高晗蕊 張屹 王康 周平紅 李佳晶 呂立立

摘要：小學(xué)人工智能課程的教與學(xué)在全球范圍內(nèi)受到高度關(guān)注，探索小學(xué)生人工智能學(xué)習(xí)觀念，調(diào)查小學(xué)生對人工智能學(xué)習(xí)的理解和態(tài)度十分重要。因此，該研究收集了3到6年級共739名小學(xué)生關(guān)于人工智能學(xué)習(xí)觀念的繪畫作品，采用圖畫分析方法，將學(xué)生的繪畫作品編碼為5個大類40個要素，運(yùn)用描述性分析、單因素方差分析及獨(dú)立樣本T檢驗等數(shù)據(jù)統(tǒng)計分析方法，探究小學(xué)生的人工智能學(xué)習(xí)觀念整體結(jié)構(gòu)及差異。研究結(jié)果顯示：（1）相比低年級小學(xué)生，更多的高年級小學(xué)生表現(xiàn)出實踐、應(yīng)用等建構(gòu)式學(xué)習(xí)觀念；（2）小學(xué)生對于人工智能課程學(xué)習(xí)普遍持有積極情緒；（3）男生在人工智能課程中的編程行為高于女生，但積極學(xué)習(xí)情緒女生高于男生。該研究結(jié)果呈現(xiàn)了重要的學(xué)生視角，為推動小學(xué)人工智能教育建設(shè)與發(fā)展提供了參考。

關(guān)鍵詞：小學(xué)生；人工智能學(xué)習(xí)觀念；圖畫分析

中圖分類號：G434 文獻(xiàn)標(biāo)識碼：A

本文系2023年國家自然科學(xué)基金面上項目“面向計算思維的中小學(xué)人工智能教育框架理論與實踐研究”（項目編號：72274076）、2021年湖北省教育科學(xué)規(guī)劃一般課題“虛實融合環(huán)境下智能教育創(chuàng)新課程設(shè)計與應(yīng)用研究”（課題編號：2021JB197）研究成果。

一、引言

2022年2月聯(lián)合國教科文組織發(fā)布《中小學(xué)階段的人工智能課程—對政府認(rèn)可人工智能課程的調(diào)研》，重點考察了全球范圍內(nèi)多個國家的中小學(xué)人工智能課程的內(nèi)容及學(xué)習(xí)結(jié)果，包括開課環(huán)境、工具、開課形式、教師教學(xué)等多個方面[1]。國內(nèi)，為推動中小學(xué)人工智能課程的持續(xù)性發(fā)展，于勇[2]、張志新[3]、沈晨[4]等人運(yùn)用調(diào)查法針對小學(xué)人工智能課程建設(shè)中存在的問題及解決策略開展廣泛研討。王東麗[5]、鐘柏昌[6]等人采用內(nèi)容分析法對市面現(xiàn)存教材和課程開發(fā)標(biāo)準(zhǔn)的內(nèi)容、理念等展開廣泛研究，推動中小學(xué)人工智能課程內(nèi)容的進(jìn)一步完善。柏宏權(quán)等人對中小學(xué)人工智能課程教師勝任力展開廣泛調(diào)查[7]?？梢姮F(xiàn)有研究面向課程建設(shè)、教師、教材等方面研究較為充分，但是缺少對學(xué)生視角的研究。學(xué)生的學(xué)習(xí)觀念作為學(xué)生對自己的學(xué)習(xí)經(jīng)歷和學(xué)習(xí)方式的看法，包含著學(xué)生對學(xué)科知識、學(xué)習(xí)經(jīng)驗所持有的直覺認(rèn)識。學(xué)生的學(xué)習(xí)觀念通常通過作用于學(xué)生的學(xué)習(xí)行為對學(xué)生學(xué)習(xí)結(jié)果施加影響[8]，與學(xué)習(xí)過程中學(xué)習(xí)動機(jī)、自我效能、學(xué)習(xí)質(zhì)量等學(xué)習(xí)相關(guān)變量存在密切聯(lián)系[9][10]。探索小學(xué)生的人工智能學(xué)習(xí)觀念，呈現(xiàn)學(xué)生視角，對于推進(jìn)小學(xué)人工智能課程建設(shè)與發(fā)展具有十分重要的意義。繪畫作為一種載體，是兒童表達(dá)自我的有效途徑，也是成人走進(jìn)兒童內(nèi)心世界的橋梁。問卷通常使用的是研究者自己的語言，向被研究者詢問研究者自己認(rèn)為重要的問題，而圖畫和訪談可以直接獲取受訪者的真實認(rèn)知和感受，用受訪者的語言表達(dá)觀點和看法。因此，本研究意圖通過圖畫分析探索小學(xué)生的人工智能學(xué)習(xí)觀念，為小學(xué)人工智能教育的現(xiàn)狀分析提供學(xué)生視角，推動小學(xué)人工智能教育的良性發(fā)展。

二、文獻(xiàn)綜述

（一）小學(xué)人工智能課程

2017年，國務(wù)院在《新一代人工智能發(fā)展規(guī)劃》中提出在中小學(xué)設(shè)置人工智能相關(guān)課程，正式拉開了小學(xué)人工智能課程建設(shè)與實踐的帷幕，其中以北京、廣州、深圳、武漢等一線或新一線城市為突出代表。2018年人大附中圍繞智能機(jī)器人、計算機(jī)視覺、無人駕駛等主題建設(shè)“人工智能+STEAM”課程體系[11]。2019年9月，廈門市教育局鼓勵全市小學(xué)開展人工智能課程建設(shè)，鼓勵在科學(xué)、信息技術(shù)和綜合實踐活動等課程加入人工智能模塊。2020年武漢市教育局發(fā)布中小學(xué)人工智能教學(xué)試點工作的通知，并提出以信息技術(shù)課堂為主陣地，探索可復(fù)制、可推廣的人工智能課程建設(shè)經(jīng)驗。編程、機(jī)器人、人工智能知識與技術(shù)等是小學(xué)人工智能課程的主要內(nèi)容，機(jī)器人編程是小學(xué)人工智能課程的核心活動形式。在張志新等人對新一線城市103所學(xué)校的103位小學(xué)人工智能課程教師關(guān)于人工智能課程內(nèi)容的調(diào)查中顯示，“編程”占據(jù)首要位置，83.78%的教師認(rèn)為編程是其所開展的人工智能課程的主要內(nèi)容[12]。日本小學(xué)人工智能課程體系也是以編程為核心，要求小學(xué)生了解計算機(jī)和編程，同時注重小學(xué)生人工智能課程學(xué)習(xí)過程中正向?qū)W習(xí)情緒的培養(yǎng)[13]。2022年2月聯(lián)合國教科文組織發(fā)布《中小學(xué)階段的人工智能課程—對政府認(rèn)可人工智能課程的調(diào)研》報告中，對51個教科文組織會員國代表進(jìn)行了人工智能課程實踐情況調(diào)查，結(jié)果顯示，課程內(nèi)容主要有算法與編程、數(shù)據(jù)素養(yǎng)等人工智能基礎(chǔ)、人工智能倫理以及理解和應(yīng)用人工智能技術(shù)、編程、數(shù)學(xué)、科學(xué)等開發(fā)人工智能應(yīng)用程序[14]。伴隨著人工智能教育在小學(xué)的落地發(fā)芽，學(xué)校、教師以及學(xué)生等多個群體對于人工智能教與學(xué)都有一些思考，尤其是學(xué)生作為小學(xué)人工智能教育的主體之一，在日常學(xué)習(xí)中也表現(xiàn)出了一些想法和觀念。但是，現(xiàn)有研究針對學(xué)校、教師等視角的調(diào)查形成了一定的影響力，對于學(xué)生視角的呈現(xiàn)，目前仍處于空白。

（二）學(xué)習(xí)觀念

學(xué)生的學(xué)習(xí)觀念是建立在學(xué)習(xí)經(jīng)驗上對學(xué)習(xí)本質(zhì)的理解，體現(xiàn)在學(xué)生對學(xué)習(xí)過程中的學(xué)習(xí)環(huán)境與材料、學(xué)習(xí)活動與行為和學(xué)習(xí)情緒與態(tài)度等多方面的直覺性認(rèn)識。Anita認(rèn)為學(xué)生的學(xué)習(xí)觀念包含著學(xué)生對學(xué)習(xí)本質(zhì)、學(xué)習(xí)過程和學(xué)習(xí)者本身情況的理解[15]。Vermunt認(rèn)為，學(xué)習(xí)觀念是學(xué)生對學(xué)習(xí)及其相關(guān)現(xiàn)象的系統(tǒng)性認(rèn)識和理解，包括學(xué)生對學(xué)習(xí)知識與主題、學(xué)習(xí)目標(biāo)、學(xué)習(xí)活動和任務(wù)等多方面的認(rèn)識[16]。Liang認(rèn)為學(xué)生的學(xué)習(xí)觀念反映了學(xué)生學(xué)習(xí)過程中的經(jīng)歷和方式，與學(xué)生的學(xué)習(xí)方法和策略高度相關(guān)[17]。S lj 采用現(xiàn)象學(xué)的方法，通過對90名大學(xué)生訪談，將學(xué)習(xí)觀念分為知識增加、記憶和重復(fù)、實踐知識的獲取與應(yīng)用、意義的抽象和以理解現(xiàn)實為目的的解釋過程五種類型[18]，為后續(xù)學(xué)生學(xué)習(xí)觀念的研究提供了基礎(chǔ)，之后Marton、Van Rossum and Taylor等人的研究中又增加了“學(xué)生的成長與變化”這一類型。同時，研究者開始關(guān)注特定學(xué)科中學(xué)生的學(xué)習(xí)觀念，并進(jìn)一步豐富了學(xué)生學(xué)習(xí)觀念的種類。Virtanen在對學(xué)生的學(xué)習(xí)觀念進(jìn)行研究的過程中發(fā)現(xiàn)學(xué)生的學(xué)習(xí)觀念表現(xiàn)出較高的學(xué)科依賴性[19]。在科學(xué)學(xué)科中，Tsai等人通過對120名臺灣高中生對科學(xué)學(xué)習(xí)的理解的訪談資料分析得到，學(xué)生眼中的科學(xué)學(xué)習(xí)主要有記憶、考試、計算、練習(xí)、知識增加、知識應(yīng)用、理解知識和新的視角看待科學(xué)七個主要概念[20]。Yokoyama等人調(diào)查發(fā)現(xiàn)學(xué)生面對畢業(yè)論文的學(xué)習(xí)觀念，有自主觀念、職責(zé)觀念、心智成長觀念和努力觀念四種類型[21]。Henna等人對24名生物科學(xué)專業(yè)的大學(xué)生訪談，運(yùn)用現(xiàn)象學(xué)方法分析得到，學(xué)生學(xué)習(xí)觀念包括知識再現(xiàn)、知識應(yīng)用、新知舊知結(jié)合、評估、新的視角等類型[22]。在進(jìn)一步的研究中，Chiou提出多種類型的學(xué)習(xí)觀念總體可以劃分為量化學(xué)習(xí)觀念和質(zhì)性學(xué)習(xí)觀念兩大類別[23]，又稱為重現(xiàn)式學(xué)習(xí)觀念和建構(gòu)式學(xué)習(xí)觀念。其中，擁有重現(xiàn)式學(xué)習(xí)觀念的學(xué)生將學(xué)習(xí)視為外部碎片化信息的被動積累，包括記憶、測試、重現(xiàn)等類型[24]，強(qiáng)調(diào)知識的重復(fù)與再現(xiàn)；擁用建構(gòu)式學(xué)習(xí)觀念的學(xué)生將學(xué)習(xí)視為將外部信息積極轉(zhuǎn)化為有意義、可理解和適用的知識，包括應(yīng)用、理解和以新的方式看待問題等類型。擁有建構(gòu)式學(xué)習(xí)觀念的學(xué)生傾向于建構(gòu)式學(xué)習(xí)和以學(xué)生為中心的學(xué)習(xí)[25]，強(qiáng)調(diào)知識的轉(zhuǎn)化與建構(gòu)[26]。

（三）基于圖畫分析的學(xué)習(xí)觀念研究

圖畫分析在教育領(lǐng)域常用于探究學(xué)生對某科課程或某項事物的觀念。班格爾認(rèn)為，圖畫是兒童的檔案，兒童的繪畫等同于“即興的圖片”，兒童的繪畫內(nèi)容就是圍繞著他們當(dāng)時的活動展開的，兒童的繪畫與其所經(jīng)歷的事物不可分割[27]。并且，三到六年級的小學(xué)生大多處于具體運(yùn)算階段，此階段兒童的自我意識增強(qiáng)，喜歡以寫實主義的方式來描繪他們所感知的事物[28]。2004年Haney等人通過總結(jié)十余年教學(xué)研究經(jīng)驗及社會領(lǐng)域、心理學(xué)領(lǐng)域中學(xué)生繪畫的應(yīng)用，提出學(xué)生繪畫可作為教學(xué)研究中記錄、評測的一種數(shù)據(jù)收集方式，并論證了其可靠性和有效性[29]。Hsieh通過對1067名學(xué)生關(guān)于學(xué)習(xí)的繪畫作品進(jìn)行分析，從學(xué)習(xí)人物、學(xué)習(xí)地點、學(xué)習(xí)活動、學(xué)習(xí)材料和學(xué)習(xí)情緒五個范疇刻畫學(xué)生的學(xué)習(xí)觀念[30]。Hsieh同樣收集906名中小學(xué)生關(guān)于科學(xué)學(xué)習(xí)的繪畫作品，運(yùn)用圖畫分析開展小學(xué)生科學(xué)學(xué)習(xí)觀念的橫斷面調(diào)查研究[31]。Heng-Yi Yeh等人也采用圖畫分析探索了學(xué)生的技術(shù)支持學(xué)習(xí)觀念[32]。

綜上所述，小學(xué)生的人工智能學(xué)習(xí)觀念反映了小學(xué)生在人工智能學(xué)習(xí)中的學(xué)習(xí)經(jīng)歷、學(xué)習(xí)過程以及學(xué)習(xí)情緒的直覺性認(rèn)知，是能夠反應(yīng)當(dāng)下人工智能課程實際情況的重要學(xué)生視角，了解小學(xué)生的人工智能學(xué)習(xí)觀念對于推進(jìn)小學(xué)人工智能課程建設(shè)具有重要意義。但是現(xiàn)有研究對小學(xué)生人工智能學(xué)習(xí)觀念的關(guān)注度不夠，缺少針對學(xué)生人工智能學(xué)習(xí)觀念的調(diào)查研究。圖畫分析為探測小學(xué)生的人工智能學(xué)習(xí)觀念提供了科學(xué)有效的方法。因此，本研究擬采用圖畫分析進(jìn)行小學(xué)生人工智能學(xué)習(xí)觀念的橫斷面調(diào)查研究，研究問題具體包括：（1）不同年級小學(xué)生人工智能學(xué)習(xí)觀念的差異？（2）小學(xué)生圖畫中關(guān)于人工智能學(xué)習(xí)的性別差異？

三、研究設(shè)計

（一）研究對象

A市地處中部地區(qū)，中小學(xué)人工智能教育始于2020年，截至目前，有近百所中小學(xué)面向三年級及以上的學(xué)生開展人工智能教學(xué)實驗，并同步建設(shè)人工智能實驗室，屬于國內(nèi)最早開設(shè)人工智能課程的城市之一。并且就目前而言，A市經(jīng)濟(jì)水平及小學(xué)人工智能課程建設(shè)水平，在已建設(shè)人工智能課程的城市中，屬于中等水平?；谏鲜銮闆r，本研究選擇A市作為調(diào)研區(qū)域，采用分層抽樣的方式，分別從人工智能課程建設(shè)年限長、中、短的學(xué)校中選取典型學(xué)校，在學(xué)期末對選中的學(xué)校進(jìn)行隨機(jī)自然班抽樣，即調(diào)研期間內(nèi)每個年級隨機(jī)選一個正在上課的班級。共有18個自然班，739名學(xué)生參與調(diào)研，無效圖畫18份，有效圖畫721份。其中，三年級214人（29.68%），四年級187人（25.94%），五年級161人（22.33%），六年級159人（22.05%），男女學(xué)生人數(shù)持平，男生377人（52.29%），女生343人（47.57%）。

（二）數(shù)據(jù)收集

學(xué)生繪畫作品作為一種科學(xué)、可靠、直觀的反應(yīng)學(xué)生觀念態(tài)度的一種表達(dá)方式，具有非同尋常的力量來記錄學(xué)生數(shù)據(jù)和反映教學(xué)生態(tài)。因此，本研究采用學(xué)生圖畫作用研究資料收集的主要手段。參與者被要求在A4紙上畫出他們的人工智能學(xué)習(xí)觀念。為了幫助學(xué)生理解，在開始前，研究者花費(fèi)5分鐘的時間向?qū)W生說明本次研究的目的是了解小學(xué)生對人工智能學(xué)習(xí)的理解和態(tài)度，并設(shè)計了兩個提示：“什么是人工智能課程學(xué)習(xí)？你在上人工智能課程的時候是什么樣的？”。要求學(xué)生花費(fèi)30分鐘的時間完成繪畫，可以是一幅圖，也可以是多部分組合成的一張圖。除此之外，為了避免學(xué)生作品被錯誤解讀，學(xué)生被要求用三五句話描述繪畫內(nèi)容，以幫助研究者準(zhǔn)確分析繪畫內(nèi)容。

（三）圖畫分析編碼表

本研究旨在運(yùn)用圖畫分析探索小學(xué)生的人工智能學(xué)習(xí)觀念。因此，本研究采用緊急分析編碼方法在Wen-Min Hsieh & Chin-Chung Tsai開發(fā)的中小學(xué)生學(xué)習(xí)觀念圖畫分析編碼表的基礎(chǔ)上進(jìn)行小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表的改編。首先從721份學(xué)生圖畫中隨機(jī)抽取200份，采取開放的態(tài)度對學(xué)生的圖畫進(jìn)行審查，反復(fù)查閱、比對學(xué)生的圖畫并翻閱調(diào)研筆記，理解學(xué)生圖畫中的圖形，對學(xué)生圖畫中表征小學(xué)生人工智能學(xué)習(xí)觀念的要素進(jìn)行逐一標(biāo)記和記錄，比如：創(chuàng)課空間、人工智能實驗室等學(xué)習(xí)環(huán)境；編程、操控機(jī)器人等學(xué)習(xí)活動；電腦、機(jī)器人等學(xué)習(xí)材料，形成《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表-初版》。然后邀請相關(guān)研究領(lǐng)域的專家、相關(guān)學(xué)科教研員以及一線教師，由研究者與相關(guān)人員面對面探討，針對《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表-初版》進(jìn)行研討與決策，形成《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表-中版》。最后再選取100副圖畫，基于《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表-中版》進(jìn)行圖畫分析，記錄新突現(xiàn)的小學(xué)生人工智能學(xué)習(xí)觀念要素，直到編碼表飽和，形成《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表-終版》，即《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表》。

本研究旨在探索小學(xué)生人工智能學(xué)習(xí)觀念，因此《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表》相比于Wen-Min Hsieh & Chin-Chung Tsai等人開發(fā)的《中小學(xué)生學(xué)習(xí)觀念圖畫分析編碼表》刪除了“學(xué)科”這一維度，保留了“學(xué)習(xí)參與人物”“學(xué)習(xí)地點”“學(xué)習(xí)活動”“學(xué)習(xí)材料”和“學(xué)習(xí)情緒”五個維度，并在各維度下的具體指標(biāo)進(jìn)行了調(diào)整，如學(xué)習(xí)地點中的“實驗室”“自然環(huán)境”等替換成了“計算機(jī)實驗室”“人工智能實驗室”“創(chuàng)課實驗室”等；學(xué)習(xí)活動中的“書寫”“實操”“評價”等替換成了“體驗人工智能產(chǎn)品”“學(xué)生編程”“學(xué)生操控機(jī)器人”等，與之相應(yīng)的學(xué)習(xí)材料也做了部分調(diào)整，具體情況如下頁表1所示，更換的要素均加粗顯示。

（四）編碼員培訓(xùn)與編碼信度分析

《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表》由客觀性內(nèi)容與主觀性內(nèi)容交織而成，其中，學(xué)習(xí)參與人物、學(xué)習(xí)地點、學(xué)習(xí)活動和學(xué)習(xí)材料等客觀性內(nèi)容在操作層面上通常以示例法予以說明，以學(xué)習(xí)情緒和態(tài)度為代表的主觀性內(nèi)容是基于編碼者的主觀感知和理解，在作為編碼表類目時，需要明確的界定[33]。學(xué)習(xí)參與人物、學(xué)習(xí)地點、學(xué)習(xí)材料等是客觀存在的，是不以編碼者的意志為轉(zhuǎn)移的，學(xué)習(xí)活動雖然在一定程度上需要編碼者的主觀判斷，但是相關(guān)歸類也是基于長期以來在實踐中形成的、并得到廣泛認(rèn)可的一套標(biāo)準(zhǔn)，因此都屬于客觀性內(nèi)容，采用示例法進(jìn)行說明。學(xué)習(xí)情緒作為主觀性內(nèi)容，以兒童繪畫心理學(xué)中對兒童繪畫的解讀為操作定義。從繪畫中線條層面，從圖畫中的人物形象分析，嘴角向上的有弧度的線條表示高興、愉悅，反映了學(xué)生樂觀積極的學(xué)習(xí)情緒，嘴角向下的有弧度的線條表示難過、傷心、痛苦等，鋸齒狀、不規(guī)則的蕭條表示憤怒、狂躁等，反映了學(xué)生悲觀消極的學(xué)習(xí)情緒；從繪畫中顏色分析，紅色、橙色等暖色調(diào)表達(dá)高興、積極的情感，黑色、藍(lán)色等冷色調(diào)表達(dá)難過、消極的情感[34]。學(xué)生圖畫編碼示例如圖1所示，學(xué)生開展人工智能學(xué)習(xí)的學(xué)習(xí)地點是“2.3人工智能實驗室”，學(xué)習(xí)參與人物是“1.2老師和學(xué)生”，學(xué)習(xí)活動包括“3.1教師講課”“3.7學(xué)生編程”，支撐學(xué)生開展人工智能學(xué)習(xí)的學(xué)習(xí)材料則包括：“4.3圖形化編程軟件”“4.4機(jī)器人”“4.9黑板/希沃白板”“4.11教具”，學(xué)生的學(xué)習(xí)情緒屬于“5.1積極”。

編碼團(tuán)隊由兩名研究者組成，為了保證編碼員之間的一致性，在對小學(xué)生的圖畫進(jìn)行正式編碼分析之前，首先，兩名編碼員采取座談會的形式針對《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表》中的各個要素進(jìn)行闡釋與研討。其次，抽取30份學(xué)生圖畫，由兩位編碼員分開編碼，以學(xué)生圖畫中局部的人物形象、物品等為分析單元，根據(jù)兩位編碼員的編碼結(jié)果計算歸類一致性系數(shù)CA和編碼信度系數(shù)R[35]。

編碼者歸類一致性系數(shù)CA及編碼信度系數(shù)R如表2所示，平均歸類一致性系數(shù)CA=0.93>0.9，平均編碼信度系數(shù)R=0.96>0.9，因此判定內(nèi)容分析的信度較高。

（五）數(shù)據(jù)分析方法

內(nèi)容分析法是通過對客觀、系統(tǒng)的識別信息的具體特征進(jìn)行推斷的研究分析方法，可以用于文本分析、圖畫分析以及視頻影像分析等領(lǐng)域[36]。因此，本研究采用內(nèi)容分析中的圖畫分析法，依據(jù)《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表》對學(xué)生圖畫進(jìn)行編碼與分析。遵循以下原則：（1）學(xué)生的圖畫中通常會描述多個場景，如：使用虛線進(jìn)行場景分割，因此在學(xué)習(xí)地點、學(xué)習(xí)活動、學(xué)習(xí)材料等維度接受多個小學(xué)生人工智能學(xué)習(xí)觀念要素編碼；（2）在同一幅畫中相同的人工智能學(xué)習(xí)觀念要素只標(biāo)注一次。比如，學(xué)生的圖畫中包含了學(xué)生互動、學(xué)生編程兩項教學(xué)活動，則兩項學(xué)習(xí)活動均記錄，但是每一種學(xué)習(xí)活動只記錄一次。然后，在對學(xué)生圖畫編碼統(tǒng)計的基礎(chǔ)上，首先對整體情況進(jìn)行描述與示例。其次，采用單因素方差分析針對不同年級的小學(xué)生人工智能學(xué)習(xí)觀念的差異情況進(jìn)行分析與比較。最后采用獨(dú)立樣本T檢驗對小學(xué)生圖畫中呈現(xiàn)出的性別差異進(jìn)行分析與比較。

四、研究結(jié)果

（一）整體小學(xué)生人工智能學(xué)習(xí)觀念分析

小學(xué)生人工智能學(xué)習(xí)觀念是其對人工智能學(xué)習(xí)經(jīng)歷及學(xué)習(xí)情緒的直覺性認(rèn)識，是對進(jìn)行人工智能學(xué)習(xí)時的學(xué)習(xí)參與人與、學(xué)習(xí)地點、學(xué)習(xí)活動、學(xué)習(xí)材料及學(xué)習(xí)情緒的內(nèi)在感知的集合，具有內(nèi)隱形特點。本研究共收集到739副學(xué)生關(guān)于人工智能學(xué)習(xí)的圖畫，其中721副有效圖畫，18副無效圖畫（如：無關(guān)人工智能學(xué)習(xí)的動漫、空白等），采用《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表》對學(xué)生圖畫進(jìn)行編碼和分析，分析結(jié)果如表3所示。在小學(xué)生的感知中，人工智能課程學(xué)習(xí)是以學(xué)生為中心的，學(xué)生在課堂中處于主導(dǎo)地位。在有人員參與的人工智能學(xué)習(xí)中，第一名是“學(xué)生和老師（23.02%）”，第二名是“學(xué)生自己（21.50%）”，“同伴（20.80%）”排名第三，“老師（2.50%）”主導(dǎo)的課堂處于絕對的低值。并且，小學(xué)生的人工智能學(xué)習(xí)主要發(fā)生在技術(shù)豐富的學(xué)習(xí)環(huán)境中，學(xué)生圖畫中出現(xiàn)最高的學(xué)習(xí)地點是“計算機(jī)實驗室（33.70%）”，“人工智能實驗室（23.99%）”尾隨其后。此外，有關(guān)人工智能課程學(xué)習(xí)活動，學(xué)生公認(rèn)的前三名分別是“學(xué)生編程”“教師講課”和“學(xué)生操控機(jī)器人”，分別有28.99%、24.55%、18.17%的學(xué)生繪畫了以上學(xué)習(xí)活動；“體驗人工智能產(chǎn)品”和“學(xué)生互動”緊隨其后，分別有14.98%、13.45%的學(xué)生圖畫中出現(xiàn)了以上學(xué)習(xí)活動。同時，與學(xué)習(xí)活動相呼應(yīng)的學(xué)習(xí)材料，在學(xué)生圖畫中出現(xiàn)百分比較高的分別有“學(xué)校教具（54.23%）”“機(jī)器人（52.84%）”“臺式機(jī)電腦（51.73%）”“圖形化編程軟件（29.82%）”“希沃白板（31.21%）”以及“可移動平板（14.70%）”。

此外，面對人工智能學(xué)習(xí)小學(xué)生普遍呈現(xiàn)積極的學(xué)習(xí)情緒。整體有將近50%的學(xué)生在圖畫呈現(xiàn)了學(xué)習(xí)情緒，其中呈現(xiàn)出的“積極情緒（44.66%）”遠(yuǎn)遠(yuǎn)高于“消極情緒（3.74%）”，學(xué)生圖畫中“積極情緒”和“消極情緒”示例如圖2所示。

（二）不同年級的小學(xué)生人工智能學(xué)習(xí)觀念差異

小學(xué)生人工智能學(xué)習(xí)觀念在年級層面的差異，在學(xué)習(xí)參與人物、學(xué)習(xí)活動、學(xué)習(xí)地點、學(xué)習(xí)材料以及學(xué)習(xí)情緒等維度上均有呈現(xiàn)。在學(xué)習(xí)參與人物維度，隨著年級的增加，“沒有人”這一情況在學(xué)生圖畫中出現(xiàn)的百分比逐漸下降，并在呈現(xiàn)顯著性差異（F=6.979，Sig.=0.000<0.001）?！皩W(xué)生和老師”這一學(xué)習(xí)參與人物類型隨年級上升而上升，并在呈現(xiàn)顯著性差異（F=3.079，Sig.=0.027<0.05）如圖3所示?！巴椤鳖愋偷膶W(xué)習(xí)參與人物，在高年級小學(xué)生圖畫中出現(xiàn)的比例較高，六年級為28.93%，低年級比例較低，如三年級、四年級中學(xué)生圖畫中出現(xiàn)“同伴”的百分比分比為20.56%、19.79%，并且“同伴”出現(xiàn)的百分比在年級之間存在顯著性差異（F=3.583，Sig.=0.014<0.05）?！皩W(xué)生自己”類型在各年級均占有一定的比例，從三年級到六年級分別為：19.63%、 25.67%、19.88%和20.75%。

在學(xué)習(xí)地點維度，學(xué)生圖畫中呈現(xiàn)出來的學(xué)習(xí)地點主要包括“計算機(jī)實驗室”和“人工智能實驗室”。其中，“計算機(jī)實驗室”隨著年級的增加，在學(xué)生圖畫中的出現(xiàn)的百分比在逐漸降低，三年級（53.74%）、四年級（29.41%）、五年級（23.60%）以及六年級（22.01%），并且這種差異呈現(xiàn)顯著性（F=20.541，Sig.=0.000<0.001）。但是“人工智能實驗室”隨著年級的增加，在學(xué)生圖畫中出現(xiàn)的百分比在小幅度的增加，三年級有24.30%，四年級有20.86%，五年級有25.47%，六年級25.79%。由此可以嘗試推斷，“計算機(jī)實驗室”作為傳統(tǒng)的信息技術(shù)教學(xué)場所，對于小學(xué)人工智能課程的開展具有重要作用，同時，隨著“人工智能實驗室”的建立，各年級學(xué)生在“人工智能實驗室”上人工智能課程的機(jī)會大致均等，但高年級會稍微多一些。此外，六年級“創(chuàng)課實驗室”在學(xué)生圖畫中出現(xiàn)的比例激增，三年級（0.47%）、四年級（2.14%）、五年級（4.35%），但是六年級高達(dá)（19.50%），具體情況如圖4所示。

高年級的學(xué)習(xí)活動更具有指向性，學(xué)習(xí)活動也更具有創(chuàng)造性，知識難度也在增加。五年級和六年級的學(xué)生圖畫中呈現(xiàn)出的學(xué)習(xí)活動前三名分別是“學(xué)生編程”“教師講課”和“學(xué)生操控機(jī)器人”，四年級前三名分別是“教師講課（25.13%）”“學(xué)生編程（21.93%）”以及“體驗人工智能產(chǎn)品（14.97%）”。三年級前三名分別是“學(xué)生編程（27.10%）”“未指明學(xué)習(xí)活動（19.63%）”和“教師講課（15.89%）”。其中，年級越高“教師講課”這一學(xué)習(xí)活動的百分比越高，并且呈現(xiàn)顯著性差異（F=4.929，Sig.=0.002<0.05）。同時，“學(xué)生操控機(jī)器人”學(xué)習(xí)活動，六年級（30.19%）明顯高于其他年級，存在顯著性差異（F=11.411，Sig.=0.000<0.001）?！拔粗该鲗W(xué)習(xí)活動”在三年級占有較大的比重，隨著年級升高，這一占比在縮小，六年級僅有8.81%的圖畫中未指明學(xué)習(xí)活動，同時，這一差異也存在統(tǒng)計學(xué)意義上的顯著性（F=4.892，Sig.=0.002<0.05）。“做游戲”這一活動隨著年級的增加也在斷崖式下降，三年級有16.82%，四年級有2.67%，五六年級分別為0.62%和0.63%，具體情況如圖5所示。

在學(xué)習(xí)材料維度，低年級更關(guān)注支持編程的電腦或平板等設(shè)備，高年級更關(guān)注支持應(yīng)用、創(chuàng)作的機(jī)器人、掌控板等設(shè)備?！敖叹摺痹诟髂昙壵紦?jù)第一名的位置，除去“教具”，三四年級排名第二的都是“臺式機(jī)電腦”，第三的是“機(jī)器人”，五六年級排名第二的是“機(jī)器人”，第三的是“臺式機(jī)電腦”?！皥D形化編程軟件”則在三到六年級的百分比分別為30.84%、24.06%、32.93%和32.08%，在各年級存在較小的差異，差異不呈現(xiàn)顯著性（F=1.398，Sig.=0.242>0.05）?！叭斯ぶ悄墚a(chǎn)品”在四五年級占比較高，分別為13.90%和18.01%，在三年級和六年級占比較低，分別為3.27%和4.40%，且差異存在顯著性（F=11.113，Sig.=0.000<0.001），具體情況如圖6所示。

在學(xué)習(xí)情緒維度，三到六年級學(xué)生“積極情緒”分別為46.26%、43.32%、44.72%和44.03%，差異較小且不存在統(tǒng)計學(xué)意義上的顯著性差異（F=0.128，Sig.=0.944>>0.05）?！跋麡O情緒”則在三年級最為明顯，百分比為6.07%，具體情況如圖7所示。

（三）小學(xué)生圖畫中關(guān)于人工智能學(xué)習(xí)的性別差異

小學(xué)生圖畫中關(guān)于人工智能學(xué)習(xí)的性別差異主要表現(xiàn)在學(xué)習(xí)活動、學(xué)習(xí)材料以及學(xué)習(xí)情緒三個維度。在學(xué)習(xí)活動維度，男生圖畫中繪畫了“學(xué)生編程”活動的百分比高于女生，男生為33.2%，女生為24.5%，并且差異存在顯著性（T=2.578，Sig.=0.01<0.05）。但是，在“學(xué)生查閱資料”這一活動中，女生顯著性高于男生（T=-2.673，Sig.=0.008<0.05）。在學(xué)習(xí)材料維度，同樣“圖形化編程軟件”這一學(xué)習(xí)材料出現(xiàn)在男生圖畫中的百分比顯著性高于女生（T=2.029，Sig.=0.042<0.05）?！皶边@一材料在男生圖畫中出現(xiàn)的顯著性低于女生（T=-2.749，Sig.=0.006<0.05）。在學(xué)習(xí)情緒維度，女生的積極情緒要高于男生，女生圖畫中“積極情緒”出現(xiàn)的百分比為48.69%，男生圖畫中“積極情緒”出現(xiàn)的百分比為40.84%，并且這種差異存在顯著性（T=-2.116，Sig.=0.035<0.05），具體情況如表4所示。

五、結(jié)論與討論

本研究使用圖畫分析法，對小學(xué)生關(guān)于人工智能學(xué)習(xí)的繪畫作品進(jìn)行編碼與分析，探究不同年級、性別的小學(xué)生人工智能學(xué)習(xí)觀念差異。圖畫分析結(jié)果顯示，小學(xué)生將人工智能學(xué)習(xí)概念化為在老師的參與下，學(xué)生自己或者與同伴一起在技術(shù)豐富的環(huán)境下，借助機(jī)器人、電腦、圖形化編程軟件、智能產(chǎn)品等學(xué)習(xí)材料開展編程學(xué)習(xí)、機(jī)器人編程學(xué)習(xí)、制作創(chuàng)意機(jī)器人等學(xué)習(xí)活動。隨年級增長，小學(xué)生的學(xué)習(xí)活動更具有指向性，也更具有創(chuàng)造性，更多的小學(xué)生表現(xiàn)出建構(gòu)式學(xué)習(xí)觀念。在學(xué)習(xí)情緒方面，學(xué)生普遍對人工智能學(xué)習(xí)持有積極情緒，且不隨年級變化，同時消極情緒隨著年級增強(qiáng)逐漸淡化。此外，通常大家認(rèn)為男生更傾向于人工智能的學(xué)習(xí)，在本研究也有新的發(fā)現(xiàn)，男生在人工智能課程中的編程行為高于女生，但積極學(xué)習(xí)情緒女生高于男生。

（一）相比低年級小學(xué)生，更多的高年級小學(xué)生表現(xiàn)出實踐、應(yīng)用等建構(gòu)式學(xué)習(xí)觀念

在學(xué)生的圖畫中，學(xué)生圖畫中關(guān)于學(xué)習(xí)活動的描述，三四年級所畫的主要活動（“教師講課”“學(xué)生編程”）具有相似的情況，五六年級所畫的主要活動（“學(xué)生編程”“學(xué)生操控機(jī)器人”）表現(xiàn)出相似情況，同時，學(xué)習(xí)活動的豐富程度，五六年級要高于三四年級?！皩W(xué)生編程”“學(xué)生操控機(jī)器人”“學(xué)生互動”等體現(xiàn)學(xué)生學(xué)習(xí)具有協(xié)同建構(gòu)、創(chuàng)造的學(xué)習(xí)活動類型在五六年級學(xué)生圖畫中出現(xiàn)的百分比遠(yuǎn)遠(yuǎn)高于三四年級，支持學(xué)生人工智能學(xué)習(xí)出現(xiàn)百分比最高的材料，也從三四年級的“電腦”轉(zhuǎn)變?yōu)榱恕皺C(jī)器人”，這一說明高年級學(xué)生表現(xiàn)出應(yīng)用、實踐等類型的學(xué)習(xí)觀念，即建構(gòu)式學(xué)習(xí)觀念。但是，這一結(jié)果與Hsieh等人發(fā)現(xiàn)的高年級學(xué)生的科學(xué)學(xué)習(xí)觀念傾向于量化學(xué)習(xí)觀念即重現(xiàn)式學(xué)習(xí)觀念相違背。學(xué)科定位造成這一差異，科學(xué)課程在小學(xué)屬于需要考試的課程，在試卷上的“知識再現(xiàn)”的成功率是高年級學(xué)生以及任課老師所關(guān)注的重點問題。而我國小學(xué)人工智能課程，始于STEM教育、創(chuàng)課教育等，強(qiáng)調(diào)“做中學(xué)”（張珊珊），不以在試卷上的“知識再現(xiàn)”作為衡量人工智能學(xué)習(xí)成效的標(biāo)準(zhǔn)，強(qiáng)調(diào)學(xué)生的知識應(yīng)用與建構(gòu)[37]。這種以學(xué)生為中心的課程模式在學(xué)生的圖畫中得到了驗證，學(xué)生畫的學(xué)習(xí)參與人物始終以學(xué)生為中心，在有人參與的人工智能學(xué)習(xí)中，“學(xué)生自己”和“同伴”兩種人物類型占據(jù)三分之二。此外，鐘柏昌等人通過對國內(nèi)外人工智能教育頂層設(shè)計文件的對比分析中發(fā)現(xiàn)，學(xué)段內(nèi)容設(shè)置模塊式和螺旋式并存[38]，在本研究對學(xué)生的圖畫分析中也發(fā)現(xiàn)，低年級學(xué)生在表現(xiàn)出復(fù)制、體驗、游戲等復(fù)現(xiàn)式學(xué)習(xí)觀念的同時，也存在小部分低年級學(xué)生表現(xiàn)出實踐、應(yīng)用等建構(gòu)式學(xué)習(xí)觀念。此外，國內(nèi)指導(dǎo)中小學(xué)人工智能教育實踐的《中小學(xué)人工智能技術(shù)與素養(yǎng)框架》[39]《中小學(xué)人工智能課程開發(fā)標(biāo)準(zhǔn)》[40]等文件，在學(xué)段內(nèi)容是的設(shè)置上，主張在知識廣度和深度上高學(xué)段均要高于低學(xué)段，這也促使高年級學(xué)生擁有了更深更廣的人工智能學(xué)科知識和實踐技能，能夠在學(xué)習(xí)人工智能的過程中探索更加復(fù)雜和深入的應(yīng)用場景，進(jìn)而在面向人工智能學(xué)習(xí)時更多學(xué)生表現(xiàn)出應(yīng)用、實踐、創(chuàng)造等建構(gòu)式學(xué)習(xí)觀念。

（二）小學(xué)生對于人工智能的學(xué)習(xí)普遍持有積極情緒

針對學(xué)生情緒的圖畫分析，每個年級有50%—55%的圖畫可以識別出學(xué)生情緒，絕大部分呈現(xiàn)積極情緒（46.26%、43.32%、44.72%和44.03%），小部分呈現(xiàn)消極情緒，占4%左右。因此，從總體而言，小學(xué)生面對人工智能課程持有積極情緒。這與人工智能課程的學(xué)科特點及開課形式具有重要關(guān)系。人工智能是一門充滿未知和探索的學(xué)科，能夠有效的激發(fā)小學(xué)生的好奇心和求知欲，游戲化學(xué)習(xí)[41]、跨學(xué)科[42]、PBL式教學(xué)[43]等開放自由的教學(xué)方法，讓學(xué)生在實踐中發(fā)現(xiàn)問題、解決問題，探索各種人工智能應(yīng)用場景，促使學(xué)生擁有極強(qiáng)的探究欲望，極大地吸引了小學(xué)生的興趣和注意力，在促進(jìn)學(xué)生高階思維能力發(fā)展的同時有效的保留了學(xué)生對于課程的積極情緒[44]。同時，積極的學(xué)習(xí)情緒對于促進(jìn)學(xué)生學(xué)習(xí)成效具有顯著性影響[45]。

（三）小學(xué)生在編程學(xué)習(xí)活動及人工智能學(xué)習(xí)情緒方面存在性別差異

理工類學(xué)科領(lǐng)域中的性別差異一直是廣大研究者重點關(guān)注的課題。本研究結(jié)果顯示，女生在人工智能課程中表現(xiàn)出的積極情緒遠(yuǎn)高于男生（女生48.7%，男生40.8%），但是女生繪畫中出現(xiàn)“學(xué)生編程”的百分比顯著性低于男生（T=2.578，Sig.=0.01<0.05）。其中，女生在人工智能課程中積極情緒高于男生，在孫立會采用自我報告形式對學(xué)生計算思維影響因素的研究中也有類似發(fā)現(xiàn)，在基礎(chǔ)教育中女生更具有計算思維發(fā)展?jié)摿46]。這一現(xiàn)象可能與女生在情感表達(dá)方面具有一定的天賦和優(yōu)勢存在一定的關(guān)系[47]。Picard在對學(xué)生表現(xiàn)力繪畫性別差異的研究中同樣發(fā)現(xiàn)女生在表現(xiàn)力繪畫任務(wù)上的得分要高于男生[48]。此外，“學(xué)生編程”在各國中小學(xué)人工智能課程中均占據(jù)重要地位（聯(lián)合國教科文組織，2022年），以編程和計算思維為主一直是中小學(xué)人工智能教育重要的實踐路徑[49]。在本研究中，女生的繪畫中“學(xué)生編程”活動出現(xiàn)的百分比低于男生，在王海鵬等人的調(diào)查中也同樣發(fā)現(xiàn)女生在編程學(xué)習(xí)中處于弱勢地位[50]。這一現(xiàn)象可能與社會普遍認(rèn)知有關(guān)。在過去幾十年中，編程一直被認(rèn)為是男性的領(lǐng)域，在小學(xué)人工智能、機(jī)器人以及編程等競賽組隊中也以男生居多，固有的認(rèn)為男生比女生更容易在科技類競賽中取得成功[51]。

六、研究不足與展望

小學(xué)人工智能教育的開展對于培養(yǎng)適應(yīng)未來社會的人才具有舉足輕重的作用，及時了解小學(xué)生的人工智能學(xué)習(xí)觀念，對于促進(jìn)小學(xué)人工智能教育的良性發(fā)展具有重要作用。本研究通過調(diào)查分析小學(xué)生關(guān)于人工智能學(xué)習(xí)的繪畫作品，了解小學(xué)生對人工智能學(xué)習(xí)的理解和態(tài)度，為小學(xué)人工智能教育的現(xiàn)狀分析呈現(xiàn)了重要的學(xué)生視角，為推動小學(xué)人工智能教育進(jìn)一步的建設(shè)與推廣具有參考意義。小學(xué)生對人工智能學(xué)習(xí)普遍持有積極的態(tài)度，高年級小學(xué)生更多的表現(xiàn)出建構(gòu)式學(xué)習(xí)觀念，這與小學(xué)人工智能學(xué)科特點及教學(xué)理念具有重要關(guān)系，同時這也表明目前我國小學(xué)人工智能教育較為重視學(xué)生正向積極情緒的培養(yǎng)，教學(xué)內(nèi)容廣度及深度呈現(xiàn)螺旋式上升。但是，小學(xué)生對人工智能學(xué)習(xí)的理解和態(tài)度存在性別差異，面對人工智能課程女生相較于男生更積極，但是編程實踐類學(xué)習(xí)活動反而更少，這一現(xiàn)象與女生在表達(dá)能力方面的天賦和社會對于男生更適合理工領(lǐng)域的普遍認(rèn)知有較大關(guān)系，因此作為教師和相關(guān)研究者應(yīng)該進(jìn)一步關(guān)注如何提升女生在人工智能實踐中的參與度，促進(jìn)女生在人工智能課程中積極情感向?qū)W習(xí)行為的有效轉(zhuǎn)化。研究結(jié)果補(bǔ)充了學(xué)生視角這一空白，但是研究樣本量還是不足，研究結(jié)果具有一定的局限性。因此，在今后的研究中，作者計劃通過進(jìn)一步豐富樣本，優(yōu)化完善《小學(xué)生人工智能學(xué)習(xí)觀念圖畫分析編碼表》，并通過更為豐富、深度的數(shù)據(jù)分析方法，進(jìn)一步可視化小學(xué)生的人工智能學(xué)習(xí)觀念，并針對學(xué)生的學(xué)習(xí)觀念的形成過程及影響因素等問題展開進(jìn)一步研究。

參考文獻(xiàn)：

[1][14] United Nations Educational，Scientific and Cultural Organization. K-12 AI Curricula：a Mapping of Government-endorsed AI Curricula [EB/OL].https：//unesdoc.unesco.org/ark：/48223/pf0000380602，2022-02-16.

[2][13] 于勇，徐鵬等.我國中小學(xué)人工智能教育課程體系現(xiàn)狀及建議——來自日本中小學(xué)人工智能教育課程體系的啟示[J].中國電化教育，2020，（8）：93-99.

[3][12] 張志新，杜慧等.發(fā)達(dá)地區(qū)中小學(xué)人工智能課程建設(shè)現(xiàn)狀、問題與對策——以某“新一線”城市為例探討[J].中國電化教育，2020，（9）：40-49.

[4] 沈晨，柏宏權(quán).中小學(xué)人工智能課程學(xué)習(xí)平臺建設(shè)現(xiàn)狀與優(yōu)化策略[J].電化教育研究，2021，42（10）：77-83.

[5] 王東麗，周德青等.中小學(xué)人工智能教材綜述——基于45本已出版教材的分析[J].現(xiàn)代教育技術(shù)，2021，31（2）：19-25.

[6][38] 鐘柏昌，詹澤慧.人工智能教育的頂層設(shè)計：共識、差異與問題——基于4套標(biāo)準(zhǔn)文件的內(nèi)容分析[J].現(xiàn)代遠(yuǎn)程教育研究，2022，34（4）：29-40.

[7] 柏宏權(quán)，王姣陽.中小學(xué)人工智能課程教師勝任力現(xiàn)狀與對策研究[J].課程.教材.教法，2020，40（12）：123-130.

[8] Benson P，Lor W.Conceptions of language and language learning [J]. System，1999，27（4）：459-472.

[9] Cai S，Liu C，et al.Effects of learning physics using Augmented Reality on students self‐efficacy and conceptions of learning [J].British Journal of Educational Technology，2021，52（1）：235-251.

[10] Peterson E R，Brown G，et al.Secondary school students conceptions of learning and their relationship to achievement [J].Learning & Individual Differences，2010，20（3）：167-176.

[11] 周建華，李作林等.中小學(xué)校如何開展人工智能教育——以人大附中人工智能課程建設(shè)為例[J].人民教育，2018，（22）：72-75.

[15] Wenden A L.An introduction to metacognitive knowledge and beliefs in language learning：Beyond the basics [J]. System，1999，27（4）：435-441.

[16] Vermunt J D，Vermetten Y J.Patterns in student learning： Relationships between learning strategies，conceptions of learning，and learning orientations [J].Educational psychology review，2004，16：359-384.

[17] Liang J C，Tsai C C.Relational analysis of college science‐major students epistemological beliefs toward science and conceptions of learning science [J]. International Journal of Science Education，2010，32（17）：2273-2289.

[18] S lj R.Learning in the learners perspective 1，Some common Sense conceptions [R].Gothenburg：Institute of Education，University of Gothenburg，1979.

[19] Virtanen V，Lindblom-Ylnne S.University students and teachers conceptions of teaching and learning in the biosciences [J]. Instructional Science，2010，38（4）：355-370.

[20] Tsai C C.Conceptions of learning science among high school students in Taiwan：A phenomenographic analysis [J].International Journal of Science Education，2004，26（14）：1733-1750.

[21] Yokoyama M，Miwa K.Relationship between goal orientation，conception of learning，and learning behavior [A].Isaias P.Online teaching and learning in higher education [C].Cham：Springer Nature Switzerland AG，2020.23-39.

[22] Asikainen H，Virtanen V，et al.Understanding the variation in bioscience students conceptions of learning in the 21st century [J]. International Journal of Educational Research，2013，62：36-42.

[23] Chiou G L，Liang J C，et al.Undergraduate students conceptions of and approaches to learning in biology：A study of their structural models and gender differences [J].International Journal of Science Education，2012，34（2）：167-195.

[24] Chiou，G.L.，Lee，M.H.，et al.High school studentsapproaches to learning physics with relationship to epistemic views on physics and conceptions of learning physics [J].Research in Science & Technological Education，2013，31（1）：1-15.

[25] T ks M，Tynj l P，et al.Engineering students conceptions of entrepreneurial learning as part of their education [J].European Journal of Engineering Education，2016，41（1）：53-69.

[26] Marton， F.，Dallalba，G.，et al.Conceptions of learning [J].International Journal of Educational Research，1993，19：277-323.

[27] 于函鷺.兒童繪畫與生活的關(guān)系[J].美術(shù)教育研究，2022，（2）：56-57.

[28][34] 嚴(yán)虎.兒童心理畫：孩子的另一種語言[M].北京：電子工業(yè)出版社，2015.

[29] Haney W，Russell M，et al.Drawing on Education：Using Drawings to Document Schooling and Support Change [J].Harvard Educational Review，2004，74（3）：241-272.

[30] Hsieh W M，Tsai C C.Learning illustrated：An exploratory crosssectional drawing analysis of students conceptions of learning [J].The Journal of Educational Research，2018，111（2）：139-150.

[31] Hsieh W M，Tsai C C.Exploring students conceptions of science learning via drawing： a cross-sectional analysis [J].International Journal of Science Education，2017，39（3）：274-298.

[32] Yeh H Y，Tsai Y H，et al.Investigating students conceptions of technology-assisted science learning： a drawing analysis [J].Journal of Science Education and Technology，2019，28（4）：329-340.

[33] 周翔.傳播學(xué)內(nèi)容分析研究與應(yīng)用[M].重慶：重慶大學(xué)出版社，2014.185.

[35] 徐建平，張厚粲.質(zhì)性研究中編碼者信度的多種方法考察[J].心理科學(xué)，2005，（6）：152-154.

[36] [美]Neuendorf K A.李武等譯.內(nèi)容分析方法導(dǎo)論（原書第2版）[M].重慶：重慶大學(xué)出版社，2020.

[37] 張珊珊，杜曉敏等.中小學(xué)開展人工智能教育的挑戰(zhàn)、重點和策略[J].中國電化教育，2020，（11）：67-72+96.

[39] 中央電化教育館.中小學(xué)人工智能技術(shù)與工程素養(yǎng)框架[EB/OL]. https：//www.ncet.edu.cn/zhuzhan/xgwzxwzx/20211130/5559.html，2021-11-30.

[40] 中國教育學(xué)會.中小學(xué)人工智能課程開發(fā)標(biāo)準(zhǔn)[EB/OL].http：//www. cse.edu.cn/，2021-10-20.

[41] 張屹，馬靜思等.人工智能課程中游戲化學(xué)習(xí)培養(yǎng)高中生計算思維實踐的研究——以“挑戰(zhàn)Alpha井字棋”為例[J].電化教育研究，2022，43（9）：63-72.

[42] 中小學(xué)人工智能課程指南課題組，江波.中小學(xué)人工智能課程指南[J].華東師范大學(xué)學(xué)報（教育科學(xué)版），2023，41（3）：121-134.

[43] 王娟，胡來林等.國外整合STEM的教育機(jī)器人課程案例研究——以卡耐基梅隆大學(xué)機(jī)器人學(xué)院ROBOTC課程為例[J].現(xiàn)代教育技術(shù)，2017，27（4）：33-38.

[44] 楊緒輝，沈書生.重構(gòu)人工智能教育課程——從社會建構(gòu)走向社會實在[J].中國電化教育，2021，（10）：72-78.

[45] Camacho-Morles J，Slemp G R，et al.Activity achievement emotions and academic performance：A meta-analysis [J].Educational Psychology Review，2021，33（3）：1051-1095.

[46] 孫立會，胡琳琳.是什么影響了小學(xué)生的計算思維——一項基于五省市小學(xué)生的橫向研究[J].中國電化教育，2021，（7）：52-61.

[47] 許燕，張厚粲.小學(xué)生言語能力及其發(fā)展傾向的性別差異研究[J].心理發(fā)展與教育，1998，（3）：2-5+10.

[48] Picard D，Boulhais M.Sex differences in expressive drawing [J]. Personality and Individual Differences，2011，51（7）：850-855.

[49] 陳維維.學(xué)齡前兒童人工智能啟蒙教育的研究現(xiàn)狀與實踐路徑[J].電化教育研究，2020，41（9）：88-93.

[50] 王海鵬，朱青云等.男女圖形化編程學(xué)習(xí)差異性研究[J].中國教育技術(shù)裝備，2018，（14）：54-57.

[51] 袁磊，趙玉婷.小學(xué)女生在STEM教育中的學(xué)習(xí)差異及對策研究[J].中國電化教育，2017，（6）：73-79.

作者簡介：

高晗蕊：在讀博士，研究方向為中小學(xué)人工智能教育。

張屹：教授，博士，博士生導(dǎo)師，研究方向為智慧教育、中小學(xué)人工智能教育、教育信息化測評與發(fā)展戰(zhàn)略。

王康：在讀博士，研究方向為智慧教育、創(chuàng)客教育。

A Cross-Sectional Survey of Primary School Students Conceptions of Artificial Intelligence Learning Based on Drawing Analysis

Gao Hanrui1， Zhang Yi1， Wang Kang2， Zhou Pinghong1， Li Jiajing1， Lv Lili3

（1.Faculity of Artificial Intelligence Education， Central China Normal University， Wuhan 430079， Hubei； 2.Wuhan Institute of Education Sciences， Wuhan 430070， Hubei； 3.Electronic Education Center of Wuchang District Education Bureau， Wuhan 430061， Hubei）

Abstract： The teaching and learning of artificial intelligence courses in primary schools has received high attention worldwide. It is important to explore primary school students conceptions of artificial intelligence learning and investigate their understanding and attitudes towards artificial intelligence learning. Therefore， One-hundred and eleven tenth-grade students were asked to express via drawings their conceptions of AI learning. Their drawings were coded into 40 elements in five categories. Using descriptive analysis， One-Way ANOVA， and Independent Sample T-test methods， explore the overall structure and differences of artificial intelligence learning concepts among primary school students. It was found that （1） compared to lower grade elementary school students， more higher-grade elementary school students exhibit constructive learning concepts such as practice and application； （2） Primary school students generally hold positive emotions towards learning artificial intelligence courses； （3） Boys have higher programming behavior than girls in artificial intelligence courses， but girls have higher positive learning emotions than boys. The research results provide important perspectives for students and reference for promoting the construction and development of artificial intelligence education in primary schools.

Keywords： pupil； students conceptions of Artificial Intelligence learning； drawing analysis

責(zé)任編輯：李雅瑄