNESCO 的统计发现，AI 课程的年均学时在2-176 小时之间，如图3 所示。在参与调查的22 门AI课程中，2 门课程年均学时超过200 小时，5 门课程年均学时少于5 小时，5 门课程年均学时超过150小时，多数课程年均学时集中于21-58 小时。从课程学时在年级总学时中的占比来看，K-2 学段AI 课程一般整合到其他科目中，大致时间为33.3 小时，占比约20%；3-6年级，AI 课程年均课时为39 小时，占比约30%；7-9年级，AI 课程年均课时为36.3 小时，占比约60%；10-12年级，AI 课程年均课时增加至51.2 小时，占比约90%。

图3 各年级人工智能课程占总学时百分比

3.AI 课程必要条件

AI 课程开设和实施的必要条件有七个方面，分别是调研和需求分析、人工智能教材、教师培训、新教师招聘、第三方支持、学校基础设施以及额外的课程资源。调查统计显示（如图4），在统筹教育资源和师资管理方面，89%的课程开发者认为，AI 课程实施需要开发人工智能教材和开展教师培训；在调研和需求分析方面，56%的课程开发者认为，人工智能课程的开发，需要国家、地区或组织预先进行调研和需求分析；在学校基础设施方面，48%的课程开发者认为，需要对学校的基础设施进行升级，提供能够满足人工智能课程开展的设备、硬件及网络条件；在第三方支持方面，44%的课程开发者认为，除了学校的教师和工作人员外，也需要第三方组织的非全时培训人员的支持；在额外的课程资源方面，41%的课程开发者认为，人工智能课程的实施，需要课堂工具包、编码资源、软件工具等相关课程资源的支持。

图4 支持人工智能课程的必要条件

4.案例：印度国家AI 课程的引进与管理

为了让AI 课程顺利融入学校，2019年，印度中央中等教育委员会（CBSE）宣布在全国超2.2 万所学校实施AI 选修课程。该课程采用“做中学”的教学理念，以确保未来的印度公民了解并能够使用人工智能解决问题，以应对社会发展的各种挑战（CBSE，2021）。印度全国大概有1 万多名教师和12 万名学生参与了人工智能相关课程活动，课程活动包括竞赛、虚拟座谈会以及为期三天的“人工智能马拉松”夏令营。学习者在该夏令营中参与一个项目设计和原型制作，通过使用人工智能技术解决现实问题。

为了支持AI 课程的实施，印度中央教育委员会预先开展课程需求调研，CBSE 与IBM、 英特尔和微软等多家企业联合参与课程开发，为8-12年级的学生提供指导手册、课程计划和教科书在内的材料，并组织教师和行业指导者的培训。同时，中央教育委员会给所有试点学校发出倡议，学校的管理人员也可以主动向中央教育委员会提出申请开设AI 选修课程或跨学科AI 课程，然后由学校选派教师接受培训，再将AI 课程纳入教学计划。在CBSE 层面，管理者需要具有AI 敏感性，能制定课程标准。在学校层面，一方面加强教师培训，另一方面联合IBM、微软等第三方企业，开发符合CBSE 课程目标要求的教科书、教学大纲和教学方法，采购必要的课程资源，进行课程整合和管理。在社会层面，鼓励课程学习的相关方参与进来，比如学生和家长，使他们能够理解人工智能融入课程的意义与价值（如图5 所示）。

图5 印度多方参与的人工智能课程

（三）课程内容架构

人工智能课程包含多个内容范畴，每个内容范畴又包含相对应的课程主题。UNESCO 的全球调查显示，不同国家的AI 课程主题的分布存在较多差异，课时分配也各不相同。其中，奥地利的国家AI 课程内容框架具有代表性。

1.AI 课程内容主题构成

现有各国的AI 课程内容，包括三个范畴和九个主题领域，如表2 所示。其中，AI 基础包括算法与编程、数据素养、情境问题解决；AI 使用与开发包括AI方法使用、AI 技术应用、AI 技术创新；伦理和社会影响包括AI 伦理、AI 社会影响和AI 应用。

表2 各国人工智能课程内容的主题构成

2.AI 课程内容的比例分配

统计结果显示，AI 课程内容范畴的分布比例存在显著差异，其中，AI 基础占比约41%，AI 使用与开发占比约25%，伦理和社会影响占比约24%，其他占10%，如图6 所示。在AI 基础方面，算法与编程的比重最大，约占18%，数据素养和情境问题比重近似等同，分别为12%与11%；在AI 使用与开发方面，AI技术应用比重最高，约占14%，其次为AI 技术创新，占比9%，最低为AI 方法使用，占比2%；在伦理和社会影响方面，AI 应用比重最大，约占12%，AI 伦理占比7%，AI 社会影响占比5%，如图7-9。

图6 AI 课程内容方面分布百分比

图7 AI 基础方面的课程主题百分比

图8 伦理与社会影响方面的课程主题百分比

图9 AI 使用与开发方面的课程主题百分比

3.AI 课程内容的时间分配

调查结果显示，不同国家的AI 课程所关注的主题领域存在较大差异。其中，AI 基础所占比例从0-75%不等，伦理和社会影响占0-60%不等，AI 使用与开发占0-75%。统计数据还发现，关注伦理和社会影响的总课时数，相比关注AI 基础或AI 使用与开发的课程总课时数更短。表3 将不同内容、不同主题领域的百分比具体到课时数，可清晰地说明三个内容的时间分配情况。

表3 AI 课程三个内容课时统计

（1）AI 基础。表4 显示，在AI 基础方面，有19门课包含算法和编程主题，学时分配从0-269h 不等，平均学时55.3h；有14 门课包含情境问题解决主题，学时分配从0-198h 不等，平均学时42.5h；有17门课包含数据素养主题，学时分配从0-78h 不等，平均学时26.5h。

表4 AI 基础方面三个主题的时间分配

（2）伦理与社会影响。表5 显示，在伦理与社会影响方面，有18 门课程包含AI 应用主题，学时分配从0-92h 不等，平均学时14.1h；有17 门课程包含AI伦理主题，学时分配从0-54h 不等，平均学时13.3h；有12 门课程包含AI 社会影响主题，学时分配从0-78h 不等，平均学时14.2h。

表5 伦理与社会影响方面三个主题领域的时间分配

从学时分配来看，伦理与社会影响所占学时整体低于AI 基础。多个国家的课程开发者认为，该内容的学习时间无需太长。比如，奥地利《数据科学与人工智能》课程、卡塔尔《计算机信息科学》课程和比利时《信息技术资源库》课程中，含量均不足10%。除此以外，AI 应用主题所占比重高于其他两个主题，但平均学时相差不大，原因是AI 伦理和AI 社会影响两个主题开设的课程数量较少，所占比例较低。

（3）AI 使用与开发。表6 显示，在AI 使用与开发方面，6 门课包含AI 技术创新主题，学时分配从0-30h 不等，平均学时11.7h；18 门课包含AI 方法使用主题，学时分配从0-128h 不等，平均学时17h；12门课包含AI 技术应用主题，学时分配从0-307.5h不等，平均学时36.9h。

表6 AI 使用与开发方面三个主题领域的时间分配

从整体来看，AI 技术创新所占比重最低，在调研的21 门课程中，仅有6 个国家的课程开设该主题，内容含量在2%-14%之间。其中有4 门课程在该主题的学时超过了10h，分别是中国的《信息技术》课程、英特尔的《人工智能青年全球发展》课程、微软的人工智能青年课程以及卡塔尔的《高中计算与信息技术》课程。

4.案例：奥地利AI 课程内容架构

奥地利按学段设计和编排《数据科学与人工智能》课程的内容，小学和初中学段的主题包括：数字基础知识、数字媒体类型、社会问题的设计和反思、数据安全等，高中学段的主题包含：编程语言、算法和仿真。通过该课程的学习，学生能够基本了解数据素养的基本原则、 信息通用技术的未来发展和智能伦理。其中，数据素养基本原则包括收集数据、构建电子表格、数据分析和可视化以及数据信息评估；信息通用技术的未来发展包括云计算、互联网、人工智能及其他新兴领域的未来发展趋势及应用；智能伦理包括使用AI 技术的社会伦理原则与规范。

《数据科学与人工智能》课程学时分布，按三个范畴的九个主题领域分配，如图10 所示。第一，人工智能基础占总学时的50%，共72 学时，其主题领域的学时分配：算法和编程36 学时、数据素养14.4 学时、情境问题解决21.6 学时；第二，伦理和社会影响占总学时的35%，其主题领域学时分配：AI 伦理14.4 学 时、AI 社会影 响14.4 学 时、AI 应 用21.6 学时；第三，AI 开发与使用占总学时的15%，其主题领域的学时分配：AI 方法使用7 学时、AI 技术应用7学时、AI 技术创新7 学时。

图10 奥地利《数据科学与人工智能》课程内容的时间分配

（四）课程学习成果

各国政府所认定的AI 课程学习成果，分为知识、技能和价值观三个维度，不同学段的学生在三个维度所达到的标准和水平存在差异，形成了AI 课程的知识、技能和价值观的学习成果图谱。其中，韩国AI 课程四个学段的学习成果图谱最具代表性。

1.知识学习成果图谱

知识成果在表示一般性和特定领域所必需的基础认知时，通常使用“知道”“理解”“反应”和“比较”等动词。知识学习成果图谱包括AI 基础、AI 应用与开发、伦理和社会影响三个范畴，包含算法与编程、AI 方法和AI 伦理等九个主题，具体如图11 所示。

图11 知识学习成果图谱

2.技能学习成果图谱

技能学习成果表示个体通过关联所形成的、完成某项活动所必需的完整动作方式或心智活动方式，通常使用“创建”“掌握”“能够”和“撰写”等动词。技能学习成果图谱包括AI 基础、AI 应用与开发、AI伦理三个范畴，以及情境问题、数据素养等10 个主题，具体如图12 所示。

图12 技能学习成果图谱

3.态度与价值观学习成果图谱

态度与价值观通常表示个体在做出决定或者采取行动时的价值取向、态度以及对行为的影响（IBE，2013），通常使用“创造”“独立”“批判性思维”等形容词或名词来描述。态度与价值观学习成果图谱包括AI 基础、社交、人类、社会四个范畴，包含社会责任、团队合作等14 个主题，如图13 所示。

图13 态度与价值观学习成果图谱

4.案例：韩国AI 课程学习成果图谱

韩国在2020年公布了基础教育AI 课程标准，将学习成果分为三个层次：（1）理解AI，包括AI 与社会、 智能代理；（2）AI 原理及应用，包括数据、识别、分类与推理、机器学习与深度学习；（3）AI 的社会影响，包括AI 影响、AI 伦理。比如，以理解AI、数据、 机器学习和社会影响四个关键领域的学习成果为例，图14 显示了韩国小学、初中、高中（基础）和高中（提升）四个学段的学习成果图谱。

图14 韩国基础教育人工智能课程图谱

（五）课程实施工作

1.教师培训与支持

具有胜任力的教师是AI 课程实施的前置条件。全球多个国家的实践发现，AI 课程教师的来源主要有在职教师培训和师范生培养两条路径，同时政府或社会向其提供优质的教学资源与技术支持。

首先，政府或非政府组织开展在职教师AI 课程培训。在职教师培训通常采用三种组织方式：（1）国家组织统一组织AI 课程教师培训项目，如中国和葡萄牙。（2）地方政府组织分散的在职教师AI 课程教学培训，如比利时。（3）非政府组织AI 课程教师培训项目，包括麻省理工学院组织基础教育教师参与的日常课程AI 夏令营，IBM 与麦考瑞大学教育学院合作开展的16 学时AI 教育培训课程。以上三种方式能在较短时间内，建设起一支符合国家或地区AI 课程教学所需要的教师队伍。

其次，高校面向在校师范生开设AI 课程教学。师范生培养通常采用三种教育方式：（1）在高校师范生的培养方案中增加AI 通识课程，要求未来的基础教育教师掌握AI 基础、伦理与社会影响及其基本的AI 方法与技术应用。（2）在信息技术类专业的师范生中开设AI 高级课程，要求未来的中小学信息技术课程教师掌握AI 方法、技术开发与创新能力。（3）开设人工智能赋能教学的课程，比如，奥地利要求师范生不仅掌握AI 技术，还要学会如何用AI 支持和改进教学。以上三种方式能保障一个国家或地区在未来拥有一支具有智能素养的教师队伍。

最后，政府或非政府组织提供AI 课程教学资源服务。在政府领域，由国家和地区政府设置AI 教育专项计划，比如，塞尔维亚开发AI 课程教材、课程指南、课程微课、课程在线工具等教学资源，在课程实施前向中小学教师免费开放，支持教师实施课程教学。在非政府组织领域，比如，麻省理工学院在日常课程中为教师提供幻灯片、 教案和相关课程计划；IBM、英特尔和微软等企业通过全球开放在线资源，为教师提供线上学习资源，包括手册、指南、教科书、微课和工具套件等。

2.学习工具与环境

AI 课程的实施需要创建开放、非商业性质的学习工具和公共在线学习平台。课程主题领域的学习需求分析发现，AI 课程实施需要五类学习工具的支撑，包括硬件、软件、机器人、编程语言和数据集：（1）硬件包括工作站、笔记本电脑、平板电脑和互联网。（2）软件包括常用的Ubuntu 开源操作系统、Machine Learning For Kids、Teachable Machine、TensorFlow、Keras、OpenVINO、Scikit-learn 等。（3）机器人以及配套工具包，比如，乐高风暴EV3、Magkinder Labeeb、工业机器人、NAO/Pepper 社交机器人等，还包括像树莓派等低成本的设备。（4）编程语言一般选择开源和免费的，比如，HTML、Javascript、Python、R、Scratch等。（5）开发AI 创新应用所需要的通用型数据集，以帮助学生训练与测试模型和优化算法，以支持学生基于数据集开展机器学习和深度学习的项目创新。比如，大规模的目标检测、分割和字幕数据集Coco、超过1400 万张图像的图像数据集ImageNet。以上五类学习工具，构成了实施AI 课程线上线下融合的学习服务支持环境。

3.教学策略与方法

审视全球现有的AI 教学实践发现，AI 课程教学通常采用讲授式、小组合作式、活动化学习和项目式学习四种方法：（1）讲授式教学是指由教师、专家等通过口头、教科书或者多媒体等，将教学内容传递给学习者。《报告》显示，89%的AI 课程采用讲授式教学。（2）小组合作式是指学习者通过合作完成一项或多项任务，在团队的合作过程中学习技能。在已经实施的AI 课程中，约50%的课程采用小组合作法。（3）活动化学习是指在教师的指导下，学习者按照自己的节奏开展探究式学习，开展模拟工作的学习活动，在活动中培养独立、探索和实验等能力。在已经实施的人工智能课程中，约有52%的课程采用活动化学习方法。（4）项目式学习是指在教师的指导下，学习者利用自身能力和所学技能为应对现实问题的挑战而展开活动。该方法的特点是学习任务来源于现实生活、学生自主、目标确定和小组协作。在已经实施的AI 课程中，约70%的课程采用项目式学习。

4.案例：中国高中人工智能课程的实施经验

中国政府在2017年发布了国家《高中信息技术课程标准》，2020年对其做了修订。该课程标准覆盖全国22.5 万所学校，超1.8 亿学生，将高中信息技术课程分为2 个必修模块和6 个选择性必修模块，共126 个学时。必修模块包括数据与计算、信息系统与社会，共54 个学时；选择性必修模块包括数据与数据结构、网络基础、数据管理与分析、人工智能初步、三维设计与创意和开源硬件项目设计，共72 个学时。其中“人工智能基础”和“数据管理与分析”为二选一的强制性选修课，学生须选择其中一个模块进行学习。

中国政府一直有序、科学、有效地推进AI 基础教育课程的教学实施：（1）国家教育部组织专家进行论证与审核课程标准，开展学校试点，以确保课程内容对学生的适配性。（2）开展系列性AI 课程实施的准备工作，包括调研、分析需求、开发资源、教师培训、基础设施等。（3）针对不同区域差异化实施AI课程教学，各省市根据其现有资源，设置AI 课程目标和实施方式。（4）协同式推进AI 课程的校本教学创新，鼓励课程实施者邀请课程专家开发校本AI 教材和资源，聘请第三方和企业在学校担任兼职培训讲师，以辅助AI 课程的有效实施。

中国政府实施了全国性的在职教师AI 课程培训工作，在课程内容、学习工具和教学方法等方面做了探索性的实践。在培训内容上，每年在学校寒暑假期间举行两次在职教师培训，所有教师每三年参加一次，强调包含AI 的信息技术应用能力培训。在学习工具上，为确保学员熟悉各种设备和应用程序，在培训过程中，教师可以接触到多种品牌的设备、不同类型的平台和技术，学校和教师也无需限制课堂上使用的技术类型。在教学方法上，综合多种教学方法与学习工具开展教学模式创新，包括现场教学、O2O 混合式学习、小组合作学习、项目式学习、游戏化与活动化学习等。

四、全球AI 课程的实施方略与评析

（一）课程管理：政府主导、政策驱动、多方协同

课程管理是为综合平衡各课程利益相关者的要求而进行的活动。UNESCO 的调查发现，各国的课程管理主要有政府主导、政策驱动、多方协同三种组织形式。政府为AI 课程实施提供有利的政策环境，支持教育实践者、课程专家、计算机科学家和AI 企业等多方，协同推进AI 课程的实施。

1.政府自上而下主导AI 课程开发、认可与实施

政府主导的课程强调国家对课程建设的总体规划和推进策略，其优势是自顶层进行宏观的、结构性的设计（廖辉，2021）。《报告》指出，全球范围内由国家和政府批准的AI 课程较少，11 个国家批准并授权了14 门由政府认可的AI 课程，以及7 门正在开发并可能得到政府认可的课程，例如，塞尔维亚3 门AI 课程和另外4 个国家的AI 课程。

基于现有AI 课程的实施现状，各国政府主要采用三种方法主导AI 课程管理：（1）政府扮演国家课程代理人的角色，进行文化选择与知识传递，将AI 教育知识国家化，由政府官方认可并正式公布AI 课程纲要、课程标准和课程教学实施方案等。（2）政府在公开管理规则或程序的情况下，采用平衡和协作的方法开发AI 课程，为学生设计和呈现更符合国情的AI 课程（胡定荣，等，2021）。（3）政府逐步从通过计划干预进行课程管控，到通过赋予地方和学校一定的课程管理权限，最终建立由政府主导、学校自主与利益相关者协同参与的课程管理机制。

2.政策制度从全系统、AI 转型和法律三个层面驱动AI 课程实施

《报告》指出，各国政府应为实施人工智能教育提供一个有利的政策环境和课程实施空间。目前，人工智能与教育发展的跨国和区域性政策分为三种形式：一是独立式，制定独立的人工智能政策和发展战略，如欧盟的《人工智能对学习、教学和教育的影响》以及中国的《新一代人工智能发展规划》；二是综合式，将人工智能要素融入到现有的教育或数字技术战略和政策中，如阿根廷的“Aprender Conectados”（学习互联）；三是专题式，专注于人工智能教育的某一特定主题，如欧盟的《通用数据保护条例》。

在以上三类政策的指导下，各国的政策制定者采取三个步骤推进AI 教育策略的实施：（1）政策制定者掌握人工智能的必备知识，确定人工智能与教育政策的全系统愿景，评估全系统的准备情况和成本价值，确定政策的战略目标，以确保教学和所开发的人工智能服务具有包容性、多样性和公平性。（2）政策制定者充分调动跨学科和多元利益相关者的专业知识，为政策规划提供信息，建立开放和迭代的循环，包括规划、实施、检查、评估和更新政策的关键步骤。（3）制定数据保护法律，确保AI 教育数据的收集和分析过程可见、可追踪，并可由教师、学生和家长进行监督与审查（Miao，et al.，2021）。

3.各相关利益方协同工作以推进AI 课程的有效实施

在政府方面，教育行政部门制定AI 课程实施政策，包括督查机制和评估制度，保证政策与制度落地和规范执行，把握AI 课程实施的规模和发展方向。在此基础上，构建行业领域与教育领域协同工作机制，组织并指导课程专家、行业专家和学校教师协同推进AI 课程开发与实施。

基于政府的政策支持，课程专家、行业专家和学校教师正在协同推进AI 课程开发与实施：（1）课程专家提出AI 课程开发、实施和评估的理论框架和方法论，指导学校教师制定AI 课程教学方案，引领学校开展AI 课程的教学方法、教学环境和教学资源的校本教研。（2）行业专家提供AI 课程知识内容材料和场景案例，将行业场景嵌入AI 课程内容，参与制定课程标准和教学计划，协助编制课外实践活动大纲，参与AI 创新项目作品的教学评价。（3）学校教师与课程专家和行业专家共同制定AI 课程的教学方案，与行业专家或企业工程师协同探索“双师共导”AI 课程教学，与课程专家商讨新型教学方法的校本行动研究，指导学生开展课外的AI 社团创新活动。上述三方协同工作可形成AI 课程实施的教育合力，有利于各国实现人工智能教育的国家愿景目标。

（二）课程整合：独立式vs 嵌入式、跨学科vs 多元化、灵活化组合

课程整合是为解决教育领域中各学科课程存在的割裂和对立问题，通过多种学科的知识互动、综合能力培养和师生合作，实现以人为本的新型课程发展目标。《报告》指出，AI 课程通过五种模式与现有课程系统进行整合，包括独立式、嵌入式、跨学科、多元化及其以上四种方式的灵活组合。

1.依据国家治理方式，选择独立式或嵌入式的整合模式

国家教育治理方式是决定课程整合模式的关键因素。中国把教育作为立国之本和强国之基，从中央到地方设有专门的教育行政机构，适合采用独立式的课程整合方式，在全国范围内实施统一的人工智能课程。比如，中国高中信息技术课程的人工智能基础模块，采用独立式的整合形式。但在其他教育治理未有高度集中领导的国家，地方有权利自行开发适合本地区的AI 课程，将AI 嵌入至其他科目，适用于嵌入式的课程整合形式。例如，韩国采用嵌入式整合方式开发了两个人工智能选修科目。

2.根据学生认知发展的不同阶段，选择跨学科或多元化的整合模式

皮亚杰的认知发展理论认为，具体运算阶段对应的学段是小学阶段，这一阶段的学生思维活动需要具体内容作支撑；形式运算阶段对应的是中学阶段，学生的思维开始发展到抽象逻辑推理水平，可以进行假设、演绎、推理等认知行为。基于此，小学阶段的AI 课程适合采用跨学科的整合方式，借助其他科目内容（如，数学、科学、地理）以理解AI 中抽象内容。而中学阶段的AI 课程适宜采用多元化的形式，开展丰富多元化的AI 课程学习活动，包括AI 科技社团活动和AI 创新竞赛等。因此，学生的认知发展阶段决定AI 课程是跨学科还是多元化的整合模式。

3.基于多种因素与必要条件，创造灵活组合的整合模式

AI 课程的开设应综合考虑国情、地方经济发展特点、信息技术发展水平以及学生信息素养基础，采用灵活多元组合的整合模式。以中国为例，东部地区经济发达、科技力量发展较快，学校的AI 设施配备较好，学生对新技术和新工具的接受能力相应较高，能够支撑独立式和多元化AI 课程的发展；但是西部地区经济社会发展相对滞后，没有较多的财力和物力用于独立式AI 课程的发展，因此，可以采用嵌入式和跨学科式的整合方式。

（三）课程实施：场景化课程内容、创新型教学方法、普适性学习工具

课程实施作为一种动态的过程存在，也是实现预期AI 教育结果的手段。调查发现，AI 课程教学不应局限于课堂知识讲授，而应重构课程内容、创新教学方法和学习工具，将课程内容场景化、教学方法创新化、学习工具普适化，不断拓展AI 课程的学习空间。

1.设计场景化的AI 课程教学项目

场景化设计能让学生在情景中体验，在行动中学习，在探索中思考，在反思中感悟。《报告》中的受访者表示，中小学阶段的AI 课程是为了让学生掌握人工智能及其应用，使其具备在未来生活、学习和工作中进行人机协同所需的技能与价值观。

基于此，AI 课程内容的场景化设计，一般需按照以下三个步骤实施：（1）寻找学生在现实生活中需要智能化创新的情景和挑战，分析人工智能解决现实难题的可行性，确定AI 课程教学项目的名称和场景描述。（2）分解教学项目的情境任务，按照业务逻辑流程和过程，将教学项目分解为多个相互关联的任务情境，保证每个任务情境具有明确的学习目标、学习活动、学习成果和评价标准。（3）以任务单元为单位开发数字化的教学资源，包括录制真实场景的微视频，制作任务情境的自主学习微课，开发基于VR/AR 仿真课件，组织任务情境学习的拓展性材料，设计任务情境评价量规，开发任务情境的形成测试题。

2.融入设计思维与计算思维的项目化创新教学

AI 课程实施者应不断创新教学方法，创造跨学科的机会，解决现实生活中学生所面临的挑战性问题，以培养设计思维、计算思维和创新思维。《报告》指出，AI 课程的教学方法主要有讲授法、 小组合作法、活动化学习和项目式学习，其中项目式学习具有情境性、真实性、劣构性和综合性，是AI 课程教学与创新应用中的主要教学方法。

为促进学生设计思维和计算思维的发展，项目式教学方法可采用以下三种方式实施：（1）遵循以“学为中心”的行动导向原则，贯彻“以学生为中心”的教学理念，以学生为主体，使其经历资讯、方案、决策、实施、检查、评价六个行动步骤。（2）以AI 作品创造作为课程教学项目，将设计思维的五个环节融入教学项目的任务情境，设计并实施“共情体验、问题定义、创意形成、原型制作和实验测试”五段递进式的学习活动，以训练与发展学生的设计思维。（3）模拟计算机解决问题的方法与过程，将AI 作品创造教学项目分解为模式识别与建模的任务情境，采用抽象逻辑和算法模拟设计任务情境的解决方案，并基于多源多维数据开展自动化评估，最终形成通用泛化的解决方案，以发展和提升学生的计算思维。

3.应用普适性的学习工具和学习资源

AI 课程的实施不能依赖于特定的技术、平台和设备。调查发现，现有的人工智能课程涵盖了广泛的人工智能应用、工具和技术，但并不完全依赖数学或编程知识，也不完全依赖于技术。因此，AI 课程应尽可能涉及广泛的、不同的技术，使其能够使用一系列的工具和设备，促进学生对知识的习得与掌握。

基于上述观点，普适性学习工具应用方法应有三种：（1）教师参与AI 课程资源开发，在资源发布给学校和学生之前进行试点测试，为在职教师引入人工智能概念和教学方法，并提供充分的准备。（2）学校引进包含互动任务在内的在线工具及其他开源的工具和资源，为教师培训及课堂学习提供培训材料与教学支持。（3）政府应管理和开发经公开许可或非商业性的学习工具和学习资源，并创建公共在线平台以支持人工智能的教学和学习。

（四）课程评价：国家战略引领、智能素养导向、实证结果取向

课程评价是指根据一定的标准和课程系统信息，以科学的方法检查课程的目标、编订和实施是否实现了教育目标，以判断课程的综合效果，并据此做出改进课程的决策。国家战略需求是开设人工智能课程的必要条件，为人工智能课程发展指明了方向。人工智能课程最终的落脚点，应聚焦于提升学生的智能素养，提升社会的科学精神和公民的科学素养。

1.国家战略引领AI 课程标准制定和实施

人工智能人才培养是国家现代化的必然要求，开展人工智能课程教学符合国家人才战略需求。基于《报告》解读，我们提出两个方面的建议：第一，加强国家对人工智能课程的顶层制度设计，进一步健全和完善人工智能课程标准、 学业质量标准和课程体系，为各地基础教育实施人工智能教学与评价提供专业标准及有效指导（胡钦太，等，2021）。第二，人工智能课程应该践行国家人工智能发展规划，服务国家人工智能发展战略，根据学情开展适合本土学生发展要求的人工智能课程，并鼓励、支持学校和教师根据国家课程标准开发具有各自特色的校本课程与相关实验，不断完善课程标准与体系。

2.智能素养导向AI 课程学习成果的达成

人工智能课程应提升中小学生的智能素养，由培养“数字土著”转向培养“AI 公民”（王元臣，等，2022）。前不久，UNESCO 组织的人工智能与教育未来国际论坛以“为人工智能时代发展能力”为主题指出，世界公民应该了解人工智能是什么，可以做什么、不可以做什么，什么时候使用人工智能，什么时候应该质疑它的使用以及如何引导它更好地为公共利益服务，这要求每个人都具备一定程度的智能素养（Miao，et al.，2021）。

为了达成这一目标，我们建议：（1）学校应鼓励社会与企业共同参与，优化人才培养实践的资源配置，鼓励技术优势企业派驻人才到校园，将最新的人工智能发展成果及时带入到一线教学中，激发学生的创新意识，促进人工智能人才的综合全面发展。（2）重视教师智能素养的培养工作，积极推进基于人工智能的教师素养提升工程，通过教师培训和定期指导等方式，培养出一大批能胜任人工智能时代培育学生智能素养的好教师。（3）应将人工智能时代的伦理、安全、隐私等内容融入到课程中，正确处理教育与技术发展的关系（陈晓慧，等，2019），潜移默化地培养学生的人工智能素养、信息素养及创新能力，帮助学生提前适应未来智能化时代的发展变化。

3.实证数据驱动AI 课程的多元全程评价

课程评价应涉及学生全方面和多维度的学习过程信息，做到可测可估可量。《报告》已从知识、技能、态度与价值观三个维度，描述了人工智能课程学习成果的图谱。知识和技能维度从人工智能基础、了解和使用开发人工智能、伦理和社会影响三个角度，态度与价值观维度从个人、社交、社会、人类四个角度，对学生的学习成果进行科学而详尽的评价。

基于此，我们应从以下三个方面开展实证取向的课程评价：（1）从形成性评价和总结性评价的过程着手，构建人工智能课程考核评价量规，课程考核方式和评价体系要与课程教学目标属性相匹配，考核的观测点和产出形态要具体、明确、可衡量。（2）课程实施应关注学生的学习全过程，通过教师的主观观察、 技术的实时追踪和学生数字画像等手段，记录学生的学习全过程数据。（3）根据学生最后的学习成果展示和案例呈现，进行综合评定。整个评价过程应涉及学生自评、同伴互评、教师总结、专家点评等环节，形成数据驱动的全过程、多维度、多元化的精准课程评价体系。

五、结语

人类社会已迈入智能时代，人工智能正在深刻地改变着人类的生活、学习、工作和娱乐方式，人工智能素养将成为新时代公民如同“读、写、算”一般重要的基本素养。从战略层面开发、管理、认可和实施基础教育人工智能，涉及国家的创新人才培养和未来发展制高点。UNESCO 的《报告》进一步描述了经典AI 课程的基础理论框架，并从全球视角分析了AI 课程开发框架，包括开发与认可、整合与管理、内容框架、学习成果和实施工作等内容，给我们更好地实施AI 教育以全新的视野与启示。

展望未来，全球各国政府都在努力成为人工智能基础教育课程的主导者，在管理上以政策驱动课程利益相关者协同工作；并基于治理方式、学生认知发展以及其他多种因素，创造灵活组合的整合模式。在实施过程中丰富场景化课程内容、 项目化教学策略以及普适化学习工具，探索国家战略引领下的智能素养实证取向的评价方案，以培养更多具有智能素养的现代公民和掌握颠覆性技术的创新型人才。

[参考文献]

陈晓慧，卢佳，赫鹏，2019.信息技术教学应用的伦理失范及其治理[J].开放教育研究（3）：53-59.

胡定荣，齐方萍，2021.学校课程治理现代化的目标、内涵与实现路径[J].教育科学研究（7）：11-16+23.

胡钦太，张彦，刘丽清，2021.人工智能赋能基础教育课程改革研究：内涵、机制与实践[J].国家教育行政学院学报（9）：23-30+38.

廖辉，2021.基础教育课程改革：中国经验与治理逻辑[J].中国教育学刊（8）：61-66.

王元臣，刘亚欣，李志河，2022.中小学人工智能教育的困境及对策研究[J].教学与管理（9）：63-67.

ADEDEJI A，RAPHEAL O，OPEYEMI et al.，2017.Integrating Construction Craft Skill Acquisition in the Built EnvironmentCurriculum Using a ComPetence Based Education Approach[J].Research Journal of Applied Sciences，12（3-4）：295-303.

AAAI，2018.AAAI Launches “AI for K-12” Initiative in collaboration with the Computer Science Teachers Association （CSTA） and AI4Al.

CBSE，2020.Artificial Intelligence Integration Across Subjects. New Delhi，Central Board of Secondary Education [EB/OL].[2022-04-08].http：//cbseacademic.nic.in/web_material/manuals/aiintegrationmanual.pdf.

IBE，2013. IBE Glossary of Curriculum Terminology，（IBE）[EB/OL].[2022-04-      08].http：//www.ibe.unesco.org/fileadmin/user_upload/Publications/IBE_GlossaryCurriculumTerminology2013_eng.pdf.

LONG D，MAGERKO B，2020.What is AI literacy?Competencies and design considerations[C].Proceedings of the 2020 CHI conference on human factors in computing systems：1-16.

LAO，N，2020.Reorienting machine learning education towards tinkerers and ML-engaged citizens[D].Cambridge，Massachusetts Institute of Technology.

MAUREEN C，SHELLEY G，BRITOS L，et al.，2010.Destination，Imagination and the Fires Within：Design Thinking in a Middle School Classroom[J].International Journal of Art & Design Education，29（1）：37-53.

MIAO，HOLMES W，HUANG R，et al.，2021. AI and education：guidance forpolicy-makers [EB/OL].[2022-04-08].https：//unesdoc.unesco.org/ark：/48223/pf0000376709.

UNESCO，2019.Beijing Consensus on Artificial Intelligence and Education[EB/OL]. [2022 -04-08].https：//unesdoc.unesco.org/ark：/48223/pf0000368303.

UNESCO，2020.First Draft of the Recommendation on the Ethics of Artificial Intelligence [EB/OL].[2022-04-     08].https：//unesdoc.unesco.org/ark：/48223/pf0000373434.

WING J M，2006.Computational thinking[J].Communications of the ACM，（3）：33-35.

Development Framework and Implementation Strategy for Global Mapping of AI Basic Education Curricula：An Analysis of UNESCO Report of K-12 Artificial Intelligence Curriculum Map

Lou Youjia，Li Yihang，Wang Yonggu[Corresponding Author]，Wang Yi，Ma Jiarong & Hu Mengfang
（College of Education Science and Technology，Zhejiang University of Technology，Hangzhou Zhejiang 310023）

【Abstract】 Artificial intelligence becomes one of the key influencing factors of national competitiveness. As a new subject area，the government，schools and teachers still lack theoretical support and practical experience in defining and designing AI curricula. In February 2022，the United Nations Educational，Scientific，and Cultural Organization （UNESCO）released the report “K-12 AI curricula：A mapping of government-endorsed AI curricula”. The report defines the core concepts and reference framework of the AI curricula，and describes AI basic education curricula development framework，including curricula development and recognition，curricula integration and management，curricula content structure，curricula learning outcomes，and curricula implementation.A global map of AI curricula in basic education has been drawn.The report has four implications for the implementation strategy of AI curriculum in basic education in our country：In curricula management，government-led，policy-driven and multi-party collaboration; In curricula integration，independent and embedded，interdisciplinary and diversified agility combination method; In curricula implementation，scenario-based course content，innovative teaching methods and universal learning tools;In curricula evaluation，national strategic lead，intelligent literacy guidance and empirical result orientation.

【Keywords】 Basic Education；AI Curricula；Global Map；Development Framework；Implementation Strategy

[中图分类号]G434

[文献标识码]A

[文章编号]1672-0008（2022）03－0003－13

基金项目：本文系2020年浙江省哲学社会科学规划重大项目“‘互联网+’残疾人社会支持智慧服务构建与创新”（20XXJC01ZD）、2018年教育部人文社会科学研究项目 “‘互联网+’ 自闭症家庭精准帮扶的协同机制与实现模式研究”（18YJCZH085）、2021年国家自然科学基金面上项目“多模态特征融合的自闭症教育机器人情感社交智能感知模型及应用研究”（6217021982）和2019年浙江省高校科研基本业务费跨学科研究专项“面向智能经济的AI+创客空间构建与服务创新”（GB201903003）之研究成果。

[作者简介]

楼又嘉，浙江工业大学教育科学与技术学院在读硕士研究生，研究方向：智能教育信息技术；李一航，浙江工业大学教育科学与技术学院在读硕士研究生，研究方向:人工智能教育；王永固，系本文通讯作者，浙江工业大学教育科学与技术学院教授，博士，硕士生导师，研究方向：智能教育信息技术、学习科学与技术；王怡，浙江工业大学教育科学与技术学院在读硕士研究生，研究方向：学习科学与技术；马家荣，浙江工业大学教育科学与技术学院在读硕士研究生，研究方向：智能教育信息技术；胡梦芳，浙江工业大学教育科学与技术学院在读硕士研究生，研究方向：智能教育信息技术。

收稿日期：2022年4月9日

责任编辑：陶 侃