中小学人工智能教育的三层次目标：从工具使用到计算思维

中小学人工智能教育最常见的偏差，是把"会用某个生成式工具"等同于"具备 AI 素养"。工具会迭代，界面会更换，而学生面对未知技术时的判断方式与思维结构才是教育真正要留下的东西。ARM 研究团队基于三年课堂观察，提出三层次目标模型，供学校在课程设计与教研评价中使用。

一、体验层：与智能系统建立具身感知

体验层目标面向小学中高年级及以上初次接触 AI 的学生，重点不是概念定义，而是让学生在真实任务中感知"智能系统能做什么、不能做什么"。学生应能描述自己使用的 AI 功能依赖哪些数据，能举出一个 AI 出错的例子，并说出出错的可能原因。

• 能区分"搜索得到的答案"与"生成出来的答案"，并意识到后者可能不存在于任何网页
• 能通过改变提示观察输出差异，初步建立输入与输出关系的直觉
• 能在教师引导下识别明显的事实性错误与"一本正经地编造"

二、理解层：用计算思维拆解智能现象

理解层对应初中阶段，学生开始用"数据—模型—评估"的语言解释智能现象：一个识别猫的模型，依赖什么样本？样本偏差会怎样进入模型？为什么同一个模型对不同人群可能表现不同？此层次的关键，是让抽象概念落在学生可动手验证的小实验上，而非背诵定义。

评价一节课是否抵达理解层，不看学生能否说出"神经网络"四个字，而看他能否设计一个简单办法去检验某个 AI 输出是否可信。

三、创造层：在真实问题中定义并约束 AI

创造层面向高中阶段，学生需要完成的不只是"用 AI 做作品"，而是在真实情境中定义问题、选择 AI 介入的环节、设定评价标准，并思考方案的社会影响。一个优秀的创造层项目，必须包含"AI 不应该做什么"的论证。

三层次并非三个互斥的年级标签，而是同一主题在不同深度上的循环。学校在做课程地图时，可先选定若干贯穿 K12 的大主题（如"推荐""识别""生成"），再为每个主题标注三层次目标，避免课程内容碎片化。