人工智能的伦理挑战与科学应对
【光明青年论坛】
编者按
2023年2月21日，中国外交部正式发布《全球安全倡议概念文件》，呼吁“加强人工智能等新兴科技领域国际安全治理，预防和管控潜在安全风险”。在中国式现代化进程中，人工智能的技术革新是助推我国科技创新的重要力量之一。作为最具代表性的颠覆性技术，人工智能在给人类社会带来潜在巨大发展红利的同时，其不确定性也会带来诸多全球性挑战，引发重大的伦理关切。习近平总书记高度关注人工智能等新兴科技的发展，强调要加快提升“人工智能安全等领域的治理能力”，“塑造科技向善的文化理念，让科技更好增进人类福祉”。为此，本版特组织几位青年学者围绕人工智能的伦理挑战与科学应对展开讨论，并邀请专家予以点评，以期引发学界的更多关注，为推动人工智能健康发展贡献智慧。
与谈人
彭家锋 中国人民大学哲学院博士生
虞昊 华东师范大学政治与国际关系学院博士生
邓玉龙 南京师范大学哲学系博士生
主持人
刘永谋 中国人民大学哲学院教授、国家发展与战略研究院研究员
1.机遇与挑战并存的人工智能
主持人：新技术革命方兴未艾，以人工智能等为代表的新兴科技快速发展，大大拓展了时间、空间和人们的认知范围，人类正在进入一个“人机物”相融合的万物智能互联时代。请具体谈谈人工智能给人类社会发展带来什么样的机遇？
彭家锋：人工智能、大数据、物联网、云计算等智能技术蓬勃兴起，对人类社会的方方面面产生深刻影响，推动整个社会逐步迈入智能社会。在此过程中，存在许多重大历史机遇需要我们把握。就技术治理而言，人工智能作为一种治理技术，正在助推社会治理的治理理念、治理方式、治理效能等方面的变革，将传统技术治理提升至智能化新阶段，呈现出“智能治理的综合”趋势。智能治理将全面提升社会公共治理的智能化水平，主要呈现出四个方面的特征：一是治理融合化，即促进各种智能技术与其他治理技术相互融合，大幅度提升智能社会的治理水平；二是治理数据化，即以日益增长的海量数据为基础，通过对数据映射出来的“数字世界”进行社会计算，实现治理目标；三是治理精准化，即发挥智能技术强大的感知能力、传输能力和计算能力，将传统的粗放治理转变为精准治理；四是治理算法化，即不断完善智能决策系统，尝试将程序化的算法决策扩展到更多的决策活动中，从而提高决策质量。
虞昊：人工智能有助于反思人类社会得以建立与发展的基础。随着分析式AI向着生成式AI不断演变，尤其是生成式AI初步展现出判别问题、分析情感、展开对话、创作内容等越来越具有人类特征的功能，原本属于人类的领域正被人工智能以另一套由“0”与“1”构成的计算机语言逐步侵蚀。这既是对人类社会的冲击，也势必会在更加平等的开放性框架中增强人类的主体性，促进人类社会进一步发展。
邓玉龙：总体来说，以人工智能为代表的新科技发展，显著提升了社会生产力。例如，生成式AI不但能完成传统AI的分析、判断工作，还能进一步学习并完成分析式AI无法从事的创造性工作。从人机交互的角度来看，人工智能也促进了生产关系的高效发展。具体表现在：一是刺激劳动形态的转化。人工智能高效承担大量的基础机械性劳动，人类劳动则向高阶的创造性劳动转化，由此引发社会层面的劳动结构转型、升级，并且以人工智能为中介，社会范围内的劳动整合、协调能力也实现升级。二是促进劳动场域的重构。随着劳动形态的转化和劳动的社会化扩展，人工智能将劳动从固定场域中解放出来，人类劳动的灵活性增加。相比于创造性劳动，机械性劳动更加受到空间和时间的制约，而在人工智能从技术层面替代更低边际成本的基础性劳动之后，人类劳动空间和时间的自由性实现跃迁。三是对主体的发展提出了更高要求，尤其是对主体适应社会发展提出了更高要求。人工智能技术的发展对人类传统的知识结构提出挑战，要求人类更新原有的知识结构以适应社会发展需要，也对教育提出更高要求，教育模式和教育内容需要更契合科技发展的水平，培养更加全面发展的人才。
主持人：人工智能的一系列产物在给人们带来生活便利的同时，也一定程度上引起大家对其可能引发的伦理挑战的警惕。一些人关注人工智能的风险问题，对人工智能的推进有些焦虑。如何看待这种警惕和焦虑？
虞昊：人工智能的风险以及由此带来的焦虑，是完全可以理解的。但我们无法返回一个没有人工智能的世界，人工智能已然深度介入人类社会，试图遏制人工智能的推进只能是螳臂当车。同时我们对人工智能的发展也不能放任不管，无视甚至于压制人工智能的推进只能是掩耳盗铃。因此，我们应该正视这种焦虑，在发展人工智能的过程中探求解决方案，在人工智能带来的风险中寻求危中之机。
邓玉龙：我们应正确看待这种焦虑。要看到，焦虑有其积极的意义，它体现人类的忧患意识，催生对人工智能风险的预见性思考，提醒我们注意焦虑背后人工智能技术发展存在的问题。正确对待焦虑有助于积极采取措施防范风险，辩证分析焦虑中先见性的思考，通过社会治理模式的升级化解风险问题。同时，仅有焦虑和恐惧是不够的，更重要的是积极解决人工智能发展带来的社会问题。从劳动的角度看，人工智能确实会取代部分人类劳动，推动劳动结构转型升级，让劳动向着碎片化、个体化方向发展，劳动者处于弱势地位，面临着“机器换人”的挑战。但是我们也应该理性认识到，人工智能不是对人类劳动能力的完全替代，而是对劳动者提出了更高的要求，要求劳动者掌握科学知识，将技术的发展内化为自身能力，在更具创造性的劳动中实现自身价值。
彭家锋：任何技术的发明使用，不可避免地伴随着这样或那样的风险。人工智能技术自然也不例外，在其应用过程中，同样引发了诸如隐私泄露、算法歧视、法律责任等风险问题。因此，关注人工智能的风险问题，并由此对人工智能的推进产生焦虑，具有一定理论依据和现实基础。但更应当清醒地认识到，人工智能的某些相关风险可以提前得到规避，并不必然会发生；即便真的发生，也仍可不断寻求化解风险的有效手段。以个人隐私滥用风险为例，在治理过程中，虽然不可避免地会涉及个人数据收集和分析处理，但可以通过建立完整的规范和监管体系来保护个人隐私，降低滥用风险。
2.人工智能科技竞争的“伦理赛道”
主持人：习近平总书记在以视频方式出席二十国集团领导人第十五次峰会时指出，“中方支持围绕人工智能加强对话，倡议适时召开专题会议，推动落实二十国集团人工智能原则，引领全球人工智能健康发展”。请谈谈“人工智能原则”应包含哪些内容？科技向善的文化理念对推动全球人工智能健康发展具有怎样的现实价值？
彭家锋：为应对人工智能等新科技快速发展带来的伦理挑战，2022年，中共中央办公厅、国务院办公厅印发了《关于加强科技伦理治理的意见》，其中明确了“增进人类福祉”“尊重生命权利”“坚持公平公正”“合理控制风险”“保持公开透明”等五项科技伦理原则。我认为，这五项原则基本涵盖了人工智能原则的伦理要求，彰显了科技向善的文化理念。科技向善的文化理念，根本目标是让科技发展更好地服务社会和人民，带来良好社会或社会公益的善。科技向善对推动全球人工智能健康发展至少具有以下三个方面现实价值：一是塑造公众信任。公众对人工智能的信任很大程度上并不完全由相关风险程度决定，而是取决于公众的利益与价值是否得到足够重视。后者正是科技向善的内在要求。二是引领技术创新。科技向善的文化理念将在技术创新发展过程中发挥价值引领作用。三是促进全球合作。科技向善的文化理念试图在全球范围内建立人工智能伦理规范的“最大公约数”，各国在达成伦理共识的基础之上，能够建立互信，实现更加充分深入的国际合作。
虞昊：个人认为，人工智能原则也应包含非对抗与非失控的理念。非对抗意味着不应将人工智能视作人类社会的对抗性存在，人工智能已经成为人类社会的构成性要素，我们必须持更为开放的态度去面对人工智能。非失控意味着不应放弃对人工智能的伦理规范，应以智能的方式去规范加速发展的人工智能。如果以上述理念为前提，也就是说，在支持人工智能发展的情况下，科技向善的文化理念在推动全球人工智能健康发展中就变得极为重要。此处的“善”在国家治理层面即指向“善治”，而当人工智能的发展从国家范围扩展到全球范围，“善治”就在构建人类命运共同体的意义上拥有了更贴近现实的内涵。各国应摒弃冷战思维与零和博弈，基于善意与友谊共同思考人类作为整体如何在人工智能的冲击下通往全球性的“善治”。
邓玉龙：2019年欧盟发布《可信赖的人工智能伦理准则》，2021年中国国家新一代人工智能治理专业委员会发布《新一代人工智能伦理规范》（以下简称《规范》）。与欧盟发布的伦理准则相比，《规范》体现了中国特色社会主义的制度优势，旨在将伦理规范融入人工智能全生命周期。人工智能发展的根本目的是促进人的全面发展，因此，我以为，人工智能原则还应体现共享和有序发展的要求。共享，旨在防止人工智能的技术垄断。科技发展应该兼顾全体人民的利益，而不是服务于少数群体，由全体人民共享科技发展成果，推动全球科技水平的共同增长。有序发展，旨在防止人工智能技术的无序扩张。人工智能技术的发展最终是为了提升人的幸福感，推动科技有序发展能够促进人机和谐融合，有效预防潜在无序扩张的风险。
主持人：从规范层面来说，伦理反思对规范人工智能发展的作用主要体现在哪些方面？
彭家锋：近年来，世界各主要国家在人工智能领域竞争日趋激烈，纷纷将人工智能发展置于国家发展的战略层面。比如，美国陆续出台《国家人工智能研究和发展战略计划》（2016）和《关于维持美国在人工智能领域领导地位的行政命令》（2019）；欧盟先后发布《欧洲人工智能战略》（2018）和《人工智能白皮书》（2020）；中国也较早发布了《“互联网+”人工智能三年行动实施方案》（2016）和《新一代人工智能发展规划》（2017）。人工智能科技竞争的客观局面已然形成。在此背景下，如果忽视人工智能技术发展所带来的全球性风险与挑战，极有可能陷入技术赶超的竞争逻辑。因此，亟须规范人工智能的科技竞争，而倡导伦理反思或许就是一条可行之路。伦理反思的意义至少在于：一是设定伦理底线。人工智能技术的开发和应用需要遵循一些基本的价值理念和行为规范。只有守住伦理底线，才有可能避免颠覆性风险的发生。二是实现敏捷治理。伦理反思是一个动态、持续的过程，贯穿于人工智能科技活动的全生命周期。为了确保其始终服务于增进人类福祉和科技向善的初衷，需要保持应有的道德敏感性，以灵活、及时、有效的手段化解人工智能带来的各种伦理挑战，确保其在科技向善的道路上行稳致远，实现良性发展。
邓玉龙：人工智能科技竞争是为了促进科学技术发展，而科学技术发展的最终目的是推动人类社会的进步。人工智能科技竞争不应该仅包括技术竞争的单一维度，更不应该通过技术优势遏制他国的科技发展，而应该是在人工智能科技条件下的综合性竞争，通过良性竞争促进全球人工智能和全人类的共同发展。其中就应该包括社会治理竞争，通过社会治理保障社会公平，因而对社会中人与人关系的伦理反思构成人工智能科技竞争的有机组成部分。首先，伦理反思对人工智能科技竞争提出了更高的要求。人工智能的公平性、可信任性、可解释与透明度、安全性不仅是伦理要求，也代表了人工智能技术的发展方向，是人工智能科技竞争需要抢占的技术制高点。科技的发展是为了人的全面发展，因而人的发展内嵌于科技发展要求，伦理反思有助于防止工具主义的泛滥。其次，伦理反思为人工智能科技竞争提供价值引导。伦理反思注重保障人的权利，科技发展并不是社会发展中的唯一衡量因素，我们还应该关注其中多样性的因素，尤其注重保护特殊群体的利益，例如防止数据鸿沟等不良影响。伦理反思有助于实现人工智能的综合性健康发展。
3.人工智能安全与人的全面发展
主持人：科学探究一直以来都是人们认识世界和了解自身的重要认知方式，人工智能等信息产业的革命如何影响着人们的认知方式？
彭家锋：人工智能等信息产业的革命，促进了科学研究新范式——数据科学的诞生，进而对人们的认知方式产生深刻影响。数据科学被认为是继实验、理论和模拟之后的新的科研范式。相较于传统科学，数据科学融合了统计和计算思维，通过人工智能等技术提供的海量数据、强大算法和算力，能够直接从数据中寻找相关关系、提取相关性或者预测性知识，进而产生一种基于相关性的科学思维模式。但这种相关性并不一定能够转化为因果关系，因为可解释性对于从数据科学技术确定的相关性中提取因果解释至关重要，而相关技术一般都缺乏必要的透明度和可解释性。数据科学更可能成为一种预测科学，但是预测并不是科学追求的唯一目标。通过揭示世界的潜在因果结构来解释和干预现象，也是科学的两个重要目标。因此，尽管数据科学能够通过分析大量数据生成相关性知识，却不能直接产生因果解释。对此，传统科学的可检验性假设方法和因果规律探求仍有其重要价值。数据科学并非取代传统科学，相反，两者将相互补充，共同成为人类探索世界的有效工具。
虞昊：显而易见的是，随着人工智能向着通用人工智能迈进，其能够为人们提供的教育资源、生活娱乐、工作讯息也越来越丰富，人们势必越来越依赖于通过与人工智能进行交互来获取外界信息。因此，当人工智能深度地构成人们认知世界的滤镜时，若不对人工智能本身具有重复性、同质性倾向的认知框架保持警醒，人工智能可能扭曲人们的认知方式直至影响人的主体创造性。
邓玉龙：以人工智能为代表的全新技术发展被称为第四次工业革命，其中最显著的特征就是机器与人类的深度融合，机器不再作为一种外在性的工具被人类使用，而是在与人类的深度关联中影响人类的认知方式。一方面，信息产业革命丰富了人类认知的联结方式。人工智能和大数据技术的发展促进人类的分析逻辑从因果关系扩展为相关关系，对相关关系的重视使人工智能可以从大数据而非小数据维度获取信息，为人类认知提供新的视角。按照传统人类认知方式的理解，因果关系要求关于世界的认知是确定性的，而这在数字时代的复杂性社会中很难实现。人工智能对相关关系的认知填补了这一缺失，允许我们在无法掌握确定信息但在掌握大量数据的条件下对未来趋势作出预测。另一方面，如果我们对人工智能等科技的输出结果和生成内容盲目信赖，将结果和内容与经验事实之间进行绝对等同的连接，误认为是事实的全部，那么我们就会丧失人文主义抽象反思的能力，对此我们应当保持警惕，始终坚持反思和批判的人文精神。
主持人：如何调适人的主体创造性与信息高度集成共享之间的关系？
彭家锋：当人们逐渐将更多创造性工作交由人工智能完成，不免让人担忧人工智能是否将会威胁到人的主体创造性。从人机关系的角度来看，这种担忧是基于一种人机敌对论的视角，认为人工智能挤压了人的主体创造性空间，是替代逻辑的延续。但从人机协作的视角出发，将人工智能看作人的得力帮手，通过创造性地使用人工智能可以赋予人类更大的创造性空间。比如，在进行文字写作、多媒体脚本、程序代码、文稿翻译等工作时，可先由人工智能高水平地完成草稿工作，然后再由人类进行一些创造性的调整和发挥。此时人工智能生成的内容将成为进一步创作的原材料，人类将以更高的效率投入创造性活动之中。当然，要实现以上效果并非易事，不仅需要思想观念的转变，还应在制度安排、教育方式等方面作出相应调整。
虞昊：面对信息高度集成共享的人工智能，人有可能转变为算法的动物。试想下述场景：当依据人工智能展开行动变得足够便捷有效时，行动者便会倾向于采信人工智能，此时，看似是人类行动者基于自然语言在进行互动，实则是算法逻辑基于计算机语言在进行数字化运转。于是，人的主体创造性被侵蚀，人可能沦为算法动物。对此类情形，我们应该保持足够的清醒与警惕。
邓玉龙：人工智能技术生成的内容（AIGC）具有高度集成共享的特性，能够高效地对人类知识进行数据挖掘、信息生成。调适人的主体创造性与信息高度集成共享之间的关系，我们需做到如下几个方面：首先，需要通过人的创造性扩大AIGC数据库，当下AIGC主要是依赖于大语言模型，以大量的网络文本作为训练数据库生成的，通过人的创造性生成可以不局限于网络文本，而是进一步扩展数据库的训练文本，从而提高其丰富度。其次，需要通过人的创造性为AIGC提供价值训练，通过人的创造性生成的价值立场、伦理法则等与AIGC的训练数据库相融合，从而建构可信赖、可持续的信息高度集成共享机制。最后，需要将人创造性生成的内容与AIGC共同作为人类知识的来源，人类知识的获得不能仅仅局限于AIGC，而是需要人发挥其主体创造性对人工智能技术生成的内容进行反思和拓展，将人类无法被数据化的、经验性的知识与AIGC数据化的知识融合成为人类知识的来源。
（本版编辑张颖天整理）
人工智能时代，计算思维培养的七种教学策略
以下文章来源于中小学数字化教学，作者尹以晴等
中小学数字化教学
《中小学数字化教学》（CN10-1490/G4）系教育部主管、人民教育出版社主办的国家级教育专业期刊，主要服务于运用信息技术改进教学的中小学教师、教研员、校长，以及师范院校师生和科研院所的科研人员。本公号是刊物“纸数联动”的支撑平台之一。
计算思维已成为当今国际学术界多学科领域关注的热点议题，随着人工智能等新一代信息技术的飞速发展，计算思维培养需要全新的教学策略框架。本文基于美国k-12人工智能教学指南，提出了人工智能时代培养计算思维的四类七种教学策略框架，并结合案例阐述七种教学策略及实施。文章基于我国计算思维教育的发展实际，提出中小学计算思维培养的若干实施建议，以供学校和教师开展计算思维教育参考。
自周以真教授2006年在ACM通讯上提出计算思维的概念以来，计算思维逐步渗透到各级各类教学体系，并成为人工智能时代个体必备的基本素质。世界各国都在加快步伐开展培养计算思维的相关课程，以帮助学生更好地适应未来。英国皇家学会在《停止还是重启：英国学校计算教育的前进方向》报告中就强调了计算思维对于学生认识世界的重要性，并主要在计算机科学中实施了一整套计算思维课程。我国《普通高中信息技术课程标准（2017年版）》也将计算思维列为信息技术课程的核心素养之一。如今，在大数据和人工智能的推动下，计算思维被赋予新的内涵，进一步深化了计算思维在科学与社会经济领域的意义和价值，人工智能时代中小学计算思维培养需要全新的策略框架。
01
人工智能时代
计算思维培养的策略框架
人工智能时代的个体核心能力体现在以计算思维为代表的高级思维能力。然而，中小学校现有的计算思维教育理念沿袭了“计算机能力—编程能力—计算思维”的线性思维，高度依赖计算机学科教育或编程教育，忽视了计算思维培养的其他路径。随着人工智能技术的快速普及，嵌入人工智能系统的大量算法模式丰富了人类对算法的认知，也丰富了计算思维的教学内容和教学策略，更有助于提升学生的问题解决能力，培养他们的计算思维。基于此，美国人工智能促进协会联合美国计算机科学教师协会和卡梅隆大学研制了K-12人工智能教学指南。该指南不仅设计了从小学到高中开展人工智能教学的目标与内容，还对中小学阶段该如何教人工智能课程给出了具体清晰、可操作性强且符合学生学习规律的教学策略与活动建议。我们发现这些策略和活动也特别有利于对学生计算思维的培养，受此启发，本文立足我国中小学技术类相关课程的教学实际，结合具体案例，阐述中小学计算思维培养的四类七种策略（见表1）。
▲表1中小学计算思维培养的策略框架
02
解析中小学计算思维
培养的教学策略
（一）实验探究
教师组织学生使用各种类型的人工智能软硬件资源，通过实验探究教学，促进学生体验和理解人工智能，在实验中提高计算思维能力。
策略1：游戏化教学
游戏化教学包括数字化游戏和游戏活动两类。有学者以Blockly游戏为平台对学生进行计算思维训练，证实了教育机器人可提高学生对科学、技术、工程和数学等学科知识的获取能力，同时促进计算思维的培养。Garneli等人将学生分为两组，一组通过包含科学内容的电子游戏情境，另一组通过设计适当的项目来学习相同的科学和计算课程。结果表明，游戏情境更有助于学生获得计算思维技能。这种跨学科的游戏化教育情境可以应用在典型的学校情境中，以促进学生获得更多计算思维技能和学科内容。此外，AI机器人课程是游戏化教学应用最多的学科，在利用人工智能技术提高计算思维的研究中，Bers等人发现，由于机器人课程中包含游戏化的思维训练，学龄前学生可通过与机器人一起学习获得基本的计算技能。Kahoot是一个基于游戏实现课堂实时反馈的网络评估平台，是包含智能批改和排行公告榜的自动化智能系统。由此衍生的Kahoot教育模式十分流行，将编程中的计算思维难点变成一个个游戏，学生完成教师的测试题就像在游戏中升级打怪，他们的计算思维会自然养成。
策略2：小组学习
小组学习包括合作学习和协作学习。根据Papert的建构主义学习理论，学生在虚拟环境中通过互动和合作完成学习任务，能有效提高学生的社会互动、认知、高阶思维和计算思维。Wilkerson构建了一个协作学习系统，以帮助学生学习如何计算面积。从实验结果可以看出，学生通过主导和分配角色合作完成学习任务，所得到的学习效果是最好的。计算思维是一种问题求解思维，它将问题求解的过程用“程序化”或“机械化”的方式表示出来。《普通高中信息技术课程标准（2017年版）》设立了“人工智能初步”选修模块。其中，探究“机器人巡线问题”是使用机器人完成各种任务的一个重要环节。学生可通过小组合作探究，分析实际问题，提出解决问题的方法和步骤（算法），再通过流程图转化为实际程序编写的过程。这一过程中，学生需要运用合理的算法形成各个小组的问题解决方案，由此锻炼和提升了学生的计算思维。
策略3：翻转教学
人工智能为翻转教学注入了新的动力。一方面，基于语音识别、自然语言处理等技术的教学测评系统和智能问答系统，可以将教师从重复性、程序性的工作中解放出来；另一方面，人工智能技术为学生提供了更为精准、个性化的指导，凸显了教学中学生的主体地位，增强了学生学习的自主性。例如，在以“计算机科学”为教学内容的翻转课堂中，学生3/4的课程时间花在计算机实验室，用以学习教师在学习管理系统中预先发布的学习材料，并通过个人实践与线上测评等活动消化和吸收相关知识。剩下的1/4时间，教师引导学生讨论学习的关键概念和技能，加强对所学和所实践内容的理解。研究表明，翻转教学不仅提升了学生的计算思维技能，还激发了他们的学习动机，改善了他们的学习策略。
（二）不插电编程
算法是计算思维中必不可少的核心内容。通常情况下，算法与计算机、互联网紧密相关，而不插电编程则让学生不再依赖计算机设备开展开放性活动，是一种帮助学生理解问题解决思路与技术手段的新形式。
策略4：基于任务的教学
不插电编程就是通过各种生动有趣的任务活动或者开放式的学习环境，将编程知识和计算思维融入其中，让学生不用电脑就能学习到计算机科学知识[8]。Havva等人在Bebras国际计算思维挑战赛基础上开发了不插电编程任务，包括简单、中等、困难三个水平，让学生在经历抽象、分解、算法和泛化的思维过程中解决问题。研究表明，不插电编程任务同样可以提高学生的计算思维技能，当然，它也要求教师教学时紧扣知识内容与计算思维的内在衔接关系。在不插电编程的社区网站上经常更新一些与计算思维概念紧密相关的教学案例。例如，在“分解”活动中，学生得到的任务是将情景问题（如种树）分解，并写出解决问题的必要步骤；在“莫妮卡地图”活动中，学生需要在一张地图中使用上下左右（即↑，↓，←，→）找到两个物体之间的最短路径。之后，学会使用乘数（即→→→→=4x→）来表示解决问题过程。学生在完成这些任务的过程中，深入理解分解算法、模式识别、抽象等计算思维概念。
（三）设计类活动
在活动设计教学中，教师为学生提供不同形式的支架，引导和鼓励学生设计出自己的作品，在设计和实践中促进学生计算思维的发展。
策略5：隐喻教学
隐喻作为常见的修辞术语被大家所熟知，而在教学中，隐喻往往是用具体可感的事物来类比抽象的事物，避免了纯粹的概念和枯燥的逻辑带来的教学困难。Diana等人使用隐喻和图形化编程软件相结合的方式向小学生教授编程，即在教学过程中用学生可以理解的事物类比概念性较强的指令，如变量和输入输出指令、条件指令、循环指令。学生在理解了基本概念后，再用图形化编程软件练习并设计出一件作品。结果证明，隐喻和图形化编程软件相结合的方式有利于培养小学生的计算思维，并且更适合10~11岁的学生。这是因为教师可以通过隐喻形象地呈现逻辑关系，清晰具体地描述问题，图形化编程不强调复杂的代码编写功能，能够降低学生的记忆难度。
策略6：支架式教学
人工智能技术能帮助教师更好地构建支架和创设情境，从而将复杂的问题分解，引导学生逐步发现和解决学习中的问题。北京大学学习科学实验室提出以培养计算思维为核心开展人工智能教学的理念，其中，“AI积木编程”系列课程采用了AISpark人工智能编程实验平台的人工智能功能模块。人工智能的基本原理是晦涩难懂的，该平台却以智能语音、智能翻译等技术构建的支架紧扣学习主题，并要求学生以小组协作的方式设计出一个创意作品，为学生对人工智能原理的学习铺设了阶梯。计算思维测评结果发现，在智能技术的支持下，学生的计算思维技能有了明显提高。还有研究者关注性别差异，在基于人工智能的教学中使用了两种不同形式的记忆系统作为脚手架，并发现男生更多地受益于个人主义、动觉空间导向和基于操纵的脚手架活动，而女生更多地受益于小组协作的脚手架活动。
（四）案例研究
学习是一种复杂的心智活动，涉及背景和社会文化因素、学习者及其周围环境，强调知识的主要来源是社会实践活动。学习常常发生在学生为达到某种目标或解决某个现实问题而进行的活动中。教师可通过综合性的社会实践案例，引导学生从多个角度探索和解决问题，从而达到培养学生计算思维的目的。
策略7：社会文化教学
编程被认为是教授计算思维的最佳方法，但实际上，部分学生面临着学习编程语言的挑战。在编程学习困难者面前，编程不一定能有效地培养他们的计算思维。社会文化教学理论认为，学习是一套复杂的活动，涉及背景、社会文化因素、学习者及其周围环境。因此，计算思维的发展可以被描述为一个学生进入实践社区的过程，其中专家位于社区的中心。在这个过程中，学生能够分享经验、概念、情境和实践，积极参与并解决问题；学生能够基于PBL练习开发解决方案，将与计算思维技能相关的概念转换为经验。例如，有教师通过智能机器人模拟购物环境培养学生的计算思维——他创设了生活化的虚拟超市环境，提供智能机器人的视频资料，引导学生思考并绘制出机器人的购物路线和流程图。学生以小组为单位编写机器人购物的程序，交流展示作品，在反思经验的基础上优化作品，将所学应用于实际生活中解决现实问题。这也表明，计算思维符合维果茨基提出的社会文化教育愿景，使学生能够在PBL情境下积极参与社会互动。
03
中小学计算思维培养的实施建议
（一）构建具有普适性和跨学科性的计算思维课程体系
如前文所述，培养计算思维不局限于编程一种方法，教师还可以与科学和数学等多学科融合，培养学生的逻辑概念、计算思维、解决问题的能力。换句话说，计算机编程是运用计算思维通过计算机解决问题的过程，而不是依赖于计算机的活动。美国IEEE计算机学会前任主席DavidGrier认为，未来10~15年，计算机教育面临的挑战是，如何构建一个课程体系来帮助人们更清晰地思考计算。Weintrop讨论了将计算思维嵌入数学和科学语境中的方法，认为其有三个益处：①它建立在计算思维与数学、科学的相互学习关系之上；②它解决了触及所有学生和拥有熟练教师的实际问题；③它使科学和数学教育更符合这些领域当前的专业实践。采用跨学科教学模式，使学生能够通过计算思维来管理和分析各个学科的材料，从而加深他们对跨学科知识的理解，体验跨学科知识和计算思维在解决现实世界复杂问题中所起的作用。交叉创新是普适性计算思维发展的根本途径，将计算思维跨越计算机科学边界应用于多学科领域（如STEM），是目前众多计算思维教育研究者所寻求的实践路径。将计算思维发展与学科内容相结合，设置一套完整的计算思维培养课程体系，将有助于学习者了解计算思维的现实应用。
（二）建设人工智能技术赋能的、友好的计算思维教学环境
国内外研究表明，教育机器人作为一个积极的辅助工具，正越来越多地出现在教育环境中，用以培养学生的认知技能和计算思维。从本质上说，人工智能可以作为新兴的教育技术，优化和改进传统的信息技术课程。同时，嵌入人工智能系统的大量算法模式能增强学生对于算法的认知，丰富了计算思维的内容。当前，针对大数据分析以及各种人工智能体的研究、设计和应用，产生了许多新的计算模型、算法形式和计算技术。这些进展推动了人们对计算思维更加系统和深刻的认识。在教学实践中，教师可利用这些技术和资源，建设一个规模适当的计算思维实践基地，针对学生不同的学习需求，采取相应的教学策略，在实训中提升学生提出问题、分析问题和合作探究的能力，培养学生的计算思维。
（三）完善具有动态适应性的计算思维评价指标体系
计算思维是一个抽象的术语。“让学生像计算机专家那样思考”，实际上就是让他们尽可能充分地从计算机学科的视角思考。如何发展以“形式化思考、模块化建构、自动化处理、系统化实现”为指向的计算思维教育，是目前困扰教育研究者的最大问题。要测评计算思维教学成果，这一维度又恰恰最为关键。国内外研究者采用了不同的方法和工具来评估教学策略对提升计算思维技能的效果，如测试、问卷、访谈等。但目前来说，大部分计算思维测评研究关注的是算法、模式、抽象、综合、评估和自动化等计算机概念。在进一步的研究中，需要将数字素养、创新性思维等核心素养纳入整体视野，并从思维的一般过程和思维的具体行为表现来构建测评体系，建立测评框架。
（四）提升教师计算思维素养与教学能力
计算思维可以在生活中被广泛应用，而不仅限于被计算机工程师使用。然而，一些教师仅从表面理解了计算思维概念，不能设计出有意义的课程，将计算思维的概念和工具与学科内容或教学方法结合起来。为此，Bower等人举办了一系列K-8年级教师计算思维研讨会。他们用实例说明，通过有针对性的专业学习，教师的计算思维理解、教学能力、技术知识和自信心可以在较短时间内得到提高。教师在教学时需要考虑学生的学习状况，或对不同的学生提供适当的帮助或反馈，引导学生通过学习教师设计的相关课程培养计算思维。
（来源：《中小学数字化教学》2021年第4期。作者/尹以晴、李宁宇，系温州大学大数据与智慧教育研究中心硕士研究生；柳晨晨系温州大学教育技术系副教授；王佑镁系温州大学教育技术系教授、博士生导师，温州大学大数据与智慧教育研究中心主任）
中国青少年科技辅导员协会
提醒广大科技辅导员
戴口罩勤洗手少集会
不给病毒可乘之机！
原标题：《人工智能时代，计算思维培养的七种教学策略》
阅读原文