人工智能時代的小學(xué)生計算思維教學(xué)

關(guān)于數(shù)字公民、編碼、調(diào)試代碼、提示人工智能和分析人工智能輸出的課程有助于學(xué)生發(fā)展有價值的技能。

人工智能時代的小學(xué)生計算思維教學(xué)

經(jīng)過 黛布拉·雅各比

2026年4月14日

龍圖/ iStock

自從AI出現(xiàn)以來，計算機(jī)科學(xué)教師經(jīng)歷了許多動蕩。也許你甚至在一個地區(qū)考慮削減技術(shù)教師，因為人工智能可以很容易地融入普通教育課堂。在我們考慮人工智能在教育中的作用時，計算機(jī)科學(xué)教師可以如何重新思考他們的角色。

計算機(jī)科學(xué)教學(xué)的核心主題

計算機(jī)科學(xué)教師很快變得擅長的一件事是實際地弄清楚如何將信息分解成易管理的塊，模擬語法指導(dǎo)者和邏輯架構(gòu)師的角色。語法教師教授分解代碼，讓學(xué)生重新組裝。語法教學(xué)就像教授語言課程一樣，教授編寫功能代碼所需的特定語法規(guī)則。邏輯架構(gòu)師在編寫代碼之前，思考一下為什么要創(chuàng)建代碼的原因。以下是在計算機(jī)科學(xué)課堂上比以往任何時候都更有價值的具體技能和活動。

正式的驗證邏輯在計算機(jī)科學(xué)中，是人類做的超級仔細(xì)的數(shù)學(xué)安全檢查，證明計算機(jī)程序或機(jī)器人做了它應(yīng)該做的事情而沒有錯誤。幫助學(xué)生執(zhí)行驗證邏輯任務(wù)的一種方法是為他們提供規(guī)則，讓他們對人工智能的代碼或輸出進(jìn)行同行評審。如果學(xué)生有一個清單或指南來確認(rèn)他們需要看什么，鼓勵他們問AI在哪里走了捷徑會更容易。對于學(xué)生來說，量規(guī)是他們的驗證邏輯版本，因為這樣他們就知道他們的輸出符合要求。

成為數(shù)字公民。在人工智能時代，我們的數(shù)字公民對話需要升級嗎？是�。�(shù)字公民和人工智能數(shù)字公民每個人都有責(zé)任主動學(xué)習(xí)不會被認(rèn)知捷徑取代。它需要我們的整個社區(qū)讓學(xué)生知道如何將技術(shù)作為工具而不是玩具。許多倫理和數(shù)字公民的對話自然而然地轉(zhuǎn)向了計算機(jī)科學(xué)課堂中的人工智能。

Start of newsletter promotion.

釋放你的潛力

回答幾個簡單的問題，我們將向您發(fā)送經(jīng)過教師測試的節(jié)省時間的策略，以改善您的課堂管理和教學(xué)。

我想加入！

End of newsletter promotion.

寫偽代碼。你可以要求學(xué)生偽代碼，類似于寫一個草稿。這可以在編寫代碼之前以文本或繪圖形式完成。通過要求學(xué)生偽代碼，教師展示了發(fā)生在大腦中的思維，而編碼可以發(fā)生在機(jī)器中。我喜歡在我的三年級學(xué)生接觸電腦之前，給他們一些便簽，讓他們畫出代碼流程圖。計算機(jī)科學(xué)變成了腦力勞動，而編碼變成了對最初想法的更機(jī)械的應(yīng)用。

使用模式識別來調(diào)試代碼。人工智能時代需要通過語言和計算思維過程的步驟來學(xué)習(xí)編碼的邏輯。分析人工智能創(chuàng)建的代碼實際上是一項更高層次的認(rèn)知任務(wù)，因為你不僅僅是編寫代碼，而是展示代碼素養(yǎng)。除非學(xué)生先了解語言和邏輯，否則他們不會修復(fù)AI。

計算機(jī)科學(xué)教師如何擴(kuò)展對話的一個例子是在模式識別。在初級計算機(jī)科學(xué)課程中，我們教授模式識別，這樣學(xué)生可以學(xué)習(xí)如何調(diào)試或者在他們的代碼中發(fā)現(xiàn)錯誤�，F(xiàn)在，計算機(jī)科學(xué)教師可以聯(lián)系到如何在人工智能生成的代碼中找到錯誤是保持這些調(diào)試技能的一個好理由。教某人我們需要人來修復(fù)人工智能是一種技能上的旋轉(zhuǎn)。

分析代碼中的錯誤。 抽象是計算機(jī)科學(xué)中的一種捷徑，當(dāng)我們關(guān)注本質(zhì)特征而忽略不必要的細(xì)節(jié)時。工具如Canva代碼允許學(xué)生創(chuàng)造無代碼游戲，然后查看正在生成的代碼，看他們是否能自己發(fā)現(xiàn)錯誤。人工智能和無代碼工具是終極抽象，因為教師可以向?qū)W生展示如何觀察幕后。通過逆向工作，學(xué)生可以查看已經(jīng)創(chuàng)建的代碼。詢問哪些捷徑對人工智能來說是必不可少的，以及最終產(chǎn)品中的哪些問題可以強(qiáng)化這些技能。

了解分類錯誤。即使是我們最年輕的學(xué)習(xí)者，我們也可以用分類錯誤來證明人工智能的錯誤。我有二年級學(xué)生用谷歌的可教機(jī)器圖像生成器來識別兩個假日對象。由于春假快到了，我可能會讓他們上傳小雞和小羊的圖片，并要求谷歌了解其中的區(qū)別。啊哈時刻到來了，當(dāng)學(xué)生們意識到當(dāng)他們用一個不同版本的小動物代替他們的原始圖像時，有時機(jī)器會猜錯。

討論的范圍從“為什么會這樣？”到“我們拍了足夠多的照片作為數(shù)據(jù)嗎？”您也可以要求學(xué)生思考他們是如何創(chuàng)建數(shù)據(jù)的。羔羊的形象是在棕色的桌子上嗎？圖像的顏色會混淆機(jī)器嗎？我要求學(xué)生仔細(xì)檢查谷歌提供的置信度得分，并詢問計算機(jī)是95%確定還是51%確定。讓學(xué)生思考框架中的哪些變化導(dǎo)致了分?jǐn)?shù)的變化，這增加了一層理解。

使用模塊化提示。模塊化的刺激是一種與人工智能交互的方式，包括將復(fù)雜的任務(wù)分解為更小的、有組織的部分。這是在更高的抽象層次上編碼，因為學(xué)生必須理解諸如變量和循環(huán)之類的詞匯，才能理解與人工智能的對話。

在傳統(tǒng)的計算機(jī)科學(xué)課上，學(xué)生們會編寫一個游戲。既然AI可以快速編碼，那么它們正在學(xué)習(xí)的代碼在類中的什么位置呢？一種成功的技術(shù)不是讓學(xué)生要求AI為他們編寫游戲，而是要求AI通過模塊化提示來演示游戲的物理、得分和其他部分