2026年4月1日，瑞典林雪平大學（Link?ping University）行為科學與學習系Jonas Hallstr?m等人在國際頂刊Interactive Learning Environments (ILE)上發(fā)表《K–12教育中的AI素養(yǎng)：一項國際德爾菲研究》（AI literacy for K–12 education: an international Delphi study）論文，針對當前K-12階段AI素養(yǎng)沒有統(tǒng)一定義且已有框架偏重技術(shù)且課堂適配性差等問題，使用德爾菲法，綜合了來自不同領域、跨學科及國際專家的觀點，確立了K-12教育階段AI素養(yǎng)關(guān)鍵核心要素。該論文主要內(nèi)容概述如下：

一、研究背景

該論文指出，AI目前正在重塑全球K-12教育。這種轉(zhuǎn)變部分是由政府機構(gòu)的政治因素驅(qū)動，部分是由教育科技公司的行業(yè)因素驅(qū)動。然而，在課堂上，這種轉(zhuǎn)變往往以教師和學生之間松散的結(jié)構(gòu)有時甚至是偶然的方式反映出來。

此外，在AI主導的世界中需要何種類型的知識，目前尚存不確定性，這就產(chǎn)生了定義新型能力的需求，這與K-12教育特別相關(guān)。然而，此類能力（通常被稱為AI素養(yǎng)）尚未得到明確定義或完全理解，而現(xiàn)有的AI素養(yǎng)框架往往缺乏理論化，主要關(guān)注技術(shù)技能。此外，鮮有AI素養(yǎng)框架足夠具體，能夠適用于真實的課堂教學環(huán)境。

AI素養(yǎng)應是指日常用戶的技能，而不是AI專業(yè)人員的技能。這些用戶通常沒有經(jīng)過正規(guī)的AI專業(yè)培訓，他們與AI技術(shù)進行交互而非從事AI技術(shù)的開發(fā)與創(chuàng)造工作。盡管已有多個框架試圖對AI素養(yǎng)進行進一步的定義或操作化，但要回答“非專業(yè)人士究竟需要了解AI的哪些方面”這一問題卻十分復雜，因為其答案在很大程度上取決于具體的應用情境。

此外，AI領域的快速發(fā)展也提出了新的研究與教育改革議題，包括算法偏見與公平性、數(shù)據(jù)來源、所有權(quán)與權(quán)益相關(guān)挑戰(zhàn)、網(wǎng)絡安全問題、能源消耗，以及提升教育體系適配性的政策制定等。

因此，盡管學校AI素養(yǎng)的本質(zhì)已有大量研究，仍然需要為K-12教育中AI素養(yǎng)的具體概念組成部分構(gòu)建和定義共同基礎，特別是使這些組成部分在課堂層面上易于管理。教育中的一種常見方法是詢問專家的觀點，以此就特別困難或不明確的話題達成共識。

因此，這項德爾菲研究的目的是通過綜合不同、跨學科和國際專家利益相關(guān)者的觀點，就K-12教育中AI素養(yǎng)的核心組成部分達成共識。通過在線調(diào)查，國際專家小組分享了他們對K-12教育中AI素養(yǎng)關(guān)鍵組成部分的看法，特別是在理解和批判性評估AI在日常生活中的作用、在日常生活中認識和使用AI以及描述和開發(fā)針對現(xiàn)實世界問題的AI解決方案方面。

通過采用德爾菲法，該研究旨在解決以下研究問題：

研究問題1：國際專家小組就如何構(gòu)建K-12教育中的AI素養(yǎng)達成了怎樣的共識？

研究問題2：專家小組認為哪些能力對K-12學生最為關(guān)鍵，這些能力應在哪些科目和哪個學段進行教學？

二、研究過程

該研究采用經(jīng)典德爾菲法，通過三輪匿名的在線專家調(diào)研，科學界定K-12階段AI素養(yǎng)的核心構(gòu)成。研究團隊組建了一個多元跨學科的國際專家小組，成員來自北歐、歐洲其他地區(qū)及世界其他區(qū)域，涵蓋AI（教育）研究學者、教育專家（如K-12教師、課程開發(fā)人員和政策制定者）及教育科技行業(yè)代表。初始共邀請73人，最終40人接受邀請，三輪有效樣本量分別為33人、27人和25人，專家背景、地域與性別分布均衡，保證了研究的代表性與可靠性。

第一輪調(diào)研以三道開放式問題收集專家觀點，經(jīng)歸納內(nèi)容分析提煉出23個AI素養(yǎng)核心主題。第二輪將這些主題轉(zhuǎn)化為李克特五點量表陳述，由專家評分；依據(jù)“60%及以上專家評分≥4（同意或非常同意）且標準差小于1.00”的標準，篩選出14項達成初步共識的陳述。第三輪對14項陳述再次評分，并增設“兩輪間均值變動不超過±0.2”的穩(wěn)定性要求，最終確定8項符合嚴格共識標準的核心內(nèi)容。整個過程嚴格遵循德爾菲法的匿名性、多輪迭代與統(tǒng)計分析規(guī)范，并全程保障數(shù)據(jù)匿名與倫理合規(guī)。

三、研究發(fā)現(xiàn)

經(jīng)過三輪德爾菲研究，專家小組最終就八項關(guān)于K-12教育中AI素養(yǎng)的陳述達成了共識，這些陳述可歸納為兩大主題：基礎性AI知識和批判性視角。

在基礎性AI知識方面，專家一致認為：

1.學生需要掌握AI和數(shù)據(jù)的基礎知識以理解AI在社會中的角色；

2.要負責任地使用AI，學生需要具備基礎的AI知識；

3.基礎AI知識可以從�。↘-6年級）開始教授。

在批判性視角方面，專家達成共識的陳述包括：

4.學生需要從倫理和批判性視角來評估AI在日常生活中的作用；

5.要負責任地使用AI，學生需要學習批判性思維；

6.為了理解和批判性評估AI在日常生活中的作用，學生需要了解AI系統(tǒng)的局限性（例如由于偏見所致）；

7.學生需要認識到，對AI解決方案的批判性評估需要設計的可問責性；

8.批判性思維是學生檢驗偏見、扭曲的數(shù)據(jù)和深度偽造所需的最重要技能。

值得注意的是，倫理和社會性考量貫穿于兩大主題之中，且專家認為技術(shù)性理解是學生對AI持批判性和倫理態(tài)度的先決條件。然而，專家小組未能就AI素養(yǎng)的學科歸屬和具體學段（除K-6可引入基礎知識外）達成共識，這可能與專家中僅有約25%具有K-12教學經(jīng)驗有關(guān)。

該論文最后指出，基礎性AI知識與批判性視角這兩大主要類別，可被視為相輔相成的。長期以來，批判性思維一直被視為一項重要的能力；隨著AI的飛速發(fā)展，其重要性如今愈發(fā)凸顯。盡管人們對于培養(yǎng)批判性思維的必要性已達成共識，但關(guān)于如何以最佳方式進行學習與支持，目前尚缺乏明確的定論。

正如研究所指出的，批判性思維的養(yǎng)成離不開充足的學科內(nèi)容知識；換言之，若對某事物一無所知，便難以對其進行富有實質(zhì)意義的批判性審視。該論文所劃分的這兩大類別，恰恰體現(xiàn)了這種相互依存的關(guān)系：內(nèi)容知識構(gòu)成了必要的基礎，而批判性視角正是在這一基礎之上得以構(gòu)建的。

然而，當前面臨的一個挑戰(zhàn)是：在許多國家，計算知識的內(nèi)容知識往往未受到應有的重視。例如，在北歐國家，計算并未作為一門獨立的學科被納入K–12教育課程體系之中；相反，與計算相關(guān)的知識要素往往被整合進其他學科（如技術(shù)課或數(shù)學課），或是融入跨學科的主題（如“數(shù)字能力”）之中。由于這些跨學科主題被視為所有教師的共同職責，其教學落實情況往往極易陷入“無人負責”的尷尬境地——這在很大程度上取決于教師個人的興趣、學校的優(yōu)先發(fā)展重點以及可支配的時間資源等因素。

這種職責分散的結(jié)構(gòu)，極有可能導致學生在獲取AI相關(guān)知識方面出現(xiàn)不平等的現(xiàn)象；進而，這也將削弱學生運用批判性視角審視AI的能力。這一現(xiàn)狀引發(fā)了關(guān)于教育公平的重要關(guān)切，并凸顯了制定明確的課程指導方針與構(gòu)建完善的支持體系的迫切需求。此類指導方針與支持體系應當同時對學校課程規(guī)劃及教師教育課程設計產(chǎn)生指引作用。例如，通過明確界定哪些屬于“基礎性AI知識”與“批判性視角”的核心要素，并確保無論課程如何進行學科劃分與編排，這些核心要素都能得到切實有效的傳授。

資料來源：

Hallstr?m, J., Mannila, L., Nordl?f, C., Heintz, F., Sperling, K., & Stenliden, L. (2026). AI literacy for K–12 education: an international Delphi study. Interactive Learning Environments, 1–18. https://doi.org/10.1080/10494820.2026.2649553

[本文為教育部國別和區(qū)域研究基地中國教育科學研究院國際教育研究中心成果]

本文由中國教育科學研究院“教育國際前沿”課題組整理，課題組負責人張永軍，編輯劉強。點擊左下角閱讀原文可下載該文獻。