大单元设计的基底是以大概念为锚点重构知识，来习得学科核心素养，倒逼学科教学将模块知识整合看、将抽象知识意象看、将薄弱知识系统看。
人工智能教育进入中小学课堂的育人愿景是培养青少年适应未来社会的职业，具备对话技术伦理的知识、能力、思维和责任，为智能时代储备领域人才。
当前中小学主要通过信息技术等课程来学习人工智能知识，如果人工智能知识“粗暴”地通过加知识链接、加单元内容等方式填充到现有的信息技术知识结构中，则会增加知识体量，不可避免地使信息技术课程原本课时紧缺、专业师资匮乏、偏重技术跟练等问题“雪上加霜”，误导更多学校简单通过“改头换面”更换课程名称的方式让“人工智能教育”有名无实。
人工智能教育“假繁荣”的情景蒙蔽了学科内容冗余、教师教学求效、学生迁移薄弱等现实情况，实际上是暴露出现阶段中小学人工智能教育的知识架构、实验环境和考察手段等原始储备不充分和人们所期盼的育人溯源之间的矛盾没有改变。
大单元设计的基底是以大概念为锚点重构知识，来习得学科核心素养，倒逼学科教学将模块知识整合看、将抽象知识意象看、将薄弱知识系统看。深入大单元的设计，有利于对症解决人工智能教育“知识块庞杂、工具观单一、生师比悬殊”等突出问题，促进人工智能教育回归基础教育素质育人目标的价值意蕴。
避免内容“尾大不掉”
化零为整
人工智能教育涉及知识领域广泛，如人脸识别、语音识别、场景理解等感知技术，信息表示与推理算法模型，进行信息处理的机器学习模型，自然语言理解、情感计算等人机交互模型，以及数学、生物、控制论、信息学等学科领域知识。如果只是在知识层面与现有的信息技术学科相叠加，依然陷于工业时代的育人导向，以岗位需求育人，堆砌零零散散的技术，则不能称之为一门学科，一门充分发展的学科应有着独特且系统的核心概念作为支撑。
“学科大概念”是学科育人功能的核心目标，大单元设计以此来构建单元，教师不再是盯着要选用哪一种教学手段来突破某一个“教学难点”，而是跳脱出“穿针引线”般串连知识点的微观思维，通过居于上位的大概念，从全盘且系统的视角挖掘“知识之间”存在的科学关系，相互借力，让学生的“认知难点”不攻自破。
以“学科大概念”为刃
精简内容
人工智能知识是学科教育应对智能时代的育人补充，聚焦核心概念“量体裁衣”，一些关联度低、概念性弱的知识将暂时保持“沉默”，精选、重组课程内容，大幅度缩减某一方面的知识内容，形成有机的知识集合，一定程度上缓解“课时紧张”的问题。
借其他“学科核心素养”之力
聚合概念
各学科的核心素养是中国学生发展核心素养的具体化，存在着内在联系，实现素养互通、概念迁移。可以充分调用已经形成的科学、物理、生物、历史、数学等学科核心素养去同化算法原理、智能原理等未知的人工智能知识，用活跃的知识突触激活沉默的知识突触，建立贯通的知识图谱，各学科之间的学科大概念互为认知工具，避免“孤立无援”地建立新概念网络的不稳定结构和高建构成本。
诱发技术“继往开来”
真实情境
未来是智能化的时代，人工智能技术已经展现出了深远的影响潜力，已经超过了技术的工具价值，单纯的技术是“不具备生命的”，人较于技术，要么是开发技术的人，要么是应用技术的人，要么是受用于技术的人，前两者一定是社会中的少数群体，而基础教育的本质是通识教育，其目的是理解技术的原理、掌握技术的发展规律，在不断变化的技术环境中获得稳定、可持续的素养。
大单元设计注重情景中的技术和技术中的情景，前者是学习真实的技术，后者是获得迁移的素养，借用学习无生命的技术形成可持续的思想。
一是丰富技术的工具观。在技术之上蒙上一层情景的滤镜，将单层次的技术讲授、原理说明同情景关联，成为具有实际价值的问题、课题或话题等。真实的情景能增强知识与知识的黏性，增强知识与生活的黏性，缩小理论与经验的认知鸿沟，防止“大水漫灌”知识后，理论与实践产生断崖，需要再通过练习补充认知。
情景设计注重与学生经验的契合，将求索过程与自身经验产生良性互动，易于进入深度思考，即“经验论”被“真实情景”所接受，感知学习知识的意义，技术不是凌驾于生活的理论。同时真实的情景是复杂的，还原了问题的产生背景、因果逻辑和制约条件等科学的关系，学生能够从人文、实用、科学等视角全面认识技术，接纳不同的技术、合理使用技术并了解运用技术的边界，正确认识技术对个人发展和社会变革的影响。
二是普适专业的人才观。中小学阶段的人工智能教育不是培养每个人成为人工智能的开发者，而是培育适应智能时代变化的具备智能素养的未来公民。素养是在人的活动中形成、发展和显现的，单元活动的关键是学生能够主动地“动”起来，活动中的情景与社会主义核心价值观、中华优秀传统文化等有机结合，激发学生的情感共鸣，极大地调动原始积累，利于分析和解释未知，激活知识孤岛，不断涌现出新想法和促进想法的更替，建构真实的能力，形成持久的必备品格和关键能力，最终具备与人、与自然、与机器和谐共生的素养，健康发展理想信念、政治素质、道德品质、生态文明、法治意识和创新责任，具备发现、融合、推动和有限度使用技术的自制力。
面向对象“抽丝剥茧”
评价可视
提高一个模型的识别率不是人工智能教育的核心目标，用“代码通不通”“识别率高不高”判断学生的学习绩效虽然直观，但太单一，“调参数”“拼模型”还是机械的重复行为，练不出素养。
大单元的评价从传统“唯分数”的重结果转变为“重状态”，既能追溯到导致低分之前的学习“状况”，还能预测面对“态势”的素养水平，从而调整造成结果的“元凶”单元活动，防止以表面效果代替评价目的的现象，导致核心目标的窄化。
单元可读
目前中小学的人工智能课程主要由信息技术教师讲授，师生比例悬殊，教师难以关注到每一位学生的思维活动，在学生活动代码等操作时，教师容易沦为旁观者、检验者和批判者，“游离”在学生之中。
技术支撑的评估作为单元活动的“显微镜”捕获学生过程化的行为，统计反应速度、试错次数、完成程度、讨论人数等量化行为，支持教师预测学习绩效和干预单元活动，及时调整单元的问题情景、知识体量、持续时间以及单元之间的逻辑等，有针对性地设计学习支架、协作策略、认知工具等外围环境，减少无效活动占据的时间。
素养可辩
大单元设计与人工智能教育的目标不谋而合，都不是评价掌握知识的精熟程度，重点考察学生从一个大单元到另一个大单元的过程中素养的变化情况，确定学生的学科核心素养所处的水平和判断在下一个单元可能发生的变化。
素养水平与考试分数不同，考试分数是一个与“学没学过特定知识”高度关联的值，会随受被试的主观因素产生较大的波动，素养水平是经过多次实践培育的结果，是与原有概念多次构念后呈现一定态势的均值，例如学生学习过训练图像识别模型的一般过程，可能没有学习过Photoshop或者Flash，也能理解图层和颜色通道的概念以及成像原理，没有学习过人脸识别、语音识别等智能原理，也知道从自然特征到训练数据的转译过程。
方法可溯
大单元设计以单元为周期沉淀一段时间的评价数据，不会因为一次数值的不佳而“自乱阵脚”地调整策略，而是观察学生在一整个单元内的实验过程和单元到单元的能力变化，联系前后造成错误的本质，瞄准共性问题、认知偏差发力。大单元设计不主张人为穷举“陷阱”，学生在“没有教师呵护”的实践中自然会积累很多真实的“陷阱”，真实的陷阱才是现实中会发生的问题，通过同伴之间对真实问题和解决方案的交流，有效地补充、验证、调整已经形成的知识概念。
来源丨《中国电化教育》，本文系国家自然科学基金项目“师范生课堂教学表达能力自主实训与评价模型研究”(项目编号：62177032)、中国教育学会教育科研重点规划课题(2019)“中小学人工智能教学活动设计和课例实施研究”(课题编号：201900302301A)阶段性研究成果。原文有删减。
作者丨何聚厚，陕西师范大学现代教学技术教育部重点实验室；李天宇，乌鲁木齐八一中学；何秀青，陕西师范大学计算机科学学院
联系客服
