2024年AI时代计算机科学教育未来指南

合作伙伴 关于人工智能时代计算机科学教育未来的指南由TeachAI和计算机科学教师协会（CSTA）以及一群思想领袖的社区合作开发而成。 与Karen Brennan、Maya Israel、Shuchi Grover和Matti Tedre合作 教AI指导委员会 目录 摘要 为什么学习编程仍然很重要？ 如何计算机科学教育者使用和教授人工智能？ 学生如何成为人工智能的批判性消费者和负责任的创造者？ 人工智能在计算机科学教育中的作用：教师调查结果 摘要 近期人工智能（AI）领域的创新引发了一系列关于这项强大技术在计算机科学（CS）课堂中作用的疑问。寻求了解AI机遇与风险的教师们正在询问： 为什么学习编程仍然有必要？学生需要了解哪些关于人工智能的知识？我们如何利用人工智能来拓宽计算机科学（CS）的参与和普及？ 尽管人工智能为支持教师工作和学生学习提供了可能性，但也存在对不平等社会影响的担忧。教师们关注学生隐私、过度依赖AI工具以及学生未能发展基础计算机科学技能。这些风险要求教育界所有人都采取谨慎态度，并承诺确保人工智能惠及所有学生。关于人工智能时代计算机科学教育未来的指导旨在激励社区反思在计算机科学教育中使用和教授人工智能的意义。 指南 在全体教育界正努力探索如何实现人工智能的益处同时减轻风险的时候，这些简报由以下内容组成：关于人工智能时代计算机科学教育未来的指导作为讨论的开始而非确定性的答案。这些简报提供了在小学和中学计算机科学教育中负责任和有效整合人工智能的初步见解，解决了一些常见的误解，并就关键问题提供了平衡的视角。 该指南可用于支持广泛的受众： 教师、管理者、课程提供者、专业发展提供者、标准制定者、教育技术开发者、研究人员 每个简短段落都汇集了反思问题、针对特定受众的行动呼吁以及进一步研究的问题。该指南展示了教育界正在努力应对人工智能对其学科未来的意义，并为其他学科树立了榜样。 执行摘要 过程 由TeachAI和计算机科学教师协会（CSTA）开发。关于人工智能时代计算机科学教育未来的指南被通知： 开发提供者、一个研究机构和组织的领先群体，以及一个由非营利组织、教师协会和行业领袖组成的全球工作组。 该指南还借鉴了数十篇研究文章的文献综述，以及全球360多名教育工作者对我们2024年5月CSTA/TeachAI调查的回答所做出的贡献。详见研究收藏在 teachai.org/cs. 72 TeachAI咨询委员会和政府机构参与者，46位专家访谈，8个包括超过100位教师、研究人员以及课程和职业领域的焦点小组。 每个简报 第一套指南简报解决了当前计算机科学教育中三个最紧迫的问题： 学生如何成为AI的批判性消费者和负责任的创作者？ 许多教师长期以来一直主张将关于技术道德和社会影响的教学作为计算机科学教育（CS教育）的核心组成部分。在生成式人工智能（Gen AI）兴起之际，计算机科学教师可以帮助学生培养成为AI批判性消费者和负责任创造者的必要实践。 1为什么学习编程仍然很重要？ 尽管AI工具的编码能力很强，但它们远非完美。学习编程为学生打下理解、使用和评估这些工具及其输出所需的概念理解、自主性和态度的基础。 本系列未来简报将考虑以下问题： 人工智能如何被用于拓宽计算机科学（CS）领域的参与度？在我们教学并探讨人工智能的过程中，哪些核心的CS概念和实践可能需要强调或减弱？我们如何更好地支持有残疾的学生使用和了解人工智能？CS教育可以从软件开发中使用人工智能中学到什么？一个基本的CS体验应该包含哪些与人工智能相关的技能和内容主题？CS教师如何利用人工智能从小学起促进创造力？在技术基础设施低下的环境中，我们如何教授人工智能？ 如何计算机科学教育者在教与用AI？ 学习计算机科学是学生探索新兴技术优势、局限性和社会影响的一个自然机会。早期举措表明，在计算机科学教育中使用和教授人工智能具有促进计算思维、消除人工智能神秘感并使学生能够负责任地使用人工智能工具的潜力。在实施人工智能工具时采取明智的方法对于实现人工智能的潜在益处并减轻风险至关重要。 额外的人工智能教育资源 对于那些准备开始制定关于人工智能负责任使用的指导原则的学校系统，AIGuidance for Schools Toolkit提供七个原则，以实现人工智能带来的益处同时减轻风险。 对于刚开始学习人工智能的人来说，请参阅教育中AI的基石政策理念为教育领导者设计的资源：什么是AI？, 人工智能在教育和工作领域，以及课堂对人工智能的看法. 致谢 我们感谢那些为提供此指南所需时间和专业知识做出贡献的人，并期待继续共同学习如何在计算机科学教育中使用和关于AI的教学意味着什么。 我们也要感谢Allen Antoine、Owen Astrachan、ElaineAtherton、Carla Brodley、奥胡斯大学计算思维与设计中心、Edie Cheng、CS Access、Leigh Ann DeLyser、Charlotte Dungan、Crystal Furman、Dan Garcia、Kinnis Gosha、Mark Guzdial、William G. Harris、Sallie Holloway、Lori Jacques、Antti Kiviniemi、John Kleeman、Jill Kowalchuk、Michael Littman、Yolanda Lozano、Don Miller、John Mitchell、Rusty Nye、JamiePayton、Chris Piech、Jennifer Rosato、Mehran Sahami、Vicky Sedgwick、Ben Shapiro、Sepehr Vakil、Sara Vogel、Hannah Walden、Shira Wein、Benji Xie以及Aman Yadav对他们的贡献。 本指南由TeachAI和CSTA共同开发，并与以下合作者共同制定：Karen Brennan（哈佛大学）、Quinn Burke（Digital Promise）、Marie desJardins（AAAI）、Bruce Fuda（Grok Academy）、Christina Gardner- McCune（AI4K12和佛罗里达大学）、Shuchi Grover（Looking Glass Ventures和Edfinity）、Maya Israel（佛罗里达大学）、Irene Lee（Everyday AI）、Matti Tedre（芬兰东部大学）、Jan Vahrenhold（德国计算机科学协会）。 TeachAI 由 Code.org、ETS、ISTE、Khan Academy 和世界经济论坛组成的指导委员会领导。 我们感谢 TeachAI 未来计算机科学工作组，该工作组包括 Adobe、Amazon、Black in AI、College Board、Data Science 4 Everyone、Digital Promise、Education Above All、ETS、德克萨斯高级计算中心、GitHub、Google、Grok Academy、Infosys FoundationUSA、推进计算教育研究所、ISTE、Microsoft、美国数学教师委员会、NCWIT、RobinCode 以及参与的美国和全球政府机构。 作者： Pat Yongpradit, Code.org Caron Carlson, Code.org Veronica Ellis, Code.org Bryan Twarek, CSTA Jacob Koressel, CSTA 建议引用 TeachAI & CSTA (2024). 指导人工智能时代计算机科学教育未来的方针。来自 teachai.org/cs。[日期]。 本作品根据创意共享许可协议（Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License）授权。 为什么学习编程仍然很重要？ 尽管生成式人工智能（Gen AI）工具能够编写代码，但学习编程对于发展使用人工智能工具所必需的概念理解、能动性和态度仍然至关重要，包括评估和修改人工智能生成的代码，以及理解编程的更广泛背景和影响。编程产生的不只是代码；它鼓励创造力、批判性思维和协作，并为学习计算机科学（CS）学科打下基础。人工智能可能增强学习，但不能取代通过学习编程所获得的理解和技能。 近期，通用人工智能（Gen AI）编写代码能力的提升导致一些行业领袖声称，学习编程不再是必需的。过时即便专业人士越来越多地使用AI工具生成代码，学习编程仍然是一个培养问题解决能力和逻辑思维的背景。计算思维所需技能包括恰当地使用这些工具，评估和修改它们的输出，并将结果置于适当语境中（）。Salehi 等，2020年). 而不是减少学习编程的重要性，通用人工智能工具突出了对编程基础理解的必要性，以便理解和欣赏这些工具。 代码意识支持有效调试、优化性能以及理解代码在系统中的更广泛上下文的能力。 在我看来，儿童在编程计算机的过程中，不仅获得了对现代最先进且强大技术的一定掌控感，而且还与科学、数学以及智力建模艺术的某些最深奥理念建立了亲密联系。 -西摩·帕佩特《Mindstorms：儿童、电脑和强大的思想》，1980年，第5页 同样，学生在学习代数或微积分之前，必须先掌握“数感”——即对数字及其相互关系和联系的概念性理解——他们也需要培养“代码感”以在人工智能辅助编程的新时代取得成功（约翰逊，2024). 在我们研究的范畴内，“编程”与编码可以互换使用，并包括软件开发方面的内容。编程被定义为设计、编写、测试和维护代码以执行特定功能和解决问题的创造性过程。 代码感知 在本报告中，我们破除了关于生成式AI编码工具使得学生无需学习编程的神话。 我们定义代码感作为对计算机程序底层设计、过程和系统关系的概念理解，以及分析、模拟和预测程序行为的心理能力。 学习编程或服从命令：一部漫画 人工智能并非魔法。它需要人类的专家知识和指导。 神话1：人工智能编码工具使编程知识和技能变得不必要。 对算法和数据结构的理解。这些知识对于有效指导AI工具是必要的。 为了最大化人工智能工具的价值和有效性，开发者需要了解如何构建有效的提示、细化和建议（。Kirova等人，2024). 学习编程，这不仅仅是学习编程语言的语法，为学生提供了理解编程逻辑、练习解决问题的机会，并发展他们的 例如，早期研究调查了使用代码生成器的10至17岁的编程新手，显示那些编程能力更强的人从该工具中受益更多。这表明人工智能工具在增强而不是取代编程知识和技能方面最为有效。（ ）Kazemitabaar 等人，2023年). 人工智能时代编程将如何演变？ 从汇编语言到现代基于块的编程语言，编程通过抽象低级编程细节不断进化，使其更加易于掌握。通用人工智能（Gen AI）工具可能会继续这一趋势，并允许程序员更加专注于创意、解决问题和处理伦理问题，而不是将指令翻译成编程语言的技术细节。某些编程任务将由人工智能增强，而有些任务则可能被取代。 我们需要帮助学生学会提出好问题。我们需要教会他们拥有这些工具的主人翁意识。 -ChristinaGardner-McCune, 副教授，佛罗里达大学，AI4K12共同负责人 程序学习的演变应该如何适应编程本身的不断变化？计算机科学教育能从软件工程师使用生成式人工智能工具中获取哪些洞见？注册定期查看更新的通知以更多了解CS教育学制的未来 人工智能并非完美。它需要人类的监督。 人工智能会犯错误。学生首先需要理解基础知识，这样他们才能批判性地理解他们需要从人工智能中获得什么，以及如何评估结果。 神话2：学生不需要学习编程，因为人工智能可以准确且独