【摘 要】生成式人工智能在回答問題時所呈現(xiàn)出的精準性、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)教育階段學生計算思維能力為目標的新型教學模式。此新型教學模式包括四階段七步操作流程的教學運用，以循序漸進的方式培養(yǎng)學生的計算思維能力。

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

【中圖分類號】G434 【文獻標志碼】B

【論文編號】1671-7384（2024）09-005-03

黨的二十大報告明確提出“推進教育數(shù)字化，建設(shè)全民終身學習的學習型社會、學習型大國”，堅定了以教育數(shù)字化促進教育現(xiàn)代化的戰(zhàn)略方針。加快推進基礎(chǔ)教育學校的教育數(shù)字化水平，關(guān)鍵在于培養(yǎng)學生良好的數(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，被認為是數(shù)字素養(yǎng)中必不可少的重要組成部分。當前，生成式人工智能（AIGC）正快速風靡全球，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)筑科學合理的新型教學模式，從而提升學生的計算思維能力。

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)用通常持較為謹慎的態(tài)度。不過，這并不意味著墨守成規(guī)，當新技術(shù)經(jīng)過科學驗證，得出確實能有效提升教學質(zhì)量的結(jié)論之后，便能夠全面地引入基礎(chǔ)教育教學中。作為最新技術(shù)的生成式人工智能，已在部分基礎(chǔ)教育學校開展了一定程度的教學實踐，取得了頗有價值的成果。李英哲探究ChatGPT4.0在初中數(shù)學備課中的創(chuàng)新功能，得出其能夠幫助教師明確教學目標，輔助完善活動設(shè)計，彰顯獨特教學風格，提供個性化的學習支持等研究結(jié)論[1]。羅恒采用準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行評估和反饋，并提高學習者的學習動機和自我調(diào)節(jié)學習能力[2]。計算思維由美國卡內(nèi)基梅隆大學的周以真提出，她認為計算思維是運用計算機科學的基礎(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2.0時代，即每個科學領(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信息科技課程，提出可以采用方法習得、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習。不過，已有文獻中對生成式人工智能與計算思維的關(guān)聯(lián)研究嚴重不足。因此，如何運用生成式人工智能促進學生計算思維能力的提升，應(yīng)是當前教育數(shù)字化研究的重要目標。

生成式人工智能技術(shù)演進路徑

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。有學者針對多層感知器的缺陷提出改進策略，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最大特點是當前時刻的輸出不僅與當前時刻的輸入有關(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使用當前輸入信息和上一個時間的狀態(tài)來產(chǎn)生當前時間的輸出信息，從而使RNN能夠?qū)W習到時間序列數(shù)據(jù)中的模式和規(guī)律，提高其預測和分類的準確性。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識并接受。

生成式人工智能支持下的新型教學模式——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)進行具體化的改進。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)教育新型教學模式，以問題解決為切入點，合理運用生成式人工智能，達成學生計算思維能力提升的教學目標。

新型教學模式的第一步為提出在教學活動中發(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)出布魯姆教學目標分類中的深度學習，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對問題進行輔助性的分析。得益于AIGC對問題解析的精準性和邏輯性，學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，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，如思維導圖、樹狀圖等?？梢暬尸F(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行預先處理，生成它認為可行的解決方案，學生再對生成的解決方案進行深度思考，形成表達規(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”。

該新型教學模式的根本目標是培養(yǎng)學生的計算思維能力，以使其能夠高效地解決教學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”的方式促進學生計算思維能力的提升。

2.教學實施

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

（1）不使用AIGC階段

此階段的教學目的是讓學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，學生對問題進行分析，構(gòu)建模型，提出幾種可行的解決方案，并將自己認為最優(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)過前一階段教學實踐，學生對于通用的計算思維操作流程有一定的認知，為了促進“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)量表評判學生計算思維能力的高低。

（3）自主學習階段

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，學生將自行面對問題，所以在本階段應(yīng)由學生自己發(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”是當前提倡的教學改革方向，應(yīng)培養(yǎng)學生在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生組成合作小組，然后討論確定一個有一定復雜性的實際問題，借助AIGC對問題產(chǎn)生的原因進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習實踐中。

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)教育新型教學模式，包括模式建構(gòu)和教學階段兩個部分。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生計算思維培養(yǎng)策略研究——以達州市Y小學為例”（課題編號：YWZD-2023-14）和達州市教育科研2022年度立項課題“‘雙減’背景下小學生計算思維培養(yǎng)策略研究”（課題編號：DZL2022032）的階段性成果

參考文獻

李英哲，劉劍玲. 新課標背景下ChatGPT在初中數(shù)學備課中的創(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]. 中國大學教學，2020（4）： 24-30.

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