专栏回顾：《AI 时代的教育》

2016年，DeepMind与围棋世界冠军李世石对弈时，想出一步人类棋手无法理解的“天才”走法赢得比赛。2022年，Midjourney的画作在国际比赛中击败了众多专业艺术家，夺得冠军。现今的ChatGPT和 DeepSeek 能写论文、编写程序、在医学和法律领域展现能力，一些企业已经开始使用这类AI来代替部分人力。

AI技术的惊人进步正在改变我们的生活，这意味着下一代孩子将面临与我们成长时截然不同的世界。传统的学习模式和知识结构，还能保证他们在未来立足吗？当AI不断在各个领域中崭露头角时，教育如何确保孩子不仅能跟上时代的步伐，还能站稳自己的价值，这已经成为每个家长和教育者都无法忽视的问题。

看过公众号最近更新内容的朋友们应该已经对“课程重构中心“不陌生了（美国课程重构中心（CCR）给出的 10 条建议，元学习（Meta-Learning）的10种关键能力和3条建议），拥有教育和技术专长的“课程重构中心”（Center for Curriculum Redesign）机构专家出了这本《Education for the Age of AI》，采取前瞻视角对科技影响进行深入分析，并提出改革的创新之法，重新思考在AI时代里，教育的目标为何？该用什么方法进行？为教育工作者、政策制定者、任何对AI时代人类前景感兴趣者的必读指引。

我已在AIED教育学人·知识库社群分享读书笔记、心得和关键讲解和“课程重构中心”的资料。

Chapter One: Modern AI and its Unhyped Capabilities

第一章：现代人工智能及其未被炒作的能力

人工智能已经非常强大，并且正在迅速变得更好，区别于通用人工智能（AGI）和超级人工智能（ASI），被称为“具备一定能力的智能（Artificial Capable Intelligence）”已经普及。然而，鉴于实现 AGI 和 ASI 需要实质性的突破，而这些突破是不可预测的，关于通用人工智能或更糟的超级智能的担忧还为时过早。大家应该专注于眼前的“可达能力”阶段。

Chapter Two: AI’s Impact on Occupations

第二章：人工智能对职业的影响

人工智能在短期内不会取代大多数工作。人们对人工智能通过考试、完成任务和完成工作之间的区别存在重大误解。此外，我们还必须应对历史上无法预测新出现的职业（例如，Instagram 网红？！）的问题。有一点是肯定的，拥有人工智能的人会打败没有人工智能的人，因为对于许多技术来说，人工智能是大脑的“外骨骼”。这也意味着高中教育关注职业转换的重点将一直存在。

Chapter Three: Wisdom as the Enduring Goal of Education

第三章：智慧作为教育的永恒目标

如前言和第二章所述，教育仍然关乎心理社会和经济需求的双重性，而非单一方面。然而，教育的心理社会方面很少明确其总体目标——智慧——并以实际的方式实现。智慧并非许多人所认为的那样是一种空灵的概念，当涉及到其组成部分——知识、技能、品格和元学习时，它是相当可操作的。

Chapter Four: AI’s High-Level Impact on Education

第四章：人工智能对教育的高级影响

人工智能的影响可以概括为对多样性的需求。在不确定的世界里，最好的防范措施是能够在四个维度上发展：知识、技能、性格、元学习，以及四个“驱动因素”：动机、身份、能动性和目的。学生无论出于心理社会还是经济需求，都需要学习支架。教育并非过时，但必须进行全面适应。

Chapter Five: Knowledge for an Age of AI

第五章：人工智能时代的知识

如果 AI“什么都知道，为什么还要学习？”是一个错误的观点，就像在互联网搜索引擎时代一样。AI 既不是“知道一切”，也不能独立行动。然而，很明显，知识应该根据相关性进行评估：在陈述性（基本内容）、程序性（基于项目）、概念性（核心概念）和认识论（元层）知识之间发展正确的混合，并相应地现代化传统学科。我们还需要为重要现代学科如科技与工程、社会科学和创业腾出时间和空间，同时嵌入跨学科和交叉主题。

Chapter Six: Competencies for an Age of AI

第六章：人工智能时代的素养

人工智能与技能、性格和元学习的互补与替代关系得到分析，并证实了 CCR 框架及其 1.2 版本。在人工智能当前和未来的能力背景下，描述并论证了对特定属性（如想象力、机智等）的重视。主要缺点是人们倾向于过度依赖。

Chapter Seven: Student Personalization

第七章：学生个性化

个性化需求日益增加，一方面是因为人工智能能力的提升加剧了学生的学习动机（外在和内在）危机，另一方面是为了避免过度依赖人工智能。这意味着需要密切关注发展驱动力：身份（归属感）、能动性（成长型思维）和目标（激情）。在相当长的一段时间内，人工智能仍需要人类的监督和对其能动性和目标的决策。

Chapter Eight: The How

第八章：如何

本章通过一个课程设计的例子，展示了框架中所有参数如何和谐地一起设计。教师将得益于一套多样化的 AI 工具，在制定教学计划和评估学生方面获得重大帮助。最后，以学生为中心的适应性学习水平逐渐过渡到智能辅导系统。

相信你读了这十几篇专题文章，会对AI时代的教育有个全面的把握；再配合我平时的分享和视频会议分享活动，你的AI实践能力也会不断提升。

新专栏

不少老师让我讲一讲跨学科主题活动，从2022年新版义务教育课标发布完就开始关注到这个概念了。虽然我零零碎碎地讲过（人工智能在跨学科学习中的系统综述：应用背景、角色和影响，跨学科课程设计典例：科学和人文的交叉口），这次我决定系统地学习和分享这个话题。无论你是历史课，英语课，科学课，只要你对跨学科教学感兴趣，你都能学会设计一个跨学科教学项目。

从杜威的“做中学（learning by doing）”开始，学科联通的思想就已经走入大众视野，多学科（multidisciplinary）、跨学科（interdisciplinary）、超学科（transdisciplinary）等理念乱花迷人眼；那些大家津津乐道的教学模式：STEM、项目式学习、探究式学习、主题-单元设计、问题导向学习、现象式教育、综合实践活动、STS、HPS、SSI，不都是跨学科学习的策略吗？很多时候我们单一讨论这些模式，会忽略掉其跨学科学习的底色。其实广义地说，教学只有两种：学科教学，跨学科教学。如果非要较真，那还有第三种，无学科教学。

跨学科不是简单“拼盘”，而是以“项目”、“主题-单元”、“问题”、“探究活动”、“核心概念”为抓手联结知识、以真实情景激发学习。

每一次跨学科热潮，都伴随社会复杂问题（城市化、产业升级、AI 伦理）对“单科思维”的挑战。就AI谈AI教育，并没有摆脱“单科思维”，教师不是AI推广员，在一切课堂上科普AI，而是要掌握跨学科教学法，让学生了解我们这个学科要解决哪个问题、哪些问题需要其他学科的帮助，我们在解决一个真实问题时需要用到哪些学科的知识，AI能在何等程度上帮我们而我们这个学科又为AI的发展做出了什么样的贡献（如：数学算法、语言翻译器与AI的关系、AI的进化与生物的进化的异同，为什么很多AI算法都是物理学家提出的）。

跨学科教学不是要完全搞懂多个学科，而是要灵活发现“学科间桥梁”。

我们的新专题，从“跨学科”的发展、理论研究，全球主要报告和文件、最新研究这些角度，系统地讨论一下这个主题。可能会花上20-30篇的内容，再配合对大家提出的好问题的解答，总共50篇左右，应该能和大家一起对这个话题有个非常全面的把握和认识。