# Referencial
**Source:** https://zh-hans.ianaescola.com.br/referencial
**Language:** Simplified Chinese

---

计算

首页 
参考资料 
计划 
工具 
出版物 
图书 
皮奥伊 
课程 
团队 
计算

# 基础教育中的人工智能 - IA@Escola

  

---

## 基础教育中的人工智能

## 课程大纲

  

数字技术正在改变我们沟通、工作和建立关系的方式，同时也影响着经济。它们不再被认为是“清洁”的，因为它们会影响自然，而这种变化也反映在教育中。因此，了解哪些创新论调进入了教育环境非常重要。是增强了人类的能力，还是仅仅为了维持新的主导经济集团的利润和生产力。无论如何，人工智能（AI）是一项创新。它是一种与计算带来的其他技术不同的技术。到目前为止，计算一直为人类提供工具来辅助他们完成各种日常任务。然而，人工智能有所不同。例如，PowerPoint演示文稿是一种没有知识、不推理、没有要实现的目标、也不做决策的工具。这些特征使其类似于计算器，其意图完全取决于使用者。而人工智能系统则具有不同的特征。它们会适应用户。例如，一个智能搜索系统会尝试提供潜在有用的结果，按相关性对结果进行排序，并根据用户互动改进其响应。换句话说，它是一个主动的系统。

在这种背景下，学校需要探索创新的教学方法，以激发学生的兴趣并调动他们的积极性。此外，不仅需要反思技术如何改变教育，还需要思考技术对教育提出了什么样的要求。这意味着我们要质疑纯粹技术创新的局限性，并将其置于更广泛的教育背景中去审视。随着人工智能的普及，越来越有必要理解其对人类培养所产生的影响。

如果需要关于技术的新能力和技能，同样也需要新的技能和能力来与这些技术共存，特别是与人工智能。它一直在打破范式。到目前为止，机器学习（machine learning）人工智能推动了人工智能的发展，但也带来了明显的偏见、回答的不确定性以及日益复杂算法的缺乏透明度。随后，生成式人工智能（generative AI）带来了新的挑战，触及了被视为人类典型的领域，例如创造力。生成式人工智能不仅根据过去的数据预测下一个词，还生成文本、音频、图像和视频。创造力直到现在还被认为是人类典型的一种能力。此外，创造力给我们带来了更多的不确定性，并增加了对这些系统结果的不信任。它们的创建是为了向我们提供可信的答案，而不是必然正确的答案。

在此背景下，数字技能在劳动力市场中也越来越受到重视，在过去几年里，计算教育占据了越来越多的空间，无论是通过数字包容计划、特定的课程模块，还是通过将其跨学科纳入其他知识领域。

因此，基础教育（初中和高中低年级）的课程参考标准旨在培养以下几个维度：人机交互、感知、表示与推理、机器学习、社会影响与伦理。

### 维度

基础教育课程参考标准为人工智能教育确立了六个基本维度，确保探讨人工智能的优势与风险。这些维度是：

- **人机交互：** 这个维度探讨人类如何与人工智能系统进行交互，考虑通信、协作和技术中介等各个方面。它涉及理解人工智能的特性、其对日常生活的影响，以及人类如何能够高效且负责任地使用它。
- **感知：** 涉及人工智能系统从世界以及计算基础中捕获数据的方式。这些数据随后经历一个策展阶段，之后被组织成某种表示形式。
- **表示与推理：** 关乎人工智能如何对感知阶段获得的数据进行分类、构建、组织和处理，并将其转化为知识以做出决策和解决问题。它包括使用算法和数学推理来开发高效且智能的计算解决方案。
- **机器学习：** 指人工智能从数据中学习的能力，随着时间的推移调整其行为以提高性能。这一维度探索了机器学习的不同形式，如监督学习、无监督学习和强化学习。
- **社会影响：** 讨论人工智能对社会的影响，包括就业市场、隐私、安全和不平等方面的变化。旨在促进对人工智能使用及其道德、法律和社会的含义的批判性视角。
- **伦理：** 这一维度贯穿于所有其他维度，涉及在人工智能开发和使用中对透明度、责任、隐私和公平的思考。其目标是确保这些技术的应用方式对社会是公正和有益的。

核心维度涵盖以下主题（不仅限于此）：数据，重点关注传感器；识别与推理，重点关注传统的知识表示形式（例如决策树、产生式规则、语义网络和符号推理）；神经网络与统计推理；训练，其中将学习三种传统的机器学习方法，即监督学习、无监督学习和强化学习；人机交互，重点关注聊天机器人与包容性；人工智能的社会影响，无论是在日常生活中还是在工作中；伦理，这将在所有维度中贯彻探讨。

### 方面

为了使各级别的进阶切实有效，需要一套结构化的知识和技能来支撑人工智能的学习。因此，所提出的课程大纲遵循了联合国教科文组织（UNESCO）的《学生人工智能能力框架》（UNESCO, 2024）的建议，并根据文件本身第5.1节的规定进行了调整。

对联合国学生人工智能框架（2024年）进行了两项调整，以适应巴西的地区需求。第一项调整是将“以人为本的人工智能”一词替换为“以地球为中心的人工智能”，将视角扩大到包括该技术对地球上所有生物的影响。这一改变也符合巴西的环境指南。第二项调整引入了“个人与职业发展”能力，考虑到许多巴西学生完成高中学业后需要进入职场这一现实。此外，这种方法在实地工作期间经常受到我们合作伙伴的要求。

这些方面对于构建人工智能教学是必要的，确保学生获得必要的知识和技能，以批判和负责任的方式应对这项技术。以下是对其中每个方面的解释：

![人工智能方面](images/ia_aspectos.png)

- 以星球为中心的AI：强调AI与环境之间的关系，探讨人类在技术开发和使用中的责任。“人类代理”的概念涉及理解人类在创建和控制AI过程中的角色，甚至在必要时将其关闭。它强调在AI开发和应用中做出道德决策的必要性，而“社会责任”则扩大了这一视角，以确保对地球上的所有生命产生积极影响。
- 基础知识：涵盖AI的基础，即数学、计算机科学和数据科学。换句话说，它们处理的是使AI能够运行的理论元素。这些基础使得AI系统的开发成为可能。
- 使用与设计：探讨如何设计和应用人工智能技术来解决实际问题。“问题界定”涉及识别可以用人工智能解决的挑战。“解决问题的人工智能架构”是指使用合适的模型和工具来开发解决方案。“创建人工智能解决方案”代表最终阶段，在此阶段，学生针对特定问题开发实际应用。
- 技术与应用：与使人工智能发挥作用的方法和手段有关。“人工智能拥有多种解决问题技术”突出了机器学习、自然语言处理和专家系统的多样化技术。这些技术用于解决不同语境下的问题。
- 个人与职业提升：为学生做好准备，迎接人工智能与工作世界之间的关系。“工作世界的变革”探讨了人工智能如何影响职业和生产部门。“与人工智能共同工作”探讨了人类与机器如何协作以获得更好的结果。最后，“适应职业的韧性”强调了对人工智能在劳动力市场中所引发的变革保持灵活性和适应性的必要性，旨在掌握该技术以实现持续培训和新技能的开发。

### 胜任力与技能

涵盖了人工智能的具体胜任力，以及来自计算机、哲学（伦理学）和社会科学（人工智能与社会）等相关领域教授人工智能所需的胜任力。

| **#** | **胜任力描述** |
| --- | --- |
| 1 | 理解以地球为中心的人工智能原则，识别风险、伦理影响及其在社会中的应用，分析社会交往和人权面临的挑战与影响。 |
| 2 | 展示对人工智能基础知识的理解，包括基本概念和工作原理，在分析其局限性、可能性以及社会和伦理影响时发挥批判性思维。 |
| 3 | 用符合伦理的解决方案评估人工智能系统以解决实际问题，并制定创新的应用方案，同时考虑伦理因素并探索人工智能在不同环境下的潜力。 |
| 4 | 理解并应用人工智能和机器学习的概念，分析其在不同情境下的可能性、局限性、伦理影响及应用。 |
| 5 | 将人工智能与工作世界联系起来，研究它如何改变职业并促进新技能的发展。 |

为了支持课程框架的实际实施并确保学习的适当进展，我们定义了各项技能，详细阐述了学生在各个维度和方面所期望的知识和行动。这些技能以清晰客观的方式组织了应该教什么和学什么，作为教学规划以及在各个阶段跟踪学生发展的基石。以下列出了相应的技能。

  

**维度图例（道德是横向维度）：**   

人机交互

感知

表示与推理

机器学习

社会影响

| 代码 | 技能 | 方面 | 维度 |
| --- | --- | --- | --- |
| EI03IA01 | 在教育者的引导下，识别由人类创建的数字信息与机器生成的信息，认识到两者都可能包含错误或不准确之处。 | 技术与应用 |  |
| EI03IA02 | 养成平衡、健康使用技术的习惯，尊重时间和用途的限制，反思不当使用对自身、他人和环境造成的后果。 | 以地球为中心的AI |  |
| EI03IA03 | 理解什么是人工智能，并认识到它是通过机器和程序运作的，明白人工智能既没有情感也没有意识。 | 基础知识 |  |
| EI03IA04 | 将人工智能融入创作过程，发展用不同艺术语言表现的连续故事。 | 个人与职业发展 |  |
| EI03IA05 | 以批判性的态度与人工智能的回复进行互动：讨论技术生成的内容，识别局限性，并对技术互动建立批判性看法（必须在教师引导下进行）。 | 使用与设计 |  |
| EI03IA06 | 将儿童的天生好奇心与生成式人工智能的探索相结合，提供有意义且充满趣味的体验。 | 使用与设计 |  |
| EI03IA07 | 探索人工智能工具，重视探究过程，以此作为了解自我和世界的方式。 | 个人与职业发展 |  |
| EI03IA08 | 将思考解决方案和构建项目/原型作为探究的延伸（连接创作与问题化）。 | 使用与设计 |  |

| 代码 | 技能 | 方面 | 维度 |
| --- | --- | --- | --- |
| EF15IA01 | 识别不同语境中的人工智能系统，理解其特征、功能以及对社会的影响，并将其与人类智能区分开来。 | 以地球为中心的AI |  |
| EF15IA02 | 负责任地管理个人数据，保护个人隐私。 | 以地球为中心的AI |  |
| EF15IA03 | 理解人工智能的运作需要自然资源，且资源的利用应当符合伦理。 | 以地球为中心的AI |  |
| EF15IA04 | 用自然语言和数学语言描述现实问题及其解决方案。 | 以地球为中心的AI |  |
| EF15IA05 | 描述可计算的解决方案或算法。 | 基础知识 |  |
| EF15IA06 | 识别问题并使用简单的方法组织信息，以用经典算法解决这些问题 | 基础知识 |  |
| EF15IA07 | 通过绘制显示可能选项的路径（图）来创建解决方案 | 基础知识 |  |
| EF15IA08 | 利用组织形式和符号推理来实现解决方案 | 基础知识 |  |
| EF15IA09 | 理解人工智能的运作需要来自不同来源的数据 | 使用与设计 |  |
| EF15IA10 | 以批判和反思的方式使用多模态人工智能系统 | 使用与设计 |  |
| EF15IA11 | 将数据隐私与人工智能伦理联系起来 | 使用与设计 |  |
| EF15IA12 | 体验用于包容性的人工智能解决方案 | 使用与设计 |  |
| EF15IA13 | 使用简单算法对对象进行分类和分组 | 技术与应用 |  |
| EF15IA14 | 将机器学习与人工智能联系起来 | 技术与应用 |  |
| EF15IA15 | 理解应用人工智能解决方案时的局限性和伦理注意事项 | 技术与应用 |  |
| EF15IA16 | 理解人工智能对社会关系的影响 | 个人与职业发展 |  |

| 代码 | 技能 | 方面 | 维度 |
| --- | --- | --- | --- |
| EF69IA01 | 理解并实践人工智能在其创造和使用中依赖于人类领导，并承担法律与环境责任。 | 以地球为中心的AI |  |
| EF69IA02 | 将人类责任及其能力与人工智能的有意和道德使用联系起来 | 以地球为中心的AI |  |
| EF69IA03 | 了解计算与人工智能的理论局限性 | 基础知识 |  |
| EF69IA04 | 理解人工智能与统计学之间的关系 | 基础知识 |  |
| EF69IA05 | 评估数据及其质量，应用初步处理方法 | 使用与设计 |  |
| EF69IA06 | 识别计算、物理或虚拟系统的需求。 | 使用与设计 |  |
| EF69IA07 | 分析和评估人工智能系统生成的回答，调查所使用的过程并探索改进的替代方案 | 使用与设计 |  |
| EF69IA08 | 应用人工智能系统的生命周期，创建一个从构思到实施都考虑道德原则的解决方案，确保各个阶段的透明度、公平性和责任感。 | 使用与设计 |  |
| EF69IA09 | 认识人工智能计算系统在社会中的应用所带来的伦理和法律影响 | 使用与设计 |  |
| EF69IA10 | 理解什么是深度学习以及人工智能如何解决复杂问题 | 技术与应用 |  |
| EF69IA11 | 描述并体验一种通过示例进行学习的人工智能（监督学习） | 技术与应用 |  |
| EF69IA12 | 描述并体验一种能够自主学习的人工智能（无监督学习） | 技术与应用 |  |
| EF69IA13 | 描述并体验一种使用强化学习的人工智能 | 技术与应用 |  |
| EF69IA14 | 比较机器学习在日常生活中的不同类型 | 技术与应用 |  |
| EF69IA15 | 训练人工智能以实现特定目标，同时尊重伦理和隐私问题 | 技术与应用 |  |
| EF69IA16 | 理解人工智能与工作世界之间的关系 | 个人与职业发展 |  |
| EF69IA17 | 以清晰且适合不同受众的方式准备和展示人工智能问题和解决方案 | 个人与职业发展 |  |
| EF69IA18 | 提出与混合团队（人类和人工智能）合作的解决方案 | 个人与职业发展 |  |
| EF69IA19 | 评估和批判混合团队（人类和人工智能）的任务结果 | 个人与职业发展 |  |
| EF69IA20 | 负责任地使用数据，确保隐私，并在人工智能驱动的社会中展现个人和社会承诺 | 个人与职业发展 |  |

| 代码 | 技能 | 方面 | 维度 |
| --- | --- | --- | --- |
| EM01IA01 | 识别并关联人工智能在日常生活中不同的应用。 | 使用与设计 |  |
| EM01IA02 | 通过识别模式、符号和统计推理，与人工智能一起创造 | 基础知识 |  |
| EM01IA03 | 从批判的角度反思人工智能如何影响工作世界。 | 个人与职业发展 |  |
| EM01IA04 | 通过比较其在虚构作品中的表现和一些实际系统，识别人工智能的局限性和好处。 | 使用与设计 |  |
| EM01IA05 | 知道如何与自然语言界面进行交流。 | 使用与设计 |  |
| EM01IA06 | 理解数据库和词典的使用如何实现预测系统的创建。 | 技术与应用 |  |
| EM01IA07 | 理解人工智能如何被用于制造和传播假新闻，并讨论区分合法内容和虚假内容的方法。 | 以地球为中心的AI |  |
| EM01IA08 | 理解人工智能可以通过多种表示结构进行对象识别和概念构建，并理解其数学原理 | 基础知识 |  |

| 代码 | 技能 | 方面 | 维度 |
| --- | --- | --- | --- |
| EM02IA01 | 区分人工智能的类型，依据其结构和学习方式。 | 技术与应用 |  |
| EM02IA02 | 能够识别通过图像、文本和语音识别情感状态的人工智能系统。 | 技术与应用 |  |
| EM02IA03 | 认识到人工智能的引入所产生新的伦理问题。 | 以地球为中心的AI |  |
| EM02IA04 | 能够训练人工智能系统。 | 技术与应用 |  |
| EM02IA05 | 理解人工智能绘制路线所使用的标准和技术。 | 技术与应用 |  |
| EM02IA06 | 理解人工智能系统开发所涉及的项目周期。 | 使用与设计 |  |
| EM02IA07 | 理解人工智能如何使用软件传感器 | 技术与应用 |  |
| EM02IA08 | 能够主动使用推荐系统，识别标准并干预建议结果。 | 使用与设计 |  |

| 代码 | 技能 | 方面 | 维度 |
| --- | --- | --- | --- |
| EM03IA01 | 理解人工智能与物联网 (IoT) 及其设备的关系。 | 使用与设计 |  |
| EM03IA02 | 了解如何与聊天机器人互动，并认识到人工智能是如何用于开发它们的。 | 技术与应用 |  |
| EM03IA03 | 了解如何通过机器学习技术训练人工智能。 | 使用与设计 |  |
| EM03IA04 | 理解准确率 (Accuracy) 和精确率 (Precision) 之间的区别，以及如何进行人工智能的性能度量。 | 基础知识 |  |
| EM03IA05 | 认识到人工智能的结果取决于数据的质量和多样性以及所使用的算法。 | 技术与应用 |  |
| EM03IA06 | 理解用于自动化车辆和自主设备的人工智能技术。 | 使用与设计 |  |
| EM03IA07 | 理解启发式 (Heuristics) 作为人工智能基础之一的概念，并将其与人类推理区分开来。 | 基础知识 |  |

  

Brackmann, Christian; Vicari, Rosa Maria; Galafassi, Cristiano; Mizusaki, Lucas.   
IA@Escola. 2024. 可在 www.ianaescola.com.br 获取