人工智能+教育 | 用3AT教學框架重構算法課堂教學

教育部等五部門印發， 明確提出推動人工智能人才培養與素養提升、促進人工智能與教育深度廣泛融合、建強“人工智能+教育”基礎環境、優化“人工智能+教育”發展生態等四大重點任務。

基于此，《中國信息技術教育 》 雜志推出“人工智能+教育”專題系列，旨在系統追蹤政策落地動態，深度呈現一線創新實踐，凝練可復制、可推廣的經驗范式。

人工智能背景下，用3AT教學框架重構算法課堂教學

——以評價轉向后的《數組綜合應用》一課為例

胡金錦 浙江省紹興市柯橋區教師發展中心

隨著Open Claw、Trae等智能工具深度介入代碼生成與優化，傳統的以“程序實現”為核心的算法教學正面臨智能時代新的價值審視。近年來算法評價已由“代碼實現”轉向“算法思維”，本文由此提出“3AT”教學框架，強調回歸算法本體（Algorithm），發揮人工智能對算法教學的賦能作用（AI-enhanced），促進學生算法思維（Algorithmic Thinking）的形成與發展，進而提升其從算法視角思考（Thinking）和解決問題的能力。

隨著Open Claw、Trae等智能工具深度介入編程領域，代碼生成日益便捷，傳統的以“程序實現”為中心的算法教學正在遭遇新的價值審視。算法學習評價的重心正由“能否實現代碼”轉向“是否具備算法理解、思維遷移與重構的能力”，教學實施加快了由“教代碼”向“育思維”的轉型。

生成式人工智能背景下的算法評價轉向

近年來，以浙江選考為代表的算法評價正借助條件輕變、隱性表達與鏈式設問等方式，不斷重塑算法評價方式，重心由“會不會寫”轉向關注學生基于問題的算法選擇、調適與重構的能力。

1.輕變式考查算法的“成立條件與適用前提”趨勢

以2025年6月選考第12題為例，試題將二分查找中原本的中值判斷條件“if data[m]==K”修改為邊界與數值同時比較。這一變式設計使對分查找在中值附近存在局部無序的情況下仍具有一定的有效性。試題重點考查學生能否依據程序運行機制，準確判斷數據是否滿足“局部擾動未超出算法容忍范圍”這一成立條件。

2.通過表象陌生化設計，引導識別算法原型

以2024年1月選考第11題為例，試題引入隨機變量，若學生僅停留在逐行模擬層面，需要枚舉多種情況非常費時，而若能夠把握程序“從兩端取字母”的核心運行邏輯，便能更高效地判斷結果字符串的可能情況。

3.通過問題鏈設計，考查算法迭代能力

以2025年6月選考第15題第（2）小題為例，第一問聚焦“如何實現進出記錄的正確配對”，引導學生通過排序的方式保證同一人員進出數據相鄰；第二問在原有框架上引入“離開后8分鐘內返回”的新情境，匹配邏輯由“進—出”轉為“出—進”，相應地，判斷條件與計算規則也隨之調整。

另外，命題通過隱性復雜度與真實情境嵌入等方式，強化優化意識與遷移能力。例如，2025年6月選考第11題通過結果復用避免重復遍歷，考查復雜度意識；第15題第（3）小題在數組中連續插入P1、P2的順序問題，揭示數組元素相對移動帶來的位置偏移風險。這類“細微卻關鍵”的問題，正是算法合理性與調適能力的體現，也是AI自動生成代碼易忽視的薄弱環節。

評價轉向對當前課堂教學的促進與約束

評價方式的持續調整，必然會傳導到課堂教學層面，推動教學目標、內容組織與實施方式的變化。

1.“弱代碼”趨勢動搖程序編寫在課堂的中心地位

隨著生成式人工智能能夠高效生成程序，單純依賴語法講解、格式規范和代碼操練的教學價值正在逐步減弱。程序書寫雖然仍是算法學習的基礎，但不能替代學生在問題分解、算法選擇與結構調適等方面能力的發展。

2.“能實現但不理解”的問題日益凸顯

基于AI的“氛圍編程”雖能實現程序功能，卻無法解釋“為何這樣設計”或“在條件改變時為何失效”等問題。這種“結果可得、理解缺位”的學習狀態，使學生在面對真實問題時暴露出短板，而這恰恰是當前算法評價的著力區分點。

3.“能做”與“會用”的評價邊界被重新定義

面對人工智能對算法教學的沖擊，相信類似浙江選考轉向真實情境嵌入、試題結構輕變和設問方式調整的做法將在全國各地更多 地發生，這是將考查重心進一步前移到情境理解、問題分解以及算法選擇與調適能力上。因為，當關鍵得分點不再集中于代碼本身時，算法教學也必將回歸本源。

構建“理解取向”的3AT算法教學

基于算法教學現狀，本文提出“3AT（AI-enhanced Algorithmic Thinking）”教學框架，該框架是以“算法理解優先”的教學立場，吸收建構主義、認知負荷理論與“最近發展區”等相關研究進行的探索。

1.A1（Algorithm）：回歸算法本體

聚焦學生對算法原型的識別能力、對成立前提的判斷能力以及對關鍵步驟的解釋能力，推動算法學習由“記住寫法”轉向“理解邏輯”，由“照著實現”轉向“合理遷移”。以插入排序為例，教學的關鍵在于理解其通過迭代不斷縮小無序區間，最終實現全局有序的過程。學生若能關注“區間”的演化機制，學習重心則由語句執行層面上移至算法思想層面，從而把握基本排序算法的共通邏輯。

2.A2（AI-enhanced）：AI賦能算法教學

聚焦AI生成測試數據、補充代碼注釋、可視化執行過程以及提供多元算法路徑等功能，引導學生深入理解算法。例如，遞歸算法，教師可借助AI生成演示工具，動態展開遞歸調用過程，并同步生成等價的循環代碼進行對照演示，引導學生理解遞歸的運行機制。

3.A3（Algorithmic Thinking）：形成算法思維

聚焦學生在情境中能主動進行問題分解、關鍵變量抽象、數據結構設計，并對算法進行合理的選擇與調適。以二進制轉換為例，課堂上教師呈現二進制編碼在權限狀態表示、黑白圖像壓縮和“七選三”選課組合編碼等不同情境中的應用，引導學生理解二進制編碼的實際價值與遷移意義。由此，算法學習的目標就由“會寫一個程序”提升為“會解決一類問題”。

課堂實踐

《數組綜合應用》一課是以“多項式相加”為核心情境，引導學生經歷“問題抽象、算法選擇、效率權衡、重構優化”的邏輯鏈條。這是3AT框架在教學中的一次實踐探索，重在借助AI促進算法理解、方案比較與遷移重構。

1.從現象抽象到問題核心,回到算法本體

本課教學以游戲《黑神話·悟空》中震撼的火焰粒子特效作為情境錨點，先引導學生觀察粒子隨時間變化的軌跡特征，并追問：這些動態變化的粒子軌跡在程序中如何被“計算”出來？在此基礎上，啟發學生思考：如何表達與存儲數學函數？如何利用數組存儲多項式的系數與指數？如何設計運算算法實現同類項合并流程？通過真實情境的引導，讓算法學習從“如何寫代碼”轉向“如何用數據結構建立模型并解決實際問題”，實現對算法本體的回歸。

2.用AI賦能算法教學而非替代判斷

在學生形成初步算法思路后，引入AI生成的簡易火焰粒子模擬程序，讓學生直觀感受“多項式如何驅動炫酷火焰效果”。

在算法設計與實現階段，AI作為智能學伴介入代碼實現過程，在“指數大小比較”“指數相等時系數合并”“銷項”等關鍵決策點給予提示，同時提供在線評測，輔助檢驗程序的健全性。教師通過在線“課堂駕駛艙”看板，巡查學生的學習狀況。

3.以條件變化，引發算法遷移與重構

第一，挑戰升級。當多項式指數由有序轉為無序時，學生常受已有經驗影響，習慣沿用原二維數據結構，先借助預排序將指數重新轉化為有序狀態，再套用原有算法處理，其效率為O(n2)或O(nlogn)。

第二，規模引爆。教師拋出極端情境：“若火焰粒子增加到10萬個，會怎么樣？”通過粒子動畫模擬，大屏幕上出現了卡頓現象。這種性能“撞墻”的真實感，迫使學生繼續探求算法性能優化。

第三，范式轉換。在與DeepSeek的互動中，學生形成了基于一維數組的向量化優化方案，其借助“桶”的思想實現指數項的快速配對，將指數匹配效率提升至O(n)。在與大模型的持續對話中，學生進一步認識到：當數據高度稀疏時，如機械故障、自然災害等低頻偶發數據，向量化方案雖具時間優勢，但可能帶來額外的空間開銷。學生由此逐漸理解算法選擇并無絕對優劣，關鍵在于能否依據數據特征與具體情境作出合理匹配。

4.過程性成效與反思

在3AT框架支持下，學生的算法調適與重構能力得到進一步發展。課堂數據顯示，超過85%的學生能夠借助AI輔助完成由O(n2)到O(n)的方案優化，并能夠較為清晰地說明“空間換時間”的基本邏輯。同時，部分學生已能結合具體數據特征，對不同方案進行比較、取舍與調整，初步形成面向真實問題的算法重構意識。

總之，未來的算法課堂，不應止步于“寫出程序”，而應走向“思維培育”。同時，也需正視AI使用邊界，警惕學生形成“復制—粘貼—提交”的路徑依賴，防范AI輸出中的事實性錯誤和“看似高級卻偏離課標”的方案。只有將AI納入可控的教學過程，才能持續發展學生可遷移、可生長的算法思維。

本文作者：

胡金錦

浙江省紹興市柯橋區教師發展中心

文章刊登于《中國信息技術教育》

2026年第09期

引用請注明參考文獻：

胡金錦.人工智能背景下，用3AT教學框架重構算法課堂教學——以評價轉向后的《數組綜合應用》一課為例[J].中國信息技術教育,2026(09):24-26.

歡迎訂閱

識別上方二維碼訂閱紙質版或電子版雜志