Datawhale 中小学人工智能通识课的诞生源于Datawhale公益组的实践探索。2024年，在各地开展了随迁儿童人工智能公益课，在授课过程中，我们深刻感受到孩子们对人工智能的强烈好奇与探索欲望。这份好奇心，正是他们学习新知识、掌握新技能的最大动力。随着我们公益活动的影响力逐步扩大，恰逢国家教育部于2024年12月发布了《关于加强中小学人工智能教育的通知》，越来越多的教育专家加入了我们的内容共建行列。我们希望通过这一共建过程，让更多地区的孩子受益，助力他们更好地适应智能社会的新机遇与新挑战。培养学生的解决问题能力和创新思维，帮助他们更好地适用智能社会的新机遇和挑战。
本课程主要面向以下群体：
- 中小学教师
- 教育研究者
- 对人工智能教育感兴趣的公益组织和个人
我们希望参与人员对教育公平和AI普及有强烈的使命感，能够通过团队合作，共同推动人工智能教育的普及与创新。通提供一个共创、共同成长的平台，希望通过团队合作，为课程内容提供支持，推动人工智能教育的普及与创新。
注：需要参与者具有一定的教育/技术背景，能够为课程内容提供支持，愿意探索AI与教育结合的新模式和新方法
本纲要将义务教育人工智能课程定位为多学科交叉融合的综合性通识课程，强调人工智能与具体学科和产业实践的结合，包括“AI+学科”：即 AI与数学、科学、艺术等学科的交叉融合，以及“AI+产业”即AI在各个产业场景的落地，让学生能够深刻理解并掌握人工智能技术在不同领域与学科的应用。Datawhale推出的人工智能培养方案主要围绕人工智能核心素养，人工智能的核心素养是学生在人工智能教育中逐步形成的适应智能社会发展所需的综合能力与价值观，包括智能意识与思维、智能应用与问题解决、智能创新、AI伦理与社会责任四个方面，四者相互关联、有机统一，共同培养学生对人工智能技术的理解力、应用力、创新力与社会责任感，形成“认知——实践——反思”的完整素养链条，为未来参与智能社会奠定坚实基础。
- 通识性：作为必修通识课程，面向全体学生，覆盖小学至初中全学段。
- 综合性：以“AI+学科”、“AI+产业”为框架，融合数学、科学、艺术等学科、以及医疗、制造、金融等产业，全面拓展学生的视野和思维。
- 实践性：课程主张用AI学AI，通过基于各类通用AI技术的项目化、问题驱动、任务驱动的学习，提升学生的问题解决和实践创新能力。同时将产业中的丰富实践融合到课程中。
- 协同性：课程将建构“1+N”的多维协同机制，1为新吴区教育局，N为高校、科研院所、新兴产业集团、人工智能企业、协会等单位，通过深度协同互动，构建"基础认知-高校工作坊实践-产业应用实践"三阶递进式课程体系，打造低门槛、高品质、实践性课程。
- 开放性：为了保持课程与最新技术和实践的连接，课程将以季度为单位进行迭代更新。同时，课程开展过程中，将采用示范观摩、推广反思、迭代优化的路径，优化与推广课程，培育师资，打造人工智能教育共同体。
通过课程学习学生逐步形成的适应智能社会发展所需的综合能力与价值观，包括智能意识与思维、智能应用与问题解决、智能创新创造、智能伦理与社会责任四个核心素养。
- 智能意识与思维 智能意识与思维是学生理解人工智能技术本质与逻辑框架的认知基础。具备智能意识的学生能够敏锐识别生活中的AI应用场景，辨析人类智能、动物智能与机器智能的差异，理解人工智能的“有限替代”特性及其技术边界；掌握人工智能发展脉络与核心分类，洞察技术演进的驱动力与局限性，辩证看待其“双刃剑”效应。在思维层面，学生能运用AI核心理念分析问题本质，通过数据采集、特征提取、模型构建等步骤形成解决方案，并借助实验验证与优化方法提升方案可靠性，同时将AI解决问题的逻辑迁移至跨领域复杂问题中，形成系统性技术思维。
- 智能应用与问题解决 智能应用与问题解决是学生利用AI技术工具解决实际问题的实践能力。学生能够根据需求选择适切的人工智能工具，批判性评估其适用场景与局限性；掌握从问题定义到方案落地的完整流程，包括数据预处理、模型训练、结果分析与迭代优化，理解算法参数调整对性能的影响；能通过人机协同提升学习与生活效率，并在实践中总结“数据→模型→反馈→迭代”的方法论，形成技术赋能问题的科学解决路径。此素养强调技术与现实需求的精准对接，培养学生“以工具为手段，以问题为导向”的务实能力。
- 智能创新创造 智能创新创造是学生基于AI技术开展创新设计与开发的能力，体现技术实践的高级形态。学生能够结合跨学科知识设计新颖的智能应用原型，参与从需求分析、算法选择到系统部署的全流程开发；能利用开源平台进行模型训练与功能拓展，通过实验验证与用户反馈优化设计；具备探索人机协同创新创造的意识，推动技术从“工具性使用”向“创造性表达”跃升。
- 智能伦理与社会责任 AI伦理与社会责任是学生在智能社会中践行技术向善的价值准则与行为规范。学生理解数据偏见与算法歧视的根源，能批判性评估AI决策的公平性与透明性；具有数据隐私保护意识，遵守《个人信息保护法》等法律法规，掌握匿名化处理、权限管理等安全实践；能辩证分析AI对就业、社会治理、文化传承的双重影响，主动倡导“以人为本”的技术伦理；关注自主可控技术对国家安全的战略意义，形成科技强国的使命感与负责任的技术使用态度，成为智能社会中有温度、有底线的数字公民。
人工智能通识课程的目标是培养学生的智能意识与思维、智能应用与问题解决能力、创新与开发能力、与AI向善的责任意识，使他们能够理解人工智能的基本原理和应用场景，掌握基本的人工智能工具和技术，具备初步的人工智能应用能力。同时，课程还注重培养学生的伦理意识和社会责任感，引导他们正确认识技术向善的思维。
-
基本概念模块
此模块将围绕基本概念展开，包括人工智能的定义和基本特征、人工智能的起源及其重要的里程碑事件、区分智能与非智能；了解人类、生物与机器智能的区别与联系，帮助学生认识到人工智能是一门综合性、发展性和实践性的学科。同时，课程通过行业应用体验，让学生感知并体验人工智能在制造业、农业、交通、医疗、教育等多个行业的实际应用场景。此外，课程将让学生初步接触到人工智能的关键领域技术，包括自然语言处理、智能语音、计算机视觉、生物特征识别、增强现实/虚拟现实、人机交互等，并探索其在实际生活中的应用。
-
数据与感知模块
此模块围绕感知系统和数据集展开。感知系统部分将帮助学生了解人与其他生物的感知器官及其作用，认识到人类如何通过五官来获取信息；学习人工智能通过传感器感知信息，并明晰常见传感器的功能及其不可替代性；探究数字编码在日常生活中的应用，并能够通过数字编码表达字符或文本等信息。在特征提取方面学会如何通过特征来表示对象并能识别不同对象特征。数据集部分将让学生发现身边的不同类型的数据，学会区分数字数据和非数字数据；知道数据可以通过采集、整理、处理与分析来提取有用信息，并能够从数据库中查找信息；使用工具进行数组数据处理、数据可视化表征，编写简洁的报告；学会划分训练数据集和测试数据集；领悟数据偏见的概念及其潜在危害。
-
算法与模型模块
此模块围绕学习机器学习的基本概念和算法展开，帮助学生建立起机器学习和深度学习的基础知识。学生基于生活中的案例理解人的学习过程、机器学习原理，掌握无监督学习、有监督学习和强化学习的含义；认识到算法的作用，学习并区分回归算法、分类算法、聚类算法、降维算法，领会特征工程的目的和意义；初步感知深度学习算法，特别是卷积神经网络在图像处理中的应用。初中阶段的学生将进行机器学习算法的实现与应用，学习如何运用深度学习工具进行深度学习算法的实现；理解计算机芯片的作用，包括CPU及GPU芯片在硬件中的核心作用。
-
伦理与安全模块
人工智能的伦理和社会影响是中小学阶段的重要学习内容。小学生主要学习人工智能的潜在隐私威胁，培养其基本的伦理意识，感知人工智能在现实生活中的应用可能对个人隐私造成的影响；意识到人工智能可能替代某些重复性劳动岗位并对劳动力市场产生影响；明确人工智能在应用中需要受到法律的监管，以避免其可能带来的负面影响，树立对技术应用的责任感和社会意识。中学阶段将探讨人工智能伦理的复杂性，促进学生对技术、法律和社会伦理之间关系的深刻理解，并加强其在未来社会中对科技使用的伦理思考和实践能力。
-
跨学科实践模块
跨学科实践模块的核心目标是通过融合多学科知识的场景化探索，让学生在真实的情境中体验人工智能技术的广泛应用，感知其对社会、生活的影响，并为他们未来的学习和发展奠定坚实的基础。课程注重打破学科边界，鼓励学生通过与数学、科学、艺术等学科结合的实践活动，培养创新思维、解决问题的能力以及团队协作精神。通过实践，学生不仅能巩固课堂所学的理论知识，还能激发对人工智能技术的兴趣与热情，逐步培养成为具有实际操作能力和批判性思维的未来科技人才。同时，学生将参与人工智能工作坊、实战营等活动，以动手实践、项目驱动的方式，将所学知识应用于实际，从而深入探究人工智能技术的实际操作流程，熟悉其多元应用场景。
| 课程模块 | 模块细分 | 学业内容 | 学业要求 |
| 基本概念 | 智能定义 | 初步认识智能和人工智能的定义，区分智能与非智能事物。 | 能说出生活中3-5个智能和非智能的例子。 |
| 人工智能特征 | 对比不同阶段人工智能产品的变化，感受人工智能是综合的、发展的和实践的学科。 | 知道人工智能的多学科性质、明晰其处于不断发展演进的状态。 | |
| 人工智能技术应用 | 寻找身边的人工智能产品，感受人工智能给日常生活带来的便利。 | 能举例说出2-3个生活中常见的人工智能应用。 | |
| 数据与感知 | 传感器 | 观察人类与其他生物获取信息的方式，了解人类如何通过感知器官来获取信息。 | 初步认识数据与感知的关系，理解数据概念，对感知基本概念有所体会。 |
| 智能伦理与安全 | 人工智能与社会、伦理问题 | 通过故事或动画等形式引导学生思考人工智能应用在保护/侵犯隐私等方面的影响， | 理解人工智能的双面性，并学会保护自己的信息安全。提高Í对人工智能的敏感度。 |
| 课程模块 | 模块细分 | 学业内容 | 学业要求 |
| 基础概念 | 人工智能的含义与特征 | 了解人工智能的基本特征，思考人工智能是如何解决问题的，明确其具有像感知、学习、推理等类似人类的智能特点。 | 能解释人工智能如何模仿人类智慧开展行动。 |
| 人工智能的起源与里程碑事件 | 了解人工智能的起源与发展过程，熟知其中的里程碑事件与主要人物。 | 能简单讲述AI发展历程中的里程碑事件。知道人工智能从简单计算迈向复杂应用的演变轨迹。 | |
| 人工智能技术应用 | 通过各类实践案例，探讨人工智能在不同场景下的广泛应用。 | 能意识到人工智能应用的持续拓展趋势，了解其在各行各业中的应用模式与价值。 | |
| 数据与感知 | 数据采集 | 观察生活中的各种数据，区分数字数据和非数字数据，尝试收集一些简单数据。通过场景化模拟，了解数据权限概念。 | 能准确辨别数字数据与非数字数据，并能够收集例如自己一周的零花钱使用情况这类简单数据。能够理解不同角色对数据权限的需求。 |
| 算法与模型 | 机器学习算法 | 初步了解机器学习的基本概念，明白机器可以从数据中找到规律。 | 理解“学习”概念不仅是人类能力，也是机器能力。辨析机器学习与人类学习的异同。 |
| 智能伦理与安全 | 人工智能与社会、伦理问题 | 讨论人工智能对社会生活存在的影响，例如智能推荐会针对不同群体推荐个性化内容、无人驾驶车的试点运行，对此类问题展开辩证思考。 | 能够意识到技术进步对社会的积极和消极影响，掌握应对变化的策略与方法。 |
| 课程模块 | 模块细分 | 学业内容 | 学业要求 |
| 基础概念 | 人工智能的含义与特征 | 对比人工智能、生物智能及机器智能，探究人工智能如何模仿人类思维、决策过程来执行任务。 | 理解机器智能与生物智能之间的差异与联系；理解人工智能如何通过数据感知、学习和推理做出决策。 |
| 人工智能的主要流派及思想 | 了解符号主义、连接主义、行为主义等主要流派，结合简单实例区分三者的特点和应用场景。 | 能说出人工智能不同流派的简单特点，举例说明它们在不同场景中的应用。 | |
| 人工智能技术应用 | 探究人工智能主要应用，体验生成式人工智能，了解智能体相关概念和应用。 | 能使用指定的生成式人工智能工具，完成简单的创作任务。能够结合实例，说出智能体的基本特点，对智能体有较为具像化的认识。。 | |
| 数据与感知 | 数据的采集与处理 | 给图片、文字等数据做简单标记，构建一个小数据集，同时了解数据偏见的含义和危害。 | 掌握简单的数据标记方法，能够简单阐述偏见、数据偏见、带来的后果之间的关系。 |
| 算法与模型 | 人工智能中的算法 | 结合具体例子，了解算法的含义、特点、与人工智能的关系。 | 理解算法与人工智能的紧密联系。 |
| 机器学习算法 | 了解无监督学习、有监督学习、强化学习等机器学习类型，通过案例分析其区别。 | 能区分不同类型的机器学习方法。 | |
| 智能伦理与安全 | 人工智能与社会、伦理问题 | 结合案例，剖析人工智能对法律和伦理的影响，及现行的挑战，例如算法偏见与模型幻觉。 | 意识到人工智能需要受到监管，能辩证看待人工智能对社会的作用。 |
| 课程模块 | 模块细分 | 学业内容 | 学业要求 |
| 基础概念 | 人工智能的关键技术 | 理解人工智能关键技术的基本原理与应用；认识人工智能发展三个核心要素（算力、模型、数据）的重要性。 | 清晰列举几种人工智能算法并简述其原理。 |
| 人工智能技术应用 | 了解人工智能技术应用前沿动态，通过大量丰富的案例，探究人工智能在不同行业的创新应用和未来发展方向。 | 敏锐洞察人工智能应用的持续发展趋势，深入理解其在各行各业中的应用模式和潜在价值。 | |
| 数据与感知 | 回归算法、分类算法 | 运用指定工具进行简单的数据处理、分析与可视化。 | 熟练使用工具将数据转化为可视化图形并进行简单的数据分析。 |
| 算法与模型 | 机器学习算法 | 了解算法的概念，对比不同机器学习算法的优缺点及适用场景，理解它们与人工智能的关系。 | 区分监督学习、无监督学习和强化学习等方法，能根据实际问题选择合适的机器学习算法。 |
| 深度学习算法 | 辨析深度学习与神经网络的关系，掌握传统机器学习算法的训练推理过程与深度学习的一般过程。了解卷积神经网络处理图像的基本原理与过程。使用低代码编程工具，掌握生成数据集、训练模型、评估模型和部署模型的完整过程。 | 理解深度学习的基本概念、明确神经网络是深度学习的基本架构。认识到卷积神经网络在图像分类中的应用。使用低代码编程工具，完成数据集生成、模型训练、评估及部署的完整人工智能开发流程。 | |
| 软硬件 | 了解CPU及GPU芯片的基本作用及其在计算机中的功能。了解编程与人工智能算法如何在计算机、传感器等硬件上的运作，收集数据并训练模型执行任务。 | 能阐述芯片（如CPU、GPU）在计算机中的工作原理及其基本作用。熟悉软件工具与编码如何与硬件互动。 | |
| 智能伦理与安全 | 人工智能社会影响 | 探究人工智能技术如何影响社会的各个方面（隐私保护、偏见保护、数据安全等）。 | 树立强烈的社会责任意识，坚定维护人类的主体地位。 |
| 人工智能社会规范 | 剖析人工智能的伦理困境，法律如何规范技术发展。 | 深刻意识到技术发展应与社会伦理协调，具备批判思维，提出伦理规范和技术应用方案。 |
课程设计需要根据学生的认知能力，需要循序渐进、由易到难， 会根据教学实践进行动态调整
- 中小学阶段的人工智能教育研究
- 义务教育信息科技课程标准（2022年版）
- csta-k-12-computer-science-standards
- 钟柏昌教授团队：人工智能素养量表 (https://mp.weixin.qq.com/s/y44rltdGbN7CAX5rCr0lzg)
- 待补充...
Wechat: yukili_77
扫描下方二维码关注公众号：Datawhale
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
注：默认使用CC 4.0协议，也可根据自身项目情况选用其他协议