【摘 要】生成式人工智能在回答問題時所呈現(xiàn)出的精準(zhǔn)性、結(jié)構(gòu)化、邏輯性等特點，與計算思維的特征較為契合。因此，本文提出以生成式人工智能為技術(shù)依托，建構(gòu)以提升基礎(chǔ)教育階段學(xué)生計算思維能力為目標(biāo)的新型教學(xué)模式。此新型教學(xué)模式包括四階段七步操作流程的教學(xué)運用，以循序漸進(jìn)的方式培養(yǎng)學(xué)生的計算思維能力。

【關(guān)鍵詞】生成式人工智能；基礎(chǔ)教育；教學(xué)模式；計算思維

【中圖分類號】G434 【文獻(xiàn)標(biāo)志碼】B

【論文編號】1671-7384（2024）09-005-03

黨的二十大報告明確提出“推進(jìn)教育數(shù)字化，建設(shè)全民終身學(xué)習(xí)的學(xué)習(xí)型社會、學(xué)習(xí)型大國”，堅定了以教育數(shù)字化促進(jìn)教育現(xiàn)代化的戰(zhàn)略方針。加快推進(jìn)基礎(chǔ)教育學(xué)校的教育數(shù)字化水平，關(guān)鍵在于培養(yǎng)學(xué)生良好的數(shù)字素養(yǎng)，而以構(gòu)建抽象模型為問題解決途徑的計算思維，被認(rèn)為是數(shù)字素養(yǎng)中必不可少的重要組成部分。當(dāng)前，生成式人工智能（AIGC）正快速風(fēng)靡全球，其生成文本的結(jié)構(gòu)化與層次性等特征與計算思維理念較為契合。因此，迫切需要將生成式人工智能融入基礎(chǔ)教育，構(gòu)筑科學(xué)合理的新型教學(xué)模式，從而提升學(xué)生的計算思維能力。

相關(guān)研究

基礎(chǔ)教育作為國家教育的基石，其教學(xué)形態(tài)應(yīng)體現(xiàn)持續(xù)的穩(wěn)定性，對于新技術(shù)的應(yīng)用通常持較為謹(jǐn)慎的態(tài)度。不過，這并不意味著墨守成規(guī)，當(dāng)新技術(shù)經(jīng)過科學(xué)驗證，得出確實能有效提升教學(xué)質(zhì)量的結(jié)論之后，便能夠全面地引入基礎(chǔ)教育教學(xué)中。作為最新技術(shù)的生成式人工智能，已在部分基礎(chǔ)教育學(xué)校開展了一定程度的教學(xué)實踐，取得了頗有價值的成果。李英哲探究ChatGPT4.0在初中數(shù)學(xué)備課中的創(chuàng)新功能，得出其能夠幫助教師明確教學(xué)目標(biāo)，輔助完善活動設(shè)計，彰顯獨特教學(xué)風(fēng)格，提供個性化的學(xué)習(xí)支持等研究結(jié)論[1]。羅恒采用準(zhǔn)實驗研究法檢驗生成式教師評語的效果，表明利用人工智能技術(shù)得到的個性化教師評語能夠在初中課堂中有效地進(jìn)行評估和反饋，并提高學(xué)習(xí)者的學(xué)習(xí)動機和自我調(diào)節(jié)學(xué)習(xí)能力[2]。計算思維由美國卡內(nèi)基梅隆大學(xué)的周以真提出，她認(rèn)為計算思維是運用計算機科學(xué)的基礎(chǔ)概念去求解問題、設(shè)計系統(tǒng)和理解人類的行為，其本質(zhì)是抽象和自動化[3]。繼周以真之后，陳國良指出計算思維應(yīng)邁進(jìn)2.0時代，即每個科學(xué)領(lǐng)域都有屬于自身特點的計算思維[4]。任友群針對如何有效地將計算思維融入中小學(xué)信息科技課程，提出可以采用方法習(xí)得、工具應(yīng)用和思維遷移相結(jié)合的策略落實計算思維教育[5]。

以ChatGPT為代表的生成式人工智能，能夠回答人們提出的各類問題，其回答問題的精準(zhǔn)性、啟發(fā)性、結(jié)構(gòu)性、邏輯性等特點，符合計算思維的特征，所以學(xué)生若具備計算思維則能更好地利用生成式人工智能開展學(xué)習(xí)。不過，已有文獻(xiàn)中對生成式人工智能與計算思維的關(guān)聯(lián)研究嚴(yán)重不足。因此，如何運用生成式人工智能促進(jìn)學(xué)生計算思維能力的提升，應(yīng)是當(dāng)前教育數(shù)字化研究的重要目標(biāo)。

生成式人工智能技術(shù)演進(jìn)路徑

生成式人工智能在技術(shù)范疇上屬于大規(guī)模語言模型，隸屬于人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域。生成式人工智能并非憑空出現(xiàn)，而是經(jīng)過了數(shù)種人工神經(jīng)網(wǎng)絡(luò)的更迭。根據(jù)其技術(shù)特點，可推知其發(fā)展歷程主要經(jīng)歷了多層感知器（MLP）→卷積神經(jīng)網(wǎng)絡(luò)（CNN）→循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）→生成式人工智能（AIGC）的演進(jìn)路線。

多層感知器（MLP）是能夠?qū)嶋H運用的基礎(chǔ)人工神經(jīng)網(wǎng)絡(luò)，它由一個輸入層、若干隱藏層、一個輸出層構(gòu)成，每個層次包含多個神經(jīng)元，每個神經(jīng)元向前全連接，以BP算法迭代更新每個神經(jīng)元的連接權(quán)重值。不過，多層感知器采用所有神經(jīng)元全連接，會消耗巨大的能量。有學(xué)者針對多層感知器的缺陷提出改進(jìn)策略，即局部連接、特征提取，此策略的實際應(yīng)用為卷積神經(jīng)網(wǎng)絡(luò)（CNN）。

CNN通過在輸入數(shù)據(jù)上應(yīng)用卷積操作來提取局部特征，主要包括卷積層、池化層和全連接層。卷積層是CNN的核心組件，生成特征圖；池化層用于減小特征圖的空間維度；全連接層輸出最終的分類或回歸結(jié)果。雖然CNN在最后部分也采用了全連接方式，但相較于所有神經(jīng)元都采用全連接方式的MLP，在減少網(wǎng)絡(luò)規(guī)模的進(jìn)步上無疑是巨大的。盡管卷積神經(jīng)網(wǎng)絡(luò)一定程度上克服了多層感知器的巨大能量消耗，但這種架構(gòu)主要對應(yīng)于識別具有空間結(jié)構(gòu)的數(shù)據(jù)，而對于自然語言這種時間序列的數(shù)據(jù)處理則效果不佳。循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的出現(xiàn)為自然語言處理帶來了可行方案。

RNN最大特點是當(dāng)前時刻的輸出不僅與當(dāng)前時刻的輸入有關(guān)，還與過往時刻的所有輸入有關(guān)。RNN具有一個初始狀態(tài)，這個狀態(tài)可以看作是RNN的“記憶”，用于存儲之前時間的信息。在每個時間點，RNN使用當(dāng)前輸入信息和上一個時間的狀態(tài)來產(chǎn)生當(dāng)前時間的輸出信息，從而使RNN能夠?qū)W習(xí)到時間序列數(shù)據(jù)中的模式和規(guī)律，提高其預(yù)測和分類的準(zhǔn)確性。盡管理論上RNN的輸出值與之前的所有歷史信息有關(guān)，然而遺憾的是，在實際運用中，僅僅只有非常鄰近的歷史信息才能保留下來。但在實際的人類語境中，一個語詞的意義不只與時序的前一個語詞相關(guān)，而且與前面甚至后面很長一段語詞都相關(guān)。為了克服這一缺點，運用Transformer算法的生成式人工智能（AIGC）孕育而生。

在生成式人工智能的Transformer算法里，將每個語詞與句子中所有語詞進(jìn)行計算，得出該語詞與每個語詞的相關(guān)度，從而確定該語詞在這個句子里更準(zhǔn)確的意義。該算法分為三個步驟：第一步是編碼，第二步是定位，第三步是自注意力機制。Transformer算法一舉突破時序序列的屏障，更在意一個語詞與句子中每個語詞的價值權(quán)重，使其生成的句子更加符合人類語言的特點，從而使生成式人工智能迅速被普通大眾認(rèn)識并接受。

生成式人工智能支持下的新型教學(xué)模式——以計算思維培養(yǎng)為例

1.模式建構(gòu)

國際教育技術(shù)協(xié)會和計算機科學(xué)教師協(xié)會對“計算思維”給出了一個操作性的定義：制定問題，邏輯化地組織和分析數(shù)據(jù)，通過抽象再現(xiàn)數(shù)據(jù)；通過算法的思想生成自動化的解決方案；通過識別、分析和實施各種可能的解決方案，找到最有效的解決方案；概括該問題的解決過程，并遷移到其他相關(guān)問題中。上述操作性定義是一個通用模式，若要在真實情境中實施，應(yīng)進(jìn)行具體化的改進(jìn)。因此，在計算思維操作性定義的基礎(chǔ)上，研究者開發(fā)了生成式人工智能支持下的基礎(chǔ)教育新型教學(xué)模式，以問題解決為切入點，合理運用生成式人工智能，達(dá)成學(xué)生計算思維能力提升的教學(xué)目標(biāo)。

新型教學(xué)模式的第一步為提出在教學(xué)活動中發(fā)現(xiàn)的實際問題，該問題應(yīng)為情境性問題或劣構(gòu)問題，以此體現(xiàn)出布魯姆教學(xué)目標(biāo)分類中的深度學(xué)習(xí)，此步驟對應(yīng)于計算思維操作定義的“制定問題”。第二步為深入分析產(chǎn)生該問題的可能原因，此處需借助AIGC對問題進(jìn)行輔助性的分析。得益于AIGC對問題解析的精準(zhǔn)性和邏輯性，學(xué)生只需對解析出的可能原因稍作調(diào)整，如文字的優(yōu)化、陳述順序的變更等，且由于AIGC生成的文檔多為具備一定結(jié)構(gòu)化的內(nèi)容，因此，此步驟對應(yīng)于計算思維操作定義的“邏輯化地組織和分析數(shù)據(jù)”。第三步為對產(chǎn)生問題的可能原因進(jìn)行可視化呈現(xiàn)，上一步已結(jié)合AIGC輔助分析出了產(chǎn)生問題的可能原因，但通常為純文字表達(dá)，內(nèi)容可能較為繁雜，為了提煉出關(guān)鍵的因素，可通過可視化技術(shù)表述為圖形，如思維導(dǎo)圖、樹狀圖等。可視化呈現(xiàn)的優(yōu)勢在于能夠?qū)栴}產(chǎn)生的關(guān)鍵因素以結(jié)構(gòu)化模型的方式呈現(xiàn)出來，去除不必要的描述性文字，只保留核心的關(guān)鍵點，為接下來提出可行性解決方案提供良好的數(shù)據(jù)模型，此步驟對應(yīng)于計算思維操作定義的“通過抽象再現(xiàn)數(shù)據(jù)”。第四步，提出一定數(shù)量的可行性解決方案，此處仍需借助AIGC技術(shù)對前述分析出的問題原因進(jìn)行預(yù)先處理，生成它認(rèn)為可行的解決方案，學(xué)生再對生成的解決方案進(jìn)行深度思考，形成表達(dá)規(guī)范、邏輯清楚的一系列問題解決策略，此步驟對應(yīng)于計算思維操作定義的“通過算法的思想生成自動化的解決方案eGKxUHU14lsvqwH1z43Heg==”。第五步，提出的解決方案為理論上可行的方案，應(yīng)通過實踐判定哪個解決方案具備真實性且合理，此步驟對應(yīng)于計算思維操作定義的“通過識別、分析和實施各種可能的解決方案，找到最有效的解決方案”。第六步，學(xué)生需要總結(jié)歸納上述所有步驟，形成較為穩(wěn)定的問題解決策略，為遷移到類似的問題作好準(zhǔn)備，此步驟對應(yīng)于計算思維操作定義的“概括該問題的解決過程”。第七步，運用穩(wěn)定的問題解決策略，嘗試解決更多的類似問題，以檢驗該策略是否具有推廣性，此步驟對應(yīng)于計算思維操作定義的“遷移到其他相關(guān)問題中”。

該新型教學(xué)模式的根本目標(biāo)是培養(yǎng)學(xué)生的計算思維能力，以使其能夠高效地解決教學(xué)情境中遇到的真實問題。AIGC作為輔助技術(shù)的參與是其最大的特點，包括輔助分析產(chǎn)生問題可能的原因、輔助提出可行的問題解決方案等，以“人機協(xié)同”的方式促進(jìn)學(xué)生計算思維能力的提升。

2.教學(xué)實施

若要將生成式人工智能支持下的新型教學(xué)模式運用到實際的教學(xué)活動中，需要將該教學(xué)模式的運用分為幾個階段，以循序漸進(jìn)的方式逐步培養(yǎng)學(xué)生的計算思維能力。

（1）不使用AIGC階段

此階段的教學(xué)目的是讓學(xué)生熟悉通用的計算思維操作流程。主要流程為由教師提出具備情境性的真實問題，學(xué)生對問題進(jìn)行分析，構(gòu)建模型，提出幾種可行的解決方案，并將自己認(rèn)為最優(yōu)的方案遞交給教師。教師評價方案的優(yōu)劣，依據(jù)量表評判學(xué)生計算思維能力的高低。

（2）使用AIGC階段

經(jīng)過前一階段教學(xué)實踐，學(xué)生對于通用的計算思維操作流程有一定的認(rèn)知，為了促進(jìn)“人機協(xié)同”的開展，在此階段引入AIGC。此階段的主要流程為由教師提出具備情境性的真實問題，學(xué)生在AIGC的輔助下分析問題產(chǎn)生的原因，構(gòu)建模型，提出解決方案，提交最優(yōu)方案給教師。教師評價方案的優(yōu)劣，依據(jù)量表評判學(xué)生計算思維能力的高低。

（3）自主學(xué)習(xí)階段

前兩個階段的待解決的問題均由教師提出，而在以后的實際生活工作中，學(xué)生將自行面對問題，所以在本階段應(yīng)由學(xué)生自己發(fā)現(xiàn)實際生活中真實存在的問題。其主要流程除了由學(xué)生自主提出問題之外，其余部分與上一階段相同。

（4）合作探究階段

“自主、合作、探究”是當(dāng)前提倡的教學(xué)改革方向，應(yīng)培養(yǎng)學(xué)生在AIGC技術(shù)環(huán)境下合作探究的意識和能力。此階段首先根據(jù)異質(zhì)分組的原則將不同特點的學(xué)生組成合作小組，然后討論確定一個有一定復(fù)雜性的實際問題，借助AIGC對問題產(chǎn)生的原因進(jìn)行分析和提出一定數(shù)量的可行解決方案sPzUsmv2utBcegTbbnSnvA==，由各組員對可行解決方案進(jìn)行實踐，得出每種方案的實際效果，再經(jīng)過小組成員的探討找到其中的最優(yōu)方案，共同歸納總結(jié)出問題解決策略，以便遷移到以后的學(xué)習(xí)實踐中。

結(jié) 語

生成式人工智能在解決問題方面通常具備結(jié)構(gòu)化、層次性等特征，與計算思維的特征較為吻合。因此，本著培養(yǎng)學(xué)生計算思維能力的目的，本文構(gòu)建了生成式人工智能技術(shù)支持下的基礎(chǔ)教育新型教學(xué)模式，包括模式建構(gòu)和教學(xué)階段兩個部分。展望未來，生成式人工智能將成為教育領(lǐng)域中技術(shù)運用的重要組成部分，推動基礎(chǔ)教育的個性化和智能化發(fā)展。

注：本文系四川義務(wù)教育高質(zhì)量發(fā)展研究中心2023年度立項課題“智能教育境域下的小學(xué)生計算思維培養(yǎng)策略研究——以達(dá)州市Y小學(xué)為例”（課題編號：YWZD-2023-14）和達(dá)州市教育科研2022年度立項課題“‘雙減’背景下小學(xué)生計算思維培養(yǎng)策略研究”（課題編號：DZL2022032）的階段性成果

參考文獻(xiàn)

李英哲，劉劍玲. 新課標(biāo)背景下ChatGPT在初中數(shù)學(xué)備課中的創(chuàng)新功能與價值定位[J]. 中國電化教育，2024 （3）： 109-114.

羅恒，廖小芳，茹琦琦，等. 生成式人工智能支持的教師評語研究：基于初中數(shù)學(xué)課堂的實踐探索[J]. 電化教育研究，2024，45（5）： 58-66.

Jeannette M. Wing. Computational Thinking[J]. Communications of ACM， 2006， 49（3）： 33-35 .

陳國良，李廉，董榮勝. 走向計算思維2.0[J]. 中國大學(xué)教學(xué)，2020（4）： 24-30.

任友群，隋豐蔚，李鋒. 數(shù)字土著何以可能？：也談計算思維進(jìn)入中小學(xué)信息技術(shù)教育的必要性和可能性[J].中國電化教育，2016（1）： 2-8.