人工智能时代计算机科学教育未来指南：编程与计算机科学的重要性

《指南》提出，人们对编程存在四大误区。

来源|多智

翻译 |陛下

近日，美国人工智能教育研究非营利组织TeachAI联合计算机科学教师协会（CSTA）发布了《人工智能时代计算机科学教育未来指南》（以下简称“指南”）。 《指南》）明确指出：“在人工智能时代，计算机科学比以往任何时候都更加重要”。

《指南》以问题为导向，分析了三大方面，包括：

1）为什么学生学习编程仍然很重要？

2）计算机科学教育者如何利用人工智能来教学和传授人工智能相关知识？

3）学生如何成为人工智能的关键消费者和负责任的创造者？

值得注意的是，指南还提到编程只是计算机科学的一个方面。即使编程已经过时，基本的计算机科学经验仍然至关重要。

该指南对 364 名教师进行了调查，展示了如何培养人工智能素养，并提供了其他学科可以效仿的示例。

01

为什么对于学生来说学习编程仍然很重要？

TeachAI 在指南中提到，“编程”和“编码”可以互换使用，涵盖软件开发的各个方面。在该指南中，编程被定义为一种创造性的过程，涉及设计、编写、测试和维护代码以执行特定功能和解决问题。

该指南强调，虽然生成式人工智能（Gen AI）工具可以编写代码，但学习编码对于发展概念理解、使用人工智能工具的主动性和有效性、评估和修改人工智能生成的代码以及理解更广泛的背景和影响非常重要编程的。所需的倾向仍然至关重要。编程产生的不仅仅是代码，它还鼓励创造力、批判性思维和协作，并为学习计算机科学 (CS) 学科奠定基础。人工智能可以增强学习，但它不能取代通过学习编程获得的理解和技能。

Gen AI 工具强调理解编程基础知识和欣赏这些工具的必要性，而不是削弱学习编程的重要性。正如学生在学习代数或微积分之前必须掌握“数感”（对数字及其相互关系和联系的概念性理解）一样，如果他们想在人工智能的新时代取得成功，他们也需要培养“数感”。辅助编程。编程感”（Johnson，2024）。

“编程意识”或“编程意识”是指支持有效调试、优化性能以及理解系统内更广泛的代码上下文的能力。

在我看来，一个孩子对计算机进行编程，不仅获得了对最现代、最强大的技术之一的控制感，而且还与科学、数学和构建智力模型的艺术中的东西进行了互动。最深刻的思想创造了亲密的联系。 ——Seymour Papert，《心灵风暴：儿童、计算机和强大的思想》，1980 年，第 14 页。 5

随着生成式人工智能的爆发，目前一些人存在以下四大误区：

误解一：AI编码工具产生编程知识，编程技能不是必需的；

误区二：学生不需要学习编程，因为人工智能可以准确、独立地完成编程；

误区三：学生不需要学习编程，因为人工智能将取代所有编程工作。

误区四：学习编程的唯一目的是制作项目；现在，人工智能可以为我们做到这一点。

实际上：

首先，为了最大限度地发挥人工智能工具的价值和有效性，开发人员需要知道如何构建有效的提示、改进和请求（Kirova et al., 2024）。学习编程不仅仅是学习编程语言的语法，它还为学生提供了理解编程逻辑、练习解决问题以及加深对算法和数据结构的理解的机会。这些知识对于有效指导人工智能工具是必要的。

例如，对 10 至 17 岁新手使用代码生成器的早期研究表明，编程流畅度较高的人从这些工具中受益更多。这表明人工智能工具在增强而不是取代编程知识和技能方面最有效（Kazemitabaar 等人，2023）。

其次，尽管生成式人工智能（Gen AI）工具正在改进，但众所周知，它们推荐的代码不准确、包含安全漏洞和偏见，或者与用户的意图不一致。 2023 年对三种流行代码生成器的一项研究发现，它们在 31% 到 65% 的时间内生成了正确的代码（Yetiştiren 等人，2023）。

另一项研究表明，人类和人工智能配对在批评代码方面比单独一人更有效。学习编码为开发评估、调试、修改人工智能生成的代码并将其放置在大型程序的上下文中所需的代码意识和计算思维技能奠定了基础。

第三，生成式人工智能（Gen AI）在工作场所的快速采用正在改变编程实践，但并没有消除对人类的需求。学习编程正在从关注代码生成转向更多地关注代码阅读、评估、调试和重构。 （Kirova 等人，2024）。

人类创造力和领域专业知识已经并将继续成为编程的关键。创造力推动创新的问题解决、直观的用户界面设计和功能开发，而领域专业知识则确保解决方案准确、相关且针对特定用例。它们共同支持创建功能强大、用户友好的程序，满足技术和情境需求。

第四，编程不仅仅是将指令翻译成编程语言；它涉及探索需求、编写规范以及测试、调试和分析代码。学习编码为学生提供了一个协作解决问题、创造性表达和在创造新事物中寻找乐趣的平台（Kafai et al., 2015）。

人工智能可以编码，但编程不仅仅是编码。当学生一起工作时，他们可能会发现不仅更容易吸收新概念和词汇，而且也更容易表达他们的好奇心和热情。研究表明，结对编程可以提高计算机科学领域学生的保留率，尤其是一些代表性不足的群体。

可以说，生成式人工智能（Gen AI）编码工具正在迅速改进，通过消除重复性任务、提供代码建议，甚至将代码从一种编程语言翻译为另一种编程语言来帮助软件工程师（Stryker，2024）。虽然行业专业人士将继续适应这些创新，但学习编程的学生需要培养理解这些不断发展的工具背后的基本、持久概念的能力，以便正确使用它们。

该指南的结论是：“人工智能不会取代程序员的需求。它需要人类创造力和领域专业知识。人类创造力和领域专业知识已经并将继续成为编程的关键。”

此外，学习编程只是学习计算机科学（CS）的一方面。例如，CSTA K12 标准还包括了解计算机如何工作、信息如何通过互联网发送、数据如何收集和分析以及技术如何影响社会。

即使编程已经过时，基本的计算机科学经验仍然至关重要，因为计算机科学可以：

1）促进多个领域的创新，例如数据科学或计算生物学；

2) 解决接受计算机科学高等教育的文化和结构障碍；

3）扩大高薪、高满意度工作的机会；

4) 促进许多领域的更大多样性（Lewis，2017）。

02

计算机科学教师如何利用人工智能来教学和讲授人工智能知识？

该指南指出，计算机科学（CS）是学生探索人工智能的好处、局限性和社会影响的自然环境，计算机科学教师普遍希望专业发展，以有效促进这些学习机会。许多教师已经在计算机科学背景下使用和教授人工智能，以强调计算思维、揭开人工智能的神秘面纱，并让学生能够负责任地使用人工智能工具。

《人工智能时代计算机科学教育指南》基于计算机科学教师协会 (CSTA) 和 TeachAI 于 2024 年 5 月对计算机科学教师进行的调查（364 名教师，其中 24% 是小学教师），76 % 为中学教师，12% 为国际教师）。

在接受调查的364名计算机教师中，85%认为学生应该在入门课程中学习人工智能； 48%的教师认为自己有能力教授人工智能，88%的教师认为从专业发展到学习如何使用和教授人工智能会从中受益，79%的教师应该更新课程内容和课程标准以强调人工智能。

目前，学生在计算机科学课程中了解了多少人工智能知识？

调查显示，学生学习人工智能内容的时间并不是很长，学习时间为3-5小时的不到30%。

教师们指出，算法等基础计算机科学概念可以帮助学生培养批判性地使用人工智能工具并负责任地利用它们进行创造所必需的解决问题的技能和社会影响意识。

人工智能课堂活动可以探讨以下主题：

此外，人工智能中的算法、分类器、自然语言处理和伦理问题等主题不仅在计算机科学课堂上得到扩展，而且还与以下领域相关：数学、语言、生物学和社会科学。

然而，在以往的计算机课程中，大多数教师只讲解了人工智能的基本概念，但《指南》认为，不仅要传授相关知识，还要教会学生使用工具将人工智能应用到生活中。

在计算机科学教育中，教师对使用人工智能工具的看法不一，52%的教师认为潜在收益大于风险，43%的教师认为风险等于收益，5%的教师认为风险大于潜在收益。

在教师眼中，使用AI工具的风险包括：AI会替学生思考；学生会过度依赖人工智能工具；学生将失去基本技能；人工智能工具可能会输出不准确的信息。

然而，指南认为，可以通过教授基本编程技能和人工智能工具的关键使用来缓解这些担忧。这种方法确保学生使用人工智能作为辅助工具，保持解决问题的能力，并理解其背后的逻辑。

另外，对于计算机教师本身来说，利用人工智能可以提高工作效率。

参与 CSTA/TeachAI 调查的教师表示，他们使用人工智能以多种方式促进工作，包括定制和完善课程计划；为需要更多挑战或更多支持的学生提供差异化​​指导；并组织想法，分解它们并重新解释它们。这些用途反映了通用人工智能（Gen AI）简化教师工作量的常见机会。在早期的研究中，研究人员使用源代码提示代码生成器 Codex 来生成新的编程练习。他们发现绝大多数都是完全新颖的并且与当前主题一致（Denny et al., 2023）。除了节省教师的时间之外，代码生成器可以根据单个输入创建多种解决方案，还可以为学生提供解决同一问题的不同方法的视角。

03

学生如何成为人工智能的挑剔消费者和负责任的创造者？

该指南指出，教导学生成为人工智能的批判性消费者和负责任的创造者需要将道德和社会考虑融入计算机科学（CS）教育中。计算机科学教师正在将有关透明度、问责制、信息准确性、隐私、公平和道德设计的讨论纳入他们的课程中。这些课程使学生能够批判性地评估人工智能的输出，了解人工智能对社会的影响，并设计优先考虑公平和责任的技术。计算机科学比任何其他学科都更能提供一个机会，通过学习人工智能模型的训练方式、了解它们的工作原理以及开发自己的模型来探索人工智能的社会和伦理影响。

从制造深度伪造品到放大性别、种族和文化偏见，人工智能对个人和社区造成伤害的可能性已引起广泛关注，因此越来越需要将社会和道德考虑纳入计算机科学教育中。

教授学生人工智能的一个关键部分是让他们了解人工智能模型是如何构建的，并批判性地思考这些模型的好处、坏处、可能的保障措施，以及这项强大技术对人民和社区的影响。

随着越来越多的计算机科学教育涉及人工智能的消费和创造，学生也必须学会问自己是否以及为什么应该首先使用人工智能。

计算机科学教师协会董事会主席查里蒂·弗里曼（Charity Freeman）：“在人工智能教育方面，我们没有权利把头埋在沙子里。计算机科学教师有机会也有责任引导学生了解人工智能的社会和伦理方面。影响：好与坏、好处与坏处、可能性与现实。”

人工智能系统被广泛认为是不透明的，包含不可知的数据源和难以理解的决策过程。当教师了解人工智能系统的工作原理时，他们在课堂上使用它们时就会更加犹豫，也不会那么担心该技术对个人自主性的影响。早期研究表明，当教师有能力审查和推翻人工智能建议时，他们更有可能信任人工智能（Nazaretsky 等人，2022）。

当被问及将人工智能纳入课堂可能存在的风险时，参与 CSTA/TeachAI 调查的计算机科学教师强调，需要让学生意识到人工智能会犯错误，并且可能对社会产生不同的影响，往往会对边缘化社区造成伤害。这些同样的担忧经常被认为是学生加深对核心计算机科学知识理解的原因。

美国西北大学副教授塞佩尔·瓦基尔认为，“当学生了解人工智能的伦理和社会影响的技术层面时，他们在参与有关人工智能的流行讨论时会感到更有动力。”

然而，人工智能驱动的系统和教育工具收集的数据引起了对学生隐私的担忧。

2024 年 3 月，由 41 个教育和民权组织组成的联盟致函美国教育部，呼吁停止为 K-12 学校使用的人工智能安全系统提供资金。他们担心人工智能可能侵犯学生的公民权利。该组织表示，特别令人担忧的是面部识别技术、社交媒体监控、行为威胁评估、预测性警务和其他监控工具的使用越来越多。

随着学生交出越来越多的个人数据，包括教育工具收集的数据，他们必须了解组合这些数据以揭示敏感信息的潜力。

此外，用于预测学生表现、弱点和优势的人工智能系统的跟踪和监控组件可能会抑制他们在学校的参与（Akgun 和 Greenhow，2021）。

卡普尔基金会出版的《负责任的人工智能和技术正义：K12 教育指南》帮助教育工作者开发优先考虑批判性评估技术和创建更公平解决方案的学习体验。其中一项建议是“检查人工智能技术创建的生态系统，从谁设计和开发产品以及如何开发产品，到谁投资其创造以及谁从其采用中受益。”

该指南认为，透明度、问责制、公平和隐私应该成为技术开发的原则。