计算思维培养导向的高中 AI 课程开发

一、引言

计算思维是信息技术领域的核心思维能力，涵盖 “问题抽象、算法设计、模型构建、结果验证” 等关键环节，是学生理解 AI 技术本质、运用 AI解决实际问题的基础。高中阶段作为学生思维能力从 “具象向抽象过渡”的关键时期，开展以计算思维培养为导向的 AI 课程，不仅能帮助学生掌握 AI 基础知识（如机器学习、神经网络初步），更能引导其形成 “用计算机科学的思维方式分析问题、解决问题” 的能力，为后续学习理工科专业或适应数字化社会奠定基础。

二、计算思维培养导向的高中 AI 课程开发路径

（一）构建 “思维分层” 课程内容体系，夯实计算思维培养基础

课程内容是计算思维培养的载体，需结合高中学生认知规律与 AI 技术逻辑，构建 “基础 — 进阶 — 应用” 三层递进的内容体系，确保计算思维培养循序渐进：

第一层次为 “AI 基础与计算思维启蒙”，聚焦 “思维认知”，引导学生建立计算思维基本概念。内容涵盖 “AI 技术概述”与 “计算思维基础”，通过 “生活化案例”引导学生思考 “如何将‘垃圾识别’问题抽象为‘图像分类’问题”“如何设计简单算法实现分类逻辑”，让学生初步理解 “计算思维是将复杂问题转化为计算机可处理形式的思维方式”，避免过早陷入复杂技术细节。

第二层次为 “AI 核心技术与计算思维深化”，聚焦 “思维训练”，结合AI 核心技术强化计算思维环节。内容围绕 “机器学习初步”“神经网络基础”“数据与模型” 三大模块展开：在 “机器学习” 模块，引导学生经历 “数据收集 — 数据预处理 — 模型训练 — 结果评估” 全流程，重点训练“数据抽象”与 “模型构建”能力；在 “神经网络” 模块，通过 “简化模型演示”帮助学生理解 “复杂问题分解为简单单元” 的计算思维；同时，融入“算法设计” 内容，让学生掌握 “用有序步骤解决问题” 的思维方法，形成系统化的计算思维框架。

第三层次为 “AI 综合应用与计算思维迁移”，聚焦 “思维应用”，引导学生将计算思维用于解决实际问题。内容设计 “跨学科 AI 应用项目”，要求学生经历 “问题定义 — 抽象建模 — 算法设计 — 方案实现 — 效果验证” 完整流程：例如在 “校园能耗优化” 项目中，学生需将 “能耗优化”问题抽象为 “数据统计与预测” 问题，设计 “数据采集算法”“能耗预测模型”，并通过实际数据验证方案合理性。此环节让学生在综合应用中迁移计算思维，实现 “从学到用” 的转化。

（二）设计 “问题驱动” 教学实施路径，激活计算思维发展动能

教学实施是计算思维落地的关键，需突破 “知识灌输” 模式，设计 “问题驱动、探究为主” 的实施路径，让计算思维在解决问题的过程中自然生长：

第一步为 “真实问题导入”，激发计算思维需求。教师结合学生生活经验与社会热点，提出 “开放性、复杂性” 的 AI 相关问题，如 “如何用 AI帮助老年人识别诈骗信息”“如何用 AI 优化班级值日安排”，引导学生思考“这个问题的核心是什么”“用 AI 解决需要哪些步骤”，让学生意识到 “需用计算思维拆解问题、设计方案”，避免无目的的学习。

第二步为 “合作探究建模”，深化计算思维训练。采用 “小组合作” 模式，引导学生围绕问题展开探究：首先 “问题抽象”，将实际问题转化为 AI可处理的数学或逻辑模型；其次 “算法设计”，讨论解决问题的步骤与方法；最后 “模型优化”，分析模型可能存在的问题并提出改进思路。教师通过“问题链引导”推动学生深度思考，避免探究流于形式。

第三步为 “成果展示与反思”，完善计算思维闭环。各小组展示项目成果，阐述 “如何用计算思维解决问题”；其他小组提出质疑与建议，共同讨论改进方向；最后教师总结 “计算思维在解决问题中的关键作用”，引导学生反思 “自己的思维过程有哪些不足”，在反思中优化计算思维，形成 “探究 — 反思 — 提升” 的良性循环。

（三）完善 “过程 + 能力” 课程评价体系，保障计算思维培养效果

传统课程评价多以 “知识测试、技能操作” 为核心，难以全面反映计算思维发展水平。需构建 “过程性评价与能力评价结合” 的体系，将 “隐性” 的计算思维转化为 “可观察、可衡量” 的指标：

评价内容聚焦 “计算思维环节”，从 “问题抽象、算法设计、模型构建、反思优化” 四个维度设定具体指标：“问题抽象” 维度评价学生是否能准确提取问题核心、排除干扰信息；“算法设计” 维度评价学生是否能设计有序、可行的解决步骤；“模型构建” 维度评价学生是否能建立合理的数学或逻辑模型；“反思优化” 维度评价学生是否能发现方案不足并改进。

评价方式采用 “多元化整合”：一是 “过程性记录”，通过 “学习档案袋”收集学生的探究报告、算法草稿、模型设计图，直观呈现计算思维发展轨迹；二是 “课堂观察”，教师记录学生在小组探究中的表现；三是 “能力测试”，设计 “计算思维应用题”，直接评估思维能力；四是 “学生自评与互评”，让学生对照评价指标反思自己的思维过程，互评时重点关注 “思维的严谨性与创新性”。评价结果采用 “等级 + 评语” 形式，如 “算法设计 A、反思优化 B，建议多尝试不同算法对比效果”，既反馈现状，又指明提升方向。

三、高中 AI 课程开发的关键原则

课程开发中需避免 “重技术轻思维”“重结果轻过程” 的误区，把握两大核心原则：一是 “思维为先，技术为用”，课程设计需始终以计算思维培养为核心，AI 技术操作仅作为思维训练的手段，而非课程目标，避免学生陷入 “会操作但不懂原理” 的困境；二是 “适配认知，循序渐进”，充分考虑高中学生的思维水平，低学段侧重 “基础思维启蒙”，多采用生活化案例与直观演示；高学段侧重 “思维深化与应用”，设计复杂探究项目，尊重学生思维发展的阶段性。

四、结束语

以计算思维培养为导向的高中 AI 课程开发，是落实新课标 “素养导向” 教育理念、培养学生科技核心素养的重要举措。本文提出的 “构建分层内容体系、设计问题驱动实施路径、完善多维评价体系” 三大策略，旨在让高中 AI 课程从 “技术技能培训” 转向 “思维能力培养”，帮助学生在理解 AI 技术、应用 AI 工具的过程中，形成 “用计算思维分析问题、解决问题” 的习惯，为其终身学习与发展奠定基础。

参考文献

[1] 中华人民共和国教育部。义务教育信息科技课程标准（2022 年版）[S]. 北京：北京师范大学出版社，2022.

[2] 李艺，钟柏昌。计算思维培养的 “三个层面”[J]. 课程・教材・教法，2020，40（09）：54-60.

[3] 王荣良。高中人工智能课程的核心素养与内容架构 [J]. 中国电化教育，2021（07）：89-95.

[4] 张剑平，王益。计算思维导向的人工智能课程设计与实践 [J]. 电化教育研究，2022，43（05）：101-107.