人工智能+教育 | 人工智能視閾下培養計算思維的“算法代碼協同”策略探索

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。

人工智能視閾下培養計算思維的 “算法代碼協同”策略探索

——結合“3AT框架”深度觀察算法教學變革

孫波 山東省教育科學研究院

王愛勝 山東省青州第一中學

本文基于對一文的深入探討，進一步分析了“識別算法原型”“算法迭代能力”以及“強化優化意識與遷移能力”等維度評價的意義，思辨由“3AT”教學框架來實現回歸算法本體、人工智能賦能算法教學和形成算法思維所帶來的以計算思維為學科核心素養的高中信息科技的變革，尤其是基于《普通高中信息科技課程標準日常修訂版（2017年版2025年修訂）》給一線教學帶來的機遇與問題進行深入探討，并提出要打破模塊化內容，形成“邏輯主線”學習所需要的“算法代碼協同”策略。

《普通高中信息科技課程標準日常修訂版（2017年版2025年修訂）》（以下簡稱“新課標”）將課程名稱由“信息技術”變為“信息科技”，針對此變革，筆者以研討胡金錦老師的文章《人工智能背景下，用3AT教學框架重構算法課堂教學》為契機，結合文中對浙江高考中算法評價內容、方式的思考，及對3AT課堂教學模式轉型的深入研究，歸納了“算法代碼協同”策略，對算法的認知、驗證、設計與代碼的體驗、應用與創意做深入探索與價值思辨，力求在人工智能（AI）視閾下更好地培養學生的計算思維。

高中信息科技課程教學面臨的新突破與新問題

新課標的變革，主要集中在以下方面：在課程目標上，由信息素養向“數字素養與技能”轉型；在課程內容上，由大概念向“邏輯主線”進階；在學業質量水平上，由四級水平向三級水平聚焦。其中，基于數據、算法、算力的人工智能邏輯主線與各模塊、各年級深度融合。必修1“數據與計算”，以三條主線詳細概述應用生成式人工智能驗證算法，應用生成式人工智能學習與協同創新，通過剖析人工智能典型案例理解數據、算法、算力的作用等。在必修2“信息系統與社會”中，“信息系統要素”“智能信息系統”“信息安全與信息社會責任”三大內容，都涉及人工智能對人機交互帶來的影響、生成式人工智能為信息系統帶來的創新應用等。在選擇性必修與選修中，模塊4“人工智能初步”單獨設置人工智能內容，其他模塊也多處指出需要應用人工智能學習與協同創新，提倡學生要善于合理地運用人工智能學習與創新。當前，由于受人工智能高速發展與社會輿論影響，不少一線教師對算法學習中的代碼產生困惑，對邏輯主線“算法”與“人工智能”在課程知識體系構建、應用操作實踐與學業質量評價等方面存在實踐層面的策略需求。

“程序實現”轉向“算法思維”帶來的思維變革

首先，筆者認同胡金錦老師文中提到的在生成式人工智能工具深度介入編程領域后，傳統的“程序實現”教學內容、方法和評價正在發展變化。浙江高考的算法試題難度大，其評價重心正大幅度地轉向“算法思維”，以促進學生算法理解與思維發展。這在其他省份的學業水平考試中也正在發生，如試題的情境設計更具真實感，在回答試題過程中更注重問題解決的思維過程，在試題的考點上也更側重計算思維中的“建模”“算法”“迭代”等思維考查錨點，以開放性、多樣化為特征的重思維過程、輕知識背誦的評價方式正在形成。

誠如胡老師提到的生成式人工智能背景下的算法評價有轉向輕變式考查算法的趨勢，需要通過問題鏈設計，促進“算法迭代能力”培養。不論是學算法，還是用AI生成代碼驗證算法，單純的講解與嘗試往往不太可能讓學生深入理解，實踐更難一蹴而就，這其實就是迭代的本質。用AI生成的內容無法被學習者快速掌握、理解或應用，何況這些內容會受訓練大語言模型的“語料”影響，新舊、正誤、邊界等干擾因素造成的幻覺還需要評估與甄別。因此，為強化算法的優化意識與遷移能力，教師需要對隱性復雜度與真實情境嵌入等方式設計教學或評價問題，同時，對生成代碼要預估缺陷，并要求大模型同時檢查或回避錯誤，以讓“算法驗證”與“代碼生成”得到不同場景的協同。

在智能時代，就如“識字”是文化認知、“用字”是表達能力一樣，“識碼”是算法認知，“用碼”可AI協同表達，“算法代碼協同”更有利于計算思維培養。例如，用AI可高效生成一個“五子棋”的游戲代碼并做成軟件，甚至對于畫面、動態、音效等功能，利用AI也極易實現。可是，在課程學習中，學生只是在軟件上下棋不知其所以然可行嗎？作為一門學科，要讓學生知道棋盤、棋的圖形繪制方法，認識到通過更換棋盤尺寸、棋子顏色等參數可以提高設計審美，可用AI繼續優化，讓參數開放可調，進而形成不同的運行模式等。另外，要有深入的認知，如計算機如何判斷當前情況來落子、坐標矩陣數據結構和循環遍歷的數據搜索及各方向的落子計算等。不一窺代碼，就不理解具體算法對數據的存儲、計算、輸出等的過程與作用，更不理解游戲底層的博弈算法真面目，因此，數據、算法只局限在游戲中，與在地上、紙上畫棋盤，用石子下棋并無不同。所以，要關注隨著能用技術實現但不理解原理的問題的日益凸顯，能“用AI”做事與“會用AI”解決問題的評價邊界正在被重新定義。

構建“理解取向”的算法與代碼協同策略的學習范式

胡金錦老師提出3AT教學框架并以《數組綜合應用》一課為例進行分析。其中，以游戲《黑神話·悟空》中的火焰粒子特效為情境錨點，引導學生觀察粒子軌跡特征并思考其程序計算方式，啟發學生利用數組存儲多項式系數與指數，設計運算算法實現同類項合并流程，使算法學習從“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”。在此過程中不斷用AI賦能算法教學，而非替代判斷，并以條件變化引發算法遷移與重構，進行過程性成效評估與反思，同時認識基于AI的算法教學的邊界、風險等。理解是高階思維層級的學習目標要求，實現理解的過程正是計算思維從低階認知起始不斷提高的過程，從本質上講這正是在AI視閾下的計算思維培養。所以，有必要探索如何充分發揮生成式人工智能的作用，讓學生的算法認知、驗證、設計與代碼體驗、應用、創意協同的策略。

1.認知層級的算法與代碼體驗協同

在基礎算法學習中，需要認識不同算法的結構功能、技術特點。一是通過AI生成可視化Python代碼或網頁的代碼體驗，二是AI生成繪畫、游戲的程序功能體驗，都適用于學生驗證算法。例如，在學習遞歸算法時，用AI生成Python代碼實現動畫演示遞歸樹，通過觀察遞歸樹從干到枝、葉，再遞歸到更多的枝與葉，得出算法規律。可對照程序中的遞歸函數認知算法本質：用參數迭代的自調用模式。為繼續深入認知算法的特征，適當修改遞歸代碼中的參數以深度體驗代碼的功能，實現不同大小的樹冠繪制。由此，推廣到科赫雪花等美麗的分形圖，拓寬遞歸算法認知視野。

2.驗證層級的算法與代碼應用協同

必須讓算法實現功能、形成應用，其驗證才更有真實感與說服力。例如，卷積計算是卷積神經網絡的特征提取算法。若只通過數學計算或動畫觀察卷積核矩陣K如何像“滑塊”一樣在圖像像素矩陣M上滑動，逐一對應相乘、求和，這只是認知，并不能理解算法的真正功能。體驗卷積核的應用效果對算法真實驗證很重要，如邊緣提取、浮雕效果等卷積核，算法驗證與代碼應用協同使得算法讓人可見、可信（如圖1）。

圖1 算法驗證與代碼應用協同，用AI生成卷積核處理圖像應用

3.設計層的算法與代碼創意協同

要用AI生成代碼達到新課標中的協同創新，如AI生成智能信息系統，可基于神經網絡深度學習大數據訓練模型實現智能分類與預測。筆者用AI設計算法，生成了基于MobileNet輕量化神經網絡架構的局域網用戶通用模型訓練的智能信息系統，打造出深度學習實驗室。該系統功能包括網絡爬取圖片構建數據集、用卷積算法提取圖片特征、用特征數據訓練模型、對實物圖片進行分類識別以及對特征數據、模型數據的下載與保存等（如圖2）。AI將算法設計與代碼生成協同起來，形成了算法、代碼、人工智能密切融合的學習策略，結合不同智能識別與預測需求實現了跨學科的項目創新。

圖2 算法設計與代碼創新協同，用AI生成智能信息系統

總之，借助AI生成代碼能讓學習過程與創意生成變得更易實現，但這并不代表不需要學習代碼、不必要了解編程。海量資源如何為我所用，如何實現個性化的獨特創意，對算法的認知、驗證與設計都離不開代碼體驗、應用與創意的協同策略，更離不開根據Html、Python語言用AI生成程序所需要的問題分解、抽象建模、代碼生成調試、迭代優化及模型功能泛化等可用、可見、可信的計算思維培養。

本文作者：

孫波 山東省教育科學研究院

王愛勝 山東省青州第一中學

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：

孫波，王愛勝.人工智能視閾下培養計算思維的 “算法代碼協同”策略探索——結合“3AT框架”深度觀察算法教學變革[J].中國信息技術教育,2026(09):27-29.

歡迎訂閱

識別上方二維碼訂閱紙質版或電子版雜志