AI-PACK：教师人工智能能力框架解析

1. 人工智能信息处理特点

人工智能（AI）的信息处理核心部分并非通过手动设计的流程，而是由“事实”“示例”以及目标驱动产生。机器学习（ML）系统与传统良好老式人工智能（GOFAI）系统在功能上虽都依赖输入数据，但实践中存在显著差异。GOFAI系统的通用推理算法会在由事实和规则生成的空间中寻找特定解决方案，且这些过程可精确追溯；而ML系统的应用范围广泛，不过其在训练过程中通过迭代逼近产生的功能仅能满足统计质量标准，这与“手动”软件开发有明显区别，手动开发中人类运用结构化分解和分析洞察力追求正确性等质量标准，并通过多种方法验证和确认。AI系统的多数特性源于其信息处理过程的生成方式，因此，适当的信息学教育对培养AI能力至关重要。

2. AI - PACK各领域解析

AI - PACK涵盖了教师在人工智能方面的专业知识，基于DPACK模型，包括AI - K、AI - PK、AI - CK和AI - PCK四个领域。

2.1 AI - K：AI相关知识

AI - K指从技术、社会文化和用户导向的角度识别、理解、反思并塑造AI现象的能力。若仅关注数字能力，应用达格斯图尔模型即可。例如，学生应具备批判性地质疑在线商店中的建议和价格（A - “我如何使用这个？”）、讨论自动驾驶汽车的可靠性（S - “有什么影响？”）、选择合适的ML程序自动识别包含特定工件的图像（T - “这是如何工作的？”）等能力。而教师除了学生应掌握的知识外，还需更具体的知识，特别是在非计算机科学领域，通常首先会遇到特定应用问题，接着是技术如何工作以及社会影响等问题。

2.2 AI - PK：AI相关教学知识

AI - PK指识别和反思AI对教学过程的潜力、局限性和风险，从而设计现代教学环境的能力。这一领域包括AI能力中通用的、非特定学科的部分，对于有效规划和实施课程至关重要，位于子区域DPK。教师需要思考如何利用、围绕和应对人工智能现象进行教学，例如了解学生与数字媒体的现状、数字化对社会的影响以及学生社会化的变化等。常见的AI应用在教学中的体现如下：
| 视角 | 具体内容 |
| ---- | ---- |
| A - “我如何使用这个？” | 使用如ChatGPT等生成系统规划有效课程，考虑采用自适应自学系统，如支持个性化和差异化的个人或小组学习、分析学习水平和进度，以及使用反思应用程序处理学习经验。 |
| T - “它是如何工作的？” | 大致说明ChatGPT的训练和输出过程、具有自适应奖励机制的应用程序如何工作以及如何响应学习者的注意力和动机，或者文本分类和学习档案评估的方式。 |
| S - “有什么影响？” | 批判性地解释和评估AI工具和学习环境的输出、结果、警报或通知，评估自适应自学系统对学习群体的潜力、局限性和风险，以及AI反馈的影响，同时考虑隐私、版权和不公平等风险。 |

下面是AI - PK在教学应用中的流程mermaid图：

graph LR
    A[了解AI应用] --> B[思考教学使用方式]
    B --> C[应用于教学规划与实施]
    C --> D[评估教学效果与影响]

2.3 AI - CK：AI相关学科知识

AI - CK指识别和反思AI在自身学科中日益广泛使用的影响，以及对科学学科、专业领域和学科本身的影响的能力。这是数字素养中能够自信教授学科或主题所必需的部分。教师需要考虑AI在特定学科科学中的应用方式和程序、专业领域的变化、学科内容的增减等问题。不同学科的AI应用及对应能力要求如下：
| 学科应用 | A - “我如何使用它？” | T - “它是如何工作的？” | S - “有什么影响？” |
| ---- | ---- | ---- | ---- |
| 语言学科（接收或写作过程） | 了解并应用相关专业AI工具 | 描述解决方案的技术创建过程，如与传统手动方法的差异 | 评估AI解决方案的可靠性和潜在偏差，分析对学科任务和专业领域的影响 |
| 外语（翻译） | | | |
| 历史（文物分类和解释） | | | |
| 生物（基于照片识别动植物） | | | |

2.4 AI - PCK：AI相关教学学科知识

AI - PCK指识别和反思AI对特定主题或学科的教学过程和学习者的影响、潜力和局限性，从而设计现代教学环境的能力。在DPACK模型中，“数字相关教学和学科知识”（DPCK）指了解相关学科或主题内容的最有用呈现形式，教师应具备数字能力，决定教学内容、方式和工具。同时，还需了解技术和教学方法的应用可能性，以及如何利用技术解决学生面临的问题。从达格斯图尔视角来看，教师还需具备对AI软件进行技术和社会文化反思的能力。具体能力要求如下：
| 视角 | 具体内容 |
| ---- | ---- |
| A - “我如何使用这个？” | 生成包含AI的特定学科教学材料或媒体，如任务变体、文本、图像、视频或模拟，使用基于AI的工具更好地传达学科内容，如生成不同的文本或翻译变体并在课堂上进行有指导的讨论，或使用AI工具创建有指导意义的模拟或教育游戏。 |
| T - “它是如何工作的？” | 描述上述应用的工作原理，解释系统的训练方式和输出的技术原理。 |
| S - “有什么影响？” | 评估使用AI工具进行自我评估的教学价值，如聊天机器人、翻译器、解释文物的工具或“智能”数学工具，并与学生一起适当处理这些工具，即使有工具可以替代某些任务，也要激励学生学习学科内容。 |

下面是AI - PCK在教学应用中的流程mermaid图：

graph LR
    A[识别AI对学科教学的影响] --> B[设计教学材料与方法]
    B --> C[应用AI工具进行教学]
    C --> D[评估教学效果与影响]

3. 讨论与展望

AI - PACK为当代专业教学的人工智能教育需求提供了结构化描述和探索的框架。该框架基于信息学视角，通过技术性质（设计方法）来界定人工智能系统领域，这要求特定的能力。

然而，从媒体教育学视角可能会引出更多问题。例如，处理模拟人类特征和能力的系统需要特定能力，无论是否使用了前面描述的人工智能技术，或者像著名的“土耳其机器人”那样，看似“智能”实则由隐蔽工作的人类产生，并非由信息学系统生成。联合国儿童基金会的人工智能定义包含了从技术角度看并非人工智能系统但看似智能的系统。

如果教师理解人工智能系统的输出是如何生成的，以及如何使用人工智能方法解决信息学问题，计算机科学教育将起到积极作用。许多相关应用的特性可以系统地推导出来，从而使教师能够更具反思性地处理这些系统的输出。

从教学角度来看，理解人工智能如何处理与学科相关的数据，以及如何建立和应用其内部模型，可能会为学科相关的理解提供新的见解，例如与相应的手动过程进行比较。

未来还需要对这些领域进行具体化、评估和教学设计方面的进一步研究。一方面，该模型展示了与学科紧密相关的领域，其评估和具体化需要学科相关和学科教学方面的专业知识（AI - CK和AI - PCK）；另一方面，也存在跨学科的交叉点，特别适合作为跨学科研究的主题，例如通用的课程准备和实施方法（AI - PK），以及T领域（“它是如何工作的？”）的明显交叉点和计算机科学教育的相关基础知识。

因此，除了明确计算机科学教育中AI - PCK的具体内容外，计算机科学教育还应适当满足跨学科对计算机科学人工智能教育的补充需求。

4. 便携式人工智能学习实验室

4.1 背景与目标

随着2022年底OpenAI的ChatGPT发布，人工智能已融入日常生活和社会意识。人工智能系统看似能提供令人印象深刻的结果，且易于使用，但这也带来了潜在危险。即使对技术原理了解甚少的用户也能与人工智能系统交互，可能对其输出结果缺乏必要的批判性思考，因为这些系统并非完全无误。

为避免学生盲目接受人工智能系统的输出，所有学生都应掌握关于人工智能系统及其工作原理的基础知识，以便能够适当地、成熟地与这些计算机系统打交道。为此，设计了一个便携式人工智能学习实验室。

4.2 学习实验室设计

学习实验室包含25个学习活动，旨在教授人工智能的核心概念及其在日常生活、工业和研究中的应用。设计学习安排时，基于文献选择了人工智能的主要概念，并通过有趣的实验让学生易于理解。此外，还与专家合作创建了与研究和行业相关的活动。

在以研究为导向的开发过程中，对学习活动的原型进行了学生测试，并根据学生反馈进行了改进。同时，创建了评估概念，用于评估最终的学习活动。

以下是学习实验室设计的步骤列表：
1. 基于文献选择人工智能主要概念。
2. 通过有趣实验使概念易于学生理解。
3. 与专家合作创建研究和行业相关活动。
4. 测试学习活动原型并根据学生反馈改进。
5. 创建评估概念评估最终活动。

下面是学习实验室设计流程的mermaid图：

graph LR
    A[选择主要概念] --> B[设计实验]
    B --> C[合作创建活动]
    C --> D[测试与改进]
    D --> E[评估最终活动]

4.3 学习实验室意义

这个便携式人工智能学习实验室为学生提供了一个实践和探索人工智能的平台。通过参与各种学习活动，学生可以更深入地了解人工智能的原理和应用，培养批判性思维和解决问题的能力。同时，该实验室也有助于教师更好地开展人工智能教育，提高教学效果。

总之，无论是AI - PACK框架为教师提供的人工智能能力培养方向，还是便携式人工智能学习实验室为学生提供的实践机会，都对推动人工智能教育的发展具有重要意义。未来，随着技术的不断发展，人工智能教育也将不断完善和创新。